淺談使用者標籤的實現困境和搭建方法

導語

標籤體系，在各大企業的業務場景中都有所應用，尤其是在使用者價值分層、精準營銷等方面發揮著很大的作用。但是有很多剛啟動數字化轉型的企業，對於如何搭建一套完善的、覆蓋整個使用者生命週期的標籤體系，還沒有非常成熟的認知。本章就之前筆者經歷的一個專案為例，向各位讀者展示目前使用者標籤體系的實現困境和搭建思路。

1、目前企業在標籤體系實踐中遇到的困境

每一個需求背後都有對應的痛點和問題，在講具體的方法之前，筆者想簡單闡述一下標籤體系搭建和實踐過程中企業一般會遇到的問題/困境，方便讀者理解本文的搭建思路、目的和未來的最佳化方向。

① 使用者標籤的一大作用是使用者分層，但是目前很多企業在搭建標籤的時候顆粒度太粗，導致使用者分層的邊界比較模糊，無法保證層之間的使用者差異性;

② 制定的標籤並未結合真正的使用場景，業務方難以使用，更多時候使用者分層和制定策略還是會強依賴業務的判斷。

2、使用者標籤體系的搭建方法

在筆者的經歷的案例中，某車企希望搭建一套能夠覆蓋汽車售前、售中和售後各環節的使用者標籤體系。

Step 1: 標籤體系規劃

我們首先根據標籤的用途進行劃分，將標籤體系分為4個大類：

① 使用者基本資訊標籤

包含使用者各類基本資訊的標籤，其中又包括人口基礎特徵、社會特徵等。可利用此標籤對不同基礎特徵的使用者進行分層和有針對性的廣告投放與營銷。

② 價值分層標籤

包含使用者產生多少價值的標籤，其中又包括使用者消費帶來的直接經濟價值，也包括使用者在內容創作/互動、車友會(活動)發起、使用者裂變(邀請好友、推薦試駕)等方面促進了平臺活躍，抑或是產生了其他層面的間接價值。

透過對使用者進行價值分層，我們可以對不同價值的使用者實施不同的營銷策略，在營銷資源有限時我們也可以將資源傾斜至高價值的使用者。

③ 使用者偏好標籤

透過使用者的偏好對使用者進行分層，從而向使用者推薦他們感興趣的產品/服務/內容等。其中包括啟動偏好、註冊登入偏好、車輛偏好、活動偏好、內容偏好、商城偏好等。

④ 使用者行為特徵標籤

列舉使用者在各板塊的關鍵行為，計算使用者在各板塊的行為次數/天數等絕對數量級資料，從而可以分析使用者對於某一板塊/功能的粘性。

標籤體系規劃思維導圖如下：

Step 2: 標籤體系中各部分進行搭建

在規劃完我們的標架籤體系框架後，我們需要透過一定的方法去往框架裡填充具體的標籤，從而保證標籤搭建完整、顆粒度精細，可以為業務方理解並直接使用：

① 使用者基本資訊標籤

在車企場景中，“使用者”的主體一般是“潛客”、“粉絲”或“車主”，但是從廣義上來說，“車主”使用的是“車”，車輛相關標籤也可以作為資料應用的維度，其中包括了車輛的使用、養修等標籤，所以我們將此部分的標籤分為“人”的資訊標籤和“車”的資訊標籤，但是“車”相關的標籤並不是本文重點，故不做贅述。

“人”的標籤，我們可以初步分為“人口屬性標籤”、“社會屬性標籤”、“業務屬性標籤”：“人口屬性標籤”中包括和使用者本身相關的資訊，比如年齡、性別、生日等;“社會屬性標籤”展現了使用者在社會中的身份特徵，其中包括職業、收入、教育程度等;

“業務屬性標籤”中包括使用者在車企各觸點(app、小程式等)中業務強相關標籤，包括但不限於會員等級、當前積分數、是否車主、擁有本品牌車輛數量等，這些標籤既不屬於“人口屬性”相關標籤，也不屬於“社會屬性”相關標籤，但是在使用者分析和分層方面也起到了一定的作用;需要注意的是，“業務屬性標籤”有可能會和之後板塊裡的標籤重合，但是用途不同。

上述標籤在搭建的時候，可以綜合考慮目前資料庫使用者表中有什麼屬性，並根據實際的需求進行構建，切勿漫無目的，不切實際。

② 價值分層標籤

前面我們說過，價值分層標籤分成“直接價值標籤”和“間接價值標籤”：“直接價值標籤”一定涉及到使用者給平臺帶來了直接的“金錢”收益，在車企中一般能直接帶來收益的無外乎整車銷售、精品商城銷售和售後服務，這部分標籤我們可以使用最經典的RFM模型，從最近一次消費距今天數、消費頻次和消費金額這些維度對前述三個板塊進行進一步拆解，區分使用者消費帶來的直接價值。

但是對車企來說，使用者帶來的價值不只是“金錢”價值，還有平臺促活，拉新獲客等方面的間接價值。我們在對使用者生命週期各版塊進行梳理盤點後，發現以下幾個模組能夠體現使用者帶來的“間接價值”：社群內容生產與互動(數量、質量)、粉絲人數、裂變拉新成功、積分消耗等，並就這些版塊搭建相應的標籤，反映使用者的間接價值。

③ 使用者偏好標籤

我們首先梳理了車企觸點上的使用者生命旅程：售前-售中-售後，這其中“售前”版塊又包含渠道拉新、觸點(app、小程式)啟動、整車瀏覽，售中版塊包含試駕、整車訂購，售後版塊包含社群(內容、活動)、車友會、精品商城、售後維修保養、客服服務等，就這些版塊搭建相應的標籤，包括xx行為的某一屬性偏好(例如商城瀏覽/購買品類偏好top、整車瀏覽的車型偏好top等)。

④ 使用者行為特徵標籤

該類標籤包含兩部分，一個是使用者生命週期，還有使用者具體行為的次數。同樣的，我們也按照前一類標籤的方法，找出使用者在生命旅程上的關鍵行為，並進行相應的計數，將某一行為的累計次數/天數作為標籤打在使用者身上。

另外透過關鍵行為的次數等指標可以推導使用者所處的生命週期(新使用者、活躍使用者、核心使用者、流失使用者)。關於各生命週期階段的臨界值(例如多少次/天的活躍才能算是活躍使用者)，建議初期可以先根據業務經驗，各方商討得出，後續則需要結合實際的資料對臨界值進行動態調整。

3、結語

以上就是使用者標籤在實踐過程中一些困境以及搭建方法的簡述。由於本文涉及方法論是由一個真實的案例脫敏、轉化得來，不方便透露過多細節，如有對使用者標籤體系感興趣的讀者，可聯絡筆者作進一步交流。

在本篇最後，有一點需要和讀者澄清：

標籤的搭建方式和劃分方法不止一種，除了本文提到的按照標籤用途劃分，還可以按照統計方式和時效進行分類：

按照統計方式分類，可以將標籤分為事實類(最基礎，無需大量業務判斷的標籤，例如會員等級、年齡、收入等)、規則類(需要一定業務經驗和判斷的標籤，例如最常見的RFM)和預測類(需要使用機器學習的演算法預測標籤值);

按照實效分類，也可以將標籤分為靜態標籤(標籤值不會隨時間變化，例如出生年月等)和動態標籤(標籤值會隨時間變化)。本文介紹的搭建方式僅供各位讀者參考，在實踐過程中，可不拘泥於本文所提供的方法，甚至可以將多種方法結合使用。

作者介紹：@ Albert，就職於某知名大資料服務公司，專注於資料產品、資料埋點和使用者行為資料分析和應用，“資料人創作者聯盟”成員。