很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
“ 標(biāo)簽數(shù)據(jù)千萬條，業(yè)務(wù)價值第一條。”
關(guān)于標(biāo)簽畫像系統(tǒng)，已經(jīng)有分享過《標(biāo)簽類型及分類》。今天，針對標(biāo)簽質(zhì)量評估，簡單進行一些分享。
首先，為什么要進行標(biāo)簽質(zhì)量評估？
想象一下，我們開發(fā)了一個“用戶年齡”標(biāo)簽，業(yè)務(wù)想針對20-30歲的人進行精準(zhǔn)投放。但經(jīng)過篩選，才篩出來幾千個人，和公司總體用戶相比僅僅是九牛一毛，那這樣的標(biāo)簽，還有價值不？
因此，對標(biāo)簽的質(zhì)量進行科學(xué)完整地評估，有助于指導(dǎo)標(biāo)簽的管理者、開發(fā)者不斷地提升標(biāo)簽質(zhì)量。通過創(chuàng)建一套完整的評估體系，對于質(zhì)量過差的標(biāo)簽，不著急上線，等達到基本的質(zhì)量要求后再開放給業(yè)務(wù)使用。不然，既對業(yè)務(wù)帶來不了價值，也容易讓標(biāo)簽畫像系統(tǒng)失去用戶的信任。
回過頭來，上面這個例子反映的問題，其實就是標(biāo)簽的質(zhì)量差。準(zhǔn)確地說，是標(biāo)簽的覆蓋度太低了。除了覆蓋度，還有很多指標(biāo)可以衡量一個標(biāo)簽的質(zhì)量，咱們在下面詳細展開，主要通過 數(shù)據(jù)質(zhì)量、應(yīng)用質(zhì)量、業(yè)務(wù)質(zhì)量 三個方面來評價標(biāo)簽的質(zhì)量。
數(shù)據(jù)質(zhì)量是標(biāo)簽質(zhì)量最基礎(chǔ)的評價，主要分為準(zhǔn)確度、覆蓋度、穩(wěn)定性 三部分。
（1）標(biāo)簽的覆蓋度
標(biāo)簽覆蓋度的含義，是指在一個標(biāo)簽中，有業(yè)務(wù)含義的人群數(shù)量與總?cè)巳簲?shù)量的比例。
舉個例子，【性別】標(biāo)簽，全量用戶是100萬的規(guī)模，其中40萬打上了“男性”標(biāo)簽，35萬打上了“女性”標(biāo)簽，其他25萬人都沒有打上任何標(biāo)簽。那么，【性別】標(biāo)簽的覆蓋度就是75%。
這個覆蓋度還算是比較可以，想象一下如果覆蓋度只有20%，會有哪些影響呢？可能會有下面的負面影響
用標(biāo)簽進行人群圈選的時候，人數(shù)過少
用標(biāo)簽統(tǒng)計平臺用戶的特征時，和真實情況會有偏差
因此，提升標(biāo)簽的覆蓋度是標(biāo)簽的基本質(zhì)量要求。
為啥會出現(xiàn)標(biāo)簽覆蓋度低的情況？往往是一些用戶自己填寫的標(biāo)簽，覆蓋度極低，之前的文章中也介紹過。
（2）標(biāo)簽的準(zhǔn)確度
標(biāo)簽準(zhǔn)確度的含義，是指給用戶打的標(biāo)簽中，準(zhǔn)確反映事實的人群數(shù)量與總?cè)巳簲?shù)量的比例。
舉個例子，【性別】標(biāo)簽，用戶A真實情況是男性，但是打標(biāo)簽打成了女性，那么這就是一個錯誤的標(biāo)簽值。假設(shè)100萬用戶，真實情況50萬男性50萬女性，有以下表格：
那么這個標(biāo)簽的準(zhǔn)確度就是：（35+30）/（35+5+5+30）=86.7%
提升標(biāo)簽準(zhǔn)確度的意義也是不言而喻的。準(zhǔn)確度如果太低，那這個標(biāo)簽基本喪失了應(yīng)用價值。至于閾值的設(shè)置，還是基于各自的業(yè)務(wù)情況來定。
（3）標(biāo)簽的穩(wěn)定性
標(biāo)簽的穩(wěn)定性也是影響標(biāo)簽質(zhì)量的重要因素。
什么是穩(wěn)定性呢？舉個用戶年齡標(biāo)簽的例子。昨天30歲以下的用戶有200萬，占比10%，今天就成了1000萬，占比50%。這種標(biāo)簽數(shù)據(jù)，你敢用么？是數(shù)據(jù)的計算邏輯出現(xiàn)問題，還是其他原因?qū)е拢?/p>
因此在標(biāo)簽的質(zhì)量評估中，標(biāo)簽值的相對穩(wěn)定性，是重要的評估標(biāo)準(zhǔn)之一。
具體怎么衡量標(biāo)簽的穩(wěn)定性呢？主要可以通過PSI指標(biāo)的方式來衡量。
PSI 計算步驟：
假設(shè)我們要比較樣本A與樣本B中某一變量Y的分布，首先按照同一標(biāo)準(zhǔn)將Y分為幾個區(qū)間（通常分為10段），計算樣本A和樣本B中每個區(qū)間的占比。在每個區(qū)間段上，將兩個樣本的各自占比相除再取對數(shù)，然后乘以各自占比之差，最后將各個區(qū)間段的計算值相加，得到最終PSI。
最終計算的PSI指標(biāo)中，若PSI<0.1 樣本分布有微小變化，模型基本可以不做調(diào)整。若PSI 在0.1~0.2之間，樣本分布有變化，根據(jù)實際情況調(diào)整評分切點或調(diào)整模型。若PSI>0.2，樣本分布有顯著變化，必須調(diào)整模型。
應(yīng)用質(zhì)量的評估是從產(chǎn)品角度出發(fā)，評估標(biāo)簽對于產(chǎn)品應(yīng)用的價值。
若一個標(biāo)簽的數(shù)據(jù)質(zhì)量高，但是用戶都用不起來，不好用，那么也是難以發(fā)揮出標(biāo)簽內(nèi)在的價值。
舉個常見的例子。大家都會做的一個標(biāo)簽，【用戶近30天gmv值】。這個標(biāo)簽（是個連續(xù)性值，但可以說是個廣義的標(biāo)簽）按照上文的標(biāo)準(zhǔn)衡量，覆蓋度高，100%的用戶；準(zhǔn)確度也高，100%（SQL正確的話……）。那這個標(biāo)簽有用嗎？往往業(yè)務(wù)不太愛用這種連續(xù)值的標(biāo)簽。
為什么？因為這種標(biāo)簽的應(yīng)用質(zhì)量太差了。
對于業(yè)務(wù)來講，【近30天gmv值】是1萬美金，這個是高還是低？如果是沒有經(jīng)驗的業(yè)務(wù)人員是完全無法判斷的。
因此，要將這種標(biāo)簽的應(yīng)用價值提升。針對這個例子，提升的方法可以是把連續(xù)值分段，做成【高價值】、【中價值】、【低價值】，也可以做分布曲線給用戶提供參考。
再比如，一個標(biāo)簽是用戶常用的搜索詞，如果不進行一些特殊的加工，將是很冗余的長串字符，用起來也是體驗很差。這也屬于應(yīng)用質(zhì)量低。
關(guān)于應(yīng)用價值的衡量，往往會用一些滯后性的指標(biāo)衡量?；A(chǔ)假設(shè)是，業(yè)務(wù)人員用的多的標(biāo)簽，一定是應(yīng)用質(zhì)量好的；業(yè)務(wù)人員用得少的標(biāo)簽，一定是應(yīng)用質(zhì)量弱的。
具體衡量應(yīng)用多少的指標(biāo)，可以用【使用次數(shù)】、【使用熱度】、【調(diào)用次數(shù)】等來綜合衡量。
對于應(yīng)用價值低的標(biāo)簽，可以針對性地進行分析，不斷提升每個標(biāo)簽的應(yīng)用價值。
最后一個衡量標(biāo)簽質(zhì)量的方面，就是業(yè)務(wù)質(zhì)量。
這個方面是最不好衡量的，但又是最最重要的。因為相比于數(shù)據(jù)質(zhì)量是從數(shù)據(jù)層出發(fā)、應(yīng)用質(zhì)量是從產(chǎn)品層出發(fā)，業(yè)務(wù)質(zhì)量是從業(yè)務(wù)層出發(fā)，是離業(yè)務(wù)價值最近的。
想象一下，業(yè)務(wù)如果用了一個標(biāo)簽，對一群人進行了投放，ROI是日常投放的好幾倍，那這個標(biāo)簽的價值可以說是毋庸置疑了。這時，我們可以說這個標(biāo)簽的業(yè)務(wù)質(zhì)量很高。
什么樣的標(biāo)簽的業(yè)務(wù)質(zhì)量會比較高呢？比如：【用戶購買偏好】、【用戶的營銷敏感度】等等。這類的標(biāo)簽往往都是一些復(fù)雜邏輯的算法標(biāo)簽，常常有比較強的業(yè)務(wù)質(zhì)量。
但這里存在的一個悖論，就是業(yè)務(wù)質(zhì)量是后驗的。即想知道一個標(biāo)簽的業(yè)務(wù)質(zhì)量，就一定要進行投放測試才行。而且往往不同場景的一些投放帶來的結(jié)果也不太一樣，就導(dǎo)致業(yè)務(wù)質(zhì)量的評估往往很難落地。
這確實是個難點。作者的經(jīng)驗是，在評估標(biāo)簽質(zhì)量時，先重點考慮數(shù)據(jù)質(zhì)量和應(yīng)用質(zhì)量，這兩者都沒問題的時候，就可以上線開放給業(yè)務(wù)使用。但對于業(yè)務(wù)使用標(biāo)簽后的數(shù)據(jù)進行回流，監(jiān)控標(biāo)簽應(yīng)用在業(yè)務(wù)場景的價值情況。最終可以有個比較公允的衡量。而這個衡量，將對后面標(biāo)簽的優(yōu)化方向，帶來很強的指導(dǎo)性意義。
-END-
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)