标签需求通常源自于我们每天都会提出的业务问题。举个例子,企业 a 需要通过 10 万元的活动预算实现 gmv 的提升。那么,此时面临的问题可能包括:10 万元的活动预算应该花在谁身上?活动推送应该中午发还是晚上发?用户可能会对什么类型的广告感兴趣?如何召回流失用户……这个时候,就需要“标签”来帮助我们做决策。
本文将围绕标签体系,从为什么要做标签体系、如何搭建可落地的标签体系以及标签体系的应用三方面展开。
一、为什么要做标签体系?
目前业界对标签体系的分类比较多样,从标签层级可以分为原子标签和复合标签;从更新方式可以分为静态标签和动态标签,从生成方式可以分为属性类标签、统计类标签、规则类标签和算法类标签。如下图所示:
标签可以对用户某个维度做描述与刻画,让使用者能够快速获取信息。具体来讲,标签是对用户信息的总结,是对一个问题的解答,它可以是具体的文本,比如,某个用户是哪个省份的;也可以是统计指标,比如某个用户昨天点击商品详情页多少次,所点击商品的均价是多少;也可以是关键日期,比如某用户第一次进入平台的日期、第一次加入购物车的日期、第一次购买商品的日期等。
只要它能够快速提供业务信息、支持业务运营,就是好标签。因此,我们将标签在应用场景上主要分为特征和客群两类。
当用户标签作为特征,是指将用户在某个维度进行抽象,表达用户一些可被快速认知的特点,主要作为运营动作的参考——在运营过程中为运营人员提供信息输入,或者作为触达物料中的参数变量。举个例子,当你通过某电商平台搜索点击“口罩”这一商品之后,过几天你便会收到类似的消息:亲爱的 xx,您所在的 xx 地区在针对口罩商品做大促,我们给您发送了 x 元的优惠券。该信息是通过将你的昵称、地域等标签进行半自动化实现的,这就是标签作为特征时的具体应用。
当用户标签作为客群,是指基于相同标签提炼出来的一群人的集合,这些用户都具有相同特点,主要作为运营动作的目标受众。比如,当我们希望通过对某一群人做活动推送时,仅需要拿到客群标签即可,不需要了解更详细的用户特征。很多时候,当我们对用户做精细化运营时,通常需要基于客群做标签应用,除了能够帮助人工进行判断以外,还可以提供给其他自动化系统,比如投放、定向广告、个性化推荐等,数据和机器共同决策,驱动标签体系发挥更大价值。
总结来说,标签体系的应用价值可以总结为四点:用户特征洞察、增强数据分析、精细化运营及数据产品应用,如下图所示:
但同时,我们需要清楚地知道,标签体系要想对业务产生价值,需要具备一定的前提条件。比如,有没有足够丰富的内容和商品?如果你的 sku 只有 10 个,那么通常不需要对客群做细分,也就不太需要标签体系;再比如,你的企业当前处于什么阶段?对于一些初创企业,要想做好标签体系通常需要聘请业务专家,需要采集数据、加工标签的工具,整体下来会花费一大笔资金,但此时如果将这笔资金用来做广告投放或许能够带来更高的收益,所以也就不需要在此时构建标签体系。
标签体系可以看做是一个项目,需要考虑投入产出比,因此我们建议企业在拥有完善的人才储备、工具应用后,再去考虑标签体系的搭建与落地。
二、如何搭建可落地的标签体系?
我们在做市场调研时,通常能够看到一些“大而全”列举型的标签体系,包括人口属性、会员属性、行为属性、交易属性和消费属性,这么多标签我们该如何使用呢?这些标签和我们的业务都有什么关系呢?
在进行标签体系搭建之前,我们需要进行标签需求调研,包括:
1、业务调研,了解业务流程与运营现状,以及核心部门标签应用场景及需求。
2、数据基础调研,发现数据的可融合型、数据的准确性、数据的更新机制。
3、组织架构与标签管理需求调研,明确企业内部组织架构、核心业务部门,明确不同层级、不同角色的标签管理和应用诉求。
接下来,在基于业务场景进行标签体系搭建时,我们通常需要考虑三个重要问题:目标人群是谁?目标喜欢什么?怎样执行策略?此时便需要我们从业务部门的标签应用流程反推标签主题:价值分层标签和生命周期标签通常能够帮助我们明确运营目标;行为偏好标签可以帮助我们构建运营策略;营销偏好标签可以帮助我们优化触达手段。如下图为基于业务场景的标签体系搭建流程:
以在线教育为例。
第一步,还原业务流程。从用户启动 app,到注册登录、浏览试听、付费转化、续班转化、拓科转化及沉默流失的完整过程。
第二步,整合关键节点,定义用户生命周期。包括培育期、成长期、成熟期、流失期。与此同时,对用户做价值分层,辅助目标人群选择。
第三步,明确运营目标,将有限的资源投入到最需要的地方。具体包括降低投放成本、提升注册比例、购买渠道试听率、提升完课频次、提升课程覆盖率、提升续班率、提升拓科率等。
第四步,从业务策略需求出发,反推标签。
标签体系搭建完成后,需要思考标签的上层架构和权限设计:
第一,基于组织架构设计标签体系架构。识别核心业务线,明确各业务部门标签应用场景。标签设计应覆盖核心业务部门的使用场景,同时要明确哪些标签是企业层级可复用,哪些是有特定业务场景,避免在标签设计时出现标签遗漏或冗余。
第二,基于组织架构设计标签管理应用权限。明确不同层级、不同角色的标签管理及应用诉求。标签设计应在实现管理规范、数据安全的基础上,对标签的灵活调用实现较高的拓展性,避免产生因过多无用标签而干扰使用者,也便于标签的管理及迭代。
下图为标签体系架构与权限设计示例:
三、标签体系的落地应用
在标签体系的落地应用环节,可以从群用户画像、单用户画像、用户行为预测以及对其他应用的赋能四方面展开。
1、群用户画像应用
某头部垂类品牌零售企业,希望能通过对用户的线上、线下行为进行完整认知和洞察,实现精细化运营,提升内部效率和业绩增长。在该案例中,群用户画像的主要应用部门为会员运营部,基于其业务需求,可以将策略细化为通过消费活跃的用户价值分层、生命周期分层。
在进行用户洞察时,该企业面向高、中、低价值的会员进行画像分析,发现他们的场景分布是不一样的:纯线上会员客单价和过去 180 天的总消费不高,但消费频率较高;线上线下交叉消费会员的消费金额和消费频率均较高,属于高价值会员。进一步分析发现,在活动引流场景中,5 元券性价比远高于 10 元券,线下消费会员在往线上转化过程中流失严重;在商品转化过程中,线下首单成交用户更喜欢买新鲜品类(蔬菜肉类),线上首单用户更喜欢买保质期长的品类(蛋奶水果);留存复购阶段,线上成交的 50% 来自社群转化,也就是说社群中的用户 rfm 质量更高。
因此,我们可以基于提升交叉会员数量这一关键目标,在标签的具体应用阶段,强化店员引导线下消费会员完成线上注册;针对纯线下会员,定向推送线上水果券引导线上转化;发力社群运营。总结一下,群画像应用 sop 如下图所示:
2、单用户画像应用
单用户的画像能够帮助企业洞察高净值用户或者 to b 获客,可对接 crm、门店 ipad、客情卡、客服系统。
举个例子,某在线教育企业,主要依靠投放获取销售线索,然后由销售在 crm 系统跟进,在这个过程中,将用户画像推送至 crm 系统,基于用户属性标签、线索标签和行为标签等,可以帮助销售筛选高意向线索,同时在跟进客户时也能够更有针对性。
3、用户行为预测
算法类标签是用户行为预测过程中的重要标签类型。举个例子,某在线金融公司的运营人员会拉取 app 内活跃用户的信息,提供给电销人员,由电销拨打电话向客户推销会员。为提升电销人员拨打电话的转化率,需要对现存 app 内的活跃非会员用户进行预测,筛选出一批购买会员可能性较高的用户名单。
在这个过程中,算法类标签应用的目的是为了获取更精准的客群。基于营销偏好、行为偏好特征,将销售线索分为低意向、中意向和高意向。作为运营同学,通常会面向中意向线索进行营销,因为高意向线索本来就有很大的可能会转化,再做定向营销只会造成运营资源的浪费;而中意向线索目前处于信息模糊的阶段,此时做及时触达一定会带来更好的转化效果。对于低意向线索,则需要做定向的线索培育动作。
4、赋能其他系统应用
标签体系在赋能其他系统应用时,多表现为特征嵌入。举个例子,某电商平台对表现出“具体类目需求”的客户,利用城市、类目偏好、价格偏好、优惠券类型偏好作为变量参数,进行半个性化的专场链接推送营销,促进需求转化。正如我们刚才所讲的你在电商平台搜索“口罩”后会收到平台发送的相关消息,这就是特征嵌入的典型应用。
总结一下,标签体系一定要围绕着企业的业务场景进行构建,因为它是企业精细化业务的底层根基。