打字猴:1.704850118e+09
1704850118
1704850119
1704850120 图2–4 豆瓣音乐的标签系统截图
1704850121
1704850122 为了更好地促进用户标签的产出,我们可以借助产品层的调整和引导。豆瓣引导用户对专辑点评的界面如图2–5,它展示了层级递进的关系。
1704850123
1704850124
1704850125
1704850126
1704850127 图2–5 豆瓣音乐引导用户点评专辑界面
1704850128
1704850129 • 五星评价:门槛最低的评判。
1704850130
1704850131 • 标签输入:给出了输入框,同时也给出了候选标签集合(包含用户自己制定的标签,以及该专辑的常见标签)。用户从已有候选集里选择的成本是显著低于输入成本的,这一设计同时实现了促进用户表达和规范化输入的效果。
1704850132
1704850133 • 简短评论:最高门槛的评判,深度用户沉淀内容。
1704850134
1704850135 当然,对断物而言,标签体系也有它力有未逮的地方,并不一定适合所有场景。
1704850136
1704850137 在上面的案例中,标签适合的是文字表意歧义较小、可以枚举的类型。但在某些领域,标签很难准确地表意或概括。比如,你怎样给人介绍什么是爵士乐?“余音绕梁”“节奏感十足”等,似乎都不能准确传递爵士乐的特点。又如,怎样定义一个人是帅的或漂亮的?大家各有各的标准,很难达成统一。
1704850138
1704850139 在这种情况下,我们需要引入聚类的方式来描述。这种方式并不是以标签词的方式来定义事物是怎样的,而是基于某一维度的特征将相关物品组成一个集合,并告诉你这个新的物品同哪个集合相似。比如,一段藏獒捕食的视频,会同动物世界里猛兽捕食的内容聚为一类,而不会同家猫捕捉老鼠的内容聚为一类。
1704850140
1704850141 在图2–6中,一则汽车降价促销的内容,就同多条汽车销售的内容一起被系统聚合成一类。
1704850142
1704850143 待聚类内容:英朗XT降2.6万 贷款购车免息送油卡
1704850144
1704850145 马自达CX–7现金最高直降2万元
1704850146
1704850147 别克君越现金最高直降3.6万元 现车销售
1704850148
1704850149 沃尔沃V40现金最高直降5万元 现车销售
1704850150
1704850151 揽胜极光促销,置换再享优惠
1704850152
1704850153 图2–6 内容聚类示例
1704850154
1704850155 识人
1704850156
1704850157 与“断物”相对应,我们可以直观地把“识人”理解为给目标用户贴标签的过程,通过标签来描述一个用户的特征集合。
1704850158
1704850159 图2–7就是一个用户在豆瓣FM(豆瓣音乐的频道之一)上的音乐基因名片(用户画像)。如页面中的介绍,豆瓣FM基于用户的红心歌曲、专辑收藏记录进行计算,从而得出记录用户音乐喜好的歌手和风格列表的标签云,标签的尺寸越大代表用户对这个类型的音乐越感兴趣(如果你也想测试一下自己的音乐基因,请访问:https://douban.fm/musicgene)。
1704850160
1704850161
1704850162
1704850163
1704850164 图2–7 某用户在豆瓣FM上的音乐基因名片
1704850165
1704850166 通常,用户画像有三类主要应用场景:
1704850167
[ 上一页 ]  [ :1.704850118e+09 ]  [ 下一页 ]