编辑导语：随着互联网的不断发展，大数据的场景也用的越来越多，不少企业开始利用用户标签的设定，进行精准投放；比如常见的淘宝，就很根据你的喜好进行投送；本文作者分享了关于如今用户标签以及精准推送的分析，我们一起来看一下。

“用户标签！千人千面！精准推送！精准服务！”

这个是阿强老板一天到晚在和我叨叨的！前几天又把我叫到办公室，说一客户有个万人的经销商名单，手机号码和姓名都齐全，一定要让我想个办法去给客户做个用户精准推送的方案，根据经销商采购商品的喜好，给经销商们推送其公司合适的产品。

大数据的理念下意识告诉我，这是一个可以利用大数据手段赚钱的项目，我隐隐约约的似乎闻到了项目奖金的味道了。结果一轮调研后，客户除了有手机号，其他啥毛线数据都没有！！！没有数据的大数据，这是个笑话吗？

一、【产品惯性】抽象问题简单化理解

一天天讲大数据，精准推送。

概念性的东西，谁不懂这个意思：就是给精准的人群推荐他需要的哪一样东西或者服务（以下统称商品），以达到广告效率最大化！

我就一个问题：做为产品经理，晓不晓得这个给精准人群推荐合适商品，是怎么个推荐法想先？

给商品添加标签，给用户添加标签，给标签添加上策略（推荐算法），用标签完成喜好的匹配，就是这么简单。抬杠的来了：我在京东上面搜索了“脑残式拖鞋”，刷抖音的时候，就突然看到了我搜索的哪款，为啥不是推荐同类的其他脑残相关的玩意呢？

这，推荐算法说了算吧！标签推荐，属于泛类型推荐，猜你就是喜欢这些，抖音视频应用的登峰造极！指定物品推荐，有可能就是，你在商城都加到购物车了，这个就是你最需要的了！

用户添加标签，这个没有毛病，不然怎么叫千人千面！给商品添加标签，这个操作真实吗？作为一名抖音疾病深度患者，我觉得，如今市场上，能够把“精准推送”这个玩意搞得最好的，就属字节跳动了！

所以，我找了西瓜视频：

点击视频右上角三个点，点击“不感兴趣”视频，APP会提示让你选择不想看那个类型：春晚、全民演技派。这些就是视频的标签。

这样理解下，你发布一个商品，发布一个视频，发布一篇文章，电脑不是人，电脑咋知道你这个是什么类型的商品呢？是关于汽车的，关于金融的还是关于什么鬼的；所以你需要给这个商品加个标签，让系统记住你这个是什么类型的标签，然后，根据这个标签，推进给含有该标签的用户群体。当然，并不是含有该标签群体的用户都会推送的，至于什么规则，需要推荐算法来做决策。

抬杠：我发抖音的时候，抖音从来就没有让我给视频加上什么标签啊！我只能说，杠抬的好！这个就归功到我们的自动标签的功劳了！去百度搜索下抖音的“去中心化推荐”，研究下看看！或者求我指点你一二。

二、【产品逻辑】千人千面+精准推送

上面讲了，阿强老板给了我一个没有数据让我做大数据分析的命题！那是不可能的。

送上了三条建议：

• 自家没有数据，搞大数据分析，是一个开玩笑的行为，不要和这个客户扯淡了；
• 当然，也可以做到一定程度的数据分析，我们可以找一个和我们类似的厂家，把我们这一波手机号码导入到他们的系统，看下有没有同样的经销商在他们的平台采购过商品，好做针对性分析；
• 听话，乖，别闹脾气。脚踏实地，从现在开始，学会用系统去保存哪些经销商的数据。

说完这三个建议后，最后补多一句：爱听不听，就算把我这个饭碗给砸了，这个事情也是搞不来的了。

（以上和我们阿强老板讲话的语气纯属虚构……）

1. 用户标签生产

屁颠屁颠的，我为阿强老板画了个图：

• 数据源：需要找到记录到用户数据的业务系统；
• 数据平台-数据仓库：把业务系统所有具备用户信息分析加载的数据通过各种手段进行抽取，存放到数据仓库中。抛个问题：为什么要另外做数据库，不直接使用原来业务系统的数据库？
• 数据清洗、数据结构化治理；
• 标签库：整理标签库，有些人以为整理了标签库，就是做了用户画像分析。我勒个去，这些标签贴给谁啊！怎么贴啊！整理个标签，交给哪些搞运营的不就行了吗？他们时间多啊！
• 用户标签分析：根据用户的行为习惯、信息档案，使用标签生成规则或用户画像算法模型，为用户关联标签；

阿强老板，您晓得了吗？实现一个用户画像、千人千面的东西，不是喊口号和用爱发电就可以搞定的哇！

第一步，立项；第二步，组建团队；第三步，开发。您晓得了吗？这些东西都不用你做的，您只要给钱就好了，给钱了，ETL工程师、大数据工程师、算法工程师就来了。

2. 商品的标签化

单纯只是给用户加上标签，还是不够的。因为商品没有被标签化啊！商品系统又不认识是什么玩意的商品，该推荐什么样的人，谁造哦！

我们可以这样玩，让人来给商品加标签！这个是可行的，商品能够有多少啊！安排一批人工，逐个商品贴标签就完事了。

举例个场景：商品部添加商品的时候，就给商品选择对应的标签。方案完全可行啊！

不过，人工，终究只能解决部分；所以，我们还需要给商品做标签建模。

以抖音举例，上传一个视频，可以通过视频的标题或描述，分词给视频加个别标签；然后把该视频推荐给该标签关联的1000个用户（不会全推的，谁知道你的内容好不好啊）；1000个用户里面，如果大部分表示喜欢该视频，再根据这1000个用户的标签共性，再把视频推荐扩大到2000个用户；如果还是有大部分用户喜欢，可以把该标签，关联给到视频，甚至关联给到发视频的那个屌丝，以此类推。如果大部分用户不感兴趣的话，就把这个视频就流到视频坟墓里面去算了。

所以，按照不同的场景，我们可以给商品加上不一样的标签策略，和用户标签的理念是类似的。

3. 用户精准推送

好了，用户标签化完成，商品标签化完成。那么下来就是怎么推送了：

这一步简单，但是系统是复杂的。

算法推荐工程师说了算，上面讲到了，根据不同的场景，设计不同的推荐规则；通过制定的用户端口，如手机短信、公众号、小程序、APP等，推送给到用户，引导用户进行转化。

产品讲究场景，推荐也讲究场景。有场景就有应用。

三、【产品合作】数据的源头

理解了千人千面和精准推送的原理，有个好的技术团队，通过产品经理的手段，把项目落地总是可以的；大数据这个玩意，关键还是看技术。回过头来思考下，怎么沉淀用户的数据，又成了个问题。

按照互联网产品应用的理念的思考，无非就是用户活跃的行为轨迹。如电商商城的购物明细、浏览明细，内容系统的阅读记录、观看记录等；很多时候，单业务线的企业，根本没有那么多的数据沉淀，又该怎么办？

对于产品经理来讲，不管是公司外部的，还是公司内部的，只要在我设计的系统之外，我统称为合作方。

对，找合作方就好了。有时候，钱可以解决大部分的问题；比如说，医药电商企业希望获取用户的电子处方，就可以通过与互联网医院合作得到数据；自己没有，就思考下合作方呗。反正就是，没有数据的大数据，让神仙给你搞吧！

最后，鄙视一下这些天天说用户画像、千人千面、精准推送，又不计划投大钱去搞一波的老板；不自己开发，去百度个数据分析的公司，买一套现场的数据分析产品咯。

本文由 @产品经理龙汪汪 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议