用户标签体系

一. 为什么要做用户标签画像

1. 标签的本质

所谓的用户标签，就是对用户某个纬度特征的刻画和描述，让使用者能快速获取信息。

2. 标签的应用场景

用户标签的应用主要有四种场景：

• 辅助分析洞察
• 丰富数据分析的纬度
• 将用户群体切割成更细的粒度
• 作为数据产品的基础

需要注意的是，虽然用户画像体系是有价值的，但不是每个公司都能做的

• 是否有丰富和足够规模的数据源
• 是否有足够的人力和资源去建设和维护标签画像体系
• 是否有明确可落地的业务流程和人员

二. 如何构建完备的用户标签体系

1. 主流的标签框架

行业有四种主流的标签框架：
（1）基于营销触点的用户标签体系
它先把用户分为不同的营销阶段，再去细分每个阶段需要做的事情和标签。比如阿里系的标签框架 AIPL，它把用户对品牌的认知阶段分为感知、有兴趣、购买和忠诚这四个阶段，然后再基于这四个阶段要做的营销动作去做细分标签。
（2）基于增长漏斗的 AARRR 模型
它是一个很好的框架，无论是什么用户，都肯定属于其中一个阶段，然后再根据不同阶段需要做的增长策略，去总结用户身上的标签特征。
（3）用户价值分层模型
比如 RFM，它虽然只包含了付费用户，但付费用户是完全包含在 RFM 的框架内的。可以获知用户消费水平属于高中低的哪一层，用户最近有没有付费，我是否要对用户做营销。
（4）基于用户偏好的模型
举例说明，假如我是一个房产中介，我就根据我卖房的需要，把用户的行为信息都归纳到买房需求上。这种框架看上去是列举式的，缺少了生命周期那种大而全的美的理论，但它其实对于业务应用来说是完备的，标签做出来就能用。

2. 标签框架搭建

四步法：

• 还原业务流程：覆盖用户使用流程，梳理行为纬度，构建用户偏好
• 覆盖生命周期：缺乏行为偏好时，使用用户周期覆盖用户节点
• 明确商业目标：拆解目标人群和业务策略
• 从策略推标签

三. 标签的生产和创建有哪些细节经验

1. 标签生产的不同方式

• 事实标签：基于用户填写的某个确切资料打的标签
• 规则标签：基于我们设定的某个规则打的标签
• 算法标签：结合算法利用多个特征去猜测打的标签

2. 标签创建场景

• 规则型标签创建：将自然语言转换成规则配置，中高低分布分析
• 算法型标签创建：相似人群扩散

四. 如何利用好用户画像分析赋能业务落地

1. 用户画像的用法

（1）筛选客群输出
通过组合多个基础标签，可以快速做到很精细的目标人群输出。
（2）与只能运营平台打通，实现快速触达
实现精准筛选受众用户，并且基于用户的行为去实时触发各种推送、短信、弹窗或优惠券策略。助力运营部门快速试验不同的精细化运营策略，以及将成功的运营策略自动化。