数据产品-规则型和挖掘型标签构建案例

数据产品经理在构建数据标签的过程中，最为常见的是构建统计性的标签，其很大原因是统计型标签的可解释型比较强，开发周期很短，容易根据业务需要进行调整。而对于规则型和挖掘型标签，其构建周期较长，而且可解释性较差，很难真正定义一个挖掘型标签是绝对的可应用型。但作为数据产品经理，需要知晓这两种类型标签的构建过程，也需要了解一些统计学理论和算法理论，才能够在需要之时构建对应的标签

一、规则型-用户生命周期分组

1、背景说明

通过生命周期的判定，对不同阶段用户采取不同运营手段，结合后续用户中心的流失预警建立，减少用户流失，及时挽回沉默、流失用户，并根据数据分析结果形成通用规则型标签

2、用户分组划分核心

五个分组：新手期账号、新增账号流失、活跃账号、沉默账号、活跃账号流失
①活跃用户：连续多久未上线可以判定流失？
②新用户：注册后多久未上线可以判定当日流失？

3、流失划分核心点

①“新用户流失界线”：新用户注册后连续m天未上线——找到m值
②“活跃用户流失界