所以，建立標籤平臺需要很大的工作量，投入很多的資源，前期也不能很快得到回報，是一個方向大致正確的事情。創業公司或者小型公司初期、使用者量較少的公司還是不建議做標籤平臺，當公司有一定規模，使用者量有一定基礎、資料有一定的積累，再投入資源做標籤平臺還是不晚的。

為什麼要建設標籤平臺

亞馬遜的CEO Jeff Bezos曾說過他的夢想，「如果我有一百萬的使用者，我就會做一百萬個不同的網站！」。

當然，現在大型的電商公司如亞馬遜、淘寶等已經實現了他這個夢想，就是我們常說的千人千面-使用者個性化推薦系統。

那麼如何實現千人千面呢，這個基礎是先對使用者打標籤。

為什麼要給使用者打標籤呢？

最主要原因就是讓我們更加了解我們的使用者，他是誰？他在哪裡？他用的什麼裝置？他用了我們的什麼服務？他的使用習慣是什麼？他的偏好是什麼？

當我們更加了解我們的使用者，我們才會有可能知道他的痛點，我們才會知道應該推薦給他什麼樣的產品，他購買的概率也才會更高一些。

那麼什麼公司適合建設標籤平臺？

一些小的創業公司是不適合的，現在的產品和運營張口閉口就是戶畫像、使用者標籤和PPT上面貼滿標籤的標籤雲人像。一個真正的標籤平臺是一個非常浩大的工程，它需要投入很多的開發資源，就只是一個標籤體系的建立都需要，n個角色參與（資料開發工程師，資料探勘工程師，前端工程師、後端工程師、產品經理、模型設計師），加上需求的調研時間，最少也得2-3個月的時間。後期比較深的一些功能如標籤圈選、人群畫像等又是很大的工程量。

所以，建立標籤平臺需要很大的工作量，投入很多的資源，前期也不能很快得到回報，是一個方向大致正確的事情。創業公司或者小型公司初期、使用者量較少的公司還是不建議做標籤平臺，當公司有一定規模，使用者量有一定基礎、資料有一定的積累，再投入資源做標籤平臺還是不晚的。

建設標籤平臺你必須面對的幾個問題

那我們該怎麼建設標籤平臺呢？

上面已經說了，當有了一定的使用者基礎、資料基礎才適合搭建標籤平臺。這時會面臨一個問題，當公司發展到搭建標籤平臺這麼一個階段，一定是多個產品線，多種角色、資料分散度很高的情況。

那麼怎麼統一這些產品線的標籤呢？

例如筆者所在的公司有n條產品線，我們想打通服裝批發產業的上下游，從生產端服裝的打版服務，到線上的銷售平臺，到供應鏈服務平臺和金融服務平臺等產業的上下游我們都在運營。

我們在搭建標籤平臺時就遇到了以下個挑戰：

• 每個系統都會產生大量的資料，怎麼讓這些資料標籤化呢？
• 打版服務、電商服務、供應鏈服務、金融服務的客戶群體是完全不同的，怎麼讓這些各種各樣的角色都進去標籤平臺。
• 作為我們的電商產品，只有使用者標籤是不夠的，商品作為電商系統十分重要的存在，也得分門別類的打上各種各樣的標籤，那麼我們怎麼區分使用者標籤和商品標籤，甚至供應商的標籤？
• 公司所有的產品線運營都會用一個CRM系統，所有的客戶都會先進去CRM系統作為潛客，轉化後再成為各個業務系統的會員統一進入業務系統，這就帶來一個問題，潛客和註冊使用者怎麼分？

帶著這樣種種問題，我們團隊大概策劃了有半個月才有解決方案。

怎麼基於各個業務線的資料給使用者都打上標籤

首先我們有平臺的概念，使用者註冊後，會統一進入使用者中心，入庫時都會打上註冊平臺的標識，這裡做了一層區分。後來我們發現這樣無法解決一個使用者同時用了2個平臺服務的問題，因為我們使用者中心是是基於手機號去重複的資料，如果只取某個平臺的使用者，就無法給用了我們電商產品又用了我們的物流、快遞產品的使用者同時打上標籤。

這時我們加大了每個產品線打標籤的使用者範圍。舉個例子，比如電商產品的使用者定義是取平臺為電商產品，但是平臺為非電商產品又登入了電商產品的使用者也會抓取過來打上電商產品相應的標籤。這樣當我們檢視使用者的標籤時，就可以看到這些使用者同時擁有2條產品線的標籤。

至於每個業務線的資料怎麼標籤化，我們的想法是做成可配置化，每條產品線的運營都可以在他們的業務線下建立各種各樣的標籤，來豐富使用者的資訊。至於如何實現可配置化，下文標籤體系的搭建我會基於電商RFM的實際案例來講解。

使用者的角色怎麼確定

首先我們針對不同的客戶群體我們做了一層抽象，他們首先都是人，我們稱為需求端和供應端。比如電商產品的採購商為需求端，供應商為供應端，快遞物流產品的商戶（需要發快遞或者物流的人）我們稱為採購端，物流快遞的提供者如順豐、德邦等我們稱為供應端，打版產品的設計師為需求端，生產衣服的工廠為供應端，這樣就完成了一個抽象。

接下來要做的就是讓各個業務線的運營去劃分，他們業務線到底有那些角色，怎麼給他們產品線的人打上角色的標籤，這樣也倒逼我們的業務線統一目標使用者的標準。很多公司都有這麼一種情況，每個人都大概知道自己的目標使用者的大概樣子，但是當每個描述自己所講的目標使用者的樣子時，是完全不同的。這是為什麼？因為大家沒有統一的標準。

如電商產品我們就讓運營出了一套標準：一批採購商，二批採購商，普通終端門店，c端消費者。我們把使用者的型別做了比較細緻的描述，比如他的拿貨價位，開店數量等等，我們基於使用者填的資訊自動會給這個採購商一個身份標識。

當你抽象成一個人時，埋點的資料也能用上了，我們已經針對各個產品線做了資料埋點，這些埋點收集到了使用者潛在的資訊，如地理位置、裝置資訊等我們都作為基礎屬性放在標籤體系中。

使用者標籤和商品標籤的問題

我們針對標籤定義了一個型別，在生成標籤時，我們預先定義了有使用者標籤、商品標籤，每個標籤都要選擇一個型別。商品標籤和使用者標籤類似也有一些基礎屬性，如顏色、尺碼、面料等屬性，這些基礎屬性我們叫做基礎標籤，使用者的基礎標籤直接從使用者屬性欄位和埋點資料取得，商品的基礎標籤直接從商品的屬性欄位取得。

潛客和註冊會員該如何區分

我們增加了一個標籤，是否潛客。在CRM系統錄入的使用者且不在使用者中心的使用者我們都當潛客處理，CRM針對潛客又有一套標籤也是一個漏斗的關係，從有銷售線索、商機識別、商務談判、簽約下單，這些使用者的狀態我們會從CRM系統直接拿過來，針對潛客打上狀態標籤。

如何建設可以支撐N條產品線的標籤平臺

這樣我們標籤平臺的目標就很明確了：

• 我們的標籤平臺要可以支撐給n條產品線，n種角色打標籤。
• 一個使用者如果在n個產品產生了行為記錄，都要通過標籤記下來，可以看到使用者在N條產品線打的標籤。
• 每條產品都可以自己定義自己的個性化標籤。
• 標籤要支援給註冊使用者打標籤，同時還要支援給潛客打標籤。

基於這個目標，我們的標籤平臺規劃了以下這四個功能：

1. 資料寬表
2. 標籤體系的搭建
3. 標籤工廠
4. 使用者群圈選

從標籤的生成到人群的圈選整個流程如下：

準備資料寬表

對於電商產品來說，需要採購商寬表、商品寬表、供應商寬表。寬表其實就是單個使用者（採購商、供應商）、商品指標的一個合集，我們儘量把所有的指標都匯聚到一張表，方便接下來的標籤的生成。

使用者的寬表包含使用者的基礎資訊、行為資訊、業務指標等，使用者的基礎資訊就包括使用者的手機號、姓名、性別、註冊時間、使用者的角色資訊、平臺資訊和其他使用者自己填的資訊，使用者的行為資訊就包括使用者的裝置資訊、地理位置、使用者的訪問時長、加購次數、收藏次數、距離上次訪問時長等通過埋點得到的資訊，還有就是使用者的業務資訊，包括使用者下單金額、支付金額、優惠金額等資訊。

商品的寬表包括商品的基礎資訊和商品的業務資訊。在電商商品中商品的基礎資訊包含，商品的ID、名稱、品類、顏色、尺碼等上架商品時填的一些資訊。商品的業務資訊包括商品的下單金額、支付金額、加購金額、加購次數等業務指標。

建立標籤體系

有了寬表的資料，接下來就可以建立標籤體系，並將標籤工廠製作的標籤歸入標籤體系。

首先看一下標籤體系是什麼，標籤體系的結構大致如下：

標籤體系一般是多層結構，基礎資訊和每條產品線的第1級標籤由資料中臺管理。我們拿使用者端的標籤舉個例子，無論使用者是採購端和供應端，他首先是一個人，那麼我們就抽取出來了人的基礎資訊，包括：

• 平臺的資訊：用過我們那個產品線的服務就會打上那個平臺的標籤。
• 使用者型別：採購端還是供應端，如果是採購端，他是什麼樣的角色；如果是供應端，他又是什麼樣的角色。
• 潛客：是否潛客，如果是潛客，他現在處於什麼狀態。
• 地理位置：通過埋點採集到的資訊，他的城市、省份在哪裡。
• 裝置資訊：通過埋點採集到的資訊包括瀏覽器的版本、裝置版本、系統版本等資訊。

各個產品線的業務標籤，第一級一般來說也是由資料中臺提前定義好，比如我們有電商產品線、打版產品線、供應鏈產品線。那麼我們的第一級就是電商服務、打版服務、供應鏈服務，下面的具體標籤就可以由各個產品線自己定義個性化的業務標籤。

為什麼要建立標籤體系呢？

一方面是公司所有的產品線都用這個體系，有一個統一的標準，降低溝通成本。另外一方面通過這個標籤體系可以全域性的看公司都用哪些標籤，甚至哪些使用者用了我們那些服務，哪些使用者存在多個角色，這個也是資料中臺打通公司資料的一個體現。

接下來定義業務標籤，首先要選擇平臺，平臺是為了檢視使用者標籤時給運營分別賦不同的許可權，比如產品線A的運營不能看見產品線B的標籤。

接下來是選擇維度，還是使用者維度的標籤還是商品維度的標籤，這個決定資料來源的選擇，也就是上文講到的寬表的選擇。

那麼接下來就是選擇一級標籤和二級標籤把新的標籤歸入標籤體系，這樣所有的標籤都可以在我們標籤體系中看到。

下面就是最核心的定義標籤，比如我們要給產品線A的新使用者打上標籤，新使用者是根據他的註冊天數這個指標來定義的，我們就可以這個規則來篩選出來應該給那些使用者打上新使用者的標籤。

接下來就是標籤的定義，可以選擇使用者寬表或者商品寬表的指標進行等於、大於、小於等簡單的運算，這樣一個標籤的定義就完成了。

人群圈選

一般來說，做營銷活動會針對特定的人群，人群其實就是標籤的組合，我們做了人群圈選這麼一個功能。人群的圈選分為三種方式：第一種是基於使用者客觀標籤的圈選，另外一種是基於使用者行為的圈選，還有一種是基於使用者主觀標籤的圈選。

先講一下基於使用者客觀標籤的圈選，比如我們要針對廣州市的新使用者做一個發優惠刺激他們下單的觸達任務，那麼這裡廣州市的新使用者就有由二個標籤組成的一個使用者群體。那麼，我們首先在標籤工廠定義好廣州市的使用者這個標籤，也就是使用者的所在城市是廣州，接下來是新使用者，比如註冊7天內的使用者。那麼接下來要做一個且的操作，廣州的使用者且是註冊時間在7天內。我們的使用者圈選功能支援且、或的簡單操作，就要選擇計算頻率，是每天計算一次，還是隻計算一次。

針對我們這個任務我們是一個固定的規則，我們想針對所有廣州市註冊的新使用者都發一個簡訊提醒使用者領取優惠券，那麼我們可以選擇每天都計算一次，如果我們的推送平臺滿足可以每天定時針對這批使用者群發觸達任務，那麼我們就完全做成了自動化。如果選擇只計算一次，那麼這個計算任務就會執行一次，這個人群計算一次就固定了，再過多天後再來檢視這批人還是第一次計算的那批人，這樣方便追蹤活動效果。比如7天前圈出一批人做了一場活動，那麼7後再拿出這批人看下這批人各項指標的變化情情況。

還有一種是基於使用者行為的圈選，這個是要結合埋點資料。使用者的行為分為瀏覽和點選。我們需要基於每天的埋點資料去重，計算出當天有哪些頁面和和按鈕。瀏覽有哪些頁面呢？在電商產品中主要有這麼幾個頁面：首頁、商品列表頁、商品詳情頁、進貨車頁、下單頁、支付頁，關鍵的按鈕有哪些呢？主要有：收藏、加購、下單、支付。另外因為我們的埋點資料是分端採集的，那麼我們也可以分端去篩選出瀏覽和點選事件。

比如我們要做一個基於H5的活動，活動中我們要實時監控訪問我們H5的人都有那些，H5上的關鍵按鈕有那些人點選，活動一般都很短暫，所以我們對時效性要求比較高的，需要準實時的圈出訪問該活動頁和點選加購卻沒有下單的人。

那麼我們的第一個條件就是訪問了H5頁面的人，第二個條件是點選了加購按鈕，第三個條件是沒有下單的人。基於使用者行為的標籤一般來說都是隻計算一次，屬於客觀標籤。這樣我們就圈出了參加這個活動加購了但是沒有下單的人，我們再研究一下他們為什麼不單。對於那些價格敏感的客戶，再結合全渠道營銷平臺推一條簡訊，發一個優惠券刺激一下說不定這個使用者就下單了。

當然，還可以兩者結合。比如我們要圈出性別為男的使用者，並且累計花銷在3000元的使用者，並且在2019年11月21日做過登入並點選過某個按鈕的使用者。

還有一種圈選方式是基於主觀人群的圈選。這個一般給運營或者一線的銷售用。當他們做電話回訪，或者上門拜訪後得到的一些關鍵資訊，都可以用標籤的形式記錄到這個使用者身上。主觀人群還有一種使用場景是運營一般會有大批量操作使用者或者商品的情況，比如發優惠券時可以基於標籤去發而不是一個一個使用者的去選擇，這樣可以給你發優惠券的使用者打上一個主觀標籤，在發券系統選擇這個標籤來代替這些使用者來發券。

我們設計了2個功能，第一個是可以任意選擇單個使用者打上主觀人群標籤，這個功能一般要對外提供介面對接其他一線業務人員使用的系統，直接打標籤到資料中臺標籤平臺。還有一個功能是針對大批量使用者，我們可以通過匯入手機號的方式批量給使用者打上主觀人群標籤。

無論通過哪種方式，都可以圈出來一批人，最終圈選出來的使用者就如下圖所示。

我們可以檢視每個使用者群每天計算出的使用者數量，也可以檢視具體的使用者有哪些。人群圈選的功能一般要和其他平臺對接一般要對外提供以下幾個介面：

• 通過群組名稱查使用者或者商品列表；
• 通過當個使用者或者商品查詢所屬人群。

關於主觀標籤、只計算一次的客觀標籤，隨著時間的增加，會產生越來越多的標籤，會顯得十分混亂，另外也增加很多的儲存成本。有些標籤可能是n年前打上的，到現在已經沒有任何用。

舉個簡單的例子，我們常用到的一類標籤是復購高意向使用者，比如半年前我們圈出了這批使用者，那麼這個復購高意向標籤就打在了這批使用者的身上，說不定這個使用者已經流失，或者現在不是復購高意向使用者了。

那麼，我們要想辦法對以前打的復購高意向的標籤進行處理，我在這裡提供三種方案：

1. 給標籤針對每個使用者增加一個有效性的屬性，這就需要寫一個定時計算任務，每天檢查使用者標籤的有效性。如果這個標籤當時計算時還有效，那麼就打上有效的標識，如果當時計算時候標籤已經不適用，就打上無效的標識，那麼我們前端取資料時只取有效的標籤。這個方案的問題是我們無法判定主觀標籤的有效性，因為主觀標籤是沒有什麼規則的。
2. 給每個標籤一個屬性，啟用和禁用，當運營覺得這個標籤沒用時就禁用，一旦禁用我們展示使用者標籤時就展示沒有禁用的標籤，只顯示開啟的標籤，這樣運營的同事看到的都是自己覺得有效的標籤。這個方案的問題就是增加了運營的工作量，當後期有很多標籤時，工作量會比較大。
3. 在運營建立人群時，選擇一個有效期，比如45天，當這個標籤過了45天就自動失效，前端只展示使用者未失效的標籤。這種方式對於資料量比較大的公司來說是有必要的，比如百度他們每天都有幾十萬甚至幾百萬的人用他們DMP人群圈選功能，那麼每天會產生大量的資料，有效期還是必要的，會減少大量的儲存成本。

使用者畫像

做完了標籤，接下來就可以做使用者畫像的應用。使用者畫像分為個人使用者畫像，群體使用者畫像。

個人使用者畫像

先講一下個人使用者畫像，這個是給客服、銷售或者運營查大客戶的資料時用到。個人使用者畫像最好能匯聚使用者所有資訊，當我們更加了解這個人的時候，我們會更加容易刺激他產生購買行為。

個人使用者畫像的內容分為幾部分：

• 使用者的基礎資訊，他是誰，他在哪裡，用了什麼裝置，他的一些關鍵的資料指標有那些，比如RFM的屬性都是什麼。
• 使用者的業務資訊，比如電商產品他的加購資訊、收藏資訊、領券資訊、下單資訊等，這裡可以給出他的明細資料，比如加購什麼時候加購、加購了幾件商品、加購了那些商品，當然資訊是越詳細越好。
• 使用者的標籤資訊，標籤分為主觀標籤和客觀標籤，我們可以分開展示。接下來就是分產品線展示每個產品線的標籤，如果一個使用者用了產品線A同時又用產品線B，那麼我們可以一眼看出，使用者在產品線A和產品線B都有標籤。如果使用者只用產品線A，那麼在產品線B那裡就看不見標籤。
• 使用者的行為資訊，這裡用到埋點資料，可以把採集到使用者的埋點資訊以會話的形式做一個拆分，按照時間軸的方式顯示。通過這個時間軸可以清晰的看到，使用者在什麼時候產生了什麼動作，主要還是包括瀏覽和點選。做得更深一步的話，可以把使用者瀏覽的明細也輸出，比如使用者瀏覽了商品詳情頁，那到底是那個商品呢？比如使用者點選了加購按鈕，那麼到底是那個按鈕呢？資料越明細，運營分析起來就越方便。
• 使用者的偏好資訊，這裡就有很多內容了，比如可以根據推薦演算法算出使用者偏好的品類、未來可能買的單品。還可以基於埋點資料看出使用者的訪問偏好，使用者總是在那個時間段過來使用我們的產品。還可以看下使用者搜尋的內容都有那些，對關鍵字做一層彙總，搜尋內容可以最直接顯示使用者的偏好。

群體使用者畫像

接下來說一下群體畫像，當把使用者圈選出來後，可以簡單通過簡單的分析形成人群畫像。可以從使用者型別（採購商、供應商、未知身份等）、裝置資訊（IOS、安卓、Windows）、地理位置（省份、城市）等基礎資訊做一個透視，這樣你就大概知道這群人是什麼型別、用的什麼裝置、在那裡使用我們的服務。

你還可以選擇2個人群之間的對比做一個對比分析。目標人群指的是此次分析的目標人群，即畫像都是基於此目標人群計算得出；基準人群指的是計算目標人群的TGI時所基於的對比人群。

TGI的計算邏輯是：目標人群中打上該標籤的人數佔比，除以基準人群中打上該標籤的人數佔比，可以通過性別、年齡段、城市等級的三維交叉細分，藉助演算法模型，找到目標人群中最為典型的形象特徵。典型特徵指的是在一定佔比基礎上，和基準人群相比，TGI最高的特徵。

標籤平臺實戰案例

接下來我們以運營經常用到的RFM模型為實戰的案例，來介紹一下標籤平臺該怎麼使用。

什麼是RFM呢？

• R（Recency）：使用者最近一次交易時間的間隔。
• F（Frequency）：使用者在最近一段時間內交易的次數。
• M（Monetary）：使用者在最近一段時間內交易的金額。

可以根據這些資料指標將使用者分成8類。

我們的資源是有限的，高價值使用者我們一定要傾斜更多的資源給他們，一定會先滿足他們的需求，再考慮其他使用者；低價值使用者就不要浪費太多的資源，差異化運營就在此體現。

RFM的最終目的，就是將使用者基於消費頻次、金額、距離上次消費的天數將使用者分為8類。比如，重要價值客戶的條件定義是R<10天（最近一次消費距離今天小於10天）、F>5次（消費頻次大於5次）、M>20000元（累計消費金額大於20000元）。

因為每個產品線重要價值使用者的條件是不一樣的，所以要進行資料分佈的分析才能確定最終的閥值（劃分的標準一般採用2/8或者均值的原則）。

那怎麼圈選出每個平臺重要價值使用者呢？

其實你會發現這些條件有個規律，R其實是使用者的一個指標，最近一次消費距離今天的天數，這個是可以計算的，R<10這個其實已經是一個標籤，有很多人會滿足這個條件，重要價值使用者的條件是R<10且F>5且M>20000，這屬於一群人。

第一步是要準備資料來源。

R為最近一次消費距離今天的天數，F是消費頻次、M是消費金額，這三個指標要計算好併到寬表中，這個可以交給資料工程師來開發，以後每新增一個使用者的指標都要放到寬表內。

這裡可以增加一個申請的流程，讓運營每次想增加新的標籤，資料中臺需要開發相關指標時，需要填指標的業務口徑，我們的資料工程師基於技術口徑來計算指標。

完成了資料準備，接下來就是要生成是R<10天等這些標籤。

由於考慮到每條產品線的RFM標籤都不一樣，我們希望做成可以配置的模式。

首先選擇平臺，選擇所屬標籤體系中的一級標籤產品線A和二級標籤產品價值，三級標籤可以命一個名稱如：最近一次消費距離今天的天數。接下來就可以選擇寬表中的欄位R，選完欄位後可以進行一些常規的運算，我們的運算子支援簡單的大於、小於、等於、不等於這些。這個重要價值客戶需要的標籤是R<10，那麼選擇一下生成標籤就行了，點了確定你會發現在標籤體系多了一個標籤，產品線A-使用者價值-最近一次消費距離今天天數-R<10，這樣一個標籤就生成了。

當生成了標籤，標籤平臺就會啟動底層的計算邏輯，使用者屬性的標籤我們一般採用離線計算，每天晚上計算一次，每天晚上系統會找到符合該條件的使用者，並打上R<10的標籤，這樣標籤體系中展示的統計只用查詢有多少人屬於R<10即可得到資料。

當標籤生成之後，還不足以篩選出重要價值客戶，需要幾個標籤的組合才能配置出重要價值客戶，我們稱為人群圈選，按照同樣的流程配置出F>5次、M>20000這兩個標籤。

進入我們的人群圈選模組，選擇平臺和維度，維度就是使用者還是商品，RFM是針對使用者，所以我們選擇使用者維度。接下來就可以選擇標籤體系中的R<10這個標籤，我們自己支援簡單的運算且與或，並且支援支援括號的運算，避免運算的過程產生歧義。

那麼，重要價值客戶的表示式就是（R<10且F>5且M>20000）基於這個條件可以快設定我們的人群圈選條件如下圖：

到此為止，基於多條產品線的標籤平臺就講完了。

標籤平臺通過標籤體系打通了單個產品線的使用者行為資料和使用者的業務資料，另外一方面打通了各個產品線之間的資料，可以更清晰地看到我們公司的使用者到底都在使用我們公司的那些服務。

而標籤平臺的使用者群一般和公司內的營銷平臺做對接使用，營銷活動一般分為三個步驟：圈人，做活動，看效果。而標籤平臺主要就是承擔圈人的功能。

全渠道營銷也是作為公司內部必不可少的一種能力，如果打造全渠道、自動化運營的營銷平臺可以參考資料中臺實戰的下一篇文章《資料中臺實戰（九）：全渠道營銷平臺》。

作者：Wilton（董超華）

作者介紹：曾任職科大訊飛，現任富力環球商品貿易港大資料產品經理。微信公眾號：改變世界的產品經理。簡單、簡短、有用，堅持原創、堅持做感動你的好文章。

來源：人人都是產品經理

本文為轉載分享，如果涉及作品、版權和其他問題，請聯絡我們第一時間刪除