編輯導語：如何設計與地理位置相關的用戶標簽，并使其投入產品應用中？其中，我們需要了解LBS服務——基于位置的服務，及POI數據。本篇文章里，作者系統介紹了LBS位置標簽與POI數據，并給出了后續(xù)的產品化應用方案，一起來看一下。

“ LBS相關的標簽，是用戶標簽畫像系統中的重要內容。 ”

好久沒有分享關于用戶畫像、用戶標簽相關的內容了。關于標簽數據，之前有分享過《用戶生命周期標簽的計算》、《 用戶畫像中的興趣類標簽如何計算 》。今天分享一下，關于LBS相關的標簽內容。

一、什么是LBS

講LBS標簽之前，先來看看LBS具體的一些內容吧。

1. 什么是LBS服務

LBS，即基于位置的服務（Location Based Services）。其實在日常我們的生活中，關于LBS的服務是非常常用的。

目前主要的LBS服務提供商，就是高德、百度、騰訊這些比較常見。其他絕大部分的APP應用，都是調用這些服務廠商提供的接口服務能力。

像我們常用的百度地圖，基本產品邏輯就是圍繞地理位置進行的。比如進行定位服務、路線規(guī)劃、地點搜索、導航等等。

再比如，外賣軟件中騎手配送路徑的實時展示、配送員調度等。

相關的應用很多，所有涉及到地理位置的相關功能，都屬于LBS的范疇。

2. LBS服務的類別

總結下來，主要的LBS相關的服務可以總結為五類：地圖服務、搜索服務、定位服務、路線規(guī)劃服務、導航服務。

1）地圖服務

這個比較好理解，地圖是LBS服務的基礎。無論是導航、還是看定位等，都是要基于地圖進行呈現。

雖然地圖很常見了，但是其實關于地圖呈現的內容是非常多的。比如，地圖的風格、地圖的覆蓋物（比如交通軌道、河流等）的選擇、聚合點的設置、地圖中心位置的設置等等……

2）搜索服務

所謂的搜索服務，即對地理位置相關的內容進行搜索。

基于不同的搜索對象，可以將搜索分為：POI數據搜索、地址數據搜索、行政區(qū)劃數據搜索、公交數據搜索等等。

比如上面，就是一個POI的搜索，這里能看到一個周邊的圍欄。關于POI和地址圍欄，我們后面展開闡述。

3）定位服務

定位其實比較好理解，就是確定目前設備所處的位置。

通常，服務提供商提供的定位信息，是基于GPS、基站、WIFI等內容進行的混合定位。相對單模式定位，會更加精準。

4）路線規(guī)劃及導航 服務

路線規(guī)劃服務也比較好理解，就是提供兩點之間的路線規(guī)劃。

路線規(guī)劃是導航的前提。根據交通方式的不同，可以有多種路線規(guī)劃方式，比如駕車路線規(guī)劃、公交路線規(guī)劃、騎行路線規(guī)劃、步行路線規(guī)劃等。

二、POI和地理圍欄

上文中，我們提到了POI和地理圍欄，由于比較重要，這里著重展開介紹一下。

1. 什么是POI

所謂的POI，即Point of Interest。怎么理解呢？比如，一個學校、一個小賣部、一個公交站、一個小區(qū)，都可以理解成一個POI。

想象一下，地圖只是提供了一個底層的畫板，只有在地圖上疊加一個個的POI點位，地圖的信息才能豐富起來，數據才有了價值?；谝粋€個的POI信息，可以進行更好的搜索、定位等等功能。

比如上圖，我們搜索“便利蜂”，出現的結果，就是和便利蜂相關的POI列表。

通常一個POI必備名稱、地址（具體地址）、坐標（經緯度）、類別四個屬性。至于其他屬性，比如手機號、省市區(qū)等等，屬于擴展信息。

2. 示例：高德的POI數據

我們看一下高德對外提供的POI接口數據。

首先是按照行政區(qū)域的POI數量：

我們可以看到，光北京市的POI數量就達到了347萬個。

我們看具體POI列表，就比較容易理解了：

上面有機關單位、有汽車維修、有餐廳……這一個個具體的點，都是POI。每個POI除了列表中呈現的信息：名稱、地址、電話、類別，還有啥信息呢？如下圖：

看到了吧，信息是非常全的。還有街景信息，這里就不放截圖了。

3. 地理圍欄

上文講了POI。注意，POI是一個【點】。和【點】對應的概念是【區(qū)域】，我們稱之為“圍欄”。

比如一個小區(qū)，雖然也可以在POI列表中呈現，可以用一個經緯度表示定位。但我們知道，小區(qū)其實是一個區(qū)域，而不只是一個點。這時，如果為了更加精準的分析服務，我們需要用到地理圍欄。

所謂圍欄，就是一個封閉的區(qū)域。例如下圖：

百度地圖中，用虛線將頤和園的邊界進行了圍起來。我們可以清楚地了解頤和園的區(qū)域范圍，而不僅僅是一個POI點信息（其實頤和園也是有POI點的，上圖中的序號位置1，就是頤和園的POI。如果只有POI而沒有圍欄，是不是效果差很多）。

當然，大部分地理信息其實是不需要圍欄的。比如便利蜂，我們沒必要知道便利蜂門店精準的區(qū)域，基本經緯度就可以了。但是比如行政區(qū)（例如北京市海淀區(qū)）、小區(qū)、學校等，還是有必要了解圍欄信息的。

三、地理位置標簽

關于LBS和POI等相關的內容，上面也只是概括地講了講，細節(jié)層面確實內容非常豐富，值得大家深入研究研究。這里是時候進入我們的正題了，那就是地理位置相關的用戶標簽。

首先明確一下，我們這里的標簽對象，是人：即給人打上和地理位置相關的標簽。

1. 需求背景

我們在精準營銷中，經常需要結合地理位置信息進行定向人群圈選，從而精準觸達。

舉個例子。我是一個線下便利店的店長，經營原漿啤酒。由于保質期短，且線下經營，潛在顧客基本就是店周邊小區(qū)的人群，而且是愛喝啤酒的男顧客偏多。

因此，我需要營銷觸達的人群應該是【門店周邊3KM居住小區(qū)】+【男顧客】+【愛喝啤酒】。

關于【男顧客】、【愛喝啤酒】應該是基礎標簽、偏好標簽，可以參考《用戶偏好標簽計算》。至于【門店周邊3KM小區(qū)】這個標簽該如何獲得呢？

對，這就需要地理位置信息相關的標簽了。

2. 具體計算邏輯

如何獲得這個標簽呢？這里的關鍵是對用戶的歷史LBS位置進行建模、計算。

這個模型說復雜也并不復雜，但是細節(jié)內容比較多。通常來講，基于用戶APP上傳的地理位置信息，我們會同時給用戶打三個地理位置相關標簽：用戶的家的位置、用戶的公司的位置、用戶常出現的位置（除家和公司外）。

由于用戶使用APP的時長、頻次通常不是很長，我們一般需要稍微長一點的數據來計算用戶的地理信息標簽。一般可以考慮使用近30天數據（過長也不合適，時效性差且計算量大）來計算標簽。而且由于用戶的行為通常比較穩(wěn)定，標簽的更新時效也沒必要每日更新，能每周更新一次標簽就可以了。

具體的計算邏輯主要有這么幾條：

• 工作日時間有地理位置的日志超過*%就判定該位置是公司；
• 夜間有地理位置的日志超過*%就判定該位置是家；
• 其余時間經常出現的日志最高的位置判定為常去地。

大的邏輯是這樣，但是有很多細節(jié)計算邏輯，這里就不展開了。

3. 地理位置數據表

通過上面的計算，最終可以生成一張專門的用戶地理位置相關的表。以用戶ID為主鍵，分別三個字段：預測的家的位置、公司位置、常去地位置。

這里的原始地理位置，可以以經緯度進行存儲。

四、LBS標簽的產品應用

地理位置標簽數據計算好了，如何進行產品化應用呢？其實主要就是進行人群的圈選。具體的圈選方式，可以有以下幾種方案。

1. 基于具體POI+半徑圈選

比如，上面例子中，我們想基于便利店周邊3KM進行人群圈選。

便利店作為圓心的POI，圈選該POI周邊半徑3KM以內的人群作為目標人群，即可滿足訴求。

上面的截圖是基于POI+距離半徑來進行的人群圈選?！厩迦A大學-北門】、【清華大學公寓】等都是一個個POI，下面的選擇范圍是距離半徑。

2. 基于地理圍欄圈選

第一種方式中，比較容易實現。但是有時想要圈選更具體精準的某個區(qū)域內的人群。

比如想圈選北京市西城區(qū)的全部潛在人群，或者某個學校的所有學生，這時就需要借助地理圍欄進行圈選。

從數據層面，除了需要用戶地理位置信息、POI信息外，還需要相關的地理圍欄信息。通過地理圍欄才能判斷用戶是否在圍欄內。

上面這個就是基于POI圍欄進行圈選。

下面這個基于行政區(qū)進行的圈人，本質也是地理圍欄。但是由于場景比較多，就進行了單獨呈現。

3. 其他類型圈選

本質上，所有的圈選都要么是基于POI+半徑，要么是基于圍欄。但是上面也看到了，有些特殊場景，從產品設計層面可以單獨拿出來，比如行政區(qū)圈選。

另外，可以看一下下面的基于場景圈人。

這樣可以對特定類型的人群進行圈選。

關于LBS、用戶地理位置標簽相關的內容就分享這些，歡迎大家繼續(xù)關注~

?

本文由 @首席數據科學家 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。