一、标签体系设计

标签服务于业务应用场景，好的标签体系设计能够让业务人员在使用时随需随取，及时查询出需要的数据，就算不具备这个标签，业务人员也可以自己快速加工出来，无需寻求数据开发人员的帮助。那需要做到

·标签类目划分合理

·标签涵盖的数据源丰富，标签完善

·后续扩展性高，即基于基础标签加工出新的标签时，方便快捷

标签体系的设计一般会按照以下步骤：

1、数据梳理

根据现有业务背景，以及数据，梳理出大概的标签体系。如企业一般数据大概来源于这几部分：

● 用户基础数据

用户ID、性别、年龄、手机号、邮箱、身份证号、会员等级等基础信息。

● 业务交易数据

如在零售领域，用户发生的每一笔交易都会有记录，如下图：

● 用户行为数据

如用户在APP、PC、小程序等的浏览、点击、收藏、评论行为，可反映出用户的行为特点。

● 活动/积分数据

会员商城的cha会员等级、积分兑换等数据。

● 售后投诉数据

客户投诉、售后处理等数据。

基于对数据的梳理，可进行标签基本体系的梳理，梳理出一部分有价值的标签。

2、基于OLP模型体系化梳理标签

OLP模型是目前比较通用的建立标签体系的模型，OLP指“实体-关系-属性”模型，用下方场景举例：

· 实体：指对象，如人、书籍、门店等，可针对每个实体建立一套标签体系

· 属性：实体带的特征，如人有性别、年龄属性，书籍有价格、内容属性，门店有售卖渠道、地址位置等属性，属性是一种类型的标签

· 关系：通过动作产生关系，如基于购买动作，人和书籍产生关系，基于这个动作可产生消费时段偏好、支付方式偏好等标签

基于该模型，对标签进行查漏补缺，梳理出标签类目与标签。

3、定义标签与加工口径

· 标签中文、英文名：标签的中文名称、英文名称

· 标签所属类目：标签所属一级、二级、三级类目

· 标签类型：根据不同维度的划分，采用其中一种。比如统计类标签、预测类标签、自定义标签等，亦或是原子标签、衍生标签、组合标签、算法标签等

· 标签值定义：定义每个标签的标签值，如“近一个月买入金额区间”标签，可根据购买金额的区间段定义“零/低端”、“普通”、“中端”、“准高端”、“高端”等标签值

· 标签含义（描述）：描述该标签业务含义，如“最近30天的购买商品的金额区间，对用户消费力进行评估”

· 标签业务口径：标签以哪个数据定义为准，如“用户活跃城市”标签，以用户购买次数最多的城市为口径加工，而不是浏览次数、评论次数等

· 标签技术口径：描述该标签从哪个表的哪个字段取值，SQL取数逻辑是什么

· 业务方来源：该标签的业务需求方是谁

· 标签更新周期：描述标签更新频次，天(如T+1、T+2等)、周、月、小时、分钟更新等

· 标签更新优先级：同一时间端跑多个标签时，若资源有限，先跑优先级高的标签

基于以上工作，最终得出一份标签体系表，以这份表和业务方最终确认标签划分、标签与标签值、标签加工口径是否有疑义，没问题，便可进入标签开发环节。

二、标签模型设计

进入具体开发之前，需考虑标签模型层设计，在数仓加工出来哪些数据，标签产品加工哪些数据。标签模型依旧遵循数仓建模的“ODS-DWD-DWS-ADS”分层设计，基于DWD、DWS层抽象一层标签模型层，加工标签基础标签，届时在标签产品上让业务人员通过规则可加工生成新的标签。

一般遵循“公共层数据”、“大数据量计算”的标签放在数仓中数据开发写SQL实现，“通过规则可定义”、“标签规则经常修改”的标签在标签产品中配置。数仓一般实现：

1、公共层数据

包含基础属性数据、基础指标（指标也可以作为一种标签，如最近30天购买金额、最近30天访问次数等），这些数据不仅给标签系统用，也可以给BI报表、数据门户使用，所以放在数仓中加工表。

● 基础信息类标签

● 交易类标签

● 行为类标签

2、大数据量计算的标签

如计算历史最高花费金额、商品的历史最高库存、累计消费金额、用户排序等，这些标签的计算基于的数据量大，最好放在hive中跑批上线。

在数仓中加工好标签基础表，这些表中的标签一般称之为原子标签，再将该表对接标签产品，在标签产品中进行衍生类、组合类标签加工。

三、标签配置

基于标签模型的设计，一部分基础指标类的标签在数仓已建设完成，一部分标签需要在产品界面上实现。我们接下来看下业务人员如何在袋鼠云标签产品「客户数据洞察平台」中配置标签。

1、根据业务对象，创建实体、关系

假设一个电商类客户，需要建立一套用户标签体系，则首先创建“用户”实体对象，并在实体对象下接入标签多张基础表，如用户基础信息表、用户行为事件的指标表等，这些表的字段可作为原子标签直接使用，也可作为后续加工衍生、组合标签的基础。

同时，在后续加工衍生标签时，在某些场景上会用到多个实体下的原子标签加工，这时候可以用“关系”将2个实体关联起来，如将“用户”实体与“书籍”实体通过用户表的“最近购买商品ID”、以及书籍表的“书籍ID”关联起来，便可以用到2个表的字段进行某个标签的加工，如下图：

2、读入原子标签

从标签基础表中读入原子标签，进行原子标签的元数据管理。

读入原子标签时，有些字段可能存储的是编号或一些枚举值，但业务人员需要看到具有真实业务含义的值，此处可做一层字典值映射。比如将“省市编号”映射为具体的省市名称。

3、创建衍生标签

基于接入的数据表的原始字段和原子标签，通过“且、或”关系、“求和、去重计数、计数、最大值、最小值、均值”聚合函数、“等于、不等于、小于、小于等于、大于、大于等于、包含、不包含等”操作符，对源表字段进行加工，生成衍生标签。

如基于用户访问次数、交易次数，加工“用户活跃度“衍生标签，包含“高活跃”、“一般活跃”、“睡眠状态”标签值，对用户活跃度进行衡量。

除通过可视化规则加工标签外，也会开放SQL界面写SQL加工标签，因为在实际场景中，客户场景不尽相同，有些复杂标签需要SQL快速实现，在产品界面上也可直接操作。

同时，虽然产品上会开放基于函数计算的标签加工、SQL类的标签加工，但还是会建议客户将公共层的指标类标签、及复杂类标签放在数仓中实现，以使标签配置这层轻量，届时进行数据跑批时快速。

4、创建组合标签

基于原子标签和衍生标签，可进行组合标签的创建，如基于最近交易时间、最近1年交易次数，最近1年交易金额区间这3个标签，加工“用户综合价值”组合标签，将客户分为“低价值用户”、“一般保持用户”、“重要发展用户”等。

5、创建实时、算法标签

· 实时标签：如基于用户实时行为数据通过Flink引擎计算实时标签，如用户点击APP上的一个商品广告，且加入购物车，判断该客户属于“某类型商品感兴趣用户”，作为客户短期兴趣标签。

· 算法标签：如基于用户的基金交易行为，预测该用户属于追涨、杀跌、高抛等哪种类型的客户，作为客户的风险偏好标签。

最终将这些实时与算法标签的元数据可统一接入标签平台统一管理。

标签逻辑创建好之后，同时配置标签的更新周期、更新优先级，进行标签的定时跑批、手动跑批等。