首页 体育 教育 财经 社会 娱乐 军事 国内 科技 互联网 房产 国际 女人 汽车 游戏

想做好用户画像?制作用户标签是你要做的第一步(原创)

2020-01-18

用户标签,是一个十分根底的,估量人人都听过的,可是却常常弄混杂的概念。它是用户画像、精准营销、特性引荐、智能投进等等各种体系的砖石。本文对此进行了体系剖析,与咱们共享。

性别:男女,便是一个标签。简略吧!

所谓标签,便是:

用来描绘产品的,便是产品标签;用来描绘事务的,便是事务标签;用来描绘用户的,便是用户标签了。咱们常说“小太阳家庭”“中产阶级”“喜好时髦”等都是用户标签。

有意思的是,咱们总是说:日子中不要给容易给人贴标签。可为什么还要声势浩大做用户标签呢?

由于面临一个人,出于尊重别人、不带成见的考虑,咱们说不能乱贴标签。但企业经营面临数以千万的用户,就不能一个个去了解,时刻和本钱都烧不起。假如不加区别,把一切顾客天公地道,就只能这么地毯式轰炸。

假如有用户标签,就能快速、方便地细分用户集体,确定更有需求的人,完成更精准的营销/服务。

不打标签,每次都依据原始数据剖析,运营会很纠结的:究竟是选买过3次的仍是4次的才加活动呢?消费分段选3000,3200,仍是3300呢?理论上,每次都这么纠结也是可行的。可是这样做功率太低,而且能考虑的维度太少,很有或许累秃了头也没啥发展。

因而能够依据过往剖析作用,预先打上标签,能极大提高功率,完成更杂乱、更精准的剖析。

而且,还能把最终作用记载进标签库,堆集剖析经历。假如标签打的对,那咱们按标签做的事就能起到作用,标签自身质量也被承认;假如标签打错了,那按标签做的事就会没有作用,后续就能修订标签,打新标签。

咱们做用户分层和分群,做精准营销,一切作用也能够以标签方法保存。在后续屡次验证,然后沉积管用、区别度高的标签,提高用户画像的准确度与有用性。

想要达到这种好的区别作用,当然只靠“男女”这种简略的标签是不行的,所以就有了制造标签的进程。详细怎么做?一同来看个简略浅显的比方。

比方谈恋爱,未来的丈母娘上来问的肯定是:

你看,问的满是用户标签,人家一点点不在乎你有多痴情,你有多尽力。甭整那虚了吧唧的玩意,Show me the 房产证!十八姑娘一枝花,追的人多了去了,便是要许多过滤那些馋身子的小废物……

可是假如只知道答复是“有房”,是不是就能区别好青年了呢?——当然不能够。由于单一维度的标签,信息量很有限。就像单纯说“有房”,那究竟是上海的房子仍是盐城的房子,是60平小两房仍是120平大三房,是全款的仍是欠了一屁股债的,统统不知道。因而,丈母娘才会问一大堆信息,逐渐规整判别:究竟这个小伙靠不靠谱。

这便是制造用户标签的直观进程:

概括一下,共有7步:

做用户标签能够很简略,但想做有用的标签,就会很杂乱。它是一个从单维度到多维度,从简略到杂乱,不断迭代验证的进程。在这个进程中,常常呈现问题。

许多人被“比方性别:男女便是个标签”这句话误导,认为只需做了分类,就算是标签了。至于分出来的类别之间有什么差异,有多大差异,压根没查验过。乃至,你问他为啥这么打标签,他说不知道。领导让打,咱就打,管他呢。

实际上,即使是同一个原始数据,在不同方针下,打标方法会彻底不同。拿用户年纪举例,或许有好几种分类贴标签的方法:

比方打一个“高价值用户”标签,这儿“高价值”指的是前史消费水平高,仍是未来消费的多?许多人傻傻不分,就计算下前史消费金额,然后消费多的便是价值高。

可是谁确保用户曩昔买的多,未来必定买的多??彻底不必定。

留意:假如咱们要打的标签是个未来状况,比方未来消费多,意味着咱们要做一个猜测:用户未来会消费多少。这儿就得依据测验或许建模猜测才干得到定论,不能简略依据前史数据计算。

比方用户买了产品A,所以就打个“A产品喜爱者”标签。可是用户真的喜爱A产品吗?咱们只知道用户买了A的行为,并不能直接推导出动机。假如想推倒动机,需求依据一段时刻数据剖析,而且归纳多个维度判别。

在推导动机的时分要特别慎重,由于过错的、随意的归因会误导事务举动。分明用户喜爱的是打折,作用缺误判为产品粉丝,最终很有或许狂推一堆产品却没有呼应。

比方评高价值用户,把活跃度和付费金额,付费金额和毛利几个方针混合在一同,美其名曰“归纳点评”。作用搞出来一毛不花天天白嫖的用户也是高价值用户。要是都这么折腾公司就得破产了。

这类问题,主要是做数据的同学嫌一个维度一个维度切分不表现数据才能,非得整个模型,算个权重才显牛逼。降维能够做,但紧记整个准则:不同类方针不混合。特别是触及钱的方针。究竟公司赚没挣钱,是个很严厉的事。搞混了,是要喝西北风的。

打用户标签是期望区别用户,那么最终区别作用,在方针上的差异越大越好,假如差异不大,那打标含义就不大,能够撤销标签,或许再做优化。

惋惜的是,许多公司都是为了打标而打标。至于打了标签干什么,用在哪里,作用怎么,从来没考虑过。

乱象背面深层问题,是这几年大举揄扬的“数据中台”、“用户画像”的概念。许多企业不是从需求呈现,先考虑:咱们要处理什么问题。而是从朋友圈文章动身:哇塞,领导转发《震动!阿里数据中台隐秘,总算揭露了》,领导喜爱,咱们就做,搞起搞起。

所以不论数据收集怎么,不问事务落地场景,也不想最终完成什么作用,盲目打标签。临到年末报告,还欢天喜地说:咱们完成了10万标签组成的海量数据库!数仓、模型、可视化啥都有了,便是没人用,最终一地鸡毛。

本质上,想获得好作用,仍是得从作用自身动身,依据问题找东西,而不是拿着锤子看什么都像钉子。不过许多同学自己也没有见过,天天喊用户画像,也没见几个详细落地作用。啤酒与尿布听得许多,可便是反正没见过一家超市是这么摆的。

其实,想做出好的事务作用,远没咱们想的杂乱,关键在于做好:打标-验证-堆集-二次打标的进程,继续的进行迭代。

接地气的陈老师,微信大众号:接地气书院,今天亮点专栏作家。资深咨询参谋,在互联网,金融,快消,零售,经用,美容等15个职业有丰厚数据相关经历。

本文原创发布于今天亮点。未经许可,制止转载

题图来自Unsplash,依据CC0协议

热门文章

随机推荐

推荐文章