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