※台北網頁設計公司這麼多該如何選擇?
網動是一群專業、熱情、向前行的工作團隊,我們擁有靈活的組織與溝通的能力,能傾聽客戶聲音,激發創意的火花,呈現完美的作品
本文源碼：GitHub·點這裏 || GitEE·點這裏
一、場景分析
1、場景案例
互聯網行業的朋友一定了解或者聽說過下列幾個場景：
阿里：千人千面，意思不同用戶使用阿里相關的產品感覺是不一樣的，例如支付寶首頁的推薦內容，和其他相關推薦流信息是完全不同的。
騰訊：社交廣告，不同用戶的朋友圈或者其他媒體場景下的廣告信息是不同的，會基於用戶特徵推薦。
頭條：信息價值，根據用戶瀏覽信息，分析用戶相關喜好，針對分析結果推薦相關的信息流，越關注某類內容，獲取相關的信息越多。
如上幾種場景的邏輯就是：基於不斷分析用戶的行為，生成用戶的特徵畫像，然後再基於用戶標籤，定製化的推薦相關內容。
2、基本概念
通過上面的場景，衍生出來兩個概念：
用戶畫像
用戶畫像，作為一種勾畫目標用戶、聯繫用戶訴求與設計方向的有效工具，把該用戶相關聯的數據的可視化的展現，就形成了用戶畫像。用戶畫像在各領域得到了廣泛的應用，最初是在電商領域得到應用的，在大數據時代背景下，用戶信息充斥在網絡中，將用戶的每個具體信息抽象成標籤，利用這些標籤將用戶形象具體化，從而為用戶提供有針對性的服務。
標籤數據
標籤在生活中非常常見，比如商品標籤，個人標籤，行業標籤，例如提到996就想到程序員，提到程序員就想到格子衫。
標籤是把分散的多方數據進行整合納入統一的技術平台，並對這些數據進行標準化和細分，進行結構化存儲和更新管理，讓業務線可以把這些細分結果推向現有的互動營銷環境里的平台，產生價值，這些數據稱為標籤數據，也就是常說的標籤庫。數據標籤的概念也是在最近幾年大數據的發展中不斷火熱起來的。
標籤價值
- 精細運營的基礎，有效提高流量精準和效率。
- 幫助產品快速定位需求人群，進行精準營銷；
- 能幫助客戶更快切入到市場周期中；
- 深入的預測分析客戶並作出及時反應；
- 基於標籤的開發智能推薦系統；
- 基於某類用戶的分析，洞察行業特徵；
標籤的核心價值，或者說最常用的場景：實時智能推薦，精準化数字營銷。
二、數據標籤
1、標籤劃分
屬性標籤
屬性標籤是變化最小的，例如用戶實名認證之後，基於身份信息獲取相關：性別，生日，出生年月，年齡，等相關標籤。變動頻率小，且最具有精準性。
行為標籤
行為標籤就是用戶通過在產品上的一系列操作，基於行為日誌分析得出：例如購買能力、消費愛好、季節性消費標籤等。在信息流的APP上，通過相關瀏覽行為，不斷推薦用戶感興趣的內容就是基於該邏輯。
規則標籤
根據業務場景需求，配置指定規則，基於規則生成分析結果，例如：
- 近7天活躍用戶：近7天，每天都登錄的用戶作為規則生成；
- 丟失用戶：六個月內沒有任何操作，可以發放高額優惠劵；
- 潛在用戶：使用或產生瀏覽數據，但是未發生任何交易行為；
這類標籤可以基於動態的規則配置，經過計算和分析，生成描述結果，也就是規則標籤。
擬合標籤
擬合類的標籤最具有複雜性，通過用戶上述幾種標籤，智能組合分析，給的預測值，例如：未婚、瀏覽相關婚禮內容，通過分析預測用戶將要舉辦婚禮，得到一個擬合結果：預測將要結婚。這個預測邏輯也可以反向執行，用戶購買嬰兒用品：預測已婚已育。
這就是數據時代常說的一句話：用戶在某個應用上一通操作之後，算法分析的結果可能比用戶對自己的描述還要真實。
2、標籤加工流程
數據採集
數據採集的渠道相對較多，比如同一APP內的各種業務線：購物、支付、理財、外賣、信息瀏覽等等。通過數據通道傳輸到統一的數據聚合平台。有了這些海量日誌數據的支撐，才具有數據分析的基礎條件。不管是數據智能，深度學習，算法等都是建立在海量數據的基礎條件上，這樣才能獲取具有價值的分析結果。
數據加工
結合如上業務，通過對海量數據的加工，分析和提取，獲取相對精準的用戶標籤，這裏還有關鍵的一步，就是對已有的用戶標籤進行不斷的驗證和修復，尤其是規則類和擬合類的相關標籤。
標籤庫
※網頁設計最專業,超強功能平台可客製化
窩窩以「數位行銷」「品牌經營」「網站與應用程式」「印刷品設計」等四大主軸，為每一位客戶客製建立行銷脈絡及洞燭市場先機。
通過標籤庫，管理複雜的標籤結果，除了複雜的標籤，和基於時間線的標籤變，標籤數據到這裏，已經具有相當大的價值，可以圍繞標籤庫開放一些收費服務，例如常見的，用戶在某電商APP瀏覽某些商品，可以在某信息流平台看到商品推薦。大數據時代就是這麼令人感覺智能和窒息。
標籤業務
數據走了一大圈轉換成標籤，自然還是要回歸到業務層面，通過對標籤數據的用戶的分析，可以進行精準營銷，和智能推薦等相關操作，電商應用中可以提高成交量，信息流中可以更好的吸引用戶。
應用層
把上述業務開發成服務，集成到具有的應用層面，不斷提升應用服務的質量，不斷的吸引用戶，提供服務。當然用戶的數據不斷在應用層面產生，在轉到數據採集服務中，最終形成完整的閉環流程。
3、應用案例
從流程和業務層面描述都是簡單的，到開發層面都會變得複雜和不好處理，這可能就是產品和開發之間的隔閡。
標籤的數據類型
不同標籤的分析結果需要用不同的數據類型描述，在標籤體系中，常用描述標籤的數據類型如下：枚舉、數值、日期、布爾、文本類型。不同的類型需要不一樣的分析流程。
商品和標籤
這裏提供一個基礎案例，用商品的標籤來分析商品，例如通過商品產地，價格，狀態等條件，來查詢產品庫有多少符合條件的商品。
數據表設計
主要分四張表：標籤分類，標籤庫，標籤值，標籤數據。
CREATE TABLE `tc_tag_catalog` (
`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
`catalog_name` VARCHAR (50) NOT NULL DEFAULT '' COMMENT '名稱',
`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
`update_time` datetime DEFAULT NULL COMMENT '更新時間',
`state` INT (1) DEFAULT '1' COMMENT '狀態1啟用,2禁用',
PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標籤層級目錄';
CREATE TABLE `tc_tag_cloud` (
`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
`catalog_id` INT (11) NOT NULL COMMENT '目錄ID',
`tag_name` VARCHAR (100) DEFAULT '' COMMENT '標籤名稱',
`tag_code` INT (11) DEFAULT NULL COMMENT '標籤編碼',
`bind_column` VARCHAR (100) DEFAULT '' COMMENT '綁定數據列',
`data_type` INT (2) NOT NULL COMMENT '1枚舉,2數值,3日期,4布爾,5值類型',
`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
`update_time` datetime DEFAULT NULL COMMENT '更新時間',
`remark` VARCHAR (150) DEFAULT NULL COMMENT '備註',
`state` INT (1) DEFAULT '1' COMMENT '狀態1啟用,2禁用',
PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標籤雲';
CREATE TABLE `tc_tag_data_enum` (
`tag_code` INT (11) NOT NULL COMMENT '標籤編碼',
`data_value` VARCHAR (150) NOT NULL COMMENT '枚舉值',
`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
KEY `tag_code_index` (`tag_code`) USING BTREE
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標籤枚舉值';
CREATE TABLE `tc_tag_data_set` (
`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
`product_name` VARCHAR (100) DEFAULT '' COMMENT '商品名稱',
`unit_price` DECIMAL (10, 2) DEFAULT '0.00' COMMENT '單價',
`is_shelves` INT (1) DEFAULT '1' COMMENT '是否上架：1否,2是',
`origin_place` VARCHAR (100) DEFAULT '' COMMENT '產地',
`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標籤數據集';
模擬入參接口
這裏的參數應該是基於需求，動態選取，進行組織到一起：
例如圖片中這裏給定的標籤值列表，稱為枚舉值。
@RestController
public class AnalyzeController {
@Resource
private TagDataSetService tagDataSetService ;
@GetMapping("/analyze")
public String analyze (){
List<TagParam> tagParamList = new ArrayList<>() ;
TagParam tagParam1 = new TagParam(1,"產地","origin_place") ;
List<String> valueList1 = new ArrayList<>() ;
valueList1.add("深圳");
valueList1.add("廣東");
tagParam1.setValueList(valueList1);
tagParamList.add(tagParam1) ;
TagParam tagParam2 = new TagParam(2,"價格","unit_price") ;
List<String> valueList2 = new ArrayList<>() ;
valueList2.add("1999");
tagParam2.setValueList(valueList2);
tagParamList.add(tagParam2) ;
TagParam tagParam3 = new TagParam(3,"生產日期","create_time") ;
List<String> valueList3 = new ArrayList<>() ;
valueList3.add("2020-05-01 13:43:54");
tagParam3.setValueList(valueList3);
tagParamList.add(tagParam3) ;
TagParam tagParam4 = new TagParam(4,"是否上架","is_shelves") ;
List<String> valueList4 = new ArrayList<>() ;
valueList4.add("1");
tagParam4.setValueList(valueList4);
tagParamList.add(tagParam4) ;
TagParam tagParam5 = new TagParam(5,"產品名稱","product_name") ;
List<String> valueList5 = new ArrayList<>() ;
valueList5.add("智能");
tagParam5.setValueList(valueList5);
tagParamList.add(tagParam5) ;
Integer count = tagDataSetService.analyze(tagParamList) ;
return "Result：" + count ;
}
}
參數解析查詢
通過對參數的解析，最終形成查詢的SQL語句，獲取精準的結果數據。
@Service
public class TagDataSetServiceImpl extends ServiceImpl<TagDataSetMapper, TagDataSet> implements TagDataSetService {
@Resource
private TagDataSetMapper tagDataSetMapper ;
@Override
public Integer analyze(List<TagParam> tagParamList) {
StringBuffer querySQL = new StringBuffer() ;
for (TagParam tagParam:tagParamList){
querySQL.append(" AND ") ;
querySQL.append(tagParam.getBindColumn()) ;
// 1枚舉,2數值,3日期,4布爾,5值類型
List<String> valueList = tagParam.getValueList();
switch (tagParam.getDataType()){
case 1:
querySQL.append(" IN (") ;
for (int i = 0 ; i < valueList.size() ;i++){
if (i != valueList.size()-1){
querySQL.append("'").append(valueList.get(i)).append("',");
} else {
querySQL.append("'").append(valueList.get(i)).append("'");
}
}
querySQL.append(" )") ;
break;
case 2:
querySQL.append("=").append(tagParam.getValueList().get(0)) ;
break;
case 3:
querySQL.append(">='").append(tagParam.getValueList().get(0)).append("'") ;
break;
case 4:
querySQL.append("=").append(tagParam.getValueList().get(0)) ;
break;
case 5:
querySQL.append(" LIKE '%").append(tagParam.getValueList().get(0)).append("%'") ;
break;
default:
break;
}
}
/* 最終執行的 SQL
SELECT COUNT(*) FROM tc_tag_data_set
WHERE 1 = 1
AND origin_place IN ('深圳', '廣東')
AND unit_price = 1999
AND create_time >= '2020-05-01 13:43:54'
AND is_shelves = 1
AND product_name LIKE '%智能%'
*/
String whereCondition = String.valueOf(querySQL);
return tagDataSetMapper.analyze(whereCondition);
}
}
可能有人會說這不就是個查詢流程嗎？如果有這樣的疑問，把上述案例換成用戶查詢，標籤數據的價值會更直觀。
三、智能畫像
1、基本概念
用戶畫像
作為一種勾畫目標用戶、聯繫用戶訴求與設計方向的有效工具，用戶畫像在各領域得到了廣泛的應用。最初是在電商領域得到應用的，在大數據時代背景下，用戶信息充斥在網絡中，將用戶的每個具體信息抽象成標籤，利用這些標籤將用戶形象具體化，從而為用戶提供有針對性的服務。
行業畫像
通過行業屬性標籤，行業下用戶標籤的綜合分析，生成行業分析報告，提供極有價值的導向，這是最近兩年極其熱門的應用。
畫像補全
通過不斷分析用戶數據，豐富標籤庫，使用戶的畫像更加豐富立體。
2、畫像報告
通過標籤數據的分析，生成一份分析報告，報告內容包含豐富的用戶標籤統計數據。
例如：90后畫像報告
這個報告，互聯網用戶一定或多或少都看到過。主要是一些標籤統計，共性標籤展示，或者哪些群體對90后三觀影響最大，收入來源，學歷等各種分析解讀。
四、源代碼地址
GitHub·地址
https://github.com/cicadasmile/data-manage-parent
GitEE·地址
https://gitee.com/cicadasmile/data-manage-parent
推薦閱讀：《架構設計系列》，蘿蔔青菜，各有所需
| 序號 |
標題 |
| 01 |
架構設計：單服務.集群.分佈式，基本區別和聯繫 |
| 02 |
架構設計：分佈式業務系統中，全局ID生成策略 |
| 03 |
架構設計：分佈式系統調度，Zookeeper集群化管理 |
| 04 |
架構設計：接口冪等性原則，防重複提交Token管理 |
| 05 |
架構設計：緩存管理模式，監控和內存回收策略 |
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
※推薦評價好的iphone維修中心
擁有專業的維修技術團隊，同時聘請資深iphone手機維修專家，現場說明手機問題，快速修理，沒修好不收錢
