营销客群规则引擎

用户画像系统标签数据持久化存储到MPP类型数据库，需要借助画像标签构建筛选查询。前端UI提供交互操作界面自由组合标签筛选条件，画像规则引擎基于组合设计模式生成树结构，通过树提供脚本生成规则校验，以及画像规则树条件节点通过策略模式生成数据库筛选SQL脚本，然后通过SQL脚本即可查询数据库获取数据。

用户画像标签涉及数值类型、文本类型、时间类型和级联类型条件自由组合，需要考虑实现扩展性和实现复杂度，不经过规范设计可能导致代码实现逻辑复杂，代码臃肿扩展性也就不言而喻。

一、实现方案

本次发明目的是使用委派设计模式打造一套用户画像规则生成方法，主要流程涉及前端UI交互、数据协议以及驱动引擎模块生成实现。

二、前端UI交互

如下图案例，前端UI交互通过"加条件"和"加条件组"按钮任意位置灵活组合筛选条件，根据与或非组装筛选逻辑内容。

"加条件"按钮只能追加当前层级筛选条件，比如"基础信息/注册日期"+相对日期+最近一周。"加条件组"可以其后追加一个与或非+至少2个条件的条件组，比如（"基础信息/经营状态"+精确匹配 +在营）且（"基础信息/常驻地"+匹配+广东省/广州市、广西省）。

三、数据协议

根据前端UI交互展示，通过树结构进一步抽象就如下图所示。根据树结构特性，树结构叶子节点不能包含子节点，规定树结构叶子结点为筛选条件节点。然而，树结构非叶子节点可以包含子节点，规定为与或非逻辑节点，定义为关系逻辑节点，可以看出关系逻辑节点可以包含任意关系逻辑节点和筛选条件节点。

前后端数据通过JSON格式数据进行交互，所以协议就按照JSON进行约定。通过树结构约定，筛选条件节点需要包含筛选条件标签信息、筛选条件逻辑和筛选条件内容。其次，为了减少前后端交互信息查询，添加额外字段进行前端回显。

json 复制代码

{
  "tagCode": "TAG1",     // 标签代码
  "tagName": "注册日期",  // 标签名字
  "tagType": "number",   // 标签类型
  "tagLogic": ["relative","last_near_day"],  // 筛选条件逻辑, 可以包含多个
  "tagValues": ["10"],        // 筛选条件
  "tagValueLabels": ["10"]    // 前端回显值
}

其次，根据约定与或非逻辑节点用于进行子条件组合，也是通过JSON进行约定。

json 复制代码

{
  "relationLogic": "or",   // 关系逻辑, 与(and), 或(or)
  "groups": []             // 条件组
}

因此，按照约定上面案例根据两种节点进行组合，数据协议内容如下。

json 复制代码

{
  "relationLogic": "or",
  "groups": [
    {
      "tagCode": "TAG1",
      "tagName": "注册日期",
      "tagType": "date", 
      "tagLogic": ["relative","last_near_day"],
      "tagValues": [], 
      "tagValueLabels": [] 
    },
    {
      "relationLogic": "and",
      "groups": [
        {
          "tagCode": "TAG2",
          "tagName": "经营状态",
          "tagType": "text", 
          "tagLogic": ["in"],
          "tagValues": ["在营"], 
          "tagValueLabels": ["在营"] 
        },
        {
          "tagCode": "TAG3",
          "tagName": "常驻地",
          "tagType": "region", 
          "tagLogic": ["in"],
          "tagValues": [
            {"level":1, values:["001000"]},
            {"level":2, values:["002001"]}
          ], 
          "tagValueLabels": [
            {"level":1, values:["广西省"]},
            {"level":2, values:["广州市"]}
          ]
        }
      ]
    }
  ]
}

四、画像规则引擎

前端UI交互实现筛选条件自由组合得到规定数据JSON结构，使用Ajax传递给画像规则引擎进行解析。画像规则引擎使用递归+循环解析树结构，使用组合设计模式构建规则树，然后基于规则树提供检查节点数据是否符合要求，以及基于规则树使用策略和委托模式生成查询脚本。

4.1 画像规则树构建

根据前端UI交互案例获取画像规则JSON协议数据，然后采用组合设计模式抽象规则树结构，通过画像规则驱动（PortaitRuleDriver）持有规则树（node）和数据维度（dims），关系逻辑节点通过组数组（groupNodes）持有多个子节点，筛选条件节点仅包含筛选条件信息。

那么，通过分析发现一个永恒公式：筛选条件SQL = select 维度 from 标签表 where 条件。维度可以通过addDim方法灵活添加，筛选条件通过Node节点生成，然后进行组装即可获得满足要求的少选SQL。

完成树结构形式定义，接下来解析JSON数据协议构建这棵规则树，构建流程主要使用递归+循环逻辑，主要流程如下。

4.2 规则树生成查询语句

通过画像规则JSON协议数据构建画像规则驱动，接下来需要通过画像规则驱动生成查询语句，首先调用规则树生成规则筛选条件，其次和用户客群标识进行组装生成查询语句。

4.3 生成筛选节点条件

筛选条件生成流程，主要包括数据类型转换和生成筛选条件，最终返回生成的筛选条件SQL

案例：注册日期+条件（相对时间，最近10天）

json 复制代码

{
  "tagCode": "TAG1",     // 标签代码
  "tagName": "注册日期",  // 标签名字
  "tagType": "date",      // 标签类型
  "tagLogic": ["relative","last_near_day"],  // 筛选条件逻辑, 可以包含多个
  "tagValues": ["10"],        // 筛选条件
  "tagValueLabels": ["10"]    // 前端回显值
}

首先，根据标签编码查询可以获取数据表字段，"tagCode"="TAG1"查询得到字段为reg_date字段其次，根据筛选条件进行数据类型转换，如果当前时间为**2024-07-18**，那么"注册日期"根据"tagLogic"=["relative","last_near_day"]和tagValues=["10"]内容即可生成['2024-07-08', '2024-07-18']条件数据。

最后，根据筛选条件关系进行筛选条件生成，也就是"注册日期"根据转换数据['2024-07-08', '2024-07-18']和"tagLogic"=["relative","last_near_day"]生成SQL查询条件reg_date between '2024-07-08'and '2024-07-18'。

五、总结与思考

根据需求与神策竞品内容可以清晰发现需要的演进方向，然后进行扩展性设计，满足业务灵活进行标签交并差操作。