标簽特點：精确描述定位和搜尋，具有生命周期的特性，可以計算，配置和規則化處理。可以用标簽來描述各種結構和非結構化[文檔、圖檔、視訊等]的資料，進而使這些内容被高效的管理。
一、标簽簡介
标簽概念
标簽，最初用來對實物進行分類和标記，例如标明物品的品名、重量、體積、用途等簡要資訊。後來逐漸流行到資料行業，用來标記資料，對資料快速分類擷取和分析。
标簽特點
精确描述定位和搜尋，具有生命周期的特性，可以計算，配置和規則化處理。可以用标簽來描述各種結構和非結構化[文檔、圖檔、視訊等]的資料，進而使這些内容被高效的管理。
- 描述特征：标簽[手機顔色]，特征[紅色，白色]；
- 描述規則：标簽[活躍使用者]，規則[每日登陸，産生交易]；
标簽價值
- 精細營運的基礎，有效提高流量精準和效率。
- 幫助産品快速定位需求資料，進行精準分析；
- 能幫助客戶更快切入到市場周期中；
- 深入的預測分析資料并作出及時反應；
- 基于标簽的開發智能推薦系統；
- 基于某類下的資料分析，洞察行業特征；
标簽的核心價值，或者說最常用的場景：實時智能推薦，精準化數字營銷。
二、标簽定義
屬性标簽
屬性标簽是描述基本特征，不需要行為産生，也不是基于規則引擎分析，例如基于使用者實名認證資訊，擷取：性别，生日，出生日期等特征。變動頻率極小，且精準性較高。
行為标簽
通過不同業務管道埋點，捕捉使用者的行為資料，基于這些資料分析，形成結果描述的标簽，例如：分析使用者「網購平台」，得到的結果拼多多,淘寶,京東,天貓等。這些都是需要通過行為資料來判斷的标簽。
規則标簽
規則下分析出來的标簽，更多是基于産品或者營運角度來看，例如電商平台需要對會員等級超過5級，且近7天活躍的會員發一次福利，這裡就涉及兩個标簽應用：1.「會員等級」基于什麼規則判斷；2.「近7天活躍」如何判斷，是基于登入，還是産生交易行為，這些都要可以動态配置，然後基于規則引擎把結果生成。基于動态的規則配置，經過計算和分析，生成描述的标簽，也就是規則标簽。
拟合标簽
拟合類标簽極具複雜性，通過對多種标簽智能組合分析，給出預測描述，或者直接給出進階定義，例如所謂的讀心術，即通過多個特征，眼神資訊，判斷人的心理活動。在機器學習中有一句話：通過長期對使用者行為的判斷和學習，機器可能比使用者還了解使用者。
三、标簽管理體系
層級分類
标簽管理的基本手段，通常以行業來分：金融，教育，娛樂等；通過多級分類細化管理。
基礎标簽
即資料的關鍵标簽，特點精确扁平，不可再細分，用來精确的描述資料，類似中繼資料。當使用多個标簽組合描述資料特征，就會形成結構化的表管理。
标簽值類型
值類型：數字，字典，布爾，日期，文本框，自定義等，是對标簽具體值的管理。例如标簽「性别」，标簽值「男.女.未知」,這種典型通過羅列字典來描述的場景。
四、标簽生産流程
1、基礎流程
資料采集
資料采集的管道相對較多，比如同一APP内的各種業務線：購物、支付、理财、外賣、資訊浏覽等等。通過資料通道傳輸到統一的資料聚合平台。有了這些海量日志資料的支撐，才具有資料分析的基礎條件。不管是資料智能，深度學習，算法等都是建立在海量資料的基礎條件上，這樣才能擷取具有價值的分析結果。
資料加工
結合如上業務，通過對海量資料的加工，分析和提取，擷取相對精準的使用者标簽，這裡還有關鍵的一步，就是對已有的使用者标簽進行不斷的驗證和修複，尤其是規則類和拟合類的相關标簽。
标簽庫
通過标簽庫，管理複雜的标簽結果，除了複雜的标簽，和基于時間線的标簽變，标簽資料到這裡，已經具有相當大的價值，可以圍繞标簽庫開放一些收費服務，例如常見的，使用者在某電商APP浏覽某些商品，可以在某資訊流平台看到商品推薦。大資料時代就是這麼令人感覺智能和窒息。
标簽業務
資料走了一大圈轉換成标簽，自然還是要回歸到業務層面，通過對标簽資料的使用者的分析，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，資訊流中可以更好的吸引使用者。
應用層
把上述業務開發成服務，內建到具有的應用層面，不斷提升應用服務的品質，不斷的吸引使用者，提供服務。當然使用者的資料不斷在應用層面産生，在轉到資料采集服務中，最終形成完整的閉環流程。
2、資料聚合池
- 基于IDmapping技術，置換唯一辨別[uid];
- 基于uid關聯标簽，放入計算池；
- 相同的uid攜帶的标簽會以貪吃蛇的方式運作；
- 不斷豐富該uid下攜帶的标簽内容；
以此方式豐富标簽的場景，産生更大的資料價值；
五、源代碼位址
GitHub·位址
https://github.com/cicadasmile
GitEE·位址
https://gitee.com/cicadasmile