人群判存服务也被称为判定服务，即判断用户是否在指定的人群中。判存服务在业务中的使用也比较广泛，比如运营人员在画像平台上圈选了“游戏高转化”人群，对于人群中的用户需要在客户端上显示游戏入口从而引导用户进入游戏...

人群创建成功后会存储在Hive表和OSS中，画像平台用户有时需要拉取人群数据并应用到一些业务中。比如用户希望在Push平台上针对指定人群下的所有用户推送消息，此时可以使用画像平台接口拉取人群数据；在七夕活动中，运营人员...

人群LookALike是给定种子人群，然后通过技术手段找到与该种子人群相似的用户群体。人群LookALike在广告投放中使用较多，比如客户提供一个高价值人群，借助广告平台LookALike能力可以找到更多潜在的高价值用户用于广告投放...

规则圈选中所使用的画像标签数据是离线计算出来的，大部分在计算过程中剔除了很多明细信息，仅保留了最关键的画像内容，即某日某用户的标签值。虽然画像数据是浓缩精简后的核心数据，但在很多人群圈选场景中依赖行为明细数据...

导入人群是将外部数据导入画像平台构建人群，主要有3种实现方式：文件导入、Hive表导入和SQL导入。文件导入是将TXT、CSV等格式的文件导入画像平台；Hive表导入是指定源Hive表及导入字段，将满足条件的源表数据导入画像平台；SQ...

规则圈选是按照指定条件从画像数据中找到满足要求的用户并沉淀为人群的一种常见的人群创建方式。所谓的规则就是条件的组合，比如北京市男性用户，最近一周平均在线时长介于2到10分钟之间的中老年用户。规则圈选的实现依...

​上文提到了使用画像宽表可以便捷的创建人群，本文介绍人群创建所依赖的另外一种数据组织形式：标签BitMap。

​本节主要介绍人群创建所依赖的画像宽表的生成方式。为什么要创建画像宽表？基于原始的标签数据表进行人群圈选有什么问题？如何生成画像宽表？针对这些问题本节会给出详细解答。...

保证标签数据质量是画像平台建设不可或缺的一个重要环节，只有保证产出高质量的标签，画像平台上的功能才有价值，这也是人群圈选准确性和画像分析结论有效性的前提和基础。如何通过工程化的方式评估一个标签的质量？表3-13展...

本文首先介绍标签包含哪些常见实体类型以及ID类型，即标签的主体包含什么，用什么ID表达；其次详细介绍了几种标签的分类方法：按生产方式划分、按时效性划分以及按标签所属维度划分。...