试听132秒用户画像：人工智能如何认识你

本期原文  

欢迎来到《AI思维50讲》。你好，我是丁磊。

前面几节，咱们深入了解了AI思维是如何赋能产品岗位的，那么今天，我们一起进入到市场岗位部分，一起聊一下人工智能是如何与市场岗位高效协作的。

首先我们来思考一个问题，就是公司市场岗位的工作人员最主要的职责是什么？概括来说就是了解市场、开拓市场、管理市场。在这里面，最重要的当然是了解市场。而了解市场，说白了就是了解用户，用户具体是什么样的人，有什么样的需求。在传统的商业里，要靠市场调研和产品的销量和售后反馈来了解市场，但是这样得出的结果不是十分的准确和完整。AI思维下的市场了解工作就弥补了这个不足。

那么，AI思维是怎样帮助市场岗位上的工作人员来认识用户、了解用户的呢？AI思维是通过商业数据来帮助市场岗位上的工作人员来认识用户、了解用户的。但是在数据量骤增的当下，商业数据体量非常庞大，而且分布在不同的系统之中，并且十分的杂乱无序。这样的数据，是不能直接应用于人工智能模型中的。我们需要对这些数据进行分门别类，将其更加条理化，这个必不可少的过程叫做数据的标签化。

首先我们先来看什么是标签。这个其实和我们平时说的那个贴标签没有什么不同。就比如说，谈恋爱时你可能会形容自己的男朋友，是一个“小狼狗”，这样的标签可以更好的帮助我们去了解一个人。那么，在AI思维里的标签也是为了更好地了解用户，这些标签是为了后期开展市场业务做准备的，所以一般是以，描述业务实体特征的形式来呈现的。假如说，我们要描述一个用户的特征，那么产品偏好、职业类型、兴趣爱好以及收入状况等等这些，会是我们经常使用的标签。

而数据的标签化就是指，以发生在时间和空间中的行为作为媒介，将物的特征传递到人，人的特征传递到物。这个听起来有点抽象，简单点来理解，就是说你在某天某个地点购买了一个商品。这个商品可能代表了你的一个喜好，而像你这样的人，可能也会需要这样的商品。那么需要注意的是，这个“物”除了指的是商品，还包括其他的实物，像自然语言的文本和图像等等这些信息。

并且，在这个过程中产生的标签，形成了一个由人和物为节点，以行为作为边的，这么一个关系网，它能够很好地反映人和物的属性，这是一套完备的方法论。我们来看几个简单的例子，假如说你每个月都有工资进账，并且有一定存款，那么就会给你贴上“收入稳定”的标签，而另外一个人经常和诚信的人合作，她也会被贴上“诚信”的标签。除了需要给人贴标签以外，还需要给物贴标签，这样也可以更好的反映人的属性。就比如说，许多电影被贴上了悬疑的标签，那么你刚好看过很多这一类的电影，就能反映出你喜欢悬疑类作品的这么一个属性。

下面，我们就一起了解一套完整的标签体系是如何生成的。

首先，我们要明确一点，标签体系基本上都是层级化的，也就是说，它会分为一二三级，最高层级的标签称为一级标签，越下层的标签，好比说三级标签，包含的信息越详细。就比如说，你的身上可能会被贴上了“购买行为—支付方式—微信支付”这样一个三级标签。那么，在这个标签中，一级标签是购买行为，二级标签是支付方式，三级标签也就是最详细的标签，叫做微信支付，它具体到你平时购买商品的时候，经常会使用微信支付。

然后，我们再一起来看一下，各类标签的构建顺序。我们知道，不同的业务有不同的需求，所以它们的标签构建顺序，也是有所不同的。我们今天就一起来了解一下，一种常见的标签构建的顺序，也就是按照构建的难易程度，来排列的这么一个构建顺序。

在这种顺序下，我们先从原始数据开始，然后依次建立事实标签、分析标签和预测标签。原始数据就是我们前面说过的，在商业过程中形成的不计其数、杂乱无章的数据。那么在这些数据上建立标签，可以规范数据结构，便于后期的使用和管理。那么，在原始数据上最先建立的标签就是事实标签，事实标签不像原始数据那样结构混乱，可以清晰地展现数据的内在情况。然后就需要对标签进行一定的分析和处理，建立成了分析标签，它是为最终的预测做准备的。最后构建的是我们说的这个预测标签，这个标签是用来预测用户属性或需求的，是通过人工智能的预测模型来建立的。比如说，你经常购买某个品牌的商品，这个就构成了你品牌偏好的事实性标签，通过这些标签，又会预测出来你对其他的一些品牌感兴趣，那么这些，可能就会构成你对品牌偏好的一个预测性标签

那么在商业场景中，围绕用户构建这样一套标签体系的过程，就叫做“用户画像”。通过这套标签体系，我们可以知道用户的行为偏好、兴趣偏好等等信息，也就是人工智能已经可以全方面地认识你，并且可以通过这套标签体系，预测你之后的行为。当我们完善了目标用户的用户画像，也就完成了这个了解市场工作中的一部分，为之后开拓市场、管理市场打下了良好的基础。

下面我来给你总结一下，人工智能是如何认识你的。

人工智能通过数据的标签化来认识和了解你。数据的标签化可以规范数据结构，便于后期的管理和使用，也让人工智能在繁杂的商业数据中，能够快速准确地捕捉到，用户的属性和需求。

我们还一起了解了标签体系的构建。现在，你就知道了，标签体系是层级化的。如果按照构建的难易程度来构建标签体系，可以从原始数据开始，依次建立事实标签、分析标签和预测标签。标签体系构建完成之后，也就完成了用户的画像。

我们知道，用户画像可以反映出用户的属性和需求，那么，这样的用户画像，在商业过程中有什么作用呢？

欢迎在评论区留下你的看法，也欢迎你把本期的内容，分享给你的朋友，我们下期再见。