一个实用的用户标签体系需要考虑什么

用户画像分析、标签体系设计跟行业领域、业务目标以及实际数据可获得性都密不可分，比如传统消费品行业跟移动互联网产品，在用户数据的产生以及应用方式上，从实操角度就存在比较大的差别。本文抛砖引玉从一个相对消费品领域的角度简述用户标签体系设计的思考。

你说的标签跟他理解的可能不一样

关于“标签”其实不同背景场景下，大家所想所谈的标签可能不是一个概念，这在我们日常的工作沟通中是经常发生的。

对于算法师和技术工作者，标签意味着数据技术操作层面的处理，数据表字段级别的逻辑。

对于业务工作者比如营销、销售和服务人员，由于跟用户有直接的交道，经常会说，我要给这个客户打一个标签，比如“X二代”，“爱时尚”，“易怒”等等，可能通过用户管理系统CRM/SCRM、数字营销系统或客服系统等给该客户打个这个基于业务判断后的标签。

经常我们个人也在给别人和自己打标签，比如微信里面给好友打标签，微博上给自己打个标签“爱旅行”、“爱美食”等等。

什么是标签？太纠结或执着于单一概念定义，会无法推进实际的业务和工作。我们所有的技术和业务层面的工作是为了业务目标，并且要实用和适用，并不是纯学术层面的研讨。数据少有少的分析方式，多有多的利用价值，数据分析是业务决策、精细化和精准运营的出发点。标签体系设计与管理，先从标签的不同来源来讲。

三位一体的标签体系

标签体系设计，关系到业务运营和技术系统建设，根据标签来源有：

内部数据标签＋外部数据标签。

标签是构建用户画像的基础，会产生两类用户画像：

（１） 个人用户画像

个人画像，有时候也叫360度用户视图，用于用户精准互动和一对一服务，销售和运营等操作实务指导为主。

（2） 用户群特征画像

是群体而非个体，即群体行为分析，群体行为洞察有利于做趋势分析、产品规划、营销决策等层面的工作。

标签来源分类

１. 内部数据标签

• 运营系统产生：不同业务系统来源，如订单管理系统、CRM/SCRM系统、客服系统、产品/商品管理系统、门店管理系统等等。这是最主要、最重要也是最常见的数据来源。
• 业务特征标签 ：跟业务运营有关，比如营销、客服、门店、销售等，这些特征标签，可能以业务人员的经验和判断有其定义和规则，通过系统工具打在用户上，这类标签随着互联网运营更为丰富起来。如营销人员，可能为企划活动、文案内容、互动内容定义标签，参与传播的用户自带其标签属性，比如特别喜欢参与美食类活动、看美食的文章，被赋予“美食”标签。
  这类标签有一些是显性的，比如常见的，客服给用户打个标签；有一些是隐形的，虽然没有“标签”这个名字，但是用户反馈信息可以作为用户标签的属性来源，比如内容传播、用户调研、健康检查结果等等。
  
  

２.外部数据标签

外部数据来源，比较典型的是互联网数据，如网络舆情分析工具，爬虫工具，以及现在越来越多的移动互联网工具，如微博传播分析、H5传播分析工具、社群数据分析工具等；还有一些其他的渠道，如电信数据等。

所谓三位一体的标签管理，即考虑：

内部系统数据 + 业务特征定义 + 外部来源数据

标签生命周期和质量管理

数据也是有生命周期的，海量的互联网大数据有抵消噪音的能力。大多数消费品或传统企业系统数据的规模和产生机制，不具备这样的容错和自我消化噪音杂质数据的能力，希望有效利用数据分析成果，就不得不对标签的质量和生命周期进行管理，标签是一个在一定时期有效的分析颗粒。

在管理的精细粒度上，根据实际业务情况和运营资源来平衡。疏于管理，不完善的数据分析会误导决策判断，事无巨细又是资源消耗。业务及技术层面的管理，既有系统性的规划，也需要基于不断的反馈来进行持续改进，也就是“迭代”。

1. 运营系统产生的数据

运营系统产生数据的质量高低的背后，其实是系统设计与技术实现、业务流程等综合作用的表象结果；并不只是数据准不准、完整不完整，而是折射出业务流程是不是合理，运营管理是否到位，早期系统设计是不是反应该有的或时下的业务逻辑等。

发现数据问题并不是只谈数据，而需进行“业务流程与系统数据差距诊断”，并制定相应的“业务流程优化、系统改进数据质量提升”举措。如果数据面反应问题较大，并不只是数据分析或算法师的问题，通常是涉及到组织管理流程和系统设备的改造。

问题有可能是，业务运营流程不合理，信息化建设问题导致手工成分过多，绩效管理不到位？或者操作和技术细节层面，数据字段定义不合格，比如温度“华氏和摄氏单位”没有定义，数据合理的大小范围没有定义；再如，眼睛眼光度数，有的输入“1.2、1.5”,有的输入“300、400度”等等，解决这个问题可以从服务人员的管理和培训入手但是会遇到人员不稳定，人不可控因素过多问题，也可以从数据字段的格式、范围校验等系统端控制入手。

2. 业务定义的规则

一线营销服务，互联网接触用户的渠道变化快，越是侧重“用户”直接接触和交互产生的数据分析，越趋向一个动态管理和调整的过程。

不同的业务部门有不同的用户接触点和服务流程，如营销 、销售 、客服 、商品 、门店等，可以基于其用户接触和服务的特点，制定相应的标签的定义、设计、编辑、审批、执行、评估、迭代的管理流程与规范。最大化的发挥一线业务人员的经验与能动性，也减少无规则的过于主观特色的标签，特别是传统企业缺乏互联网海量实时性数据基础，管理出数据质量尤为必要。

不同业务角色和实现机制上，标签的生命周期管理从机制到时效性都是不一样的，有些业务特征和接触渠道，用户的标签具有长期性和稳定性；而有些所采集的标签特征具有短期性、及时性、场景性。

当标签脱离业务场景，其应用会减少适用性。一个人大而全的画像固然有指导意义，但是脱离互动场景的分析，并不能有效影响和精准服务用户；一个用户在一个渠道和媒体上特点可能和在另外一个场合判若两人，在一个社群圈子的交流和在另外一个圈子的话题表现出不一样的内容兴趣。

当用户在不同场景所倾向接受的产品、服务和信息不同，我们所提供的产品服务、运营策略和影响用户的方式也会必然不同。