如何用算法构建标签？
•
民间故事
与企业业务关联最紧密的客户标签往往是带有预测性的，比如，某客户的营销价值，该客户对产品的心理价位预期。这些标签的提取需要在模型的基础上更进一步，利用更复杂的算法组合计算得出。 比如航司需要区分客户属性，判断出是否为商务旅客，就可以利用逻辑回
与企业业务关联最紧密的客户标签往往是带有预测性的，比如，某客户的营销价值，该客户对产品的心理价位预期。这些标签的提取需要在模型的基础上更进一步，利用更复杂的算法组合计算得出。
比如航司需要区分客户属性，判断出是否为商务旅客，就可以利用逻辑回归、K-均值聚类、支持向量机、神经网络等机器学习算法，计算其为商务旅客的概率。如逻辑回归算法，可以选取“是否VIP”、“是否团队购票”、“是否商务舱”、“订座——出行日期差是否小于N天”、“出行是否周末”，“近一年内出行次数是否大于N次”、“出行城市是否大于N座”等变量。最终得出该客户是否为商务旅客的预测标签。
同样的，企业希望预测预测某客户对某商品的购买概率，如果没有足够的行为数据或历史交易数据支持（如浏览该商品超过N秒，近期购买过该产品），则需要利用协同过滤等算法进行计算，结合历史购买记录中的相同属性商品、类似特征人群的购买记录等数据参数，计算出该客户是否会购买商品的预测标签。创略科技是国内首个CDP客户数据平台，在标签基础数据整合、标签管理、客户画像上有着突出的表现。