資料分析｜標籤體系都有哪些？

標籤體系是整個使用者畫像建設的地基，不打好地基，摩天大樓就不可能平地而起。草帽小子在做調研及規劃過程中，就深深認識到標籤體系的重要性，接下來重點介紹標籤體系。

標籤分類

不同公司的標籤分類有所不同，目前市面上有三種常用的標籤分類方式：按用途分類，可分為基礎資訊、使用者行為、業務偏好、場景標籤；按統計方式分類，可分為事實類標籤、規則類標籤、預測類標籤；按時效分類，可分為靜態標籤、動態標籤。

1.1

按用途分類

按用途分類的標籤，可分為基礎資訊、使用者行為、業務偏好、場景標籤。通常面向產品/業務人員，分類時需要根據實際的業務需要進行類別劃分，以便適配業務人員在通用場景和定製場景下標籤的使用。

1) 基礎資訊標籤

基礎資訊標籤，是用於描述使用者的基礎屬性，包含自然屬性、社會屬性、業務屬性等，如性別、年齡、常駐城市、RFM、會員等級等標籤。

年齡

人們在一生中購買不同的商品和服務，在幼年時吃嬰兒食品，在發育時期和成年時期吃各類食物，在晚年吃特殊的低熱量食品。人們對衣服、家居和娛樂等的喜好也跟年齡有關，這也就是為什麼年齡是畫像中常用的標籤。

職業和收入水平

職業影響一個人的消費模式，如藍領工人通常會買工作服，公司的董事長則會買名牌服裝及高階產品。不同職業的人群收入水平不同，針對高收入水平的消費者，可向其推薦更優質的商品，促進商品轉化率。

2) 使用者行為標籤

心理學家馬斯洛認為，在某一特定時間，人們會受到特定需求的趨勢。他的理論是，人類的需求是按層次排列的，從最迫切的需求到最不迫切的需求。按重要程度排列，這五種需求分別是：生理需求、安全需求、社會需求、尊重需求和自我實現需求。消費者總是先尋求滿足最重要的需求，當最重要的需求得到滿足之後，他就會尋求滿足下一個最迫切的需求。

使用者行為類標籤，主要透過洞察使用者在最近一段時間內的各類行為，如瀏覽、搜尋、收藏、加購等，進一步提煉出使用者的需求。使用者搜尋或加購某一型別的商品頻率越高，其消費需求就表現得愈加強烈。提煉出的常見標籤包括近7天上網時段、近30天收藏品類、近30天消費頻度等。運營者可透過組合圈選擇有多種行為的使用者，為其定向推送相關商品。

3) 業務偏好標籤

業務偏好標籤，用於描述使用者的偏好業務內容，根據公司業務不同，劃分不同的分類，通常電商行業業務偏好類標籤包含運動戶外、數碼家電、食品保健等，其他行業的業務偏好標籤根據實際業務而定。

一般情況下，以上這3類標籤即可滿足常用的標籤使用需求，因為其已描述who（基礎資訊）do（使用者行為）what（業務偏好）的整個過程，該使用者的行為合集構成了整個使用者畫像。

但隨著標籤的使用，業務人員發現，經常會有些同類似的活動，使用到了類似的標籤組合，類似的人群包。於是這類標籤組合便可沉澱下來，針對特定場景使用。

4) 場景應用標籤

場景應用標籤，用於特定場景下使用，由業務使用經驗積澱而來，例如618/雙十一活動標籤，雙十一預付定金人群、雙十一下單人群等。標籤建設初期可不設定此分類。

1.2

按統計方式分類

按統計方式分類的標籤可分為事實類標籤、規則類標籤、預測類標籤。與按用途分類不同的是，按統計方式分類的3類標籤通常面向研發人員，意指標籤是按何種方式計算而來，其複雜程度、產研成本由低至高。

1) 事實類標籤

事實類標籤是使用者畫像最基礎、最常見的標籤，通常是基於原始資料清理後的歸類，用於描述客觀事實。例如，姓名、會員等級、終端型別、購買次數、購買金額等。

2) 規則類標籤

規則類標籤，顧名思義，是基於確定的規則而產生。與事實類標籤不同的是，規則類標籤擁有更多的業務屬性，其業務規則需與業務人員共同制定。例如，將“活躍使用者”標籤可定義為，“過去30天發生a行為x次”&“過去30天發生b行為x次”，進行綜合評定。

使用者活躍度標籤

實際業務場景中會涉及根據使用者的活躍情況，給使用者貼上高活躍、中活躍、低活躍、流失等標籤。那這個過程中高中低活躍度對應的時間範圍是如何劃分的呢？

在這裡，靠拍腦門可行不通，標籤講究定義有依據、建設有方法。

首先劃分使用者的流失週期，運用拐點理論：X軸上數值的增加會帶來Y軸數值大幅增益（減益），直到超過某個點之後，當X增加時Y的資料增益（減益）大幅下降，即經濟學裡面的邊際收益的大幅減少，那個點就是圖表中的“拐點”。

比如圖中流失週期增加到5周的時候，使用者回訪率的縮減速度明顯下降，所以這裡的5周就是拐點。我們可以用5周作為定義使用者流失的期限，即一個之前訪問/登入過的使用者，如果之後連續5周都沒有訪問/登入，則定義該使用者流失。

劃分完流失週期之後，初期可根據根據四分位數，將使用者的活躍情況劃分為高中低，後期根據資料情況更新規則。

四分位數

也稱為四分位點，是指在統計學中把所有數值從小到大排列並分為四等分，處於三個分割點位置的數值。

如歷史資料，選擇近1個月訪問APP次數在0-8之間，則取3/4分位點為6、1/4分位點為2。

高活躍使用者：近1個月訪問APP次數在［6，8］區間的使用者

中活躍使用者：近1個月訪問APP次數在［2，6］區間的使用者

低活躍使用者：近1個月訪問APP次數在［0，2］區間的使用者

RFM標籤

根據美國資料庫營銷研究所Arthur Hughes的研究，客戶資料庫中有3個神奇的要素，這3個要素構成了資料分析最好的指標：最近一次消費時間、消費頻率、消費金額。

最近一次消費（Recency）：指使用者上一次購買的的時間，一般上一次消費時間越近的顧客是質量更佳的顧客。最近一次消費是維繫顧客關係的一個重要指標。

消費頻率（Frequency）：顧客在限定時間週期內消費的次數。消費頻率高的顧客，也是滿意度最高的顧客。根據這個指標，可以把客戶分成幾等份，相當於劃分了一個忠誠度的階梯。

消費金額（Monetary）：消費金額時產能最直接的衡量指標，也可以驗證“二八定律”，公司80%的收入來自於20%的顧客。

我們在設計RFM標籤時，可根據二八定律來進行標籤分級。

二八定律

二八定律又名80/20定律、帕累托法則，它是在19世紀末由義大利經濟學家帕累託發現的。帕累託認為，在任何一組東西中，最重要的只佔其中一小部分，約20%，其餘80%儘管是多數，卻是次要的。給一個公司帶來80%利潤的是20%的客戶，按照這個原則，如果能把這20%的客戶找出來，提供更好的服務，這對於公司的發展和業績增長起到至關重要的作用。

R：如歷史資料中80%的使用者最近訪問=90日為“遠”。

F：如歷史交易訂單量80%的使用者訂單量=10單為“高頻”。

M：如歷史交易訂單金額80%的使用者交易金額=2000元的為“高額”。