用户标签
1. 基本标签
基本标签是可以直接获取的原生数据，不需要经过二次加工。抽象标签则是根据基本标签加上对业务的理解，进行抽象和加工，以便直接应用到业务中。
基本标签在这里拆解为「属性」和「行为」两类：
1.1 属性标签
属性可分为：设备属性，用户来源，地理位置，生理属性，社交属性，社会信用。
1.2 行为标签
行为可分为：基础行为，互动行为，交易行为，售后行为。
其中，行为标签，可分为人自己，人与人，人与物，人与公司进行划分。
1.2.1 基础行为
人自己可以完成的，如启动APP，登录，浏览页面，属于基础行为。
1.2.2 互动行为
互动则是与其他用户的互动情况，如关注，转发，点赞等等行为，常见于社交类产品。
1.2.3 交易行为
交易行为，则是根据人与物的交易过程，看了什么商品，看过什么商品等等，常见于电商APP。
在电商业态中，交易行为能够比较直接描述用户属性。这里面包括从用户购买商品的类别，种类和价格等属性，也包括用户购买商品的渠道，时间（是否促销季），习惯（购物间隔，购物车时间），还包括用户购物地址等。这些都可以从一个侧面来描绘一个用户。
品类行为标签
根据用户在品类上的行为打上各种标签：品类/业务新用户，单品类单订单用户（哪种品类不容易迁移），单品类多订单用户（如母婴），多品类多订单用户。然后再在基础上可以做以下分析
- 单品类给平台带来的拉新能力
- 单品类用户留存能力
- 多订单用户的向上营销
- 品类间的迁移能力（精准推荐和向上营销）
1.2.4 售后行为
售后则是人对公司的投诉，客服，申请退款退货的行为，也常见于电商。
2. 抽象标签
抽象标签在本质上是个概率区间且需要实时更新。因为再抽象，也只是猜测。是猜测，就有不准的可能性。
我们可以通过职业身份，用户分层，兴趣倾向等抽象模型的建立来抽象用户的特征。数据来源是以上的基本标签抽象转化而来，但其中做了一层逻辑转化。
在以上标签的使用过程中，需要结合不同业务来判断需要哪些标签，能用哪些基本标签，以及能怎么用这些标签。比如对于社交类产品和购物类产品来讲，男女性别这个标签获取的难度和准确性就不一样，使用的手段也不一样。对于陌陌来讲，男女性别可以直接获取，并且可以作为推送给其他性别的用户的依据，非常重要。而如淘宝，更多只能从用户浏览的产品来判断，甚至有生理性别和购物性别的差异。而在使用上，则会用于对一些商品推荐上的考虑，不那么重要。