什么是用户标签?
标签是认为规定的特征符号,是将用户的属性、行为等进行高度提炼的特征描述,比如按照年龄划分为90后,按照性别有男女之分等。
每个标签都是用户画像的一个角度,大量的标签数据就能产生360度的用户画像,帮助企业更加全面地来理解自己的用户群体,实现对用户的精细化运营。
用户标签该怎么做?
做好精准化运营的第一步,是认识用户,识别用户的各类特征,构建一个完善、精准、动态的标签体系。接下来从场景梳理、拆解标签、标签验证三步骤来跟大家具体介绍。
Convertlab,
做到精准化运营的第一步,是认识用户,识别用户的各类特征,构建一个完善、精准、动态的标签体系。结合Convertlab经验,本期视频来谈谈我们认为的用户标签该怎样做。#Convertlab#企业数字化#用户标签
视频号
-
场景梳理
我们认为结合业务诉求,梳理相关的运营场景是建立用户标签体系的第一步。
品牌日常运营场景涵盖了大部分运营工作,例如:新产品的用户拉新、提高某产品的购买频次、对特定产品活动促销的营销。在这些日常运营场景之外,品牌也会有一些新增的临时运营场景,也需要按照需求进行梳理。
梳理运营场景的时候,我们建议先对场景进行分类,分为主动营销用户和用户行为被动触发两大类,然后在两个分类中进行梳理。调整标签的时候,不同的数据加工存储方式,会带来不同的实施路径。
每个品牌日常场景可以由以下几部分组成:
1、触发机制:是单次手动触发,还是周期性循环或者某行为时间触发。这一部分用于标示该场景开始的时间节点;
2、用户范围:用于标示运营场景涵盖的用户范围,建议划分为用户属性和用户行为;
3投放方式:选择对用户进行投放的渠道,可以是短信、微信、小程序、app push等……
我们以一个电商类app为例,需要思考如下问题: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?等等。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。
-
拆解标签
整理了业务场景后,我们可以根据这些场景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列表。
根据数据的时效性来看,标签可以分为静态标签(长期不会改变的数据,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)。
用户分群主要就是基于创建的标签体系,我们需要对梳理的场景进行一条条拆分,得到我们所需要的用户标签,然后对标签进行分类。
常见的体系结构可以分为:客户属性标签、产品标签(包含产品属性、支付方式、交易行为)、活动标签(包含活动属性、活动参与)、权益标签以及渠道标签(包含线上渠道、线下渠道和到访行为)。
在定义一些规则标签时,我们需要对业务有深入的了解。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。
通常情况下,最初完成标签体系搭建,整个标签体系的数据结构相对清晰、数据质量也有保障,但是随着业务的不断发展、标签的不断添加,一定会让标签体系的质量有所下降。
-
标签验证
在标签的实际处理中会遇到一些问题,例如客户属性信息缺失、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。
这些问题都需要我们通过建立模型,计算用户相应属性做完善的数据匹配,或者通过模型,计算缺失的事件标签对我们的标签体系重新验证。
例如根据用户浏览记录、购买记录行为来预测用户的性别偏好度,以此来填充用户属性中的性别标签数据。
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”转变为“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,来完成标签的实时验证。
在评估标签质量时,先重点考虑数据质量和场景应用质量,这两者都没问题的时候,就可以上线开放给业务使用。但对于业务使用标签后的数据进行回流,监控标签应用在业务场景的实施情况。最终可以有个比较实际的评价,可以是打开率、转化率,而这个评价,将对后面标签的优化方向,带来很强的指导性意义。