Reborn's Blog

公共部分

| 实体 | 属性 | 特征、数据或行为 | | --- | --- | --- | | 用户 | 性别、年龄、职业、婚姻、常驻城市... | 性别：男/女，年龄，职业：学生/蓝领等 | | 应用 | 类型（一二三级分类）、标签... | |

| 行为 | 属性 | 特征、数据或行为 | | --- | --- | --- | | 安装 | 安装时间、下载渠道 | 下载行为感知 | | 卸载 | 卸载时间 | | | 分享 | 分享时间、分享内容、分享方式、分享频次 | | | 打开 | 打开时间、打开频次、打开时长、设备类型 | | | 浏览 | 浏览时间、浏览时长、浏览内容 | | | 搜索 | 搜索频次、搜索内容 | | | 付费 | 付费时间、支付方式、付费途径、付费金额、付费次数、付费模式 | |

行业特有属性

游戏行业：游戏年龄、游戏类型、游戏题材、下载渠道（应用市场/游戏中心/三方渠道）、付费途径（点卡/点券/直接购买）
汽车行业：4S店、试驾预约、试驾、小定、大定

构建标签

数据来源

基于公共和行业特有的实体和行为，采集对应静态数据和动态数据，进行感知和汇总：

近 X 天打开 XX 应用/类型的频次、时间、时长
首次/最后打开 X 的时间
最近一次进行 XX 行为的时间
某段时间内进行 XX 行为的频次
某段时间内进行 XX 行为付费金额

标签类型

规则和统计类：基于专家规则和统计，在端侧构建各类特征标签和兴趣偏好标签
预测类标签：对用户行为进行准确打标，结合特征标签和基础属性标签，作为机器学习算法输入，拓展推广其他潜在用户