?

?在神策 2020 數據驅動用戶大會「精英訓練營」現場，神策數據業務咨詢師鐘秉哲發表了關于《用戶標簽畫像，從洞察到突破》的演講。（文末附 PPT 下載地址）
本文根據其現場演講整理所得（數據均為虛擬），主要內容如下： · 為什么要給用戶打標簽
· 如何構建可落地的用戶標簽體系
· 如何利用用戶畫像分析賦能業務落地

在工作過程中，我們會逐漸意識到，業務效果與質量的提升往往需要工具的幫助。某些運營策略如果沒有數據系統、數據算法的加持，很難實施并發揮出價值；同時，技術和業務是相輔相成的，只有基于一個確定的業務目標去反推系統應該具備的能力，才能夠做出真正有價值的數據產品。

一、為什么要給用戶打標簽

推送運營的核心問題是：在什么時間，向什么受眾，推送什么樣的內容。我們看到的常見推送運營誤區是：因為全量推送不會有遺漏用戶，所以能夠最大化推送效果。
事實并非如此。當我們在做推送運營這件事情時，我們在利用的資源不是能推送什么內容，而是用戶愿意容忍我們推送的上限，即用戶的注意力資源。 我們可以用這樣一個公式總結它：每日用戶注意力資源 = 日活用戶數 * 全局觸達限制。
在注意力資源有限的背景下，如何更好地利用它去達到業務效果最優化，唯有靠「精細化運營」。
我們曾為某游戲平臺做過「規則推薦」的項目，它面向全球用戶提供游戲信息流推薦服務。針對此，我們一起進行了一次簡單的規則推薦實驗：根據用戶的所在地域不同，推薦該地域下載量較高的游戲，是一個「千人十面」的簡單規則。
通過短時間的實驗，即使是如此簡單的推薦，推薦游戲的點擊率也要高于一視同仁的推薦游戲的點擊率，這就是「精細化運營」的威力。
精細化運營的演化路線，可以用以下例子來說明：
1. 某產品的日活用戶為 100 萬，一開始的時候對所有用戶一視同仁地全量推送熱門內容 A，最終內容的點擊率是 2%；

2. 通過分析發現了細分人群（50 萬）的偏好以后，對細分人群推送點擊率為 2.5% 的精準內容 B，對其他人群仍然推送熱門內容 A。這時整體的點擊率是 2.25%，比之前有所提升。

3. 之后，繼續找到比一視同仁的推送更好的細分人群和精準內容，當精準推送覆蓋的用戶比例越來越高時，業務效果也會變得越來越好。
?由此可見，每一個的洞察用戶的細節都讓業務變得更好，精細化運營的底層能力是分析用戶標簽的能力。
用戶標簽通常來自于用戶自然屬性、用戶交易數據、用戶資產數據、用戶行為特征、第三方來源等等：
1.屬性類標簽。通過系統直接采集用戶信息獲得，比如用戶在注冊資料中填寫的性別、年齡等。

2.統計類標簽。通過數據統計分析獲得，比如推斷“瀏覽女裝超過 5 次”的用戶為女性等。

3.規則類標簽。根據經驗/規則等獲得，如根據用戶上一次啟動的時間為半個月前判定其為預流失用戶等。

4.算法類標簽。比如基于人臉識別等技術通過數據計算獲得。

無論哪一種標簽，都是通過對用戶某個維度特征做描述和刻畫，對用戶信息進行總結。它可以是具體的文本，可以是統計指標，也可以是一個關鍵日期……只要使用它的業務人員可以快速獲取到信息，它就是有效的用戶標簽。??用戶標簽的存在意義體現在于其可應用的業務場景，參見下圖：??但即使對用戶標簽的應用感到心動，也并不是每個公司都能做用戶標簽：
1. 它取決于公司本身有沒有足夠豐富的內容、商品或服務，業務發展階段是否已經無法靠簡單的人工運營解決客戶問題。

2. 用戶標簽體系不是拿來即用的，需要有經驗的團隊適配公司業務流程，才有可能建立有價值、可落地的用戶標簽體系。同時，如果沒有一定的行為數據采集能力，標簽計算也是巧婦難為無米之炊。

二、如何構建可落地的用戶標簽體系

當一家企業有了強烈的意愿和足夠的能力時，怎樣才能建設出符合其業務流程的標準化用戶標簽體系呢？
我們在和客戶合作標簽畫像項目的時候，發現很多人都會希望總結他們已有的數據，盡可能全面地覆蓋例如人口學、消費能力、業務次數等等耳熟能詳的標簽體系，但千辛萬苦建出來的標簽使用率卻很低，業務人員反饋不知道應該怎么用。
我們前面提到，標簽的核心意義在于業務人員能通過用戶標簽快速獲得業務信息。因此，只有從業務應用出發，才能反推出可落地的標簽。
業務部門雖然五花八門，但執行業務的路徑卻非常相似：

第一步，尋找目標用戶。

為了達到商業目標，只有把有限的資源投入到最有價值用戶，才能獲得更高投入產出比，因此尋找目標是業務部門在尋求增長過程中的首要問題。這時候，天然地會需要對用戶有「價值分層」主題的標簽。業務部門也可能需要對全體用戶做針對性的動作，因此對用戶做「生命周期」主題的標簽劃分，也有助于他們選擇自己的策略 。

第二步，洞悉目標用戶群的需求。

在確定了目標人群之后，業務部門希望能通過畫像分析，了解目標人群的訴求：他們處于什么業務階段，有什么潛在未滿足的訴求，可能遇上了什么難題，表達出了什么「行為偏好」，這是業務部門進行增長的突破點。

第三步，投其所好，通過營銷偏好執行策略。

當發現突破點后，業務部門還需要了解自己手上哪些運營手段對解決用戶目前遇到的問題比較有效：推送什么內容？什么時候推送？是否應該發券？多大的金額比較好？如果說行為偏好是對「用戶需要什么」的解答，那營銷偏好就是「用戶喜歡我們做什么」的解答。
從價值分層、生命周期去定位目標人群，從行為偏好中找到突破點，根據營銷偏好制定運營策略，這就是業務部門運用標簽的自然流程中推理出來的四大標簽主題。
神策經過和 1500+ 企業的合作，已經對各個標簽主題有了一定的經驗積累：?

1.價值分層主題。

常見做法是通過分布分析對用戶價值指標做分布分層，如「30 天內用戶累計支付金額」這個指標，可以表達用戶的購買力。這將用戶分為高、中、低三層。
但是，假如一個用戶的累積付費金額是 1000 元，當你看到這個標簽時，是否能夠快速作出反應？
標簽的目的是為了讓使用者能快速獲取業務信息。所以如果是由人類使用標簽，比起原始數值，不如根據業務經驗將數值分為高中低三個層級，業務人員可以直觀地獲得標簽的含義。但如果這個標簽是用于推薦算法等數據產品，使用原始數值可以保留最精確的信息價值。?

2.生命周期主題。

我們希望用戶能夠完成完整的業務流程，用戶在業務流程上每一個可能產生流失的觸點，都是生命周期的關鍵節點。因此在定義生命周期的時候，可以從注冊流程、下單流程、風險測評流程等等業務的節點著手。

3.行為偏好主題。

在思考用戶的行為偏好時，需要考慮用戶在關鍵事件上的關鍵抉擇。
例如，用戶在點擊商品時，是什么因素影響他查看這個商品的詳情，什么因素影響他是否選擇購買？他可能會點擊不同的品類，對商品的價格做排序，篩選不同的規格……這些是影響用戶轉化的關鍵維度。因此，我們可以去關心「商品品類偏好」「商品價格偏好」「商品規格偏好」這些行為偏好標簽。
在計算行為偏好時，具體選擇多長時間范圍內的行為很有講究。例如商品價格偏好，我可以使用「點擊商品」這個事件去計算，也可以使用「支付訂單」這個事件去計算。通常來說，用戶做出一個事件的成本越高，這個事件表達出來的偏好就越可信，因此使用支付訂單做出來的價格偏好是最可信的。
但是，使用成本高的事件計算出來的標簽，可能只能覆蓋很少的用戶。標簽覆蓋率如果不夠高，業務分析時就會捉襟見肘。這個時候，便可以用覆蓋率較高的事件如「商品點擊」去計算行為偏好標簽。
在計算行為偏好標簽時，既可以使用最近 7 天的數據，也可以使用最近 30 天的數據，甚至可以選擇過去一年 365 天的數據。在這個場合下，要考慮行為偏好會隨著時間衰減。如果無法對時間窗口做決定，可以使用一個經驗法則：使用業務指標的周期做基準。例如如果關注的是月留存率，那就可以用前兩個月的數據計算行為偏好。

4.營銷偏好主題。

這類主題標簽要從業務人員實際可以干預的維度出發，如：適合推送的時間段、優惠券的金額范圍、適合的推送通道、文案的風格等等，業務人員可以根據這些標簽來優化他們的工作。
以上四個主題標簽源于對業務流程的思考，它們通過以下四個步驟完成梳理：

1.還原業務流程。

完整的業務流程一般包括：啟動、注冊、活躍、深度行為、付費、流失……不同環節中能夠影響用戶決策的屬性，將會對企業梳理業務行為偏好起到關鍵作用。

2.覆蓋生命周期。

對于某些沒有沒有行為偏好或行為偏好已過期的用戶，如新用戶、沉默用戶，一般需要針對其所處的生命周期節點來做決策。

3.明確商業目標。

可能是提高付費率，也可能是提高留存率等，然后拆解業務流程，針對不同的用戶群定義不同的行為路徑。

4.從策略推標簽。

在不同的行為路徑上推斷可實現的策略，由此區分用戶，實現策略標簽的梳理。
通過以上四步，可以有條理地梳理出符合企業業務模型的標準體系，當中不僅需要業務經驗，還需要具備商業意識。

三、如何利用用戶畫像分析賦能業務落地

接下來，我們以一個具體一點的例子，來講解用戶畫像應該怎么洞察。 某電商平臺嘗試通過活動營銷，提升購買環節的轉化率，那么，該如何利用用戶標簽體系賦能轉化率增長呢？
我們回歸到業務應用用戶畫像的三個問題：
1. 目標人群是誰？
2. 目標喜歡什么？
3. 怎么執行策略？
首先，基于漏斗分析，選擇購買環節的流失用戶，查看漏斗流失用戶群畫像，可以完整了解這部分用戶的價值分層、行為偏好、生命周期以及營銷偏好標簽分布。如下圖所示：??數據分析的精髓在于對比，只有在分析用戶群和目標用戶群之間做對比，才能挖掘出有效的業務突破點。
基于此，我們可以將流失用戶畫像與付費購買用戶畫像進行對比，其差別所在就是企業的增長機會點。
最后，我們通過用戶畫像的洞察分析，得到了這樣的營銷方案：
通過短信發送帶有秒殺提醒關鍵詞的營銷信息，選擇運動鞋作為活動類目，集中選擇 100 元以下商品展示提高瀏覽量，選擇主體用戶活躍的時間段推送。
我們總結的用戶畫像分析應用流程如下：
1.選擇關心的問題場景人群。
2.抽樣用戶，查看單體畫像獲取靈感。
3.通過用戶的典型特征，查看用戶群畫像進行對比。
4.對比另一個用戶群畫像進行對比。
5.從差異特征出發構思策略。

總結

以上是生活随笔為你收集整理的神策数据钟秉哲：一文了解用户标签画像，从洞察到突破的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。