浅谈大数据的标签管理

最近参与了一个大数据的项目，是涉及标签管理方面的内容，使我这个初涉入大数据领域的人获益匪浅。

标签，也可以叫做Tag，最早出现于2005年(注1)，随着Web2.0的Blog应用被广泛使用开来。标签也可以说是一种关键词标记，可以更好的显示和突出搜索的关键词条，以便进行更好的索引和浏览查找。但标签又不同于平常的关键词，它可以使用文章或日志中根本没有出现过的词条来标记。比如一篇关于产品方面的文章，通篇没有任何产品这个词条，但却可以打上产品标签，来更好的指向这个文章的内容性。

标签有两个非常明显的特征：

n 可重复标记性
对同一个用户，可以打上很多个标签。所以标签不同于传统意义上的分类，它也被称为“开放分类”。而且同一个用户身上的标签数量，会随着时间的推移而持续不断的被增加。标签数据越多，最后得到的用户受众画像信息会越来越完整。

例如男性用户A，喜欢浏览汽车网站，同时爱好音乐和收藏。可以对他打的标签就有男性，网站，汽车，音乐，收藏。而过了一段时间，他结婚有了小孩，同时喜欢上淘宝购买母婴用品，这时他又会被标记上已婚，有小孩，在线购物，母婴的标签。
浅谈大数据的标签管理

n 指向明确性
每个标签都指向用户的一类属性或行为。属性不仅包括性别、年龄、身高、体重等信息，甚至还包括一些家庭成员，联系方式，地址等敏感隐私信息；行为则是指某段时间内用户的参与倾向性。行为指向与时间有一定的关系，比如这段时间我有购房的需求，会经常浏览×××网站，这时会产生×××相关的标签。但过了不久我买到了心仪的房子，而不再关注×××时，指向×××行为相关的标签就可能已经失效。

还是上面用户A的例子：
ü 标签男性可归纳为用户的性别属性；
ü 标签网站、汽车、音乐、收藏、在线购物、母婴可归纳为用户的爱好或预购意向属性；
ü 标签已婚，有小孩则可归纳为用户的婚姻和家庭属性；
　　　 浅谈大数据的标签管理

正是基于标签的这两个特征，所以它在精准营销方面发挥了独特的效用。首先网站将用户的各种在线行为转化为标签数据，并分析大量已收集到的标签数据得到相对完整的受众用户画像。然后将画像信息与DSP，SSP，Ad Exchange等广告平台做对接，平台根据每个广告主的投放需求过滤受众画像，来将每个广告精确曝光给最为匹配的目标用户，从而达到精准营销的目的。

营销的精准性，在于匹配最为符合的受众用户画像。而要确定到最符合的画像信息，又基于对大数据量的标签数据的分析。随着网站的用户数和访问频率的提升，标签数据会相应产生几何级的增长；同时现在各互联网公司也逐渐倾向于标签数据的交换和共享，来获取更丰富的受众信息。所以在大数据领域，对海量标签数据的管理已经成为日趋重要的需求。

现在市面上已经存在的标签管理系统，比较出名的有商业付费工具如Ensighten、TagMan、Tealium、Satellite、OpenTag、Tag Commander、Super Tag、Site Tagger、Bright Tag等，也有Google提供的免费工具Tag Management。这些工具基本功能大体类似，仅区别于各自的增值服务方面。所以结合未来的发展趋势，标签管理应基本涵盖以下四块主要内容：
浅谈大数据的标签管理

² 数据标签化
通过制定容器、规则、条件将代码发布到网站的页面，来将用户信息转化为标签数据。这是标签管理必备的基本内容。

² 标签数据管理
对海量标签数据的管理，还包括去重，合并，转义等标签数据操作。

² 标签共享和交换
现在各互联网公司逐渐倾向于交换和共享标签数据，来充实已掌握的标签数据。所以这个以往的增值服务，也将变得越来越重要。

² 标签分析
包括受众分析，归因分析，以后与各广告平台对接后的投放效果分析，成本分析等等。

标签是互联网信息时代的一个颠覆，标签管理也是大数据时代的一个重要组成部分，我们也期待更多的新内容新技术出现。