深入了解用户标签体系用户标签体系设计思路( 二 )

当然，如果业务发展快，有明确的场景和充分的资源，想要两者一起来做，那当然也是可以的。
二、标签画像的应用场景总结标签和画像实际上是对数据的再加工，根据不同的加工输出可分成四大类应用场景（如下图 2）：
图 2 标签画像的应用总结
（1）精细化运营
企业逐渐从粗放式到精细化，希望将用户群体切割成更细的粒度，辅以短信、推送、邮件、活动等手段，驱以关怀、挽回、激励等策略。
（2）用户分析
用户画像也是了解用户的必要补充，在产品用户量扩大后，需要辅以用户画像配合研究，如新增的用户有什么特征，核心用户的属性是否变化等。本质上来讲，标签就是对用户的描述，所以对标签的加工，相当于更深层地分析出贴近业务的用户信息，这个信息会减少大家基于原数据重新跑一些业务分析和用户分析的场景。
在这里强调一点，我发现很多企业在使用数据时，会忽略思考数据背后代表的意义，但是企业需要在使用数据解释业务特征时，更深层次地剖析数据代表的用户特征，因为增添这一层思考，意味着企业的业务自始至终真正服务的对象都是用户，而不是把这些业务作为服务用户的手段。
所以，当企业开始探索业务的持续性发展时，企业对用户的了解和认知非常重要。举个例子：我在给一些证券客户做咨询的时候，会首先引导企业梳理现有数据，基于客户视角把客户资产盘点一次。
（3）数据分析
标签可以理解成作为用户分层分类的规则之一，数据查询平台和这些数据打通后能支持更加丰富和深层的分析及对比。另外，数据分析的应用，可以更具像到一个概念，即产品的应用。
（4）产品应用
用户标签是很多数据产品的基础，诸如广告系统、个性化推荐系统、CRM 基础搭建等，事实上，自动化运营本质上在技术角度对底层的要求就是标签体系。
三、标签画像的典型应用场景很多企业会使用 Push 来拉新、活跃、召回用户，其实企业如果是引入外部第三方企业来支持 Push 业务，第三方企业会根据公司的 DAU 或 MAU 来收取费用，这意味着企业每个月给客户推 0 次和推 5 次 Push，付出的成本一样。
另一方面，企业对一个用户推 10 次与精准地推 3 次（3 次都产生效果）相比，后者 Push 用户产生的效果更好。所以 Push 的应用非常强调技巧，需要从成本和 Push 用户产生的效果两方面考虑。
举个例子：如果企业的目的是通过 Push 增加理财交易，我们可以先通过两层标签筛选找到推送的用户，第一层是生命周期标签筛选，如处于交易流失期的用户，第二层是行为标签筛选，如最近七天查看过银行理财产品的用户。之所以设置第二层筛选将这群人抽取出来，是因为这群人是可被迁移的用户，而且是理财产品的潜在营销用户。
如果企业不对这群用户采取相应措施，这些潜客就会流失，但是如果企业对这些用户做精准营销，不仅对理财业务，还是对整体业务都会产生很大的价值。
图 3 典型应用场景
这是一个真实场景的举例（如上图 3），理财业务的运营同学，通过上述规则筛选出 5 万人，并对这些人发了一条精准的 Push，推送后打开 App 人数达到 5680 人，打开率达到 11.4%（数据做了一定的处理）。
事实上，通常金融类的 Push 打开率，能够达到 5% 已经非常不错了。但是，通过判断这群目标用户的特征和需求后采取定向推送，使 Push 打开率能达到接近 3 倍以上，这意味着如果企业采用非精准推送方式，所要覆盖的用户群需要精准推送的 3 倍。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：

深入了解用户标签体系 用户标签体系设计思路( 二 )

深入了解用户标签体系用户标签体系设计思路( 二 )