作者：NK冬至 首席数据科学家

“ LBS相关的标签，是用户标签画像系统中的重要内容。 ”

好久没有分享关于用户画像、用户标签相关的内容了。关于标签数据，之前有分享过 《用户生命周期标签的计算》、 《用户偏好兴趣类标签如何计算》。今天分享一下，关于LBS相关的标签内容。

01 什么是LBS

讲LBS标签之前，先来看看LBS具体的一些内容吧。

（1）什么是LBS服务

LBS，即基于位置的服务（Location Based Services）。其实在日常我们的生活中，关于LBS的服务是非常常用的。

目前主要的LBS服务提供商，就是高德、百度、腾讯这些比较常见。其他绝大部分的APP应用，都是调用这些服务厂商提供的接口服务能力。

像我们常用的百度地图，基本产品逻辑就是围绕地理位置进行的。比如进行定位服务、路线规划、地点搜索、导航等等。

再比如，外卖软件中骑手配送路径的实时展示、配送员调度等。

相关的应用很多，所有涉及到地理位置的相关功能，都属于LBS的范畴。

（2）LBS服务的类别

总结下来，主要的LBS相关的服务可以总结为五类：地图服务、搜索服务、定位服务、路线规划服务、导航服务。

  • 地图服务

这个比较好理解，地图是LBS服务的基础。无论是导航、还是看定位等，都是要基于地图进行呈现。

虽然地图很常见了，但是其实关于地图呈现的内容是非常多的。比如，地图的风格、地图的覆盖物（比如交通轨道、河流等）的选择、聚合点的设置、地图中心位置的设置等等……

  • 搜索服务

所谓的搜索服务，即对地理位置相关的内容进行搜索。

基于不同的搜索对象，可以将搜索分为：POI数据搜索、地址数据搜索、行政区划数据搜索、公交数据搜索等等。

比如上面，就是一个POI的搜索，这里能看到一个周边的围栏。关于POI和地址围栏，我们后面展开阐述。

  • 定位服务

定位其实比较好理解，就是确定目前设备所处的位置。

通常，服务提供商提供的定位信息，是基于GPS、基站、WIFI等内容进行的混合定位。相对单模式定位，会更加精准。

  • 路线规划及导航****服务

路线规划服务也比较好理解，就是提供两点之间的路线规划。

路线规划是导航的前提。根据交通方式的不同，可以有多种路线规划方式，比如驾车路线规划、公交路线规划、骑行路线规划、步行路线规划等。

02 POI和地理围栏

上文中，我们提到了POI和地理围栏，由于比较重要，这里着重展开介绍一下。

（1）什么是POI

所谓的POI，即Point of Interest。怎么理解呢？比如，一个学校、一个小卖部、一个公交站、一个小区，都可以理解成一个POI。

想象一下，地图只是提供了一个底层的画板，只有在地图上叠加一个个的POI点位，地图的信息才能丰富起来，数据才有了价值。基于一个个的POI信息，可以进行更好的搜索、定位等等功能。

比如上图，我们搜索“便利蜂”，出现的结果，就是和便利蜂相关的POI列表。

通常一个POI必备名称、地址（具体地址）、坐标（经纬度）、类别四个属性。至于其他属性，比如手机号、省市区等等，属于扩展信息。

（2）示例：高德的POI数据

我们看一下高德对外提供的POI接口数据。

首先是按照行政区域的POI数量：

我们可以看到，光北京市的POI数量就达到了347万个。

我们看具体POI列表，就比较容易理解了：

上面有机关单位、有汽车维修、有餐厅……这一个个具体的点，都是POI。每个POI除了列表中呈现的信息：名称、地址、电话、类别，还有啥信息呢？如下图：

看到了吧，信息是非常全的。还有街景信息，这里就不放截图了。

（3）地理围栏

上文讲了POI。注意，POI是一个【点】。和【点】对应的概念是【区域】，我们称之为“围栏”。

比如一个小区，虽然也可以在POI列表中呈现，可以用一个经纬度表示定位。但我们知道，小区其实是一个区域，而不只是一个点。这时，如果为了更加精准的分析服务，我们需要用到地理围栏。

所谓围栏，就是一个封闭的区域。例如下图：

百度地图中，用虚线将颐和园的边界进行了围起来。我们可以清楚的了解颐和园的区域范围，而不仅仅是一个POI点信息（其实颐和园也是有POI点的，上图中的序号位置1，就是颐和园的POI。如果只有POI而没有围栏，是不是效果差很多？）。

当然，大部分地理信息其实是不需要围栏的。比如便利蜂，我们没必要知道便利蜂门店精准的区域，基本经纬度就可以了。但是比如行政区（例如北京市海淀区）、小区、学校等，还是有必要了解围栏信息的。

03 地理位置标签

关于LBS和POI等相关的内容，上面也只是概括地讲了讲，细节层面确实内容非常丰富，值得大家深入研究研究。这里是时候进入我们的正题了，那就是地理位置相关的用户标签。

首先明确一下，我们这里的标签对象，是人：即给人打上和地理位置相关的标签。

（1）需求背景

我们在精准营销中，经常需要结合地理位置信息进行定向人群圈选，从而精准触达。

举个例子。我是一个线下便利店的店长，经营原浆啤酒。由于保质期短，且线下经营，潜在顾客基本就是店周边小区的人群，而且是爱喝啤酒的男顾客偏多。

因此，我需要营销触达的人群应该是【门店周边3KM居住小区】+【男顾客】+【爱喝啤酒】。

关于【男顾客】、【爱喝啤酒】应该是基础标签、偏好标签，可以参考 《用户偏好标签计算》。至于【门店周边3KM小区】这个标签该如何获得呢？

对，这就需要地理位置信息相关的标签了。

**（2）具体计