欢迎投稿到早读课，投稿邮箱：[email protected]

　　最近，频繁遇到各类公司找我交流“用户画像该怎么做”这个问题。什么是用户画像呢？就是根据某个人表现出来的网络行为，猜他是男是女，挣多挣少，孩子多大，乃至要买什么东西这些背后的特征。

　　用户画像，是大数据三百六十行居家旅行、装逼煽情必备的概念，它还有个类似的概念叫受众定向。个人觉得，“用户画像”这个词听起来更加关注人口属性、生活状态这些基本静态信息，这多少有点误导：我们重点关注的，往往是某用户“最近要不要旅游”、“准备买多少钱的车”这样能驱动直接效果的动态信息。从这层意思上说，用“受众定向”更加准确。

　　俗话说，atv，画龙画虎难画骨，知人知面不知心。为什么知人心这么难呢，道理很简单：猜对了也好，猜错了也罢，都是一头雾水，并没有可靠的正确答案（术语称为“Ground Truth”）。对此，白居易老先生早有教诲：周公恐惧流言日，王莽谦恭未篡时，向使当初身便死，一生真伪复谁知？

　　用户画像，跟这个也有点类似。比方说，你把某人标成“足球爱好者”，对不对他自己都不一定拿得准。就拿中国足球事业的革命家、教育家高俅同志来说，他到底算“足球爱好者”么？恐怕答案是见仁见智的。因此，先要给大家解放下思想：除了性别、年龄这些有明确答案的标签，其他大多数兴趣标签，探讨其“准确程度”是没有意义的。

　　从技术层面看，用户画像的过程比较乏味，感兴趣的朋友可以参考《计算广告》一书。我们今天来讨论一个看起来最简单、却最难以把握精髓的环节：如何设计用户画像的标签体系。

　　什么是标签体系呢？简单说就是你把用户分到多少个类里面去。当然，每个用户是可以分到多个类上的。这些类都是啥，彼此之间有何联系，就构成了标签体系。标签体系的设计有两个常见要求，一是便于检索，二是效果显著。在不同的场景下，对这两点的要求重点是不同的。笔者见过很多做用户画像的产品经理，往往醉心于设计一个伟大、 光荣、正确的标签体系，这往往是形式主义的调调儿。

　　一般来说，设计一个标签体系有三种思路：

　　一、结构化标签体系。

　　简单地说，就是标签组织成比较规整的树或森林，有明确的层级划分和父子关系。结构化标签体系看起来整洁，又比较好解释，在面向品牌广告主开喷时比较好用。性别、年龄这类人口属性标签，是最典型的结构化体系。下图就是Yahoo!受众定向广告平台采用的结构化标签体系。

　　不过，实践当中即使是面向品牌广告主，售卖非人口属性的受众也存在很大困难，原因又回到文章开头说的问题：这些标签从原理上就是无法监测的。

　　二、半结构化标签体系。

　　在用于效果广告时，标签设计的灵活性大大提高了。标签体系是不是规整，就不那么重要了，只要有效果就行。在这种思路下，用户标签往往是在行业上呈现出一定的并列体系，而各行业内的标签设计则以“逮住老鼠就是好猫”为最高指导原则，切不可拘泥于形式。下图是Bluekai聚合多家数据形成的半结构化标签体系。

　　当然，标签体系太过混乱的话，投放运营起来就比较困难。因此，实践中往往还需要对一定程度的结构化做妥协，除非整个投放逻辑是机器决策的（比如个性化重定向）。

　　三、非结构化标签体系。

　　非结构化，就是各个标签就事论事，各自反应各自的用户兴趣，彼此之间并无层级关系，也很难组织成规整的树状结构。非结构化标签的典型例子，是搜索广告里用的关键词。还有Facebook用的用户兴趣词，意思也一样。

　　半结构化标签操作上已经很困难了，非结构化的关键词为什么在市场上能够盛行呢？这主要是因为搜索广告的市场地位太重要了，围绕它的关键词选择和优化，已经形成了一套成熟的方法论。

　　面向品牌的结构化标签体系，设计的好坏似乎并不太重要；而彻底非结构化的标签，也没有太多设计的需求。产品狗们碰到的难点，往往是如果设计合理的半结构化标签体系以驱动广告的实效。这里面最关键的诀窍，是深入研究某个具体行业的用户决策过程。