如何01构建与应用标签体系

如何0-1构建与应用标签体系?目录CON

TE

N

T01标签及标签体系介绍02标签体系的核心设计思路03标签体系建设流程与方法论04标签应用的价值与典型案例目录CON

TE

N

T01标签及标签体系介绍02标签体系的核心设计思路03标签体系建设流程与方法论04标签应用的价值与典型案例标签与标签体系什么是标签？标签是与业务紧密相关的⽤户数据。标签通常是⼈为规定的⾼度精炼的特征标识。通常标签是提前设计好的，⽽且会保持相对稳定存在的。什么是标签体系？是标签的组织⽅式，是⼀套可以⻓期稳定使⽤并且适⽤性较强的框架，可以把多种标签合理的组织起来，便于⾼效使⽤和扩展。标签体系基础属性⽤户旅程地理位置购买兴趣……目录CON

TE

N

T01标签及标签体系介绍02标签体系的核心设计思路03标签体系建设流程与方法论04标签应用的价值与典型案例以数据为基础基于业务场景设计不同企业的不同团队对标签的诉求存在巨大差异，例如：会员运营关心用户生命周期、消费能力等全链路分析相关的标签；市场部门更关营销触点、交互行为等相关的标签；商品部门更关注人-货拼配等标签；因此，企业在搭建标签体系的时候切勿盲目追求大而全的标签体系，最佳的处理方式是与各业务线或部门的诉求和实际的应用场景紧密结合，让标签为业务目标服务。标签设计标签体系并非大而全就好，而要与实际场景深度结合。从实际场景中提炼有价值的标签内容结合群组寻求最优方案不是所有数据都做成标签才能应用，对于临时触达或探索分析的内容可以以群组的方式解决，如：对参加某次活动的人群发送通知。从中挖掘出真正需要沉淀为标签的内容，如“频繁”参与活动的人打上活动响应度高的标签，后续优化活动方案，对响应度高的人群减少优惠券成本投放，从而达到降本增效的业务目标。标签业务目标使用者生命周期关系群组标签一般是分群的上游数据，通过标签可以更好地圈选客群业务目标使用者生命周期结合组织架构和人员技能设计标签体系不同行业不同公司的组织架构存在差异，人员技能不尽相同。CDP提供基于原始数据（基本属性、行为事件、业务数据）构建群体，同时也支持基于标签构建，减少后续构建群体时需要理解的概念。行为埋点属性数据业务数据自有触点上实时抓取的数据基础监测事件监测默认参数自定义参数主IDLocationEventtimestamp副ID自定义Dimensions用户ID属性数仓画像微信后台本地数据……订单系统客服系统营销/风控……用户ID维度指标群组标签构建标签体系时兼顾合理性与灵活性合理性：标签生成的合理性、使用场景的合理性灵活性：在基础标签之上业务使用方可以灵活配置规则标签、业务标签、算法标签等。不必在前期确定或限定规则，可以随着业务的推进灵活调整生成新的标签；目录CON

TE

N

T01标签及标签体系介绍02标签体系的核心设计思路03标签体系建设流程与方法论04标签应用的价值与典型案例接入数据基本属性/行为事件/业务单据/其他数据梳理业务场景和流程梳理客户生命周期明确需求构建标签标签分组标签标签价值评估标签覆盖率/标签使用热度/模型标签准确率等客群圈选基于标签及数据圈选目标群体标签分析/多维特征分析等活动洞察标签管理标签更新迭代管理：新增，修改，删除优化策略数据补充，进一步明确需求标签建设全流程通过标签全生命周期+标签应用效果，搭建标签优化全流程闭环。标签建设方法论：明确建设目标基于“5W2H”分析法进一步明确标签构建目标。What这个场景是什么？目的是什么？Where依靠什么模块完成？群组可以吗？When什么时候需要上线？业务应用时间是什么时候？How

much价值是什么？How怎样构建这个标签？用什么标签类型？Who由谁来构建这个标签更合适？Why为什么要构建这个标签？标签建设方法论：标签体系设计设计标签内容设计标签类目探查数据规划主体包含标签定义、标签类型、标签执行频率等根据实际业务情况，一般建立1-3层，建议一个子类目不超过30个标签，不少于3个标签梳理数据域、业务过程、数据表、数据分布，了解基于该数据，可加工出哪些标签，确定标签值分段区间。常用二八法则确定标签体系的对象，如消费者、商品、汽车、内容等标签体系设计之设计标签内容&类目需求收集后需要对需求进行分析梳理，

结合业务场景，

判断需求和业务的匹配程度：确定标签制定的目的，统一标签口径，

这里要注意标签务必要符合业务场景搭建，

且对标签定义达成共识，

比如“

活跃用户”“忠诚用户”等标签。需要明确标签的目的及作用，划分标签类型。沉睡客户 潜在客户 活跃客户 忠诚客户客户客户客户客户客户标签体系设计之数据探查进行数据探查工作，明确数据支持信息，即什么样的数据和标签相匹配，包括：用户基础属性数据、产品使用行为数据、用户业务订单数据，以及其他补充数据。ID优先级主体转换关系ID参考关系数据登记数据连接账户类信息个人类信息存款类信息消费交理财基金信息网银类信息……数据探查脏数据过滤字符串索引数据处理One

ID生成策略实时One

IDID打通多表连接……用户基础属性数据产品使用行为数据用户业务订单数据其他补充数据标签体系设计之规划主体主体又称实体或对象，通常可以被运营或洞察分析，常见的主体为“人”，VeCDP多主体能力指的是支持构建除了“人”以外的多个主体，如车、商户等，并支持构建多主体标签，完成多主体分析与营销应用。该环节我们需要明确标签的对象为人、物还是其他。人-标签体系基础信息：性别，职业，常驻地等触媒信息：曝光次数，点击次数等留资信息：金融方案，消费水平等4.

……车-标签体系基础信息：车辆型号，车辆色系等成交信息：成交时间，成交地点等保养信息：保养套餐，保养时间等4. ……标签流程了解微信营销偏好微信社交轨迹订车/买车购车意向潜客阶段信息交车消费信息认知微信营销偏好微信社交轨迹维修车使用信息车保养维护信息到店购车意向潜客阶段信息试驾购车意向潜客阶段信息保养车使用信息车保养维护信息换购换购意向人-车双中心标签体系标签建设方法论：标签加工与更新XX客户数据平台（VeCDP）提供十余种标签构建方式，需要基于前置标签设计，选择合理的标签构建方式与更新频率。标签构建方式

业务人员可通过10余种可视化的标签构建方式，灵活搭建与管理标签体系。标签更新频率计算类型：离线或实时更新类型：定时或手动-

执行频率：天级/周级/月级更新标签建设方法论：离线标签&实时标签离线标签实时标签基础信息：性别，职业，常驻地等触媒信息：曝光次数，点击次数等留资信息：金融方案，消费水平等4.

……用户标签更新方式参与计算的数据规则复杂度适用场景更新方式参与计算的数据规则复杂度适用场景内容推荐场景制定人工推荐策略，对实时变更的不同群体进行差异化内容推荐。即通过调用CDP判断用户是否所属某实时分群，推荐不同的内容。新用户发券场景实时判断某用户是否是下单新用户，给新用户发放优惠券。即通过CDP实时判读用户是否满足发券规则，对于满足规则的用户发放对应的折扣券。标签建设方法论：标签价值评估标签价值评估覆盖量评估标签值分布标签使用热度标签稳定性评估标签关注度评估标签优化率评估标签覆盖数量和覆盖率，衡量标签的覆盖程度，评估标签有效的使用范围查看标签的各标签值分布以及占比，了解随时间变化标签值的分布变化查看标签使用频次统计和标签性能相关指标数据，评估标签的热度查看标签任务的执行失败率，从而评估标签稳定情况查看近7天/14天的标签收藏次数、标签搜索次数分布，评估标签关注度查看标签再次编辑的次数，评估当前优化率情况目录CON

TE

N

T01标签及标签体系介绍02标签体系的核心设计思路03标签体系建设流程与方法论04标签应用的价值与典型案例标签在各行业的应用示例：汽车一层标签树，根据【消费者流程】设计分组。销售、运营、市场等各部门共同使用。销售部门：以销售额为最终目标，关注“线索-到店-下订-试驾”用户流程，对该阶段标签进行阶段性分析。运营部门：目标为提升小程序用户活跃度和终身价值。关注“签到-评论-分享-精品消费”用户流程，监控整体运营情况，

挖掘“

运营热点”，促进车后服务价值变现。市场部门：通过各类线上线下活动，推广+促活。关注活动期间的“评论-分享-留资-下订”用户流程，实时调整活动策略，提升活动效果。标签在各行业的应用示例：零售订单购买互动行为基础信息编号用券情况会员号商品购买渠道······点击停留Gender浏览加购······名字生日消费水平性别所在地············属性类年龄性别地址入会渠道······规则类商品偏好渠道偏好价值等级最近一次购买······用户画像模型类AIPLRFM回购概率预测购买时机预测······*公域基础信息补充消费情况内容兴趣圈层······商品画像基础风格······价格折扣······库存数量材质 销售量 仓库············门店画像基础地理位置······业绩销售额······商品主卖商品门店类型 会员数 商品库存············标签在各行业的应用示例：金融>用户档案属性（系数100%）1.相关有效关联线索条数（15分）->92.线索中心档案字段完整度（10分）->6正负分累加后，3.线索档案最近被更新时间（10分）->6基于总分评级：正分机制：各标签正分累加S：[100-165]H：[70-100]4.最近一次留资意向购车时间（40分）->24>粉丝类型（10分）（系数100%）->6A：[50-70]>线索跟进（80分）（系数100%）B：[30-50]C：[10-30]1.留资线索来源渠道（取所有留资渠道最高分的渠道）（15分）->9N：[0-10]2.线下行为（65分）->40负分机制：3.打电话打不通/反馈无意向等，作为负向打分（最少减少到0分）各标签负分累加4.战败线索，作为负向打分标签应用场景与价值：线索跟进，成单转化车企融合线上线下用户数据，通过线索评级，创建【购车意向度】标签，对线索价值进行预判，待线索下发门店后，可以辅助销售有侧重点地跟进，优先跟进意向度高的用户，提升成单转化率。打分机制计分逻辑得分评级标签应用场景与价值：精细营销，降本增效结合用户以往活动行为，构建优惠券相关标签，针对不同响应度的用户发放不同额度的优惠券，提升用户活跃度。标签一级标签二级标签标签值标签规则更新频率消费信息优惠券近180天优惠券使用次数20次及以上10-19次，5-9次，0-4次，明细-优惠券最近180天

订单id

计数且满足

优惠券id不为空每天近30天优惠券使用次数20次及以上10-19次，5-9次，0-4次，明细-优惠券最近30天

订单id

计数且满足

优惠券id不为空每天近7天优惠券使用次数20次及以上10-19次，5-9次，0-4次，明细-优惠券最近7天

订单id

计数且满足

优惠券id不为空每天优惠券敏感度高：中：低：已购买未用券未购买（注册无销）明细-优惠券高：优惠券使用比例超过50%；(≥50)中：优惠券使用比例超过30%；(30≤x＜50)低：优惠券使用比例>0且<30%；(0＜x＜30)已购买未用券未购买（注册无销）每天标签应用场景与价值：分析洞察，剖析画像导购基础分析导购登录成功率顾客扫码率商品页面访问次数商品支付次数导购开单率功能页面访问量功能使用次数导购画像（区域/门店/司龄/性别/销售偏好）导购业绩指标服务行为统计计(设备/时长/导购/顾客)订单量（