定义：用于全面刻画用户的数属性和行为。
结构：一颗多层级、多维度标签树。
1）直采型 - 直接采集的用户标签；比如：年龄、身份证
2）统计型 - 利用用户日志数据，按照一定规则进行简单统计额标签。比如：频次、总次数
3）挖掘型 - 利用用户行为数据或者文本数据，结合业务规则进行算法加工，输出对应的属性或分值。如果有必要，对分值可进行归一化处理。比如：产品偏好、内容兴趣爱好
4）预测型 - 与挖掘型类似，但是偏预测场景。比如：用户流失预测，对高风险用户采取召回策略。
1.2 标签生命周期分类
1）静态标签：无需更新的标签，比如：性别
2）动态标签：动态变化的标签，比如：频次
2、用户画像构建思路 2.1 用户画像目的
1）用于用户信息的统计，建立对产品、对用户的基本认知
2）用于用户定向营销，利用人群圈选投放物料；
3）用户算法、沉淀用户特征。供模型使用；比如搜索推荐、风控、广告
2.2 好标签满足条件
高概括性: 结构体系能很好的包含 一个用户的基本行为和产品交互的相关性，同时对业务重点单独强调，没有遗漏；
强延展性: 结构全面的同时也有一定的抽象概括能力，保证新增标签可以很好地找到对应分类，整个体系不至于过于收敛局限。
2.3 用户画像维度属性分类1）基本属性 - 用户基本社会属性和变更频率低的平台属性；例如：年龄（实际年龄20）、性别
2）平台属性 - 利用用户行为进行计算挖掘，标识用户真实属性的标签；例如：平台年龄（喜欢商品类型30）
3）行为属性 - 记录用户的全部单点行为。例如：登录、浏览等
4）产品属性 - 对用户使用某些产品、产品核心功能或者其他渠道的偏好程度的刻画，属于挖掘型标签；例如：搜索模块偏好、京东偏好
5）兴趣爱好 - 对用户和商品之间的关系进行深度刻画的重要标签；例如：品牌偏好、类目偏好
6）敏感度 - 代表用户对平台活动或者优惠的敏感程度；例如：热点敏感度、折扣敏感度
7）消费属性 - 消费属性会作为一个单独的维度进行重点刻画；消费能力、消费意愿、消费金额、消费频次、最近一次消费时间
8）用户生命周期 - 用于标记用户在使用产品属于什么阶段；例如用户从进入产品到离开，通常会经历新手、成长、成熟、衰退、流失5个典型阶段
9）用户价值 - 体现用户为产品贡献价值高低的标签；例如：新手、成长、流失、高价值用户、VIP等级
3、用户标签制作流程
发生什么行为的用户可以打上这个标签；由用户的不同历史行为组合而成，包括哪些用户行为，这些用户行为以什么方式进行组合计算。
2）用户行为获取探究不同用户行为的获取维度，包括怎么获取数据、怎么处理数据
一个完整的用户行为(session)包含5要素：用户、时间、接触点、内容、操作。
1）内容结构化（方式分为分类、tag、关键词）
2）数据质量检查
3）基础数据获取
3）模型设计经过分析，确定了哪些行为之后，就可以进行模型设计
4）标签计算对原始用户数据进行计算，生成标签
5）标签评估对生成的标签进行评估，看准确率、覆盖率等指标是否达到预期
4、用户画像验收效果整体效果验收分为线上验收和离线验两部分。
1）线上验收
经常使用方法A/B测试。
2）离线验收算法指标验收、分布验收、交叉验收、抽样评测。
5、做好标签注意事项-MVP
在MVP阶段，需要获取的认知包括：
1）市场认知
需要知道某一标签有没有用户点击，会不会带来后续购买，商业价值如何
2）标签规则认知
将用户行为用规则组合成用户标签。
3）测试算法效果
5.2 标签的MVP流程1）产品经理和业务人员商定符合标签的用户特征。
2）人工设定提取具有上述特征用户的规则。
3）将规则用SQL/其他语言写出来，去数据库获取对应的用户ID, 做成用户包。
4）利用MVP测试的工具，将用户包投到线上，看数据效果。
5）如果效果好，产品经理就会列入产品需求，提给研发人员，进行需求排期；如果效果不好，就继续更换用户特征，进行线上测试。
5.3 标签的MVP工具用户包投放功能。
1）上传用户包：产品经理可以上传自己生成的用户ID
2）用户包管理: 展示用户包列表，可进行投放、暂停、删除等管理操作。
