福运通网络营销与深圳SEO优化第一品牌

专为中小企业提供网络营销服务
最新资讯

什么是用户标签体系,教你用3分钟看懂用户标签体系。

    Time: 2020-09-17来源:福运通

通过给用户建立标签,可以实施更精准的运营,本文作者就教你用3分钟看懂用户标签体系。

随着越来越多的企业开始追求对用户的精细化运营,用各种手段延长用户的生命周期,促进用户的活跃与转化,并尽一切可能产生商业价值,已经是运营的核心。

要做好精准化运营的第一步,便是更好的认识我们的用户,识别我们用户的各类特征,构建一个完善、精准、动态的标签体系,实现全用户的价值增长。

下面我将结合自身经验,说说我认为用户标签该怎么做:

一、业务梳理

搭建用户标签体系需要考虑到后期标签的维护和扩展,可以用以下的思路来思考,通过业务流程把数据串联在一起,我们以一个电商类app为例,思考如下问题:

用户从何来?

用户注册信息是否有?

用户登录的设备信息是否有?

用户进了app产生了何种行为?浏览了多少商品,是否有加购物车?

用户是否产生了消费行为?消费频次消费金额怎么样?

用户打开app频次怎么样,最近一次打开是什么时间?

用户偏好什么类型商品?

……

我们可以思考一个用户整个生命周期可能产生什么数据,将整个业务串联起来。

梳理结果可能如下:

二、将标签进行分类、定义

整理了业务数据后,我们可以根据这些数据的属性进行分类组合形成标签,形成一个结构清晰,也可展示各标签之间关联的标签表,也为后续独立计算某个标签下的属性偏好或者权重提供方便。 梳理标签时,尽量做到相互独立完全穷尽,保证每个子集的组合都能覆盖上层的所有数据。标签的层级可以控制在四级以内。

根据数据的时效性来看,标签可以分为静态标签(长期不会改变,例如性别、生日、注册信息等)、动态标签(需要定时更新保证标签有效性,例如用户活跃情况、购买情况)。

从标签生成方式来看,也可分为事实标签、规则标签、预测标签。

事实标签即从原始数据中提取,例如用户注册信息中提取用户性别、生日、注册手机号、注册城市等。

规则标签即没有直接对应数据,需要通过规则进行定义,通过计算来得出标签,例如流失用户、支付偏好等。

预测标签即参考已有事实数据,来预测用户的偏好,例如根据用户历史的购买行为来预测其群体特性。

在定义一些规则标签时,我们需要对业务有个深入的了解。

例如:定义流失用户时,究竟怎样算流失?30天内未登录?还是60天内未购买?很多类似这种标签的定义会各种各样,我们需要和各方进行口径对齐,保证大家对标签定义的理解一致,以及标签后续的可用性。

整理标签如下:

三、标签处理

将标签划分为静态、动态,有助于运营人员理解标签体系的设计以及表达需求。而将标签分为事实标签、规则标签、预测标签则是数据处理计算维度,有助于技术人员理解标签的模块分类及功能,帮助他们合理的设计处理数据,规划数据储存方式、抽取方式、计算方式,以及保证标签的更新及时性及数据变更效率。

在实际处理中会遇到一些问题,例如基础属性信息缺失、行为属性规则不能灵活设置、数据不够导致无法创建想生成的标签等。我们可以通过建立模型,计算用户相应属性的匹配,也可以通过模型,计算缺失的事实标签。

例如可以根据用户浏览记录、购买记录行为来预测用户的性别偏好度,以此来填充缺失数据。

标签也可设计成灵活配置,运营人员可以根据自己的需求,灵活更改标签的定义规则来圈定本次活动目标用户。例如可以支持时间和单数的更改选择,最近30天内下了3单->最近60天内下了6单。

支持创建组合标签,可以解决标签的扩展问题,除了原有规则定义,还可以将多个标签进行组合创建新的复合标签。

深圳SEO:http://www.tianying888.com

关键词:用户标签体系