01 为什么要评估标签质量

首先，为什么要进行标签质量评估？

想象一下，我们开发了一个“用户年龄”标签，业务想针对20-30岁的人进行精准投放。但经过筛选，才筛出来几千个人，和公司总体用户相比仅仅是九牛一毛，那这样的标签，还有价值不？

因此，对标签的质量进行科学完整地评估，有助于指导标签的管理者、开发者不断地提升标签质量。通过创建一套完整的评估体系，对于质量过差的标签，不着急上线，等达到基本的质量要求后再开放给业务使用。不然，既对业务带来不了价值，也容易让标签画像系统失去用户的信任。

回过头来，上面这个例子反映的问题，其实就是标签的质量差。准确地说，是标签的覆盖度太低了。除了覆盖度，还有很多指标可以衡量一个标签的质量，咱们在下面详细展开，主要通过 数据质量、应用质量、业务质量 三个方面来评价标签的质量。

02 标签质量评估：数据质量评估

数据质量是标签质量最基础的评价，主要分为准确度、覆盖度、稳定性 三部分。

（1）标签的覆盖度

标签覆盖度的含义，是指在一个标签中，有业务含义的人群数量与总人群数量的比例。

举个例子，【性别】标签，全量用户是100万的规模，其中40万打上了“男性”标签，35万打上了“女性”标签，其他25万人都没有打上任何标签。那么，【性别】标签的覆盖度就是75%。

这个覆盖度还算是比较可以，想象一下如果覆盖度只有20%，会有哪些影响呢？可能会有下面的负面影响

• 用标签进行人群圈选的时候，人数过少

• 用标签统计平台用户的特征时，和真实情况会有偏差

因此，提升标签的覆盖度是标签的基本质量要求。

为啥会出现标签覆盖度低的情况？往往是一些用户自己填写的标签，覆盖度极低，之前的文章中也介绍过。

（2）标签的准确度

标签准确度的含义，是指给用户打的标签中，准确反映事实的人群数量与总人群数量的比例。

举个例子，【性别】标签，用户A真实情况是男性，但是打标签打成了女性，那么这就是一个错误的标签值。假设100万用户，真实情况50万男性50万女性，有以下表格：

那么这个标签的准确度就是：（35+30）/（35+5+5+30）=86.7%

提升标签准确度的意义也是不言而喻的。准确度如果太低，那这个标签基本丧失了应用价值。至于阈值的设置，还是基于各自的业务情况来定。

（3）标签的稳定性

标签的稳定性也是影响标签质量的重要因素。

什么是稳定性呢？举个用户年龄标签的例子。昨天30岁以下的用户有200万，占比10%，今天就成了1000万，占比50%。这种标签数据，你敢用么？是数据的计算逻辑出现问题，还是其他原因导致？

因此在标签的质量评估中，标签值的相对稳定性，是重要的评估标准之一。

具体怎么衡量标签的稳定性呢？主要可以通过PSI指标的方式来衡量。

PSI 计算步骤：

假设我们要比较样本A与样本B中某一变量Y的分布，首先按照同一标准将Y分为几个区间（通常分为10段），计算样本A和样本B中每个区间的占比。在每个区间段上，将两个样本的各自占比相除再取对数，然后乘以各自占比之差，最后将各个区间段的计算值相加，得到最终PSI。

最终计算的PSI指标中，若PSI<0.1 样本分布有微小变化，模型基本可以不做调整。若PSI 在0.1~0.2之间，样本分布有变化，根据实际情况调整评分切点或调整模型。若PSI>0.2，样本分布有显著变化，必须调整模型。

03 标签质量评估：应用质量评估

应用质量的评估是从产品角度出发，评估标签对于产品应用的价值。

若一个标签的数据质量高，但是用户都用不起来，不好用，那么也是难以发挥出标签内在的价值。

举个常见的例子。大家都会做的一个标签，【用户近30天gmv值】。这个标签（是个连续性值，但可以说是个广义的标签）按照上文的标准衡量，覆盖度高，100%的用户；准确度也高，100%（SQL正确的话……）。那这个标签有用吗？往往业务不太爱用这种连续值的标签。

为什么？因为这种标签的应用质量太差了。

对于业务来讲，【近30天gmv值】是1万美金，这个是高还是低？如果是没有经验的业务人员是完全无法判断的。

因此，要将这种标签的应用价值提升。针对这个例子，提升的方法可以是把连续值分段，做成【高价值】、【中价值】、【低价值】，也可以做分布曲线给用户提供参考。

再比如，一个标签是用户常用的搜索词，如果不进行一些特殊的加工，将是很冗余的长串字符，用起来也是体验很差。这也属于应用质量低。

关于应用价值的衡量，往往会用一些滞后性的指标衡量。基础假设是，业务人员用的多的标签，一定是应用质量好的；业务人员用得少的标签，一定是应用质量弱的。

具体衡量应用多少的指标，可以用【使用次数】、【使用热度】、【调用次数】等来综合衡量。

对于应用价值低的标签，可以针对性地进行分析，不断提升每个标签的应用价值。

04 标签质量评估：业务价值评估

最后一个衡量标签质量的方面，就是业务质量。

这个方面是最不好衡量的，但又是最最重要的。因为相比于数据质量是从数据层出发、应用质量是从产品层出发，业务质量是从业务层出发，是离业务价值最近的。

想象一下，业务如果用了一个标签，对一群人进行了投放，ROI是日常投放的好几倍，那这个标签的价值可以说是毋庸置疑了。这时，我们可以说这个标签的业务质量很高。

什么样的标签的业务质量会比较高呢？比如：【用户购买偏好】、【用户的营销敏感度】等等。这类的标签往往都是一些复杂逻辑的算法标签，常常有比较强的业务质量。

但这里存在的一个悖论，就是业务质量是后验的。即想知道一个标签的业务质量，就一定要进行投放测试才行。而且往往不同场景的一些投放带来的结果也不太一样，就导致业务质量的评估往往很难落地。

这确实是个难点。作者的经验是，在评估标签质量时，先重点考虑数据质量和应用质量，这两者都没问题的时候，就可以上线开放给业务使用。但对于业务使用标签后的数据进行回流，监控标签应用在业务场景的价值情况。最终可以有个比较公允的衡量。而这个衡量，将对后面标签的优化方向，带来很强的指导性意义。

-END-