采集标签_精细化运营第1步，企业如何快速构建用户标签平台？

流量越来越贵，甚至成为稀缺资源的今天，很多企业开始从发掘潜在新客户，转向存量客户的深度特征偏好洞察以及用户数据精益化分析运营，不断挖掘存量客户价值并为其提供个性化的产品和服务。

用户标签的市场需求

成熟的用户标签平台与用户标签体系则是用户精益运营的关键，但对践行数字化运营的企业，在搭建用户标签平台的时候往往存在以下问题：

1、数据源繁多，数据口径不一致，数据采集与加工能力不足。

2、多个业务部门需求难统一，需求变化频繁、技术部门难以平衡和及时响应。

3、缺乏标签平台建设需要的理解业务、精通应用技术和大数据技术等综合性较高的人才。

以银行为例，一般银行总行会负责搭建统一的数据平台服务总行和各分支行，但各分支行发展的阶段、区域化营销需求特色等不同导致各分行对标签平台在标签粒度、标签丰富度上有更多个性化的要求。分支行搭建自有标签平台，融合总行标签和本地个性化标签支持业务需求日渐迫切。但技术资源和平台建设经验不足往往是分支行自建标签的一大瓶颈，选择引进外部成熟的标签平台和标签体系搭建经验是性价更高的选择。

基于解决上面提到的三类问题出发，这要求标签平台需要有满足以下几个需求：

1、通过覆盖业务全部产品和服务的数据源，构建全景用户画像；

2、支持按照规则、算法等多种方式进行标签加工，可视化的加工操作，方便业务人员不依赖于技术进行标签研发，可以基于业务场景和目标不断迭代优化标签体系。

3、标签平台易管理维护，且面向业务系统友好，通过接口或者其他协议支持更丰富的用户分群及营销活动。

用户标签分类及解决方案

在介绍具体方案前，首先我们先看看用户标签的分类， 从标签的生成规则可以分为：

现阶段前三类标签基本就能满足业务需求，挖掘类标签的价值目前还处于探索阶段，还要考虑支持基于机器学习的人群扩散以及更深度挖掘类标签的对接。下图是易观方舟标签平台的整体解决方案。

易观方舟标签平台整体解决方案

易观方舟标签平台的整体方案，包括下面三个核心部分：

1. 数据采集与加工：快速实现基础数据整合，为标签建设和标签应用奠定基础。
2. 标签管理：通过灵活可视化的方式管理、加工标签，降低标签使用技术门槛。
3. 标签应用与系统集成：标签调用接口标准化快速将标签应用于生产，支持系统级集成，与整体数据平台或中台保持一致的账户体系、权限体系等。

01 数据采集与加工

由于大多数企业没有统一的数据采集技术规范和采集标准，没有能力完成与用户所有交互触点的行为采集，因此企业加工标签的数据源仅仅只有由用户填写的静态人口属性，这就很大程度的限制了标签的丰富度。易观方舟数据采集体系主要解决标签数据源规范与管理融合问题：

1、基于用户行为的统一数据模型

统一数据模型是高效驱动数据应用的基础，用户行为数据比较常见的是“主-谓-宾模型”，基于“主-谓-宾模型”在数据采集或者数据导入的时候，就将数据定义为标准格式，避免在后续的标签加工和数据分析时进行二次数据加工，大大提高数据使用的效率。

2、覆盖全端的数据采集SDK

前端数据采集因其技术生态多样化，企业很难一开始就具备完善的数据采集体系，产品生态最开始可能只有H5、小程序这些轻量级的应用，发展到一定阶段开始推出 Android、IOS 等独立产品应用，在业务快速发展阶段，企业技术重点投入都是聚焦在业务研发，没有数据采集的专有人才。选用工具化的数据采集 SDK 不仅可以降低数据采集成本，将研发资源从数据开发和数据需求沟通中释放出来，专业的工具也能够降低代码的侵入等，大大提高系统的可维护性。

易观方舟数据采集包括22种常见的主流语言版本 SDK，覆盖了 APP、H5服务端、IOT 设备等几乎全部的用户触点。一键式接入即可完成数据采集大大提高了数据采集的数据质量、效率和可靠性。为业务搭建标签体系提供了更加丰富的数据基础。

3、易用、高可靠的可视化标签加工任务流调度平台。

仅仅有数据采集 SDK 还不能覆盖到全部数据源，还以银行场景为例，会存在以下情况：

• 一般分行可以自主采集自有业务系统的数据，但是对于集成到总行应用系统的数据没有采集权，这部分数据需要与总行数仓、数据集市对接导入本地。
• 总行已经沉淀的历史标签，或者分行仅能拿到标签但没有权限拿到标签源数据，分行可以通过对接总行将标签导入到自有标签系统。
• 一些依赖业务库的标签如用户持仓金额等级，以及通过复杂的机器学习、数据挖掘生成的标签。必须支持导入。

不论是总行还是本地的标签数据和明细数据，都会涉及到非常多的数据源以及不同的数据加工规则。易观方舟标签系统结合开源调度平台 Apche DolphinScheduler(海豚调度，易观自主开源调度系统)搭建的数据加工平台具备以下特性：

• 高可用、易扩展、高容错。随着数据量和任务的增加可以快速的横向扩容。
• 简单易用，支持可视化的数据源管理、任务流创建以及加工脚本的管理维护。
• 完善的告警机制以及任务重跑机制，确保能及时发现问题或自动修复任务流。
• 支持丰富的任务类型，包括 Shell 脚本、SQL、存储过程、主流计算框架以及常见 ETL 工具。

02 标签管理

导入用户行为数据与已有标签数据后，易观标签系统提供丰富的标签管理功能，包括标签的定义、加工以及生命周期管理：

1、标签定义

上图数据仅为易观方舟模拟数据

标签系统支持对标签的名称、所属分类级别、标签类型、标签状态、标签对象、加工规则、更新周期、生成方式等进行完全的自定义操作。

标签详情页将记录每个标签的名称、备注、创建人、创建时间、生成方式、更新周期、加工规则、标签状态、标签类型等信息，帮助标签应用方了解标签加工口径。

创建标签时，可以通过标签基本属性配置计划加工的标签的名称、所属分类、执行周期、权限以及标签备注等信息。

2.标签加工

标签系统支持5种方式自定义用户标签：

上图数据仅为易观方舟模拟数据

(1)基于用户行为、属性及已有标签，自定义组合规则创建新的标签；

自定义组合多个用户行为、属性、标签及分群条件，给满足条件的用户打上指定取值的标签。条件之间支持且或非的逻辑关系，条件取值支持等于、不等于、大于、小于、大于等于、小于等于、区间、有值、无值等运算符。

(2)基于用户行为指定统计指标，创建新的标签；

指定静态时间范围和动态时间范围，对时间范围内用户发生行为的指标进行统计，将统计结果作为标签。支持添加事件属性条件，限制参与统计计算的行为记录。统计支持总和、最大值、最小值、均值、排重数等多种计算逻辑。

(3)基于用户行为偏好指定次数、数值等最多、最大、最小的n个取值，创建新的标签；

指定静态时间范围和动态时间范围，将用户指定时间周期内，发生某个行为时出现的次数、属性值最多、最大的前几名作为标签。如月购买金额最大的3个商品、7日访问次数最多平台等。

(4)自定义SQL脚本，创建新的标签；

通过自定义 SQL 脚本生成新的标签，提供自定义 SQL 脚本编辑界面，支持返回字符、数值、离散日期型等多种数据类型，支持四则运算、聚合运算、逻辑运算、函数运算等主流运算方式及支持其他运算方式拓展。可实时运行 SQL 脚本预览计算结果。

(5)通过机器学习算法，创建新的标签。

• 利用 AI 算法快速找到相似人群，帮助运营部门进行营销活动，快速触达目标人群。
• 数据加工平台与数据挖掘系统对接，将智能标签通过任务调度加载到标签平台。

3.标签生命周期管理

能够便捷、快速对已成功创建、使用的标签进行生命周期维护，支持对已有标签进行上线、下线、生效、失效、删除等操作。

03 标签应用与系统集成

标签的应用涉及多个业务场景，如丰富用户分析、分群的维度，运营人员根据用户特征和偏好推送更多个性化的产品和服务等。

为满足标签应用场景的多样化，易观方舟标签平台支持标准的接口服务，便于快速与业务系统整合，同时应用系统支持与企业的员工账号系统、权限管理系统打通，成为企业自有的数据平台或数据中台的一部分，为业务人员系统提供统一的数据服务。

易观方舟银行客户的标签体系示例

上图为易观方舟为某分行提供数据服务应用场景案例，通过用户分析与标签平台解决了分行线上营销(对私营销)以及线下客户运营(对公营销)数据使用效率不高的难题，打造了数据整合、采集、数据应用、优化产品服务的闭环营销模式，大大提高分行数字营销能力。

构建标签平台首先要从企业自身的发展阶段和业务需求出发，选择合适的方式去迭代建设，但对于企业来讲，核心关注的还是自身的业务和标签数据的价值。我们将在后续内容中，为大家分享业务人员如何在易观方舟标签平台搭建满足业务场景的标签体系。更多用户标签解决方案，欢迎搜索“易观方舟”