• 对用户标签的理解不够透彻?
  • 用户标签体系创建的方法论总是三头两绪?
  • 具体业务场景中,经常找不到数据分析的思路?

本文根据神策数据业务咨询师钟秉哲以《构建用户标签体系,助力企业精细化运营》为主题的直播内容凝练要点而成,将系统回答业务人员重点关注的如下四类问题:

  • 为什么要做用户标签画像?
  • 如何构建完备的用户标签体系?
  • 标签的生产和创建有哪些细节和经验?
  • 如何利用好用户画像分析赋能业务落地?

相信在阅读本文后,您的困惑都将迎刃而解。

一.为什么要做用户标签画像?

1.标签的本质

简单地说,所谓的用户标签,就是对用户某个维度特征的描述。 对一群用户来说,我们为了让业务做得更好,会想知道他们的很多特征。比如,我们这一季度有 10 万元的活动预算,应该集中花在哪里?这个问题,其实是希望能对给定用户群体的商业价值做很好的描述,知道哪些人是应该重点服务的对象。 图 1 标签的基本含义 用户标签可以有很多种存在形式,可以是用户的自然属性,可以是对用户交易、资产数据的统计指标,也可以是基于某些规则,总结出的一些分层。无论是哪种形式,都是对用户的某个维度特征做描述与刻画,让使用者能快速获取信息。 图 2 标签的常见形式

2.标签的应用场景

按照我们在多家不同企业落地标签体系的经验,用户标签的应用主要有四种场景。

首先是辅助分析洞察,用户标签可以辅助业务人员快速获得用户的信息认知,发现显著特征,获得业务灵感。

其次是丰富数据分析的维度,对我们的业务数据做更深层的对比分析。分析洞察获得业务灵感后,标签可以辅助业务落地。

再次可以将用户群体切割成更细的粒度,使运营从粗放式到精细化,以多种运营触达手段,像短信、推送、活动、优惠券等等,对用户进行驱动和挽回,达到事半功倍的效果。

最后用户标签还可以作为数据产品的基础,例如个性化推荐系统、广告系统、CRM管理工作等。自动化的业务系统能更有效地利用用户标签的威力。 图 3 标签的四大应用场景

需要注意的是,虽然用户标签画像体系是有价值的,但不是每个公司都能做。

第一,企业需要有足够丰富的内容、商品、服务或客户属性层次,或者业务进入稳定期的客群量级达到一定规模。

第二,用户标签体系有建设和维护成本,公司需要有相对完备的用户行为数据采集能力,如果没有丰富的数据源,用户标签也是巧妇难为无米之炊。建设需要衡量资源投入和性价比。

第三,标签画像体系并不是一个拿来即用的东西,它需要投入一定的人力和资源去建设和维护,才能和公司的业务场景很好地结合,发挥它的价值。

第四,公司在建设标签画像体系之前,应该先想好它需要落地的业务场景。如果没有明确可落地的业务流程和人员,即使花了大力气去建设用户标签体系,它也只是一堆死数据,只能摆在那里存着,这就没什么意义。技术并不是万能的,要和商业进行结合。

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:

第一种是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。

第二种是基于增长漏斗的 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。

第三种是用户价值分层模型,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。

第四种是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。 ! 图 4 业内主流的四种标签框架

在使用框架设计用户标签体系时,应该去理解消费者的决策过程,考虑商业业务的形态,配合业务人员的作业需求。这些概念比较虚,但一个好的用户标签体系离不开这些思考。

神策认为,好的标签框架,一定是基于业务场景的。它应该要完备地覆盖用户的行为周期和业务的工作流程。

2.标签框架搭建四步法

接下来介绍神测数据基于最佳实践总结出的标签梳理框架,我们称之为四步法。

第一步,还原业务流程。以一个典型的电商业务为例,将它的业务流程漏斗梳理出来,分别是启动 APP,注册登录,浏览活跃,一些深度行为比如收藏和加入购物车,付费和重复付费,最后是沉默流失。然后在用户流程的每一步,梳理出这个行为的一些维度。可根据用户在这方面的行为,去构建「用户偏好」标签。 图 5 标签框架四步法之还原业务流程

第二步,覆盖生命周期。刚才的梳理都是基于用户行为的,但有时候没有办法获取用户行为偏好。这时,就可以以用户的「生命周期」,去提供兜底的逻辑。可以以用户¬生命周期的状态,作为营销的触点标签,提供通用分层。 图 6标签框架四步法之覆盖生命周期

第三步,明确商业目标。用户标签体系是需要应用的,在此案例里,建设用户标签体系,是为了希望通过精细化运营提高整体的交易金额。我们接下来对交易金额这个商业目标,通过业务流程进行拆解。

交易金额可简单拆分为新用户的交易额和老用户的交易额。达成交易的过程又可拆分为新增启动,到注册,到浏览详情,到深度行为,最后再到付费。对拆解出来的每一个环节,可以去想在这个环节能有什么策略去提高交易金额。比如对于老用户,是不是可以通过挽回具有付费倾向的潜在流失人群,去提高整体的交易金额呢?这就是我们梳理出来的标签可以落地应用的场景。

图 7 标签框架四步法之明确商业目标

第四步,从策略推标签。比如,我们决定挽回具有付费倾向的潜在流失人群,那就需要知道用户交易的价值,交易到流失的生命周期,他们下个月的流失概率,以及如果我要对他们做营销,他们喜欢的优惠券类型。

到这里,我们就从纯粹的业务流程梳理,落实到了具体的标签需求。我们刚才把交易金额拆分了很多环节,每个环节都有不同的可以落地的业务策略,它们的可行性和收益各不相同。最终,可以根据业务实际的需要,去决定不同策略需要用到的标签。

图 8 标签框架四步法之从策略推标签

从策略反推需要的标签,其实是一件比较需要业务经验的事情。如果这一步还比较迷茫,可以先反过头来看,如果我们已经把标签做好了,业务人员要怎么去使用它。

业务部门应用标签的流程,通常可以归纳为三个问题:

  • 目标人群是谁?
  • 目标喜欢什么?
  • 我应该做什么?怎么执行策略?

对于第一个问题来说,是一个战略性的问题,定位目标人群,往往应该先看商业价值类的标签,去帮助他们解决影响商业价值最大的人群的问题。

而对于目标喜欢什么这个问题,如果目标人群有明确的行为数据,那应该去看用户偏好标签。如果目标人群的行为数据比较少,比如新用户和沉默用户,那应该从他们所处的生命周期标签出发,去计划促进转化或者召回的策略。

当策略方向有了,还需要一些具体的参考信息比如什么时候做推送,这时候就需要一些具体的营销时机标签比如用户一般的活跃时间段,来帮助计划方向的落地。

这四个主题的标签,分别在我们的四步框架的每一步,都可以重点梳理这样的标签。最终,这四个主题标签也将构成我们完整的标签体系。

图 9 业务部门的标签应用流程

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

我们已经知道怎样梳理一个完整的标签框架,接下来我们要完善每个标签具体的定义。我们通过一个趣味故事来体现用户标签定义的复杂性。 小红和网友张三见面喝咖啡:

  • 张三在社交 APP 填的资料是男性。
  • 张三浓眉大眼脸型方正,穿着很有设计感的裙子。
  • 张三结账时使用刷脸支付,没有获得当天的女性九折优惠。

请问,张三到底是男生,还是女生?

这个故事里,其实张三有三个性别标签。

首先是社交 APP 的资料,因为他填写了男性,所以我们可以认为他是男性,这是基于某个确切资料打的标签,这种类型叫事实标签。

张三穿的是一件很有设计感的裙子,按照我们过去的经验,一般只有女性会穿裙子,所以我们也可以认为张三是女性。这是基于我们设定的某个规则,只要有人穿裙子就是女性,去打的标签。这种类型叫规则标签。

最后,张三刷脸支付没有获得活动女性优惠。摄像头是利用算法结合多种特征去预测张三是女性的概率的,因为张三长相很阳刚,算法认为他是女性的概率比较低,所以打标签他是男性。这种类型叫算法标签。

图 10 标签生产的基本方式

上述三种标签是最基础的标签维度,下图可以帮助我们更好地理解它们。 图 11 三种标签定义的内涵

2.标签创建场景

我们通过具体的场景,来加深对标签生产和创建的理解。累计消费金额,即用户注册以来的总消费金额,就是一个用指标值作为标签值的例子。

首先,这个例子是一个数值型标签,但数值型的标签不一定好用,如果这个标签是直接给到业务人员去使用的,应该先通过业务经验去把它分层,划分出高中低级别,将业务含义映射到特征上。这样业务人员在使用标签的时,就能提高业务人员的认知效率。 图 12 场景举例:将自然语言转换成配置规则

那么问题来了,业务经验可靠吗?我们评价一个规则,通常有几种标准,分别是覆盖率、准确率和召回率。从这些指标去衡量,以经验为参考的规则就不一定符合真实业务需求了。

事实上,定义标签是可以通过科学的数据分析方法进行的。

我们前面有提到,对于数值类的标签,最好通过业务经验来分层,来提高业务判断的效率。对于这种高中低分层,通常可以使用分布分析的方法。

比如还是对于「用户点击商品详情页」的次数,我可以计算它的次数分布,再按照 25%,50%,75%,75% 以上划分标签。

这样,我不仅能划出四个分层,还能保证每个层级都有很好的覆盖度。对于资产盘点分层、付费用户分层这样的标签,分布分析是一个很好用的方法。 图 13 使用分布分析进行用户标签分层

当然了,我们需要的其实不是对「用户点击商品详情页」次数的分层,而是对「用户购买意愿」有解释力的标签。算法类标可以有效地解决这个问题。

所谓的算法类标签,本质上也是在做「预测」这个事情。下图所示的是神策用户画像产品实现的相似人群扩散功能,通过提供种子用户,来学习他们的特征,并预测一个用户的标签。对于「用户购买意愿」,我们可以用「实际真的有购买」过的人群,来作为我们的种子用户,让算法去学习他们的特征。 图 14 算法型标签:相似人群扩散

算法类标签的好处,在于它能通过交叉验证,获得自己的预测相似度。我们可根据对标签解释力的需求,设置一定相似度以上的人群,打上「高用户购买意愿」的标签。

算法类标签也有坏处,它是个黑盒,不如规则那样简单明了可解释。 我们神策的用户画像产品在做算法类标签实践的时候,也遇到了这样的问题。所以,一个好的算法类标签,应该还能输出它所使用的行为特征权重。这样,能让算法黑盒变成相对白盒,业务人员可解释度强。同时还有一个好处,就是特征权重其实也展示了那些特征才是最影响业务结果的,有些时候我们不是想要预测标签,而是想要知道什么特征对转化更重要。

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

我们在前面有提到,标签体系的用途,其实主要是两大类,一类是分析洞察获取业务灵感,另一类就是输出赋能精细化运营和数据产品系统使用。

对于标签体系来说,利用标签去筛选目标客群,并且输出人群列表,其实是最简单直接的一种应用方法。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。

当然,这也对我们的基础标签梳理有一定的要求。 图 15 画像基础用法:筛选客群输出

同时,当标签数据能与数据产品系统打通的时候,它就会变成强有力的武器。

神策在这方面的解决方案,是将用户标签和与智能运营平台进行数据打通,这样可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。可以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。 图 16 画像与智能运营平台的结合

在试验运营策略之前,有一件事情必不可少,那就是对我们的目标人群做精细的用户画像分析。

2.用户画像应用场景示例

我们以一个具体用例来讲解用户画像的洞察。

假设综合电商平台神策商城需要做一场活动营销,我们就需要回归到业务应用用户画像的流程。首先要明确三个问题:

  • 目标人群是谁?
  • 目标喜欢什么?
  • 我要怎么做?怎么执行策略?

这三个问题,分别需要用户在商业价值、用户偏好、生命周期和营销时机四个主题的画像。

第一步,目标人群是谁。我们的目的很明确,就是要提高购买漏斗的转化,减少购买漏斗的流失。我们可以从漏斗的流失人群出发,去分析他们的画像。 

第二步,找到单体用户画像,罗列用户信息,把某个用户和目标场景相关的信息展示出来,让业务人员有第一印象。开始时,可以先做抽样,从流失的人群里面找到用户张三,看看这个人的单体画像来获取第一印象。

我们看到他是一个从来没有付过费的用户,但他已经活跃了 301 天,虽然没有买过东西,但他其实是忠实用户。他来自华为应用商店,几乎每天都有签到,最近在看运动鞋相关的类目,偏好的价格区间是 50 到 100 元,搜索词也是平价运动鞋。但很奇怪的是,他浏览的商品数量不多。我们也可以看到他的生命周期其实是比较活跃的,有比较高的购买意向等级,这可能跟他的漏斗深度是收藏商品有关。 图 18 单体用户画像的信息罗列

第三步,通过单体用户与所属群体用户间的对比,以及目标群体和其他群体用户间的画像对比,去感知差异显著的特征。对于用户群画像,就不能像单体用户画像一样单纯展示信息了,而是要把某个群体的特征显示出来。

处理方法有两种。一种是把特征展示分布统计,比如购买意向等级和访问时间偏好;另外一种就是把分布覆盖率最高的标签,作为这个群体的标签。

我们通过对比漏斗流失用户和张三的画像可以看到,在商业价值上,该群体和张三类似都是低付费用户,但主体是比较新的用户;在偏好上,他们都在看类似价格区间的运动鞋,但主体用户是在看白色的;营销时机上,主体用户的活跃时间、点击的推送类型和张三不太一样。我们如果要策划活动方案,应该从主体用户的特征出发,而不是个体。 图 19 单体用户画像与所属群体画像对比

数据分析的精髓在于对比。了解了流失群体的特征,我们还应该把他们的画像和我们的商业目标群体做对比,也就是购买用户群。通过将流失用户和购买用户群画像做对比,我们可以看到,购买用户的近期偏好的价格区间和流失用户群很不一样,平均商品浏览数也很多,但购买意愿等级分布,购买用户群和流失用户群其实是一样的。

图 20 购买群体画像与流失群体画像对比

可以推测,在流失用户群所偏好的这个价格区间内,神策商城提供的商品有问题,SKU 的数量不够多,或者是这个价位没有他们满意的商品。因此,我们可以尝试提高流失用户在那个价格区间的商品浏览数。 综上,通过用户画像的洞察分析,我们决定实施以下营销计划:

  • 通过短信发送秒杀提醒营销信息
  • 集中选择 100 元以下商品展示提高浏览量
  • 选择运动鞋作为活动类目
  • 选择秒杀提醒文案作为短信文案
  • 选择主体用户活跃的时间段进行推送

如此,一次完整的用户标签画像赋能运营的应用就完成了。

以上是神策数据业务咨询师钟秉哲《构建用户标签体系,助力企业精细化运营》的直播内容精华回顾。快关注【神策数据】公众号,回顾直播全程,获取丰富资料吧!