目录
App付费用户的数据标签体系的构建
1. 明确业务需求
构建数据标签体系的第一步是明确业务方的需求,搞明白业务方现 在面临什么问题,主要需求是什么,需要重点解决的问题是什么。
2. 制定用户标签基础框架
通过5W2H分析框架解析业务需求之后,基本的用户标签体系的框 架也就成形了。这一阶段根据需求解析结果,整理用户标签体系整体框 架,以指导后续的标签开发。这一阶段需要业务方、数据分析师及算法 工程师共同协商确定。
3. 确定标签维度及统一计算口径
确定了用户的数据标签体系的基础框架之后,就需要确定标签的统 计维度和计算口径。标签的数据大多数情况下是通过数据埋点获取的; 当然,对于用户的社会属性等标签信息往往是基于用户行为使用一定的 算法推断出来的,也有基于第三方数据获取的。对于各个数据标签的计 算口径,数据部门可以制定出一份统一的数据字典,以防止不必要的解 释成本。
4. 数据标签开发
数据标签的开发由数据分析师和算法工程师共同完成。数据分析师 主要负责统计类标签和规则类标签的开发;算法工程师主要负责模型类 标签的开发。
1、构建统计类标签
对于统计类标签的开发,数据分析师在与运营人员等业务方沟通好 需求之后,可通过SQL实现相关标签的统计并通过定时调度任务定期更 新数据标签。
2、构建规则类标签
除了统计类标签,规则类标签的开发也可以由数据分析师完成。但 在开发标签之前,数据分析师需要与业务方共同商定标签的规则
3、构建模型类标签
模型类标签主要由算法工程师负责开发,即对用户的社会属性进行 预估,或者对用户的付费倾向、流失倾向等标签进行预测。
5. 标签上线与版本迭代
完成数据标签的开发之后,就到了部署上线的环节。部署上线一般 由数据工程师来完成。数据分析师和算法工程师需要在上线后,对数据 标签进行维护以及根据业务需求调整数据标签,以实现版本的迭代。
数据标签体系的应用场景
数据标签体系辅助运营人员进行决策分析
1. 标签查询及人群圈选
标签查询是数据标签体系基本的应用场景,业务方可以通过用户标 签查询所需的用户群体,对不同类型的用户群体实现精细化运营。例 如,可以将过去30天付费金额大于800元,活跃天数大于15天以及活跃 间隔小于3天的用户定义为优质付费用户,进而对这部分用户进行精细 化运营以提升付费金额;同样地,也可以圈选出近15天内没有活跃过且 最近30天内活跃天数小于2天的用户,对这部分用户进行一定的干预以 提升用户活跃度。
2. 自动化触达
对于业务方来说,数据标签体系的第二个应用场景是自动化触达, 以实现对特定用户的干预。例如,在标签查询及人群圈选功能中圈出优 质付费用户或潜在流失用户,将这两类用户分别建立不同的群组,然后 通过消息触达这两类人群。对于优质付费用户,可以提供“满减优惠 券”以刺激用户付费;对于潜在流失用户,则可以通过发送“回归奖 励”等消息来触达用户,提升用户活跃度
数据标签体系可提升数据分析师的分析效率
对于数据分析师来说,数据标签体系提升了数据分析师的分析效 率。无论是面对用户分群的分析需求,还是指标体系的搭建相关需求, 数据分析师基本都可以从数据标签体系底层表中直接取数,而不需要通 过SQL再写几十行代码对数据进行分箱(分类),进而生成相应的标 签,所以能够节省一定的时间成本,提升分析效率