编辑导语：互联网的飞速发展，把人们带入到了一个信息异常丰富的时代，每天都会有大量的信息产生，信息过载已成为了一个严重的问题。面对如此海量的信息，用户很难快速找到自己感兴趣的内容。于是制作用户用户画像，计算兴趣类标签变得越来越重要。今天，本文作者就为我们分享了“用户兴趣偏好”标签的计算方法。

今天分享一下“用户兴趣偏好”标签的计算方法。

一、什么是兴趣偏好类标签

首先，什么是兴趣偏好呢？

其实从字面意义上，比较容易理解：我们以电商为例，就是某个用户对某个对象（这里的对象可以是商品、可以是品类等）是否有喜好。

官方一点的定义：圈定某兴趣涉及的对象，根据消费者与该兴趣对象的互动情况，判断消费者对某一兴趣的爱好程度。

举个例子，想看看用户对于“体育运动”类目是不是有偏好。

有朋友会问，这标签计算不是太容易了么，直接把这个用户历史上所有的购买记录，拿出来，分类目统计一下不同类目的成交情况，看看体育运动类目的成交多不多，不就完了。

逻辑是没问题，但是忽略了很多场景：比如用户天天浏览体育运动相关的类目，但成交量不大，是不是也说明对该类目有偏好呢？而这种偏好的计算，往往比成交的偏好更有营销价值，也更全面。

那如何进行兴趣偏好标签的计算呢？

二、兴趣偏好标签的计算

先看计算逻辑总体概览，主要分为了三部分：互动行为、互动深度、权重。我们这里的兴趣偏好，以用户偏好哪个一级品类为例，进行展开。