策略产品中的三大法宝：属性、画像和标签

策略产品领域，尤其是搜索推荐，必然绕不开三个概念：属性，画像和标签。

很多时候，我们无论是做策略优化，还是做实验的设置，基本上都是依据这三者进行trigger的。但是，很多人把他们三个搞混，所以今天跟大家聊一聊这三者之间的区别和联系

同时我后续会单独加一场直播聊一下关于用户属性，物品属性，用户画像和物品画像的问题。

下面开始正文。

无论做搜索，还是推荐，都绕不开一个重要的概念：标签。

今天我们来聊一聊搜索、推荐当中的标签到底是怎么做的。

01.关于标签

标签，在不同的公司，关于它的定义还不太一样。

通常包括用户标签和物品标签两种。

有的公司标签是指所有挂在用户、物品上的数据。比如用户的姓名是一个标签，物品的名称是一个标签。

也有的公司会更加细分，把挂在用户、物品本身的一些数据叫做属性，或者基础数据，而经过加工处理得到的一些数据，则会称之为“标签”。

比如用户偏好（白酒，电子发烧友）、物品主题（母亲节，情人节）等等。

那我们通常所说的标签是指下面这种定义。

02.关于画像

我们常说的画像，简而言之，就是从海量的用户、物品数据中，通过一定的规则，建模抽象出每个用户，物品的属性标签体系，这些标签通常需要具有一定商业价值。

比较常见的是用户画像。像电商，短视频这类面向用户生活娱乐的产品，通常会累积海量的用户行为数据，这些数据不但体量大，而且存在形式多种多样，同时还在不断地更新演化中。而用户画像要解决的主要问题，就是使用这些纷芜繁杂、没有直接商业价值的数据，通过清洗、挖掘、整理，生产岀能够直接指导商业运营的用户属性体系，比如常见的用户分层、 行为轨迹、生活场景、消费偏好等，这些标签需要有明确的层级划分和可理解性。

我们通常把这些用户属性我们通常称为标签，例如性别就是一个标签，该标签可以取值“男” “女” “不确定”。所以，用户画像也可以看作将数据标签化。

所以画像也称作是标签。用户画像数据的生产和消费是一个比较复杂的过程，通常涉及数据收集、数据清洗、特征生成、标签建模、预测计算、效果评估、线上应用、效果反馈等多个环节。

03.属性和标签的区别

从上面的定义我们就可以看出来，基础数据、属性是用户、物品本身携带的一些客观数据，大多数情况下，它产生的那一刻就相对固定了。

标签，则是相对主观的，是“人为”的给用户、物品打上去的标记，有时一个标签也被称作为是一个“tag”。

也正是因为这种区别所在，导致属性和标签在不同的场景下使用方法不同。

比如在搜索这种场景当中，更常用的是物品属性，也就是物品的基础数据。因为搜索是用户的一种强意图表达，在明白了用户在搜什么之后，给用户展示对应的物品就行，因此用户意图的匹配肯定是依赖于物品的客观数据了。

但是，在推荐场景则不然。推荐则是在不明确用户需求的情况下，去猜用户可能感兴趣的物品，那么这个时候用户标签以及物品标签就显得尤为重要了。

因为标签是一种更为泛化的数据。

在不明确用户需求的前提下，这种方式最能够命中用户感兴趣的点，进而产生转化。

04.关于搜索和推荐当中的标签是如何生产的

搜索策略产品和推荐策略产品是标签应用最多的两种场景。

我们分别介绍一下用户属性、物品属性、用户标签、物品标签在这两种场景下是如何生产和应用的。

(1) 用户属性

用户属性通常是用户主动上传的数据，比如你在注册、登录一个APP时，在上面填的一系列信息都会成为用户属性数据。

用户属性的应用，主要集中在基于用户属性去进行个性化展示。比如常见的性别、地理位置。大家可以用身边的异性朋友做个实验，你们同时在淘宝上搜索“衣服”，看看搜索结果的展示。

(2) 物品属性

物品属性通常是物品被上传时定义的一系列信息。比如在电商行业，商品被上传的时候，需要商家填写商品名称和价格，选择商品类目等等，那么名称、价格、类目就会被定义为商品属性。

物品属性的应用就很广泛了，前和后都有。

这里的前是指前端，也就是用户看到的，这个很容易想到。比如大家搜索一个手机，手机的名称，价格，型号，内存等等展示给你的信息都是物品属性。

后是指后台，物品属性同样被大量应用在后台逻辑当中。比如搜索当中，当你输入黄桃的时候，意图会判断你搜的是一个水果，那么就会去水果这个类目下去找黄桃。这就是物品类目属性的一种应用。

最后，关于用户标签和物品标签，我贴两张训练营的图给大家解释一下：

显然，标签系统对接的是一些通用类标签，如何生产自己的标签，这个留给大家思考。

以上就是关于策略产品中常见的属性，标签和画像。