2. 定义标签,形成体系
用户标签体系服务于业务目标三个字和策略,需要匹配具体或潜在的应用场景。
用户标签可分为洋气四类:
- 属性标签:用户的基础信息预测属性,可从用户数据中直接提取
- 统计的标签:结合与用户数据进行统计分组,体现用户数据特征
- 模型标签:结合用户数据属性进行抽象,体现用户画像特征
- 预测标签:基于已有用户数据,来预测用户行为偏的好和倾向
1)属性标签
如女性、90后、一二线城市、大学生……主要由基础数据定义,定义了用户最基础的特征,由于是较为宽泛的信息标签,在实际使用中多结合其他类型的标签进行应用。
2)统计标签
如消费次数为1、最近7日活跃、消费金额超1万元……主要由用户行为数据和消费数据定义,定义了用户商标直观的数据特征,多在应用时直接创建,并且经过分析验证后更多演变为模型标签。
3)模型标签
如高消费用户、数码爱好者、新手妈妈……主要由消费数据和行为数据定义,定义标准需结合产品特征、业务目标及数据商标分析,较难直接指定。模型标签更直观体现用户多方面特征,是用户标签的主要类型。
4)预测标签
高流失风险、母婴潜在用户……对用户潜在的关键行为倾向进行预测,多借助算法模型支持,需要较大的用户数据及标签积累。
完善的标签体系从标签类型上覆盖以上四大类标签,属性标签和模型标签为主,同时从业务视角出发,还需覆盖生命周期、用户价值、活跃特征、用户偏好预测四大维度。
1)生命周期标签
如新商标名用户、首购用户、忠诚用户、沉默用户……指的是用户在名字产品内所处的生命周期阶段,能够明确用户所处的生命周期阶段,掌握用户特征和运营重点。
2)用户价值标签
如高价值用户、RFM用户分层……指的是用户在产品内的消费特征和商业价值,能够指导用户差异化的运营投入和策略方法。
3)活跃特征标签
如大促敏感用户、晚间活跃用户……指的是用户在使用产品时的行为、时间、渠道等特征,能够辅助运营时机场景的选好听择和运营策略方法的设计。
4)用户偏好标签
如母婴用户、过活用户、小米粉丝…好听…指的是用户对品类/品牌/商品商标名/活动/功能等的偏好三个字,能够支持判断用户的需求和倾向,针对性运营提升转化效果。
基于标签定义类型和业务视角维度,逐步丰富标签,并结合实际业务不断完善,逐步搭建完善的用户标签体系,持续赋能业务。
以上,就聊完了用户标签体系洋气的价值和搭建,用户标签体系在日常精细化运营中发挥着重要的作用,既能用于用户分析,挖掘优化方向;也可用户策略落地,提升转化效果。
用户名字标签体系算是产品和运营的工具设施,但是同样重要的是用户分层精细化运营的思维。
无论是尚无足够数据积累和标签化能力的小公司,还是具有海量多维数据、实现用户算法模型的大公司,工具设施和思维方法是相辅相成的。
重视用户的差异化特征和需求,已经在用户运营上迈出了重要一步!