3.2.2　用户画像知识体系建设的挑战

如前所述，用户画像知识体系需要满足支持专家知识、模型特征管理、用户进阶认知、业务与数据连接、企业数据产品集成等诸多需求，然而在企业业务中落地时，会遇到相当多的设计问题。

（1）知识体系的覆盖度问题。用户知识体系、标签体系往往难以及时、准确、全面地满足业务需求。在用户标签、用户知识图谱的建设过程中，建设方希望尽可能以相对通用的体系满足各种各样的业务需求。然而，建设方会不可避免地遇到诸如数据范围不支持、业务需求定制化程度过高、开发成本不匹配等问题。业务需求方可能根据业务数据有一些发散性的构思，但实际上在建设过程中很难覆盖得特别全面。标签体系、知识体系通常是相对固定的，而业务需求是随时间动态变化的。因此，用户知识体系的覆盖度问题是建设方难以规避的问题。

（2）知识体系的可用性问题。用户知识体系、标签体系越复杂，业务使用难度越高，业务可能会根据自身场景中的语言定义标签需求。比如，业务可能需要一线城市的青年才俊标签，然而平台可能只有用户的年龄、性别、城市标签。业务需要从标签描述的规则定义、统计口径、常用场景方面与自己的需求进行匹配。从业务的视角，通常是难以快速、准确地定位到可用标签的：当标签体系覆盖不足时，业务难以找到匹配需求的标签；而当标签体系过于复杂时，业务难以找到可用的标签。

（3）知识体系的认知不一致问题。用户画像知识体系是与业务知识、专家经验相关的。不同的业务人员对知识体系可能会有不同的认知，比如：

• 运营部门一般运用用户画像标签做运营活动，因此运营人员关注的是怎样做一个活动才能提高用户的点击率、转化率及留存率；

• 产品部门的产品经理经常需要为某一个业务问题提供产品解决方案，因此需要通过用户画像获取用户的关键特征，以决定如何设计产品，才能覆盖大多数业务场景；

• 数据部门作为用户画像、知识体系的建设方，通常通过数据自身的抽象含义、逻辑关联来确定知识体系，并对数据进行统一管理，对于业务需求的理解往往不够精确。

因此，在企业用户画像知识体系落地的过程中，运营部门、产品部门和数据部门等可能对知识体系的认知并不一致，进而造成误解。在用户画像知识体系结构设计中，需要从组织管理的角度，建设业务团队、用户画像知识体系设计团队、数据方等多团队沟通设计模式。当进行需求整理、体系设计和标签开发时，最好采用系统化平台解决方案，让业务方、设计方和开发方能够在同一产品中对齐认知，实现业务知识体系、数据知识体系的统一对齐，并可随业务的演变进行系统化迭代。

在企业业务实践中，用户画像知识体系通常通过建设数据管理平台（Data Management Platform，DMP）、用户数据中台（Customer Data Platform，CDP）对用户画像知识体系进行统一管理。CDP、DMP沉淀了海量用户标签，为各业务系统提供了统一的用户知识服务。为了解决标签体系的复杂度问题，DMP会建设目标群体指数（Target Group Index，TGI）、统计占比等标签价值评估指标，来辅助业务人员判断平台标签对用户业务的价值度。产品经理和运营人员在此基础上，可以通过用户画像TGI来确认标签筛选的组合。知识图谱与认知智能技术能进一步解决该场景中的问题，详细的方案可以参考第9章的相关内容。