2分鐘了解用戶標籤體系「用戶標籤體系是什麼意思」

為什麼要做用戶標籤畫像？如何構建完備的用戶標籤體系？標籤的生產和創建有哪些細節和經驗？如何利用好用戶畫像分析賦能業務落地？

相信在閱讀本文後，您的困惑都將迎刃而解。

一．為什麼要做用戶標籤畫像？

1. 標籤的本質

簡單地說，所謂的用戶標籤，就是對用戶某個維度特徵的描述。

對一群用戶來說，我們為了讓業務做得更好，會想知道他們的很多特徵。比如，我們這一季度有 10 萬元的活動預算，應該集中花在哪裡？這個問題，其實是希望能對給定用戶群體的商業價值做很好的描述，知道哪些人是應該重點服務的對象。

圖 1 標籤的基本含義

用戶標籤可以有很多種存在形式，可以是用戶的自然屬性，可以是對用戶交易、資產數據的統計指標，也可以是基於某些規則，總結出的一些分層。無論是哪種形式，都是對用戶的某個維度特徵做描述與刻畫，讓使用者能快速獲取信息。

圖 2 標籤的常見形式

2. 標籤的應用場景

按照我們在多家不同企業落地標籤體系的經驗，用戶標籤的應用主要有四種場景。

首先是輔助分析洞察，用戶標籤可以輔助業務人員快速獲得用戶的信息認知，發現顯著特徵，獲得業務靈感。

其次是豐富數據分析的維度，對我們的業務數據做更深層的對比分析。分析洞察獲得業務靈感後，標籤可以輔助業務落地。

再次可以將用戶群體切割成更細的粒度，使運營從粗放式到精細化，以多種運營觸達手段，像簡訊、推送、活動、優惠券等等，對用戶進行驅動和挽回，達到事半功倍的效果。

最後用戶標籤還可以作為數據產品的基礎，例如個性化推薦系統、廣告系統、CRM 管理工作等。自動化的業務系統能更有效地利用用戶標籤的威力。

圖 3 標籤的四大應用場景

需要注意的是，雖然用戶標籤畫像體系是有價值的，但不是每個公司都能做。

第一，企業需要有足夠豐富的內容、商品、服務或客戶屬性層次，或者業務進入穩定期的客群量級達到一定規模。

第二，用戶標籤體系有建設和維護成本，公司需要有相對完備的用戶行為數據採集能力，如果沒有豐富的數據源，用戶標籤也是巧婦難為無米之炊。建設需要衡量資源投入和性價比。

第三，標籤畫像體系並不是一個拿來即用的東西，它需要投入一定的人力和資源去建設和維護，才能和公司的業務場景很好地結合，發揮它的價值。

第四，公司在建設標籤畫像體系之前，應該先想好它需要落地的業務場景。如果沒有明確可落地的業務流程和人員，即使花了大力氣去建設用戶標籤體系，它也只是一堆死數據，只能擺在那裡存著，這就沒什麼意義。技術並不是萬能的，要和商業進行結合。

二．如何構建完備的用戶標籤體系？

1. 主流的標籤框架

行業有四種主流的標籤框架：

第一種是基於營銷觸點的用戶標籤體系，它先把用戶分為不同的營銷階段，再去細分每個階段需要做的事情和標籤。比如阿里系的標籤框架 AIPL，它把用戶對品牌的認知階段分為感知、有興趣、購買和忠誠這四個階段，然後再基於這四個階段要做的營銷動作去做細分標籤。

第二種是基於增長漏斗的 AARRR 模型，它是一個很好的框架，無論是什麼用戶，都肯定屬於其中一個階段，然後再根據不同階段需要做的增長策略，去總結用戶身上的標籤特徵。

第三種是用戶價值分層模型，比如 RFM，它雖然只包含了付費用戶，但付費用戶是完全包含在 RFM 的框架內的。可以獲知用戶消費水平屬於高中低的哪一層，用戶最近有沒有付費，我是否要對用戶做營銷。

第四種是基於用戶偏好的模型。舉例說明，假如我是一個房產中介，我就根據我賣房的需要，把用戶的行為信息都歸納到買房需求上。這種框架看上去是列舉式的，缺少了生命周期那種大而全的美的理論，但它其實對於業務應用來說是完備的，標籤做出來就能用。

圖 4 業內主流的四種標籤框架

在使用框架設計用戶標籤體系時，應該去理解消費者的決策過程，考慮商業業務的形態，配合業務人員的作業需求。這些概念比較虛，但一個好的用戶標籤體系離不開這些思考。

神策認為，好的標籤框架，一定是基於業務場景的。它應該要完備地覆蓋用戶的行為周期和業務的工作流程。

2. 標籤框架搭建四步法

接下來介紹神測數據基於最佳實踐總結出的標籤梳理框架，我們稱之為四步法。

第一步，還原業務流程。以一個典型的電商業務為例，將它的業務流程漏斗梳理出來，分別是啟動 APP，註冊登錄，瀏覽活躍，一些深度行為比如收藏和加入購物車，付費和重複付費，最後是沉默流失。然後在用戶流程的每一步，梳理出這個行為的一些維度。可根據用戶在這方面的行為，去構建「用戶偏好」標籤。

圖 5 標籤框架四步法之還原業務流程

第二步，覆蓋生命周期。剛才的梳理都是基於用戶行為的，但有時候沒有辦法獲取用戶行為偏好。這時，就可以以用戶的「生命周期」，去提供兜底的邏輯。可以以用戶生命周期的狀態，作為營銷的觸點標籤，提供通用分層。

圖 6 標籤框架四步法之覆蓋生命周期

第三步，明確商業目標。用戶標籤體系是需要應用的，在此案例里，建設用戶標籤體系，是為了希望通過精細化運營提高整體的交易金額。我們接下來對交易金額這個商業目標，通過業務流程進行拆解。

交易金額可簡單拆分為新用戶的交易額和老用戶的交易額。達成交易的過程又可拆分為新增啟動，到註冊，到瀏覽詳情，到深度行為，最後再到付費。對拆解出來的每一個環節，可以去想在這個環節能有什麼策略去提高交易金額。比如對於老用戶，是不是可以通過挽回具有付費傾向的潛在流失人群，去提高整體的交易金額呢？這就是我們梳理出來的標籤可以落地應用的場景。

圖 7 標籤框架四步法之明確商業目標

第四步，從策略推標籤。比如，我們決定挽回具有付費傾向的潛在流失人群，那就需要知道用戶交易的價值，交易到流失的生命周期，他們下個月的流失概率，以及如果我要對他們做營銷，他們喜歡的優惠券類型。

到這裡，我們就從純粹的業務流程梳理，落實到了具體的標籤需求。我們剛才把交易金額拆分了很多環節，每個環節都有不同的可以落地的業務策略，它們的可行性和收益各不相同。最終，可以根據業務實際的需要，去決定不同策略需要用到的標籤。

圖 8 標籤框架四步法之從策略推標籤

從策略反推需要的標籤，其實是一件比較需要業務經驗的事情。如果這一步還比較迷茫，可以先反過頭來看，如果我們已經把標籤做好了，業務人員要怎麼去使用它。

業務部門應用標籤的流程，通常可以歸納為三個問題：

目標人群是誰？
目標喜歡什麼？
我應該做什麼？怎麼執行策略？

對於第一個問題來說，是一個戰略性的問題，定位目標人群，往往應該先看商業價值類的標籤，去幫助他們解決影響商業價值最大的人群的問題。

而對於目標喜歡什麼這個問題，如果目標人群有明確的行為數據，那應該去看用戶偏好標籤。如果目標人群的行為數據比較少，比如新用戶和沉默用戶，那應該從他們所處的生命周期標籤出發，去計劃促進轉化或者召回的策略。

當策略方向有了，還需要一些具體的參考信息比如什麼時候做推送，這時候就需要一些具體的營銷時機標籤比如用戶一般的活躍時間段，來幫助計劃方向的落地。

這四個主題的標籤，分別在我們的四步框架的每一步，都可以重點梳理這樣的標籤。最終，這四個主題標籤也將構成我們完整的標籤體系。

圖 9 業務部門的標籤應用流程

三. 標籤的生產和創建有哪些細節經驗？

1. 標籤生產的不同方式

我們已經知道怎樣梳理一個完整的標籤框架，接下來我們要完善每個標籤具體的定義。我們通過一個趣味故事來體現用戶標籤定義的複雜性。

小紅和網友張三見面喝咖啡：

張三在社交 APP 填的資料是男性。
張三濃眉大眼臉型方正，穿著很有設計感的裙子。
張三結賬時使用刷臉支付，沒有獲得當天的女性九折優惠。

請問，張三到底是男生，還是女生？

這個故事裡，其實張三有三個性別標籤。

首先是社交 APP 的資料，因為他填寫了男性，所以我們可以認為他是男性，這是基於某個確切資料打的標籤，這種類型叫事實標籤。

張三穿的是一件很有設計感的裙子，按照我們過去的經驗，一般只有女性會穿裙子，所以我們也可以認為張三是女性。這是基於我們設定的某個規則，只要有人穿裙子就是女性，去打的標籤。這種類型叫規則標籤。

最後，張三刷臉支付沒有獲得活動女性優惠。攝像頭是利用演算法結合多種特徵去預測張三是女性的概率的，因為張三長相很陽剛，演算法認為他是女性的概率比較低，所以打標籤他是男性。這種類型叫演算法標籤。

圖 10 標籤生產的基本方式

上述三種標籤是最基礎的標籤維度，下圖可以幫助我們更好地理解它們。

圖 11 三種標籤定義的內涵

2. 標籤創建場景

我們通過具體的場景，來加深對標籤生產和創建的理解。累計消費金額，即用戶註冊以來的總消費金額，就是一個用指標值作為標籤值的例子。

首先，這個例子是一個數值型標籤，但數值型的標籤不一定好用，如果這個標籤是直接給到業務人員去使用的，應該先通過業務經驗去把它分層，劃分出高中低級別，將業務含義映射到特徵上。這樣業務人員在使用標籤的時，就能提高業務人員的認知效率。

圖 12 場景舉例：將自然語言轉換成配置規則

那麼問題來了，業務經驗可靠嗎？我們評價一個規則，通常有幾種標準，分別是覆蓋率、準確率和召回率。從這些指標去衡量，以經驗為參考的規則就不一定符合真實業務需求了。

事實上，定義標籤是可以通過科學的數據分析方法進行的。

我們前面有提到，對於數值類的標籤，最好通過業務經驗來分層，來提高業務判斷的效率。對於這種高中低分層，通常可以使用分布分析的方法。

比如還是對於「用戶點擊商品詳情頁」的次數，我可以計算它的次數分布，再按照 25%，50%，75%，75% 以上劃分標籤。

這樣，我不僅能划出四個分層，還能保證每個層級都有很好的覆蓋度。對於資產盤點分層、付費用戶分層這樣的標籤，分布分析是一個很好用的方法。

圖 13 使用分布分析進行用戶標籤分層

當然了，我們需要的其實不是對「用戶點擊商品詳情頁」次數的分層，而是對「用戶購買意願」有解釋力的標籤。演算法類標可以有效地解決這個問題。

所謂的演算法類標籤，本質上也是在做「預測」這個事情。下圖所示的是神策用戶畫像產品實現的相似人群擴散功能，通過提供種子用戶，來學習他們的特徵，並預測一個用戶的標籤。對於「用戶購買意願」，我們可以用「實際真的有購買」過的人群，來作為我們的種子用戶，讓演算法去學習他們的特徵。

圖 14 演算法型標籤：相似人群擴散

演算法類標籤的好處，在於它能通過交叉驗證，獲得自己的預測相似度。我們可根據對標籤解釋力的需求，設置一定相似度以上的人群，打上「高用戶購買意願」的標籤。

演算法類標籤也有壞處，它是個黑盒，不如規則那樣簡單明了可解釋。

我們神策的用戶畫像產品在做演算法類標籤實踐的時候，也遇到了這樣的問題。所以，一個好的演算法類標籤，應該還能輸出它所使用的行為特徵權重。這樣，能讓演算法黑盒變成相對白盒，業務人員可解釋度強。同時還有一個好處，就是特徵權重其實也展示了那些特徵才是最影響業務結果的，有些時候我們不是想要預測標籤，而是想要知道什麼特徵對轉化更重要。

四. 如何利用好用戶畫像分析賦能業務落地？

1. 用戶畫像的用法

我們在前面有提到，標籤體系的用途，其實主要是兩大類，一類是分析洞察獲取業務靈感，另一類就是輸出賦能精細化運營和數據產品系統使用。

對於標籤體系來說，利用標籤去篩選目標客群，並且輸出人群列表，其實是最簡單直接的一種應用方法。通過組合多個基礎標籤，可以快速做到很精細的目標人群輸出。

當然，這也對我們的基礎標籤梳理有一定的要求。

圖 15 畫像基礎用法：篩選客群輸出

同時，當標籤數據能與數據產品系統打通的時候，它就會變成強有力的武器。

神策在這方面的解決方案，是將用戶標籤和與智能運營平台進行數據打通，這樣可實現精準篩選受眾用戶，並且基於用戶的行為去實時觸發各種推送、簡訊、彈窗或優惠券策略。可以助力運營部門快速試驗不同的精細化運營策略，以及將成功的運營策略自動化。

圖 16 畫像與智能運營平台的結合

在試驗運營策略之前，有一件事情必不可少，那就是對我們的目標人群做精細的用戶畫像分析。

2. 用戶畫像應用場景示例

我們以一個具體用例來講解用戶畫像的洞察。

假設綜合電商平台神策商城需要做一場活動營銷，我們就需要回歸到業務應用用戶畫像的流程。首先要明確三個問題：

目標人群是誰？
目標喜歡什麼？
我要怎麼做？怎麼執行策略？

這三個問題，分別需要用戶在商業價值、用戶偏好、生命周期和營銷時機四個主題的畫像。

第一步，目標人群是誰。我們的目的很明確，就是要提高購買漏斗的轉化，減少購買漏斗的流失。我們可以從漏斗的流失人群出發，去分析他們的畫像。

圖 17 從購買漏斗入手尋找目標客群

第二步，找到單體用戶畫像，羅列用戶信息，把某個用戶和目標場景相關的信息展示出來，讓業務人員有第一印象。開始時，可以先做抽樣，從流失的人群裡面找到用戶張三，看看這個人的單體畫像來獲取第一印象。

我們看到他是一個從來沒有付過費的用戶，但他已經活躍了 301 天，雖然沒有買過東西，但他其實是忠實用戶。他來自華為應用商店，幾乎每天都有簽到，最近在看運動鞋相關的類目，偏好的價格區間是 50 到 100 元，搜索詞也是平價運動鞋。但很奇怪的是，他瀏覽的商品數量不多。我們也可以看到他的生命周期其實是比較活躍的，有比較高的購買意向等級，這可能跟他的漏斗深度是收藏商品有關。

圖 18 單體用戶畫像的信息羅列

第三步，通過單體用戶與所屬群體用戶間的對比，以及目標群體和其他群體用戶間的畫像對比，去感知差異顯著的特徵。對於用戶群畫像，就不能像單體用戶畫像一樣單純展示信息了，而是要把某個群體的特徵顯示出來。

處理方法有兩種。一種是把特徵展示分布統計，比如購買意向等級和訪問時間偏好；另外一種就是把分布覆蓋率最高的標籤，作為這個群體的標籤。

我們通過對比漏斗流失用戶和張三的畫像可以看到，在商業價值上，該群體和張三類似都是低付費用戶，但主體是比較新的用戶；在偏好上，他們都在看類似價格區間的運動鞋，但主體用戶是在看白色的；營銷時機上，主體用戶的活躍時間、點擊的推送類型和張三不太一樣。我們如果要策劃活動方案，應該從主體用戶的特徵出發，而不是個體。

圖 19 單體用戶畫像與所屬群體畫像對比

數據分析的精髓在於對比。了解了流失群體的特徵，我們還應該把他們的畫像和我們的商業目標群體做對比，也就是購買用戶群。通過將流失用戶和購買用戶群畫像做對比，我們可以看到，購買用戶的近期偏好的價格區間和流失用戶群很不一樣，平均商品瀏覽數也很多，但購買意願等級分布，購買用戶群和流失用戶群其實是一樣的。