精准人群圈选系统设计——从标签逻辑到实时计算的全流程实战

前端付豪
260 阅读3分钟

“请帮我圈出最近7天内在广州、使用iOS、关注抖音财经频道、观看超过5条视频的用户。”
在字节跳动，每天都有数万次这样的“人群圈选”需求，用于广告投放、私域推送、AB实验、推荐策略。背后的圈选系统必须支持灵活组合、实时计算、千万级处理。本篇我们将带你构建一个简化版标签圈选引擎，覆盖标签逻辑表达 → 用户匹配计算 → 圈选结果生成全流程。

🧠 一、人群圈选系统的典型场景

场景举例
精准广告投放圈出“高消费意愿 + 特定品类兴趣”的人群
用户分层运营根据用户行为进行等级划分，触发不同运营策略
私域推送找到“活跃高价值用户”，分批发送微信/短信
推荐系统干预给“未完成引导页的新用户”定制内容分发逻辑

🏗️ 二、字节圈选系统的架构流程（简化）

+-------------------+
| 标签体系（TDS）    |
+-------------------+
         ↓
+------------------------+
| 圈选表达式引擎（DSL）    |
+------------------------+
         ↓
+------------------------+
| 实时计算引擎（Flink）     |
+------------------------+
         ↓
+------------------------+
| 圈选结果缓存 + 查询接口   |
+------------------------+

⚙️ 三、实战：构建简化版标签圈选引擎（Node.js 示例）

1. 定义标签字段及其支持的值

const userProfiles = [  { uid: 'u001', os: 'iOS', city: '广州', views: 8, tags: ['财经', '科技'] },
  { uid: 'u002', os: 'Android', city: '北京', views: 3, tags: ['搞笑'] },
  { uid: 'u003', os: 'iOS', city: '广州', views: 12, tags: ['财经'] },
];

2. 圈选表达式解析（可扩展为 DSL）

function match(user, query) {
  return (
    user.os === query.os &&
    user.city === query.city &&
    user.views >= query.minViews &&
    user.tags.includes(query.tag)
  );
}

const query = {
  os: 'iOS',
  city: '广州',
  minViews: 5,
  tag: '财经'
};

const result = userProfiles.filter(u => match(u, query));
console.log("圈选结果：", result.map(u => u.uid));

✅ 输出：['u001', 'u003']

🔍 四、工程化场景的进阶能力

能力字节实现方式
标签系统接入支持画像标签、兴趣标签、内容互动标签（TDS）
圈选 DSL用户可视化圈选器 → 转为 SQL/DSL 表达式
实时圈选接入 Flink + 实时标签流 + BloomFilter
圈选缓存Redis + HBase 缓存圈选结果，供下游系统调用
圈选校验支持样本导出 + 相似人群对比分析

🧬 五、推荐系统/广告投放如何用圈选？

用途场景
精准曝光只给“兴趣在科技且过去一周活跃”的用户展示某广告
冷启动内容找“兴趣未知、首次登录”的人群做策略干预
渠道归因圈出“从抖音企业号进入并下单”的人群做 ROI 分析
AB实验流量精准圈出“满足某特征组合”的实验目标人群

✍️ 六、总结与思考

  • 圈选系统 = 标签体系 + 表达式引擎 + 实时计算 + 缓存服务
  • 字节跳动的圈选平台支持亿级人群在秒级圈出 + 多系统无缝调用
  • 小团队完全可以用 JSON 表达式 + Node.js/SQL + Redis 构建“轻量级圈选平台”

🎁 拓展阅读推荐

  • 字节跳动《精准人群圈选系统架构分享》视频讲座
  • 腾讯云：人群圈选平台建设白皮书
  • Flink 实时特征圈选处理场景实录（含 SQL 示例）
avatar
文章
阅读
粉丝