用户标签各种运用方法如何对用户标签管理与分层

文章插图
用户标签是精细化运营的基础，能有效提高流量的分发效率和转化效率。
而目前基于标签的智能推荐系统，已经有了成熟商业应用，比如：淘宝的千人千面，美团外卖的智能推荐，腾讯的社交广告。
思考的背景从16年开始，互联网用户增长趋缓，同比仅增长。一方面，不论是线上还是线下，新用户的获取成本都很高。另一方面，用户时间增长也在趋缓。在用户花费时间趋向饱和情况下，不同的产品之间同样存在竞争关系。
在这个背景下，随着用户量增长，运营人员面临新的挑战，有以下核心诉求：
一般运营活动中，怎么对不同用户群体分层，提高流量的分发效率？对于个体用户，怎么深入到日常使用场景，提高流量的转化效率？落到产品设计层面，需要解决以下问题：
怎么设计一个完善的用户标签体系？怎么打标签？打哪些标签？谁来打？怎么使用用户标签，创造商业价值？标签系统的结构标签系统可以分为三个部分：数据加工层，数据服务层，数据应用层。每个层面面向用户对象不一样，处理事务有所不同。层级越往下，与业务的耦合度就越小。层级越往上，业务关联性就越强。
以M电商公司为例，来说明该系统的构成。
数据加工层。数据加工层收集，清洗和提取来处理数据。M公司有多个产品线：电商交易，电子书阅读，金融支付，智能硬件等等。每个产品线的业务数据又是分属在不同位置。为了搭建完善的用户标签体系，需要尽可能汇总最大范围内的数据。同时每个产品线的也要集合所有端的数据，比如：App，web，微信，其它第三方合作渠道。
收集了所有数据之后，需要经过清洗：去重，去刷单数据，去无效数据，去异常数据等等。然后再是提取特征数据，这部分就要根据产品和运营人员提的业务数据要求来做就好。
数据业务层。数据加工层为业务层提供最基础数据能力，提供数据原材料。业务层属于公共资源层，并不归属某个产品或业务线。它主要用来维护整个标签体系，集中在一个地方来进行管理。
在这一层，运营人员和产品能够参与进来，提出业务要求：将原材料进行切割。主要完成以下核心任务：
定义业务方需要的标签。创建标签实例。执行业务标签实例，提供相应数据。数据应用层。应用层的任务是赋予产品和运营人员标签的工具能力，聚合业务数据，转化为用户的枪火弹药，提供数据应用服务。
业务方能够根据自己的需求来使用，共享业务标签，但彼此业务又互不影响。
实践中可应用到以下几块：
精准化营销。个性化推送。标签体系的设计业务梳理搭建用户标签体系容易陷入用户画像陷阱，照葫芦画瓢，不利于标签体系的维护和后期的扩展。
可以按下面的思路来梳理标签体系：
有哪些产品线？产品线有哪些来源渠道？一一列出。每个产品线有哪些业务对象？比如用户，商品。最后再根据对象聚合业务，每个对象涉及哪些业务？每个业务下哪些业务数据和用户行为？结果类似如下：
标签的分类按业务对象整理了业务数据后，可以继续按照对象的属性来进行分类，
主要目的：
方便管理标签，便于维护和扩展。结构清晰，展示标签之间的关联关系。为标签建模提供子集。方便独立计算某个标签下的属性偏好或者权重。梳理标签分类时，尽可能按照MECE原则，相互独立，完全穷尽。每一个子集的组合都能覆盖到父集所有数据。标签深度控制在四级比较合适，方便管理，到了第四级就是具体的标签实例。

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：

用户标签各种运用方法 如何对用户标签管理与分层

用户标签各种运用方法如何对用户标签管理与分层