本篇是「標籤畫像系列」的第四篇，此前我們已經介紹過了標籤畫像體系建設方法論、標籤體系設計與加工、標籤加工與落庫，這次我們來介紹一下「標籤評分」。

標籤評分是標籤治理的一個重要措施，透過給標籤打分，可清晰直觀的從各個維度評估標籤，掌握標籤真實使用情況，進行標籤持續最佳化，助力業務運營。同時，也能幫助資料團隊判斷哪些標籤更應該投入計算與儲存資源，合理規劃叢集資源。

一、為何要使用標籤評分？

經過前期標籤體系設計、標籤加工，標籤終於可以上線，讓業務人員使用，發揮價值了！

隨著標籤上線一段時間後，我們開始關心每天佔用計算資源與儲存空間，跑出來的上百個標籤，業務同學真的用到了多少，業務收益是否能覆蓋資料成本呢？標籤上線後，其質量怎麼樣，是否存在老規則不適用、需要持續最佳化的情況？

帶著這一問題，我們需要用一種方法來評估標籤上線後的使用情況，標識各個標籤的價值。參考電影評分、花唄評分等形式，我們決定也給標籤打個分、排個序，簡單明瞭。

二、標籤評分模型

標籤評分模型，經過考慮我們選取了 5 個維度作為評分入參：

 標籤總評分 = a * 標籤使用度評分 + b * 標籤關注度評分 + c * 標籤質量評分 + d * 標籤持續最佳化讀評分 + e * 標籤安全度評分

其中標籤使用度、標籤關注度、標籤質量、標籤持續最佳化度作為核心維度，標籤安全度可根據實際情況考慮是否納入。a、b、c、d、e 是權重，總和為 100%。

01 標籤使用度評分

標籤使用度，用以評估標籤被分析、外部系統的使用情況。

在袋鼠雲標籤產品中，標籤有這幾種使用場景：

・標籤引用：如原子標籤被衍生標籤應用、衍生標籤被組合標籤引用等，基於該場景，計算 “標籤引用次數” 指標。

・標籤分析：標籤在標籤圈群、群組畫像、群組對比、顯著性分析等畫像分析功能中被分析的情況，計算 “標籤分析次數” 指標。

・標籤呼叫：標籤透過資料 API 被外部應用查詢的次數，計算 “標籤呼叫次數” 指標。

基於以上 3 個指標，我們首先採用 Sigmoid 函式將指標轉化為評分，再將各個指標的評分加權彙總成標籤使用度評分。

 

02 標籤關注度評分

標籤關注度，用以評估被搜尋、檢視、收藏的情況。

袋鼠雲標籤產品中，標籤關注度與以下場景有關：

・標籤搜尋：標籤在標籤市場被使用者搜尋的情況，計算 “標籤搜素次數” 指標。

・標籤檢視：標籤被點選檢視基礎資訊、分析頁面等的次數，計算 “標籤檢視次數” 指標

・標籤收藏：收藏該標籤的使用者數，計算 “收藏使用者數” 指標

以上 3 個指標可反映標籤的關注熱度，我們依然採用 Sigmoid 函式將指標轉化為評分，再將各個指標的評分加權彙總成標籤關注度評分。

03 標籤質量評分

標籤質量，用以評估使用者被打標情況，反映標籤規則的合理性。

當我們定義了標籤和標籤值，經過計算之後，標籤值打在使用者身上的很少，那說明我們的規則執行不合理。比如我們定義了 “活躍度” 這個標籤，分為 “高活躍、中活躍、低活躍度” 等，但真實被打上的這個標籤的使用者，低於 70%，還有很大一部分比例是空值，未打上該標籤，說明我們制定的標籤值規則有漏洞，需要完善。

系統將計算每個標籤的 “標籤覆蓋度”，將覆蓋度歸一化為分數，轉化成評分。

04 持續最佳化度評分

持續最佳化度，用以評估標籤上線後，是否後續再去最佳化該標籤。

在客戶的生命週期中，不斷有新使用者流入、沉默使用者流失。公司戰略調整、產品釋出等都會影響客戶行為，這些變化我們需要以資料的方式呈現，所以我們需要不斷根據業務調整、客戶變化調整我們的標籤策略，以追求可透過標籤直接地、迅速地反映客戶情況，指導業務運營。

持續最佳化度，我們透過 “標籤最佳化次數” 指標來評估，指標籤上線後標籤被編輯再次釋出的的次數。我們同樣採用 Sigmoid 函式將指標轉化為評分。 

05 安全度評分

標籤安全度，不能反映標籤的熱度，但也將其作為了標籤評分的一個維度，可根據企業情況考慮是否納入。

在袋鼠雲標籤產品中，標籤安全相關的策略有：

・標籤的可見度：標籤可編輯、可檢視的使用者範圍

・標籤使用是否需要申請授權：標籤釋出後，其他人使用該標籤，是否需要申請審批

・標籤是否進行行級許可權控制：上面我們控制了標籤的列許可權，行級許可權反映該標籤是否設定了行級許可權

・標籤是否脫敏：標籤是否進行脫敏

根據標籤的安全度策略配置情況，我們也採用評分的方式來評估。

基於以上 5 個維度的評分，我們根據前面提的公式加權彙總，得到總評分。

三、標籤評分的應用

基於標籤評分，為了更加直觀的讓標籤管理員、業務人員檢視熱門標籤、沉默標籤等，透過排行榜的方式呈現：

01 熱門標籤排行榜

基於標籤的使用度、關注度、持續最佳化度 3 個角度來計算標籤的熱門評分，展示 TOP N 的熱門標籤。

02 沉默標籤排行榜

熱門的標籤的反向排序便是沉默標籤，沉默標籤說明這些標籤使用率很低，可考慮定期下線，節省叢集資源。

03 綜合排行榜

綜合排行榜便根據標籤的綜合評分進行排序，從標籤使用度、關注度、持續最佳化度、質量、安全等幾個維度評估，全面評估標籤。

04 標籤使用度、關注度、持續有最佳化度、質量、安全分榜單排行

使用者可根據自己更加關注的維度，檢視標籤使用度、關注度、持續最佳化度、質量、安全各個子維度的排行榜。同時，可檢視各個標籤的具體指標，如使用度維度，可檢視各個標籤的當前引用次數、分析次數、呼叫次數，針對具體指標具體分析，滿足不同的標籤分析場景。

標籤評分模型上線後，我們需要根據實際情況調整不同維度的權重，符合自身實際情況。當經過一段時間的應用，大家認可這套評估邏輯之後，便可以將靜態化的評分展示轉化為動態化的告警、自動化治理等，可設定標籤質量告警、評分告警，自動通知標籤管理員、責任人等。

以上便是在產品中應用的評分邏輯，希望對大家有所幫助，也可提出不同思路最佳化評分模型，達到更好的標籤治理效果。