标签画像系统怎样进行标签质量的评估？

编者按:标签肖像系统，简单来说就是把用户分成多少个标签。每个用户都可以分成多个标签，这些标签之间也有联系，形成了标签肖像系统。今天，作者分析了标签肖像系统中的标签质量，告诉我们为什么要评估标签质量，如何评估标签质量。 简单分享一下标签质量评价。 为什么要评估标签质量？ 首先，为什么要评估标签质量？ 想象一下，我们开发了一个标签，比如用户年龄标签。该业务希望准确地为20-30岁的人提供标签。但经过筛选，只有数千人被筛选出来，与公司的整体用户相比，这样的标签，有价值吗？ 因此，科学、完整地评价标签的质量有助于控制标签的质量，引导标签的管理者和开发者不断提高标签的质量。通过建立一个完整的评价体系，可以考虑不推出质量差的标签，只有在满足基本质量要求后才能向业务开放。 否则，它不仅不会给业务带来价值，而且很容易使标签肖像系统失去用户的信任。 回顾过去，上述例子反映的问题实际上是标签的质量差。准确地说，标签的覆盖率太低了。 除了覆盖，还有很多指标可以衡量一个标签的质量。我们将在下面详细介绍，主要从数据质量、应用质量和业务质量三个方面来评价标签的质量。 二、标签质量评价:数据质量评价: 数据质量是标签质量最基本的评价，主要分为精度和覆盖两部分： 1. 标签覆盖 标签覆盖的含义是指标签中有业务意义的人数与总人数的比例。 例如：性别标签，所有用户规模为100万，其中40万被贴上男性标签，35万被贴上女性标签，其他25万被贴上任何标签。 所以，标签的覆盖率是75%。 这种覆盖是可以的。想象一下，如果覆盖率只有20%，会有什么影响？可能有以下负面影响: 人群圈选标签时，人数过少； 用标签统计平台用户的特征时，与实际情况会有偏差。 因此，提高标签的覆盖率是标签的基本质量要求。 为什么标签覆盖率低？通常是一些用户自己填写的标签，覆盖率很低，之前的文章也介绍过。 2. 标签的准确性 标签准确性的含义是指准确反映事实的人数与总人数的比例。 例如：性别标签，用户A的真实情况是男性，但标签是女性，所以这是一个错误的标签值。假设100万用户，50万男性和50万女性，有以下表格： 所以这个标签的准确性是:(35 30）/（35 5 5 30）=86.7% 提高标签准确性的意义是不言而喻的。如果准确性太低，标签基本上会失去应用价值；至于阈值的设置，这取决于各自的业务情况。 三、标签质量评价:应用质量评价: 应用质量的评价是从产品的角度来评价标签对产品应用的价值。如果一个标签的数据质量很高，但用户不能使用很难发挥标签的内在价值。 举个常见的例子:一个每个人都会做的标签，用户将近30天gmv值根据上述标准，该标签（是一个连续性值，但可以说是一个广义标签）具有高覆盖率和100%用户；精度也很高，100%（SQL正确的话……），这个标签有用吗？ 业务往往不喜欢使用这个连续值的标签。为什么？ ——因为这个标签的应用质量太差了。 就业务而言，近30天gmv是1万美元，这是高还是低？ ——没有经验的业务人员根本无法判断。 因此，有必要提高这个标签的应用价值。对于这个例子，推广的方法可以是将连续值划分为高价值、中价值和低价值，或为用户提供分布曲线的参考。 另一个例子是：标签是用户常用的搜索词。如果不进行一些特殊的处理，它将是一个非常冗余的长字符，使用体验也很差，这也属于低应用质量。 一些滞后指标通常用于衡量应用价值。基本假设是业务人员使用的标签必须具有良好的应用质量；业务人员使用的标签必须具有较弱的应用质量。 测量应用程序数量的具体指标可以用使用次数、使用热量、呼叫次数等来综合测量。对于应用价值较低的标签，可以有针对性地分析，不断提高每个标签的应用价值。 4.标签质量评价:业务质量评价: 衡量标签质量的最后一个方面是业务质量。 这方面是最难衡量的，但也是最重要的。因为与数据质量相比，从数据层出发，应用质量从产品层出发，业务质量从业务层出发，最接近业务价值。 想象一下，如果业务使用标签，一群人就会投入，ROI毫无疑问，这个标签的价值是每天投放的几倍。这时，我们可以说这个标签的业务质量很高。 什么样的标签会有更高的业务质量？ 例如：用户购买偏好、用户营销敏感性等，这些标签往往是一些复杂的逻辑算法标签，往往具有较强的业务质量。 然而，这里的一个悖论是，业务质量是后验的，也就是说，如果你想知道标签的业务质量，你必须进行交付测试。此外，一些不同场景的交付结果往往不同，导致业务质量评估往往难以实施——这确实是一个困难。 作者的经验是，在评估标签质量时，首先要关注数据质量和应用质量。当两者都没有问题时，它们可以在线向业务开放。 然而，对于业务使用标签后的数据回流，监控标签在业务场景中的应用的价值，最终可以有一个相对公平的测量。该测量将对以下标签的优化方向具有很强的指导意义。 今天先分享这些，欢迎关注后续内容。 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。