168大数据

标题: 用户标签体系设计 [打印本页]

作者: 168主编    时间: 2019-9-12 11:42
标题: 用户标签体系设计
目录
1、目的
2、用户标签体系分类
3、设计用户标签体系

1

用户标签体系的设计我认为主要有三个目的,分别是个性化推送、精细化用户生命周期管理与高价值用户深入挖掘。

个性化推送:根据用户年龄、支付偏好、行为习惯等多维度进行用户精准定位,进一步实现个性化推荐,提升用户体验。

精细化用户生命周期管理:借助用户标签体系,进一步制定用户生命周期管理模型(流失用户、活跃用户等行为模型),能够有效防止用户流失,延长用户活跃与转化周期。

高价值用户深入挖掘:有效对用户活跃、付费转化等行为模式多维度分析,进而挖掘出高价值用户,进行精细化运营。

2

用户标签体系可分为两类,前端用户标签体系与后端用户标签体系(由于没有查到相关资料,干脆自己命名了)。

前端用户标签体系,就是可以让用户看到的标签,是用户通过特定行为获得的,偏向业务层,个人认为和徽章很类似,相比于徽章无需图标展示,更为直截了当,但是缺少了徽章图标的趣味性。

那么一款产品是仅需要前端用户标签,还是仅需要徽章,抑或是前端用户标签与徽章结合?我认为只需要一个就可以了,功能性相同的两套设计共用难免有些重叠,当然这个问题不同的产品答案是不同的,主要还是由前端用户标签与徽章对产品本身的作用与意义决定。

后端用户标签体系,是偏向用户画像层面的标签体系,主要从人口属性、用户属性、行为属性等维度,在后端给用户贴上更为真实的标签。当然产品不同,标签体系的考量维度是有区别的,这三个维度是基础也是通用的。

3

1、前端用户标签体系

前端用户标签深度控制在二级就可以了,依据产品属性设置一级标签
以社交电商产品举例,一级标签可简单设置如下:
用户属性;
内容属性;
消费属性;
其他属性。

接下来就要进行一系列的头脑风暴了,开发脑洞,根据产品属性,结合一级标签,设计各自标签下的子集,二级标签,即标签实例,同时对每个二级标签进行规则定义并判断标签类型

这里需要注意几点。

首先,二级标签名称需要控制字符数量。与PM讨论字符数量上限,字符数太多会导致前端标签显示不完全,一般控制在6个字符。

其次,二级标签命名需要结合产品调性。学术讨论社区设计一套诙谐幽默的用户标签与休闲娱乐社区设计一套正经严肃的用户标签显然都是不合理的。

第三,二级标签名称要直戳用户痛点。问答社区中万事通的用户显然很想获得名称为“无所不知”的用户标签,不要设计无意义的标签名称。

最后,控制二级标签数量。数量太少将会对趣味性大打折扣,数量太多则会显得眼花缭乱。

标签类型分为三类,分别是事实标签、模型标签以及预测标签。

事实标签:既定事实,比如用户的性别、生日等。

模型标签:通过定义规则、建立模型计算,得出标签实例。比如该用户购买化妆品占购买类型的60%,则赋予该用户“化妆品购买达人”的用户标签。

预测标签:通过已有数据,预测用户的浏览习惯、购买偏好等等。比如该用户近期频繁浏览汽车相关信息,则预测该用户近期会购买汽车。预测标签只会出现在后端用户标签体系中。

简单设计一套前端用户标签体系供大家参考,但是最终的设计还是需要结合产品:

前端用户标签体系

2、后端用户标签体系

个人认为如果说前端用户标签体系可被徽章替代,那么后端用户标签体系则是独一无二的,也是更重要的。

首先简单总结产品业务,通过产品现有业务对象梳理业务数据及用户行为,为标签体系制定整理框架。

我们继续以社交电商产品举例进行简单的业务梳理,如下图:

业务梳理

然后确立后端用户标签体系的一级标签,即标签考量维度,个人认为基础且通用的维度有三个,分别是人口属性、用户属性与行为属性,不同的产品可能会对一级标签进行增删。

接着依据一级标签将业务对象进行标签分类,设计子集标签,根据已梳理出的业务数据与用户行为,进行标签体系填充。

注意在设计后端用户标签体系时,需要遵循MECE原则,相互独立,完全穷尽。标签深度控制在四级。

还是以社交电商产品举例,如下图:

后端用户标签体系

这里大家可以发现后端标签体系更偏向于用户画像,需要搜集用户基本信息、人群属性、用户类型等相关数据,与前端用户标签体系区别非常明显。


-END-

好了,用户标签体系复盘到这里就结束了,这次复盘很多细节上没有做全面的解读是因为我个人关于这块的疑问也有很多,对于标签有个人见解的朋友欢迎指教,关于这篇文章有不同观点的朋友也欢迎讨论。






欢迎光临 168大数据 (http://www.bi168.cn/) Powered by Discuz! X3.2