科技猎
在神策 2020 数据驱动用户大会「精英训练营」现场，神策数据业务咨询师钟秉哲发表了关于《用户标签画像，从洞察到突破》的演讲。（文末附 PPT 下载地址）本文根据其现场演讲整理所得（数据均为虚拟），主要内容如下： · 为什么要给用户打标签· 如何构建可落地的用户标签体系· 如何利用用户画像分析赋能业务落地
在工作过程中，我们会逐渐意识到，业务效果与质量的提升往往需要工具的帮助。某些运营策略如果没有数据系统、数据算法的加持，很难实施并发挥出价值；同时，技术和业务是相辅相成的，只有基于一个确定的业务目标去反推系统应该具备的能力，才能够做出真正有价值的数据产品。
一、为什么要给用户打标签
推送运营的核心问题是：在什么时间，向什么受众，推送什么样的内容。我们看到的常见推送运营误区是：因为全量推送不会有遗漏用户，所以能够最大化推送效果。事实并非如此。当我们在做推送运营这件事情时，我们在利用的资源不是能推送什么内容，而是用户愿意容忍我们推送的上限，即用户的注意力资源。 我们可以用这样一个公式总结它：每日用户注意力资源 = 日活用户数 * 全局触达限制。在注意力资源有限的背景下，如何更好地利用它去达到业务效果最优化，唯有靠「精细化运营」。我们曾为某游戏平台做过「规则推荐」的项目，它面向全球用户提供游戏信息流推荐服务。针对此，我们一起进行了一次简单的规则推荐实验：根据用户的所在地域不同，推荐该地域下载量较高的游戏，是一个「千人十面」的简单规则。通过短时间的实验，即使是如此简单的推荐，推荐游戏的点击率也要高于一视同仁的推荐游戏的点击率，这就是「精细化运营」的威力。精细化运营的演化路线，可以用以下例子来说明：1. 某产品的日活用户为 100 万，一开始的时候对所有用户一视同仁地全量推送热门内容 A，最终内容的点击率是 2%；2. 通过分析发现了细分人群（50 万）的偏好以后，对细分人群推送点击率为 2.5% 的精准内容 B，对其他人群仍然推送热门内容 A。这时整体的点击率是 2.25%，比之前有所提升。3. 之后，继续找到比一视同仁的推送更好的细分人群和精准内容，当精准推送覆盖的用户比例越来越高时，业务效果也会变得越来越好。
由此可见，每一个的洞察用户的细节都让业务变得更好，精细化运营的底层能力是分析用户标签的能力。用户标签通常来自于用户自然属性、用户交易数据、用户资产数据、用户行为特征、第三方来源等等：1.属性类标签。通过系统直接采集用户信息获得，比如用户在注册资料中填写的性别、年龄等。2.统计类标签。通过数据统计分析获得，比如推断“浏览女装超过 5 次”的用户为女性等。3.规则类标签。根据经验/规则等获得，如根据用户上一次启动的时间为半个月前判定其为预流失用户等。4.算法类标签。比如基于人脸识别等技术通过数据计算获得。无论哪一种标签，都是通过对用户某个维度特征做描述和刻画，对用户信息进行总结。它可以是具体的文本，可以是统计指标，也可以是一个关键日期……只要使用它的业务人员可以快速获取到信息，它就是有效的用户标签。
用户标签的存在意义体现在于其可应用的业务场景，参见下图：
但即使对用户标签的应用感到心动，也并不是每个公司都能做用户标签：1. 它取决于公司本身有没有足够丰富的内容、商品或服务，业务发展阶段是否已经无法靠简单的人工运营解决客户问题。2. 用户标签体系不是拿来即用的，需要有经验的团队适配公司业务流程，才有可能建立有价值、可落地的用户标签体系。同时，如果没有一定的行为数据采集能力，标签计算也是巧妇难为无米之炊。
二、如何构建可落地的用户标签体系
当一家企业有了强烈的意愿和足够的能力时，怎样才能建设出符合其业务流程的标准化用户标签体系呢？我们在和客户合作标签画像项目的时候，发现很多人都会希望总结他们已有的数据，尽可能全面地覆盖例如人口学、消费能力、业务次数等等耳熟能详的标签体系，但千辛万苦建出来的标签使用率却很低，业务人员反馈不知道应该怎么用。我们前面提到，标签的核心意义在于业务人员能通过用户标签快速获得业务信息。因此，只有从业务应用出发，才能反推出可落地的标签。业务部门虽然五花八门，但执行业务的路径却非常相似：
第一步，寻找目标用户。
第二步，洞悉目标用户群的需求。
第三步，投其所好，通过营销偏好执行策略。
1.价值分层主题。
2.生命周期主题。
3.行为偏好主题。
4.营销偏好主题。
1.还原业务流程。
2.覆盖生命周期。
3.明确商业目标。
4.从策略推标签。
三、如何利用用户画像分析赋能业务落地
接下来，我们以一个具体一点的例子，来讲解用户画像应该怎么洞察。 某电商平台尝试通过活动营销，提升购买环节的转化率，那么，该如何利用用户标签体系赋能转化率增长呢？我们回归到业务应用用户画像的三个问题：1. 目标人群是谁？2. 目标喜欢什么？3. 怎么执行策略？首先，基于漏斗分析，选择购买环节的流失用户，查看漏斗流失用户群画像，可以完整了解这部分用户的价值分层、行为偏好、生命周期以及营销偏好标签分布。如下图所示：
数据分析的精髓在于对比，只有在分析用户群和目标用户群之间做对比，才能挖掘出有效的业务突破点。基于此，我们可以将流失用户画像与付费购买用户画像进行对比，其差别所在就是企业的增长机会点。最后，我们通过用户画像的洞察分析，得到了这样的营销方案：通过短信发送带有秒杀提醒关键词的营销信息，选择运动鞋作为活动类目，集中选择 100 元以下商品展示提高浏览量，选择主体用户活跃的时间段推送。我们总结的用户画像分析应用流程如下：1.选择关心的问题场景人群。2.抽样用户，查看单体画像获取灵感。3.通过用户的典型特征，查看用户群画像进行对比。4.对比另一个用户群画像进行对比。5.从差异特征出发构思策略。