查看原文
其他

准确定义用户标签,从这6大规范开始

奋斗的Hu先生 易观方舟AnalysysData 2023-11-09

↑点击关注↑开启精益成长


上一篇文章《做好用户标签体系建设,打好精细化运营的底层基础》,我们为大家介绍了用户标签体系是什么、它的层次化结构,以及定义用户标签的6大规范。

这篇文章将为大家详细讲解用户标签的6大规范是什么,以及应该如何定义。


规范一:标签名称


当我们创建一个标签时,定义标签名称的出发点,应该是让每一个看到它的人都能够快速地、不加任何思考地、不产生任何歧义地理解标签名称代表的含义。


标签的命名遵守两个原则:


原则1:标签名称“名副其实”和“简洁易懂”


我们在定义标签名称时要避免使用特殊字符,如“#消费次数#”;避免中英文混用,如“user活跃度”;避免使用中文数字,如“最近三十天购买金额”。


 原则2:遵照一定的行业惯例或规范,保证同一类标签名称相对统一,如下表所示:


规范二:标签类型


当我们创建新的标签时,应该明确标签归属什么类型,即标签由何种方式产生。标签和类型可以从两个维度进行划分。


第一个维度:标签是否变动


从标签是否变动,我们可以将标签分为静态标签和动态标签。静态动态的划分是面向业务维度,便于运营人员理解标签体系的设计,并方便表达需求。


○ 静态标签是指基本不会变化的标签,如人口统计学上的属性、会员在产品的注册日期等。另外一些需要人工输入、维护的标签,我们也认为是静态标签,虽然这种标签也会有变化,但其变化一般都是由数据运营方自发的去人工维护,不具备动态标签的含义。


○ 动态标签是指会随着时间变化动态变动的标签,它能反映用户实时的目的、洗好,如用户活跃、消费频次等。


静态标签可以从一定程度上区分用户的不同,但除了一些低频的业务场景,完全通过静态标签构建用户画像,很难真正洞察用户多变的需求,更不用说通过静态标签给客户提供个性、恰当的产品与服务。静态标签可以作为理解用户的补充,尤其是在一些通过线上触点的手段无法收集到的数据。这个目前比较典型的就是在一些SCRM或者公众号、企业微信中的用户标签,这类标签主要依赖于运营方对于用户的了解,手动进行维护,打标签。


因此,我们建议企业要将动态标签纳入标签体系。通过动态标签才能真正把握用户与企业交互时的需求表现与反馈,进而为用户提供相应的产品与服务。


第二个维度:数据提取加工方式


从数据提取加工方式,我们可以将标签分为事实标签、统计标签、规则标签和挖掘标签。


○ 事实标签


从数据中直接提取出来,不需要其他的加工操作,一般来自用户直接填写或上传的信息,如性别、年龄、职业等,属于完全客观,在产品内外通用的标签。


○ 统计标签


基于用户与产品的交互行为记录,通过统计模型输出结果,客观反映用户在产品中的真实表现的标签,如周交易次数、月消费金融、最后活跃时间等。统计标签是构成整个标签体系的基础。


○ 规则标签


通过一定规则建立模型得到的标签,也可以说是总结规律得到的标签,一般给予事实标签和统计标签构建,多用于用户分层和用户分群,如累计交易次数>50次为“钻石用户”,最后活跃时间距今超过90天为“流失用户”等。


○ 挖掘标签


基于用户过往的行为与偏好,通过算法预测用户未来的行为或价值;基于不同用户的行为特征,进行自动化的分群聚类,如预测流失概率标签,用户终身价值标签等。


根据易观方舟服务上百家各行业头部客户的经验,在企业还没有完善数据采集与治理、规范标签定义与规则之前,盲目进行挖掘标签的加工,实际效果将非常有限。所以我们一般建议企业在基础没有打牢之前,不新增挖掘标签。


规范三:计算规则


标签的计算规则用于解释标签从何而来。清晰明确的计算规则可以让使用者快速判断该标签是否满足他的需求。


事实标签一般直接从用户信息表中直接获取,此类标签的规则相对简单,直接描述标签的来源即可。


统计标签主要针对标签的含义,如用户近30天IOS平台订单总金额,进行规则的定义,明确统计的时间周期(最近30天)、限制条件(业务类型为IOS平台)、统计指标(订单金额)、统计方法(求和),则是计算用户在最近30天在IOS平台的消费总金额。


规则标签更多基于对业务的判断进行标签加工,如用户购买力,通过对不同维度的指标进行加权汇总,如下单次数、下单总金额等,然后对分值进行划分,指定为高、中、低不同的层级。这就需要明确分值计算方法和不同分值的对应层级。


挖掘标签很难直观地解释计算规则,因为涉及到基于模型的算法,而算法会有不同的调参过程。所以,此类计算规则并不适用挖掘标签。


规范四:标签取值


目前常见的标签取值类型有字符、数值、布尔、集合和时间。在定义标签时应考虑标签的具体业务意义及需要应用到的场景,选择合适的标签取值类型,如下表所示:


字符主要针对直接描述用户的标签,可读性高,如性别、职业等事实标签;如登录次数最多的平台、购买次数最多的品类等统计标签;如用户生命周期、营销敏感度等规则标签。


数值主要记录用户行为发生的次数、占比等,常用于统计标签,以及挖掘标签中涉及的概率预测。数值的二次加工场景较多,基于数值可以组合更多解读性更好的标签用以描述用户。


布尔值标签主要是针对用户分类,标记用户是否属于某一分类,如是否二次购买,是否绿码等等。


集合类型标签主要会标记用户多个标签取值,如在其他几类取值类型下,用户仅仅会标记一个标签值,而当用户要被标注多个标签值的时候,采用集合类型。如:最喜欢的3个品牌、购买单价最高的10个商品等。


时间类型标签主要存储有关用户时间类属性的标签值,如首次登陆时间、最后购买日期、出生年月日等等。一般时间类型直接按照毫秒级精度进行存储,应用时进行格式化展示(根据展示需要格式化为日期、时间等等)


规范五:调度方式


以上四个规范确定后,标签已经具备开始生产的前提。


调度方式是指确定标签的执行周期,也就是这个标签需要多久计算一次、什么时候计算一次,是一次性还是周期性加工的标签。


调度方式的选择基于业务部门对标签的使用场景确定,如用户属性标签的更新频率较低所以只需保证增量更新即可;如高频交易业务的用户行为标签,则需按天更新,低频交易的业务按月更新即可。


我们不建议一味的追求标签的高频更新,更应该结合实际的业务需要和计算标签所消耗的服务器资源,折中的进行考虑,选择最恰当的更新频次,以免造成对资源的无端浪费。


规范六:标签权限


用户标签虽然是对用户行为的归纳、总结,但仍然反映了用户真实的行为、需求,甚至是一些用户自然属性、账户属性相关的敏感数据。因此,企业应当把标签数据纳入整个数据安全的管理范畴内。


不同的标签种类对不同的员工、角色进行不同的授权管理,不同的业务部门查看、使用与自身业务部门相关的标签。


对用户标签的授权应遵循最小、够用原则,切莫盲目进行授权,增加用户信息的泄漏风险。


Analysys

关于易观数科

易观数科是国内专业的一站式全场景私域用户运营解决方案服务商,旗下拥有易观方舟智能分析、易观方舟智能运营、易观方舟智能画像三大产品组件及配套咨询服务,帮助企业沉淀数字用户资产,打造数据驱动运营闭环,建立私域用户亲密关系,实现精益成长。


点击「阅读原文」构建用户标签与画像

↓↓↓ 
继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存