深入了解用户标签体系 用户标签体系设计思路( 三 )


图 5 确定商业目的,设定目标
图 6 明确目标人群特征
图 7 抽取标签及属性值定义
图 8 效果评估
五、建立一个完整的标签体系的四个关键 建立一个完整的标签体系需要注重四点:了解标签的获得形式;清楚业务形态,以商业目的出发,汇集标签;对标签池进行分类和定义;标签的维护 。
下面我将一一展开:
图 9 如何建立一个完整的标签体系
1. 了解标签的获得形式图 10 了解标签的获得形式
首先我们都知道标签本身会有很多分类,但是从它的实现规则来看,大致可以分成以下几类:
(1)基于统计类的标签
顾名思义,这类标签是可以从用户注册、用户访问、消费类数据中统计得出,是最为基础的标签类型,例如:性别、城市、App 使用时长、周均启动次数、月均消费金额等字段构成了用户画像的基础 。
(2)基于规则类的标签
该类标签基于用户行为及确定的规则产生,在实际开发标签过程中,该类标签的规则由运营人员和数据人员共同协商确定 。如:距今 90 天内交易次数 > 3,是“交易活跃”标签的定义和口径;连续 12 个月内飞行航段 > 20 ,是“常旅客”标签的定义和口径 。
(3)基于挖掘类的标签
该类标签为概率模型,概率是介于 0~1 之间的数值,需要通过算法挖掘产生 。例如:根据一个用户的行为习惯判断是男性还是女性,根据一个用户的消费习惯判断其对某商品的偏好程度 。
需要注意的是数据源的梳理和基础规则的应用是应用挖掘类标签的前提 。如果企业的数据源没有做规则,基础没打好,挖掘类标签可以暂时不考虑 。因为建立规则仿佛在搭建一个小阶梯,如果这个阶梯搭好,证明你的数据质量和存在应用提升空间,你再往上提一阶是比较合理的方式 。
因为这里会涉及到成本的投入和人员的应用能力,这是个循序渐进的过程,包括我们给客户服务的时候都会给他强调存在阶梯式递进的过程 。
另外,图 10 中的用户自然属性、用户交易数据、用户资产数据、用户行为特征、第三方来源数据是基于数据源或具体的业务场景做的标签分类 。事实上,最终呈现的标签,一般都是以业务视角的,标签与应用场景,以及统计的属性源会都有关联 。
之所以这样做,是因为这样的标签是以用户视角定义的,让用的人知道这个标签代表了什么含义,而不是了解通过什么方式抽取的 。所以,我们真正给客户梳理标签的时候大多都是基于用户视角梳理 。
2. 清楚业务形态,以商业目的出发,汇集标签 (1)还原业务流程
图 11 还原业务流程
用户画像首先是基于业务模型的 。业务部门连业务模型都没有想好,数据部门只能巧妇难为无米之炊 。但是数据部门也需要注意不能闭门造车,这其实跟做产品一样,连用户需求都没有理解透彻,匆匆忙忙上线一个 APP,结果往往是无人问津 。因此,企业构建标签的之一个步骤为熟悉业务 。
事实上,我们在给客户做咨询的时候,有的客户刚开始会认为我们没有做过他的业务,并不清楚其业务形态,无法精准的梳理标签体系,但是,很快他们就会打消这个念头 。因为我们做咨询的人会有一个体系化、 *** 论和迁移能力 。
例如:我在进入互金行业之前是做
游戏
行业的,但在两个月之内我对互金产品体验和对这个行业的把握可以达到在这个行业做了三年都达不到的水平 。为什么呢?
我会试用行业头部所有的产品,去真的做投资,把它们的产品体验和营销策略梳理出来,并在这个过程中运用之前学到的体系和 *** 论对这个应用场景做调整,事实上,你会发现真正做咨询和用户本身对业务的理解是互相匹配的过程 。做业务的人很可能对这块业务相对熟悉的,但是他对怎么把这套东西体系化和交付给其他人去应用会比较陌生 。所以,这也是企业需要咨询的价值 。
(2)明确商业目的
图 12 明确商业目的
这一步是需要明确标签是用来干什么的 。每个公司,甚至每个运营对标签体系的设立都是非常不一样的 。比如:企业要做个性化推荐,做关于物或人的兴趣、偏好的标签会比较有价值,但是如果企业要做用户运营,做关于用户的留存、活跃标签会更有价值 。所以标签体系的建立最终是跟企业的商业目的强相关的 。
(3)汇集标签
图 13 从策略推标签
关于汇集标签,需要结合企业的运营策略和应用场景,使用户人群的定义归结到原子层的标签,考虑到涉及哪些数据源和标签赋值的区分度,这些最终会成为企业标签体系架构和标签数据源的梳理原则 。


推荐阅读