画像不应该是堆积如山的标签
每一个画像都应该承载价值
本文为大麦网高级数据工程师王志伟在U-Time巡回上的分享。
阅读之后，你会对用户画像的构建及标签应用有新认知。
以下为演讲精选：
我是大麦网的王志伟，从事数据行业七八年，在流量数据、数据埋点、数据运营和数据应用方面有一些经验。今天抛两个点：画像的三个基础点（精准、多样、清晰）、画像应用。
——画像建设及三个基础点——
我们不需要有很多画像，但结构一定要清晰，维度要多样，数据要精准。哪怕有GB、TB甚至有很多样化的数据，如果我们不了解业务，很难落地应用。
例如，某个性化推荐场景，从去年10%的转化率到半年后达到15%，这增长的5%是怎么来的？分析师、产品经理会从产品改版、数据统计上抛出一个点，我们增长可能不是真正的增长，而是用户画像随时间推移而越来越不精准，数据质量降低，从而造成的假的增长。大家抱着这种心态看清晰、多样、精准三个点。
大麦网从2015年开始接触用户画像建设，一开始也踩过坑，就是捧着一个新鲜的词儿去做，投入工程师、产品运营，开会讨论需要什么标签、有哪些场景，但是走了一段时间发现没有场景铺垫和规划，总觉得画像不够细和完整，运营也会抱怨这样的场景怎么都没有，如果很快采纳他们的需求不断建设、接下来冒出另一个问题，我应该选A还是选B？这背后可能是运营在构建底层标签或画像时，缺乏相应的场景维度。
我们是电商平台，要考虑人货场，概括为用户、商品和场景，标签有人口属性、兴趣爱好、社交关系、信用属性。演出类行业不像电商商品可以卖一年、卖两年，它是持续的新品迭代，大麦网商品会有一个体量问题；还有项目周期性问题，可能项目周期只有一个月、一周，甚至有些在开演之前才允许网络销售，商品分级在其他领域涉及不到，包括商品热度。
——画像应用之个性化推荐——
用户基础建设就是精准、多样、清晰几个维度，我们也抱着这种初衷应用到画像建设中。基础数据，如流量、用户、交易、艺人、场馆作为基础维度进行收集。再向上一层，基于不同的场景、推荐的算法，抽象出用户特征、项目特征、语境特征以及其他特征，同时离线是最基础的推荐机制，还有实时推荐。
受限行业特性，我们的项目量会很少，这是难以改变的。这会让用户有一种错觉，在个性化推荐场景下，用户在网站浏览演出，很少有最后一页的情况，除了分类强制筛选以外的场景。其实在运营后台，会按热度或者用户偏好做交叉排序，大家会在推荐模型里看到我们的rank及rerank后的演出排序，在产品首页、发现页为大家提供更多内容，提升商品的曝光、点击和购买。
（备注：rank即精排，通过一个准确的预估模型对Match阶段海选的商品进行精准打分，并根据打分结果进行排序截断，决定最终向用户展示的结果顺序。）
这些截图是我们的场景：
场景一：大麦App首页演唱会楼层
我们行业的地域性非常强，除非你是一个忠实粉丝，比如周杰伦演唱会在北京，对于上海粉丝可能会飞过来，但是成本会加机票、酒店、餐饮等会高一些。对于北京粉丝就是福利，打开App会在演唱会楼层里看到爱豆的演唱会，如果是上海的用户，考虑地域特征就不会放在第一位。
场景二：精准营销
大家也有自己的营销平台，无论是Push、短信都做过很多营销活动，因为受限于技术和行业基础大家会全量推，也知道推完效果不好，粉丝掉得很多，防骚扰做的不够强。我们在从全量、精准再到智能化的过程中，画像和标签奠定了运营基础。
我们在尝试往营销上游创作方向走，包括下游分发，受限于地域特性可能不能做全量，肯定不能把北京德云社相声推给上海同学，他们会很反感甚至卸载App。我们从创造、营销、分发三个领域出发，在营销维度主要体现用户初期认知、兴趣培养、购买、忠诚度的循环过程，再加上传播技巧、方法论，实现精准营销不断增长。
——画像应用之算法圈人——
可能是基于历史做人工圈人的维度和特征、场景；可能是项目特征、人群特征、地域特征、IP特征做算法学习；我们不可能通过算法直接推，中间有一个不断学习的过程。可以将人工圈选和算法圈选的人群做重合度识别，看哪种形式效率更高。
我们有三个统计，就是人工圈人转化统计、算法圈人的转化统计，两者的对比统计。判断算法和转化效果是否好，从而不断完善算法圈人，最终实现自动化的营销。无论是短信、App、Push，假设用户在某个场馆周边等，就会出现相应的推送。
使用方也是运营方，从运营的项目特征、特点、生命周期，通过不同角色、通过投什么、投给谁，带着这样的问题带到圈人的过程，之后进行人群投放，包括自有端和站外渠道。
我们有数据回流，第一步定义渠道，第二步渠道特征，第三步通过渠道来的用户标签。比如，我投放郭德纲的演出，来的都是00后，这样业务敏感性会很差。从渠道投放到用户来了，和预期用户群体形成鲜明对比。通过算法学习和精准率学习，从渠道统计再回溯到算法模型，不断生出预测标签，使画像更加精准。
——画像应用之渠道和流量——
我们从定义到回流再到学习、使用的过程。我会过度关注流量，我们在使用画像、精准营销时要养成看流量、使用流量的习惯，这样才知道产品的变化、业务的变化都体现在什么地方。
构建流量渠道会从三个方向做：
1. 点，即定义，了解每个渠道
大麦有两套渠道管理系统，其中一套管理系统用了N年，结果就是渠道多而乱，那个系统随着业务不断变动，像画像一样有增有减，有废弃有新增，还有相似交叉的渠道，是历史的经验和总结让我们清楚了定义的重要性，所以在第二套系统中将定义做的很清晰和精准。
2. 线，即结构，明白渠道要做什么
例如，第一大类叫搜索引擎，旗下有百度、谷歌、360等，每个搜索引擎都有搜索流量产品，我们会在不同结构下添加相应的产品。
3. 面，即维度，让渠道发声
我们有一个大的维度叫自媒体，旗下有短视频、文章，搜索引擎下面有各个维度，第一个最大的面，比如说搜索引擎、自媒体称之为面。
活动内容，有活动类型以及业务方的精细化区分，以及活动标识，这是做画像采集的数据基础，我们前期很清晰定义了数据，再回流的画像才更精细、更精准、更多样。
渠道就是流量的一部分，我们要敬畏流量，来的每一位用户都是产品的机会。渠道定义“流量”，每一个渠道都是一个机会。
下载演讲PDF完整版
——U-App AI版抢先用——
升级数据运营思路，更需要升级数据运营工具，了解U-App AI版：
——U-Time报名——
1/10深圳站 1/15 广州站
↑扫一扫或识别二维码报名
（可能需要复制链接，在浏览器中报名）
点击 “ 阅读原文 ” ，同样可以抢位。