用户标签从0到1,我踩了这些坑(入门篇)

人间练习生
4 评论 14492 浏览 78 收藏 13 分钟

编辑导语:用户标签是构成用户画像的核心因素,是将用户在平台内所产生的行为数据,分析提炼后生成具有差异性特征的形容词;如今在这个大数据时代,我们在网上都被标签化,那构建一套成熟的标签体系和画像后台需要注意什么呢?本文作者分享了关于用户标签从0到1踩过的坑,我们一起来看一下。

用户标签,其实发展到现在已经不是新鲜概念了。

各大公司在推进精细化的过程中,无论是技术方还是业务方,都已经从过去粗放的“流量运营”思维,转变为如今人人都在谈论的“用户运营”思维。

这时,用户不再是整齐划一的流量,而是有一个个血有肉的个体。

但受限了于客观条件,我们无法一一去接触我们用户,了解他们的习惯喜好;只能从他们产生的行为和数据,去抽象、总结出特征规律,这就引入了“用户标签”这个概念。

当用户被打上的标签越来越丰富、越来越精准,也就越贴合人本身,勾勒出一个个立体的形象了。

鉴于市面上已有许多理论知识,丰富的实战分享,我也就不班门弄斧了;本文只讲讲那些在执行中,新手容易遇到的踩坑点,帮助大家排雷。

一、切勿“大而全”标签

刚接到这个项目时,我已开始抑制不住内心的激动了。

从毕业开始做用户研究,脑中已经构建起了一个框架,希望通过这次从0到1的机会,将美好蓝图实施落地;于是我洋洋洒洒写下一个功能强大的脑图,头脑风暴出用户的所有特性,目标是构建一套成熟的标签体系和画像后台。

这样的结局自然是当头棒喝,第一次需求评审就遇到了很大阻力。

现在想来,有两个问题是需要提前想透彻的:

1)虽说标签需要做得精细,但始终是有主次的,当前为什么会用到标签,具体用来做什么?

2)在需求调研阶段,什么样的调研是意义的?你会发现有许多做得不错的第三方平台,标签体系非常成熟全面,但像第三方平台这样的to B公司,为了适用于所有的公司业务,追求大而全;而以我们当前的业务量来说,是否需要做到如此全面?以当前的资源来说,是否有能力进行开发和维护?

实际上,我们现阶段是从0到1,要想一步到位是不现实的,应该按照业务需求进行取舍。

所以,真正有效的方法不是穷举法,而是由业务场景进行倒推:我们发现,当前标签首先会运用在消息推送上,其中很重要的一个场景是,圈选预流失用户,通过app push、短信等方式进行召回。

目的与场景明确了,接下来就是流失标签的定义了;作为PM,我立马与运营进行了沟通,了解一线业务人员对于流失的理解。

这时,很容易又踩到了第二个坑:询问技巧。

错误方式:

  • 我:咱们现在要对用户打标签用于召回了,你觉得“流失1天以上”和“流失30天以上”,哪个更合适?
  • 运营:我觉得都是需要的,不同的流失程度我都会关心。
  • 我:好吧…..那针对活跃标签,你觉得“最近7天登录”“最近14天登录”“最近30天登录”,哪个最合适?
  • 运营:那肯定都要啊,这都是我们平时会关注的指标;emmmm…..天数能不能不要固定?我们能自定义是最好的。

与业务方沟通会发现,在对方对标签不甚熟悉的情况下,会误将标签与业务指标相混淆,从而显得“贪心”起来——什么标签都想要。

这时,你需要转换一种提问方式,得到最有价值的答案:

正确方式:

  • 我:咱们现在要对用户打标签用于召回了,平时你想对哪些用户进行召回呀?
  • 运营:我想想…..我平时看数据,大多用户会在前期流失,3日留存率就只有xx啦!是我的话,我会在3日这个节点去召回。
  • 我:soga,那我们可以提供“流失3天”这个标签,方便你进行召回操作。

精简标签之后,留下最重要、最迫切的一些标签,作为第一期的实现内容。

之后你会发现,一些基础标签,已经能满足百分之六七十的需求啦;这样既不会造成开发资源的浪费,也避免业务人员在使用时,面对着海量标签犹豫不决。

二、用户标签的分类

如果看过很多文章会发现,大家对于标签有非常多的不同描述,也少有文章有去认真讲解这个认知前提;这也导致初期容易对标签的理解产生混淆,因为从不同的维度去认识,标签有着不同的分类。

经过一些整合后,我认为大致可以从五个角度去理解标签:

1. 从更新频率来分:静态标签、动态标签

例如“性别”这个标签,一般来说是不会随着时间变动的,所以它属于静态标签;而“最近一次访问时间”会随着每次用户登录而更新,也就是动态标签。

2. 从主题上分:属性标签、行为标签等

随着业务的进行,标签往往会越来越多,而“主题”帮助我们从业务角度对标签进行归类,方便后续有秩序地补充新的标签。

例如我可以分为“属性标签”和“行为标签”,将“性别”“年龄”这样描述用户的自然属性的标签归于“属性标签”,而将“近30日下单次数”这样的涉及到用户下单行为的标签归属到“行为标签”。

主题的划分并没有规定,不同的公司可以根据自己的业务需要进行归类整合,避免标签体系杂乱。

3. 从层级上分:一级标签、二级标签等

同样,层级也是为了业务理解更加有序才产生的,例如上述的“近30日下单次数”可以作为“二级标签”,归属于“近30日行为”这个一级标签;那么下次添加“近30日登陆次数”这个标签时,就可以同样归于“近30日行为”这个一级标签之下。

当然,如果业务逻辑复杂,可能还会有三级标签。

4. 从开发方式分:统计类标签、规则类标签、算法类标签(又称:事实标签、模型标签、预测标签)

这一种分类方式是从技术开发角度区分的。

“统计类标签”(有些又称为“事实标签”)是从底层数据表中取出原始数据,进行简单的加减乘除运算得到的标签;例如“最近一次登录距今天数”这个标签,就是将用户的最后一次登录时间与今天做减法,得到距今天数,它反映基本事实。

而“规则类标签”(有些又称“模型标签”)则是进行了业务定义后的标签;例如“流失用户”这个标签,基于我们的业务认知,可以将“最近一次登录距今天数”大于30天的用户定义为流失用户,不同公司会有自己的定义方式;例如“抖音”这样高频的社交产品,他的流失的定义一定会严格于“携程”这样低频的出行产品。

“算法类标签”(又称“预测标签”),顾名思义,就是需要利用算法才能得到的标签了;例如电商产品常通过用户的下单行为,去猜测用户的性别;通常算法类标签涉及复杂的逻辑与权重,开发难度大,在所有标签中占比不高。

5. 从生成规则分:单一标签、复合标签

一般来说,上述的统计类标签可以说是单一标签,而规则类和算法类标签就是需要多个单一标签组合而成的复合标签。

我们将上述的例子放在一张表里,得到下图:

搞清楚标签的分类之后,团队在搭建过程中对齐口径,再去制定相应的标签值就容易推进了。

三、用户标签与画像的关系

起初在开始做标签的时候,我一度混淆了标签与画像的概念。

平时,我们常把两个词捆绑在一起说,但是标签=画像吗?我们先来看看百度百科的解释。

度娘的解释是:画像需要“利用标签将用户形象具体化”,意味着——画像需要建立在标签的基础之上,存在依赖关系,但又不尽相同。

标签是对于用户,更偏底层的一种描述,当我们给用户打标签时,此用户的数据表中填充了“26岁”“女性”“北京”“白领”等标签值。

对个体用户而言,我们一般不将其标签称为画像,而叫做“典型用户”,用于直观阐述我们的核心用户是什么样的,或者用于客服回访时,快速了解用户的相关信息。

而我们常说的用户画像系统,一般针对的是一个群体。

当每个用户都被打上标签之后,通过统计的方式将一个群体的特征进行汇总,才是我们想要得到的画像——当前我们的活跃用户主要来自哪些渠道?主要位于哪个年龄层?从而可以反向推导出哪些是最适合我们产品的用户,调整广告投放策略。

如果说标签是底层数据的标识,那么画像可以说是一个应用场景;同样,标签还有另一个重要的应用场景——分群。

上述场景中,当我们要进行一次app push时,业务人员需要利用标签,选择精准的目标用户进行推送,从而达到最高的ROI;例如电商常见的,针对“偏好短裙”和“偏好美妆”的女性用户,编辑不同的文案和折扣信息,从而吸引点击、下单转化。

综上所述,标签与画像有一定的联系,但又不完全一致,切勿混为一谈。

标签的使用场景,还需要我们在深入业务的同时,不断去挖掘,让其价值最大化,才是我们所说的真正的“精细化运营”。

 

作者:人间练习生,一只成长中的产品汪;公众号:人间练习生

本文由 @人间练习生 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
1年 初级 用户标签
团店模式救得了社区团购吗?
05-191338 浏览
团店模式救得了社区团购吗?
如何确定产品假设:一个案例研究和三个技巧告诉你
04-124745 浏览
如何确定产品假设:一个案例研究和三个技巧告诉你
“雪糕刺客”,“消失”在这个夏天
08-234379 浏览
“雪糕刺客”,“消失”在这个夏天
盒马卷山姆,卷到了京东的地盘上
11-011539 浏览
盒马卷山姆,卷到了京东的地盘上
价格战再次发起,百亿补贴能缓解京东的焦虑吗?
03-084148 浏览
价格战再次发起,百亿补贴能缓解京东的焦虑吗?
评论
评论请登录
  1. 你好,模型标签你们是写死的吗?还是可以给运营同学配置?

    来自广东 回复
    1. 你是说规则标签吗?目前是写死的,后面会做成自定义的形式

      来自广东 回复
    2. 对的对的。感谢~

      来自广东 回复
  2. 思路很清晰,收藏了

    来自上海 回复