編輯導(dǎo)語：標(biāo)簽加工與落庫是標(biāo)簽體系完成后重要的步驟，本篇文章作者分享了標(biāo)簽加工與落庫過程中需要關(guān)注的注意點(diǎn)，講述了不同標(biāo)簽的加工內(nèi)容以及標(biāo)簽的更新與落庫等內(nèi)容，一起來學(xué)習(xí)一下吧，希望對你有幫助。

在標(biāo)簽生命周期流程中，標(biāo)簽體系設(shè)計(jì)完成后，便進(jìn)入標(biāo)簽加工與上線運(yùn)行階段，一般來說數(shù)據(jù)開發(fā)團(tuán)隊(duì)會主導(dǎo)此過程，但我們需要關(guān)心以下幾個(gè)問題：

• 標(biāo)簽如何快速創(chuàng)建和實(shí)現(xiàn)標(biāo)簽邏輯的在線化管理；
• 業(yè)務(wù)人員怎么參與到標(biāo)簽建設(shè)流程中；
• 百級別的標(biāo)簽如何落表。

一、加工方式：傳統(tǒng) VS 在線

當(dāng)企業(yè)無標(biāo)簽系統(tǒng)時(shí)，一般由數(shù)據(jù)開發(fā)在離線數(shù)倉中完成標(biāo)簽加工和運(yùn)行，運(yùn)營或市場同學(xué)需要某個(gè)標(biāo)簽需要通過產(chǎn)品經(jīng)理向數(shù)據(jù)開發(fā)提需求，這個(gè)過程存在很多問題：

• 標(biāo)簽資產(chǎn)不可見：標(biāo)簽是存在于表里的字段，業(yè)務(wù)人員不清楚現(xiàn)在有多少標(biāo)簽；標(biāo)簽的加工邏輯與業(yè)務(wù)邏輯是否一致只能查看SQL代碼；新上線的標(biāo)簽只有部分人知道，標(biāo)簽價(jià)值散發(fā)慢等。
• 標(biāo)簽資產(chǎn)不可管：加工好的標(biāo)簽，有多少在真正被使用，有多少沒人用，完全黑盒，不用的標(biāo)簽每天繼續(xù)運(yùn)行浪費(fèi)計(jì)算與存儲資源。
• 標(biāo)簽加工效率低：當(dāng)業(yè)務(wù)人員需要某個(gè)簡單標(biāo)簽時(shí)，也需要提交需求給數(shù)據(jù)開發(fā)，加工到上線基本需要2-3天流程。

基于以上這些問題，標(biāo)簽在線化創(chuàng)建與管理顯得尤為重要，在線化主要包含以下內(nèi)容：

• 標(biāo)簽在線化加工；
• 標(biāo)簽在線化管理；
• 標(biāo)簽在線化更新。

其讓標(biāo)簽加工過程、有哪些標(biāo)簽變得透明，業(yè)務(wù)人員也可以參與進(jìn)標(biāo)簽建設(shè)的流程中。

二、各類型標(biāo)簽加工

標(biāo)簽類型的區(qū)分在此處便不再贅述了。在袋鼠云智能標(biāo)簽產(chǎn)品中，我們按照標(biāo)簽加工邏輯，將標(biāo)簽分為下文類型，各類型標(biāo)簽的加工層次如下圖：

接下來，我們看下具體各類型標(biāo)簽的加工吧。

1. 原子標(biāo)簽

該類標(biāo)簽由數(shù)據(jù)開發(fā)在數(shù)倉加工中完成，一般基于數(shù)倉DWD、DWS層的明細(xì)表與匯總表加工而來，處理邏輯較為復(fù)雜，同時(shí)維表中的一些字段也可以作為原子標(biāo)簽。這類標(biāo)簽一般包含哪些內(nèi)容呢？

比如建立用戶的標(biāo)簽體系，會包含：

用戶維表中的用戶基礎(chǔ)屬性：性別、年齡、置業(yè)、會員等級、手機(jī)號、身份證號等信息，一般用戶系統(tǒng)會有該類信息。

基于交易表加工的交易指標(biāo)：最近30天購買次數(shù)、最近30天交易金額、最近7天購買次數(shù)、最近7天交易金額。這部分標(biāo)簽也建議放在數(shù)倉中實(shí)現(xiàn)，有以下幾點(diǎn)原因。

1. 因?yàn)槠浔旧硪彩且粋€(gè)指標(biāo)，除后續(xù)作為標(biāo)簽進(jìn)行畫像分析外，也常用于在數(shù)據(jù)門戶、BI報(bào)表中分析，可作為對外服務(wù)的指標(biāo)放在ADS層中，并且市場上也會有專門指標(biāo)管理的產(chǎn)品，來實(shí)現(xiàn)該指標(biāo)的加工。
2. 這類標(biāo)簽若屬于同一個(gè)統(tǒng)計(jì)維度（如都計(jì)算最近7天），數(shù)據(jù)開發(fā)可以在一個(gè)SQL片段中計(jì)算多個(gè)標(biāo)簽，節(jié)約計(jì)算成本。
3. 若業(yè)務(wù)人員直接基于DWS層的輕度匯總表（每天匯總的交易次數(shù)、交易金額）、或DWD層的明細(xì)表（每條交易記錄一行數(shù)據(jù)）來加工最近30天購買次數(shù)這個(gè)標(biāo)簽，需要針對對應(yīng)的字段進(jìn)行求和，稍微涉及到一點(diǎn)SQL理解，有一點(diǎn)難度。

故該類使用場景多、對于業(yè)務(wù)人員有計(jì)算難度，可在數(shù)倉中合并加工降低成本的標(biāo)簽，可在數(shù)倉中作為原子標(biāo)簽加工。

基于行為表加工的行為指標(biāo)：可經(jīng)過數(shù)倉加工成如下表格式，加工行為類的標(biāo)簽，便于后續(xù)業(yè)務(wù)人員去衍生。

原子標(biāo)簽在數(shù)倉加工好后，可導(dǎo)入到標(biāo)簽系統(tǒng)中，進(jìn)行在線化管理。

2. 規(guī)則標(biāo)簽

該類標(biāo)簽配置可由數(shù)據(jù)開發(fā)或數(shù)據(jù)分析師來完成，可基于單張表或關(guān)聯(lián)表中的字段進(jìn)行在線化加工，可設(shè)置統(tǒng)計(jì)周期、數(shù)據(jù)過濾條件，其內(nèi)置常用的聚合函數(shù)（求和、均值、計(jì)數(shù)、去重技術(shù)、最大值、最小值等）、操作符（大于、小于、區(qū)間、有值、無值、包含等），通過規(guī)則化的在線配置完成標(biāo)簽加工。配置界面如以下：

根據(jù)上面的描述，該類標(biāo)簽可以將指標(biāo)的類型的標(biāo)簽在數(shù)倉或指標(biāo)平臺加工好，導(dǎo)入至標(biāo)簽平臺作為原子標(biāo)簽，再基于這些原子標(biāo)簽取操作符更好。但在實(shí)際場景中，基于不同考慮，有的客戶也會在標(biāo)簽平臺直接加工此類型標(biāo)簽，如以下場景：

1. 數(shù)倉無對應(yīng)的基礎(chǔ)標(biāo)簽，但業(yè)務(wù)人員很著急需要該標(biāo)簽?zāi)硺?biāo)簽，走正常的排期、數(shù)倉加工、測試，上線到使用基本2天以上了，基于這種情況可以通過該類標(biāo)簽在標(biāo)簽系統(tǒng)直接配置，5分鐘即可配置、更新完成，業(yè)務(wù)人員便可以使用了；
2. 客戶方想把標(biāo)簽的加工邏輯在線化呈現(xiàn)、方便查找與追溯，通過可視化的方式在線配置。

3. SQL標(biāo)簽

SQL標(biāo)簽主要數(shù)據(jù)開發(fā)、數(shù)據(jù)分析師使用，主要解決通過規(guī)則標(biāo)簽無法表達(dá)的邏輯，如用到排序函數(shù)、字符轉(zhuǎn)化函數(shù)、子查詢等內(nèi)容?？梢酝ㄟ^標(biāo)準(zhǔn)SQL語法靈活完成標(biāo)簽加工。

4. 模型標(biāo)簽

模型標(biāo)簽可由業(yè)務(wù)人員創(chuàng)建。系統(tǒng)集成常見的用戶分層RFM模型，用戶營銷AIPL模型、用戶生命周期模型，用戶輸入對應(yīng)的指標(biāo)值區(qū)間，便可定義對應(yīng)的標(biāo)簽值。

以RFM模型舉例，基于該模型生成“客戶價(jià)值”標(biāo)簽?？苫谧罱淮钨徺I時(shí)間、最近一年消費(fèi)金額、最近一年消費(fèi)頻率等幾個(gè)原子標(biāo)簽，進(jìn)行不同區(qū)間的取值，給用戶打上“重要價(jià)值客戶”、“重要發(fā)展客戶”、“重要發(fā)展客戶”、“重要挽留客戶”等。

5. 組合標(biāo)簽

模型標(biāo)簽可由業(yè)務(wù)人員創(chuàng)建?；谝焉傻脑印⒁?guī)則、SQL、模型標(biāo)簽等，進(jìn)行規(guī)則衍生，生成組合標(biāo)簽。如組合標(biāo)簽“高收入低購買”用戶，可通過“收入水平”衍生標(biāo)簽，與“最近3年消費(fèi)金額區(qū)間”衍生標(biāo)簽組合加工，如下圖：

6. 自定義標(biāo)簽

自定義標(biāo)簽可由業(yè)務(wù)人員創(chuàng)建。手動為某些用戶打上標(biāo)簽，該類標(biāo)簽手動導(dǎo)入，常見場景如下：

• 客服人員和用戶ID為1001的用戶溝通后，給該用戶打上”性格：溫和、有耐心”標(biāo)簽。
• 如監(jiān)管機(jī)構(gòu)提供的一些信貸黑名單用戶，該類標(biāo)簽可直接導(dǎo)入進(jìn)標(biāo)簽系統(tǒng)，為用戶打上新的標(biāo)簽。

7. 算法標(biāo)簽

算法標(biāo)簽由算法開發(fā)同學(xué)創(chuàng)建，該類標(biāo)簽可在算法平臺完成，將算好的結(jié)果存儲至Hive表中，標(biāo)簽系統(tǒng)可獲取算法標(biāo)簽的元數(shù)據(jù)，拿到算法標(biāo)簽的中文名、英文名，注冊至標(biāo)簽系統(tǒng)中，在標(biāo)簽系統(tǒng)中完成算法標(biāo)簽的標(biāo)簽信息查看、標(biāo)簽查詢等。

如利用機(jī)器學(xué)習(xí)模型加工預(yù)測類的算法標(biāo)簽，如根據(jù)用戶的特征，預(yù)測哪些用戶是否即將流失，流失的概率等，從而在用戶流失之前做一些措施來挽留。

8. 實(shí)時(shí)標(biāo)簽

實(shí)時(shí)標(biāo)簽由數(shù)據(jù)開發(fā)同學(xué)創(chuàng)建，該類標(biāo)簽可在流計(jì)算平臺完成，實(shí)時(shí)行為數(shù)據(jù)打入到kafka中，用FlinkSQL消費(fèi)，再輸出到Kafka、或數(shù)據(jù)表中，下游直接訂閱或查詢。

三、標(biāo)簽更新與落庫

標(biāo)簽配置完成后，便需要進(jìn)行標(biāo)簽更新與落庫，即將標(biāo)簽打到對象（如用戶）的身上，這樣業(yè)務(wù)同學(xué)就可以根據(jù)標(biāo)簽圈選目標(biāo)群組啦。在此處我們需要說明以下幾個(gè)問題：

1. 技術(shù)選型

首先說明一下標(biāo)簽加工的技術(shù)選型，在袋鼠云智能標(biāo)簽產(chǎn)品中我們用的 Trino（Presto）高性能分析引擎讀寫 Hive 表的方式，標(biāo)簽表存儲在Hive中。主要有以下幾點(diǎn)原因：

• 隨著國家對數(shù)字化轉(zhuǎn)型的支持，從金融、政府到小企業(yè)都在建設(shè)數(shù)倉，進(jìn)行數(shù)字化應(yīng)用，在這個(gè)過程中，大多采用的是分布式的Hadoop系統(tǒng)作為計(jì)算存儲引擎（不論是開源Hadoop，還是發(fā)行版的CDH、TDH、FusionInsight等），Hive表便是最常用的存儲形式。標(biāo)簽是基于數(shù)倉模型搭建出來的，與數(shù)倉用同一種存儲可以節(jié)省存儲資源以及不用兩種存儲之間進(jìn)行數(shù)據(jù)交換。
• 而用Trino（Presto）的原因是其首先是一個(gè)分析型引擎，讀寫速度均可；其次是其SQL語法完備、函數(shù)豐富、靈活，可以處理絕大多是業(yè)務(wù)場景的需求；并且支持跨庫同時(shí)讀取，如Trino可以同時(shí)取Hive與MySQL的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理。

但沒有一種完美的技術(shù)選型，只能貼合企業(yè)自己的業(yè)務(wù)，選取最合適的技術(shù)。在這里我們就不分析各種標(biāo)簽的技術(shù)選型了。

2. 落表方式

上面我們介紹了有各種類型的標(biāo)簽，標(biāo)簽如何落表呢，大家看下面這個(gè)圖：

在業(yè)務(wù)場景中，存在有的標(biāo)簽需要每天更新，如最近30天消費(fèi)金額區(qū)間。而有的標(biāo)簽周更新、月更新即可，更新頻率不高，如活動類型偏好。

這樣，便需要支持每個(gè)標(biāo)簽有不同的更新頻率，但hive2.x版本不支持單列更新，為了解決該問題，我們將每個(gè)標(biāo)簽先在臨時(shí)表存一下（就包含2列，1列用戶ID，1列標(biāo)簽）該臨時(shí)表即建即用即刪，每個(gè)標(biāo)簽只有一個(gè)臨時(shí)表（非分區(qū)表），每個(gè)標(biāo)簽占用的占用不大，又能解決標(biāo)簽更新周期不一致的問題。

但如果后續(xù)的標(biāo)簽圈群、群組畫像分析，我們基于這些單獨(dú)表的去做聯(lián)合查詢，那效率會很低。

因?yàn)槊總€(gè)用營銷活動，我們需要5個(gè)標(biāo)簽圈選出來一批人群，并查詢出這群人的性別、年齡、月消費(fèi)、會員等級、是否活躍用戶等信息，加起來用到了10個(gè)標(biāo)簽左右，會涉及到10個(gè)表的join操作，客戶集群資源不豐裕的情況，查詢速度慢。

所有我們便將多個(gè)臨時(shí)表通過聚合任務(wù)，將所有的臨時(shí)表join到一張標(biāo)簽大寬表中，進(jìn)行固化，這張表是一個(gè)分區(qū)表，可以每天存儲一份全量用戶標(biāo)簽信息，當(dāng)然可以自行設(shè)置該表的更新周期與保存多少個(gè)分區(qū)。

這樣，業(yè)務(wù)人員進(jìn)行圈群和分析就可以一張表查詢數(shù)據(jù)，查詢效率大大提升。通過標(biāo)簽跑批時(shí)間的消耗換取業(yè)務(wù)的查詢速度。

但會遇到有些企業(yè)標(biāo)簽數(shù)量在500-1000個(gè)之間，用戶量在千萬、億級別，這樣的話，用一張表去存所有的標(biāo)簽會遇到標(biāo)簽大寬表跑批時(shí)間過長或跑不出來的情況，所以便需要分表，可以根據(jù)標(biāo)簽數(shù)量分表。

綜上，以上加工存儲方式，有缺點(diǎn)的地方便是大寬表加工時(shí)，需要join多個(gè)臨時(shí)表，消耗內(nèi)存，跑批時(shí)間長。

為解決該問題，袋鼠云智能標(biāo)簽產(chǎn)品在引入數(shù)據(jù)湖Iceberg進(jìn)行標(biāo)簽表的存儲，其可以實(shí)現(xiàn)單列更新，每個(gè)標(biāo)簽可以單獨(dú)更新，這樣，便不需要那些臨時(shí)表了，解決加工效率的問題。

該篇講了標(biāo)簽的加工與落庫，歡迎大家留言討論，也可以分享下自己見到一些好的標(biāo)簽加工方式，我們共同進(jìn)步。

對了，業(yè)務(wù)人員怎么參與到標(biāo)簽建設(shè)流程中，該問題在【標(biāo)簽畫像系列】標(biāo)簽畫像建設(shè)方法論中有介紹過，可以去那里查看。

本文由 @木研 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于 CC0 協(xié)議。