目前基于用戶畫像的標簽體系在各行各業開始得到應用，對于涉及范圍廣，專業知識深的互聯網招聘領域來說，建立標簽體系的難點是什么呢？應該如何建立標簽體系？怎么驗證標簽體系的準確性？文章對這三個問題展開了分析探討，與大家分享。

一、招聘領域建立標簽體系的難點

電商行業客觀來說屬于比較簡單的toC領域，知識網絡是比較容易理解的通用知識，可通過用戶的購買習慣、偏好、商品品類等建立標簽體系。醫療行業屬于專業性強的領域，建立標簽體系必須要懂醫療技術的專家團隊才可以，但是易于操作的是，只需要醫療一個領域專家就可以完成專業的標簽體系建設。

但對于招聘行業來說，行業、職位涉及范圍廣，且專業性強，因為各行各業的公司和求職者都會通過招聘平臺建立聯系，而且有很多高精專的職位和候選人，怎么評估B/C端之間專業技能、工種、行業之間的匹配度，確是一大難點，而且理論上來說需要集齊各個行業、各種職位的專家人員才能建立起招聘行業的標簽體系，但這在現實中要怎么操作呢？

那么機器是否可以自動完成招聘領域的標簽體系建設呢？用NLP抽取職位JD中的描述并將其聚類，比如抽取Java、spring、Unix、Visio、Excel等工具技能，原型設計、交互設計、需求分析等工作內容技能，用戶運營、產品運營、數據運營等工作方向技能，這是互聯網從業者最熟悉的開發、產品、運營的工作內容和技能，如果機器可以識別這些類別標簽就很完美了。

但現實卻是看似的完美與和諧，萬一Java是出現在了招聘專員的職位描述中呢？用戶寫的是“負責招聘Java工程師”，假如Visio出現在Java工程師的描述中呢？假如Excel出現在運營專員的職位描述中呢？這些技能還是不是這個崗位的核心能力？

首先，Java出現在招聘專員出其實是可以用硬規則過濾掉的，比如限制職位和技能的關系，也就是說不是所有技能都滿足所有職位，有的技能只適用于某些職位，在其他職位內就是無效信息。

其次，需求分析是不是產品經理的技能標簽呢？有的人說肯定是了，這個回答可以說對也可以說不對，對是因為需求分析確實是產品的必備能力和工作內容，不對是因為所有的產品經理都需要需求分析，那這個能力還是該產品經理區別于其他產品經理的能力嗎？

最后Excel會出現在運營專員內、也會出現在招聘專員內，也會出現在統計專員內，那么它還是個核心的技能標簽嗎？

通過以上分析可得到以下歸納性的總結：

1. 不是所有技能都適用于所有的職位，應該定義每個職位的核心技能標簽體系，因為非核心的技能有時候不僅無效還會起到反作用；
2. 不是所有該職位需要的技能或者做的工作內容都是該職位的技能標簽，因為它是該崗位的通用能力沒有區別度，技能標簽應該是該職位工種的核心技能且是可以區別不同職位或簡歷的。

所以通過以上分析可知，純NLP機器識別的方式不能完成招聘領域的標簽體系建設，因為機器沒辦法在一個崗位的眾多技能中篩選出哪些是重要的知識技能，哪些是不重要的知識技能。

二、如何建立招聘領域的標簽體系

1. 基于靜態信息的通用標準化標簽

招聘領域的標簽大家首先可以想到的就是學歷、工作年限、薪資范圍等比較通用的職位/簡歷端匹配維度，當然這些顯性通用的標簽早已被各招聘平臺做成了結構化的篩選項。

其次還有一些比較小眾的維度要求，比如有的職位要求海外經歷、黨員、國企工作經歷、籍貫、年齡等，有些平臺也把其中的某些維度做成了平臺上的結構化標簽。

不過這些不是我們研究的重點，我們主要研究的是每個職位專業的知識方向的技能。

2. 基于靜態信息的專業知識精細化標簽

建立專業知識標簽體系的重點就是建立專業的崗位研究專家團隊，想要做某個崗位的專業知識標簽研究，肯定需要熟悉該崗位的人員，是選擇從事該崗位工作的人員呢，還是對這類崗位有所了解的HR人員呢？

因此就這兩類人員進行了調研與分析，最終發現從事該崗位的人雖然對所從事的崗位了解比較深入，但對其他相關的崗位未必了解，也不太了解招聘過程中用戶的感知與思維；

HR人員雖然在專業深度上對崗位的了解不是很深入，但所了解的崗位范圍廣，只要從事過某個行業的HR工作，基本都熟悉該行業所有的崗位與關注的重點技能，且HR經常使用招聘平臺，有用戶感知，對用戶行為與邏輯都非常了解，所以HR更適合做崗位專業知識研究，而且該專家團隊最好是來自各個不同行業的HR人員。

團隊建好了，大概的研究思路也有了，接下來就可以好好研究標簽體系具體的生產流程與規則了，對此進行了如下圖的總結：

體系建立的目的肯定是運用在算法的推薦與搜索中，初期可以通過離線的漏斗數據轉化對比（命中標簽與未命中標簽的轉化對比）來驗證該標簽體系的離線匹配效果，再者可通過灰度實驗，小流量上線實驗來驗證實際線上的匹配效果。

專業知識標簽關注的只是匹配度的準，最終線上使用肯定還要考慮用戶是否活躍，B端HR是否著急要人，C端求職者是否在找工作，如何平衡專業知識的準與用戶行為的活之間的權重也一大難點，要找到那個準與活平衡的比例區間，在這個區間內線上能實現最大的用戶達成，這方面在此不多做分析，需要算法同學多次調整模型才能達成。

3. 基于動態信息的用戶行為標簽

基于用戶行為的用戶畫像標簽體系在電商領域中運用廣泛，在招聘領域此類標簽體系同樣適用，只不過電商領域中的“查看-聯系賣家-購買”行為在招聘領域變成了“查看-開聊-達成約面”行為。

電商平臺中的協同過濾理論在招聘平臺也同樣適用，只是變成了基于相似職位的過濾和基于相似候選人的過濾。有的企業以往達成的多數是名校候選人，那么我們就知道該企業偏好有名校教育經歷的；有的企業招聘銷售崗更傾向于在專業知識體系中的有軟件銷售經驗的候選人，那么我們就知道該企業偏好軟件行業的銷售候選人。

通過用戶畫像體系我們可以評估用戶的偏好，以期在該用戶以后的推薦中使用其偏好，達到更好的效果。

三、招聘領域靜動態標簽體系的綜合運用

靜態通用標簽是所有職類共用的標簽特征，屬于大批量標準化的生產與運營，通用標簽生產完善了，可以實現粗礦式大步快跑節奏的匹配達成；

而專業知識標簽是每類職位專業的標簽特征，是小批量精細化的生產與運營，在前面大步快跑達到一定匹配度之后，再結合精細化的小步快跑方式，逐步將每個職類的顆粒度劃分為更精細化的顆粒度，達到更高匹配程度；

在前面標準化、精細化兩輪分類之后數據已經被分成了一個個小類，但卻沒有衡量單個用戶偏好的特征標簽，而動態的用戶行為標簽就是單個用戶個性化的偏好特征標簽，用戶的偏好有可能是通用的學歷、年限特征，也可能是專業知識中某個技術框架、某種產品品類特征。

最終，靜態標準化通用標簽、專業知識精細化標簽、動態行為個性化偏好標簽，三者相互作用、相輔相成，提升招聘領域線上效果的匹配準確度。

相信在閱讀本文后，您的困惑都將迎刃而解。

一．為什么要做用戶標簽畫像？

1. 標簽的本質

簡單地說，所謂的用戶標簽，就是對用戶某個維度特征的描述。

對一群用戶來說，我們為了讓業務做得更好，會想知道他們的很多特征。比如，我們這一季度有 10 萬元的活動預算，應該集中花在哪里？這個問題，其實是希望能對給定用戶群體的商業價值做很好的描述，知道哪些人是應該重點服務的對象。

圖 1 標簽的基本含義

用戶標簽可以有很多種存在形式，可以是用戶的自然屬性，可以是對用戶交易、資產數據的統計指標，也可以是基于某些規則，總結出的一些分層。無論是哪種形式，都是對用戶的某個維度特征做描述與刻畫，讓使用者能快速獲取信息。

圖 2 標簽的常見形式

2. 標簽的應用場景

按照我們在多家不同企業落地標簽體系的經驗，用戶標簽的應用主要有四種場景。

首先是輔助分析洞察，用戶標簽可以輔助業務人員快速獲得用戶的信息認知，發現顯著特征，獲得業務靈感。

其次是豐富數據分析的維度，對我們的業務數據做更深層的對比分析。分析洞察獲得業務靈感后，標簽可以輔助業務落地。

再次可以將用戶群體切割成更細的粒度，使運營從粗放式到精細化，以多種運營觸達手段，像短信、推送、活動、優惠券等等，對用戶進行驅動和挽回，達到事半功倍的效果。

最后用戶標簽還可以作為數據產品的基礎，例如個性化推薦系統、廣告系統、CRM 管理工作等。自動化的業務系統能更有效地利用用戶標簽的威力。

圖 3 標簽的四大應用場景

需要注意的是，雖然用戶標簽畫像體系是有價值的，但不是每個公司都能做。

第一，企業需要有足夠豐富的內容、商品、服務或客戶屬性層次，或者業務進入穩定期的客群量級達到一定規模。

第二，用戶標簽體系有建設和維護成本，公司需要有相對完備的用戶行為數據采集能力，如果沒有豐富的數據源，用戶標簽也是巧婦難為無米之炊。建設需要衡量資源投入和性價比。

第三，標簽畫像體系并不是一個拿來即用的東西，它需要投入一定的人力和資源去建設和維護，才能和公司的業務場景很好地結合，發揮它的價值。

第四，公司在建設標簽畫像體系之前，應該先想好它需要落地的業務場景。如果沒有明確可落地的業務流程和人員，即使花了大力氣去建設用戶標簽體系，它也只是一堆死數據，只能擺在那里存著，這就沒什么意義。技術并不是萬能的，要和商業進行結合。

二．如何構建完備的用戶標簽體系？

1. 主流的標簽框架

行業有四種主流的標簽框架：

第一種是基于營銷觸點的用戶標簽體系，它先把用戶分為不同的營銷階段，再去細分每個階段需要做的事情和標簽。比如阿里系的標簽框架 AIPL，它把用戶對品牌的認知階段分為感知、有興趣、購買和忠誠這四個階段，然后再基于這四個階段要做的營銷動作去做細分標簽。

第二種是基于增長漏斗的 AARRR 模型，它是一個很好的框架，無論是什么用戶，都肯定屬于其中一個階段，然后再根據不同階段需要做的增長策略，去總結用戶身上的標簽特征。

第三種是用戶價值分層模型，比如 RFM，它雖然只包含了付費用戶，但付費用戶是完全包含在 RFM 的框架內的?？梢垣@知用戶消費水平屬于高中低的哪一層，用戶最近有沒有付費，我是否要對用戶做營銷。

第四種是基于用戶偏好的模型。舉例說明，假如我是一個房產中介，我就根據我賣房的需要，把用戶的行為信息都歸納到買房需求上。這種框架看上去是列舉式的，缺少了生命周期那種大而全的美的理論，但它其實對于業務應用來說是完備的，標簽做出來就能用。

圖 4 業內主流的四種標簽框架

在使用框架設計用戶標簽體系時，應該去理解消費者的決策過程，考慮商業業務的形態，配合業務人員的作業需求。這些概念比較虛，但一個好的用戶標簽體系離不開這些思考。

神策認為，好的標簽框架，一定是基于業務場景的。它應該要完備地覆蓋用戶的行為周期和業務的工作流程。

2. 標簽框架搭建四步法

接下來介紹神測數據基于最佳實踐總結出的標簽梳理框架，我們稱之為四步法。

第一步，還原業務流程。以一個典型的電商業務為例，將它的業務流程漏斗梳理出來，分別是啟動 APP，注冊登錄，瀏覽活躍，一些深度行為比如收藏和加入購物車，付費和重復付費，最后是沉默流失。然后在用戶流程的每一步，梳理出這個行為的一些維度?？筛鶕脩粼谶@方面的行為，去構建「用戶偏好」標簽。

圖 5 標簽框架四步法之還原業務流程

第二步，覆蓋生命周期。剛才的梳理都是基于用戶行為的，但有時候沒有辦法獲取用戶行為偏好。這時，就可以以用戶的「生命周期」，去提供兜底的邏輯。可以以用戶-生命周期的狀態，作為營銷的觸點標簽，提供通用分層。

圖 6 標簽框架四步法之覆蓋生命周期

第三步，明確商業目標。用戶標簽體系是需要應用的，在此案例里，建設用戶標簽體系，是為了希望通過精細化運營提高整體的交易金額。我們接下來對交易金額這個商業目標，通過業務流程進行拆解。

交易金額可簡單拆分為新用戶的交易額和老用戶的交易額。達成交易的過程又可拆分為新增啟動，到注冊，到瀏覽詳情，到深度行為，最后再到付費。對拆解出來的每一個環節，可以去想在這個環節能有什么策略去提高交易金額。比如對于老用戶，是不是可以通過挽回具有付費傾向的潛在流失人群，去提高整體的交易金額呢？這就是我們梳理出來的標簽可以落地應用的場景。

圖 7 標簽框架四步法之明確商業目標

第四步，從策略推標簽。比如，我們決定挽回具有付費傾向的潛在流失人群，那就需要知道用戶交易的價值，交易到流失的生命周期，他們下個月的流失概率，以及如果我要對他們做營銷，他們喜歡的優惠券類型。

到這里，我們就從純粹的業務流程梳理，落實到了具體的標簽需求。我們剛才把交易金額拆分了很多環節，每個環節都有不同的可以落地的業務策略，它們的可行性和收益各不相同。最終，可以根據業務實際的需要，去決定不同策略需要用到的標簽。

圖 8 標簽框架四步法之從策略推標簽

從策略反推需要的標簽，其實是一件比較需要業務經驗的事情。如果這一步還比較迷茫，可以先反過頭來看，如果我們已經把標簽做好了，業務人員要怎么去使用它。

業務部門應用標簽的流程，通?？梢詺w納為三個問題：

• 目標人群是誰？
• 目標喜歡什么？
• 我應該做什么？怎么執行策略？

對于第一個問題來說，是一個戰略性的問題，定位目標人群，往往應該先看商業價值類的標簽，去幫助他們解決影響商業價值最大的人群的問題。

而對于目標喜歡什么這個問題，如果目標人群有明確的行為數據，那應該去看用戶偏好標簽。如果目標人群的行為數據比較少，比如新用戶和沉默用戶，那應該從他們所處的生命周期標簽出發，去計劃促進轉化或者召回的策略。

當策略方向有了，還需要一些具體的參考信息比如什么時候做推送，這時候就需要一些具體的營銷時機標簽比如用戶一般的活躍時間段，來幫助計劃方向的落地。

這四個主題的標簽，分別在我們的四步框架的每一步，都可以重點梳理這樣的標簽。最終，這四個主題標簽也將構成我們完整的標簽體系。

圖 9 業務部門的標簽應用流程

三. 標簽的生產和創建有哪些細節經驗？

1. 標簽生產的不同方式

我們已經知道怎樣梳理一個完整的標簽框架，接下來我們要完善每個標簽具體的定義。我們通過一個趣味故事來體現用戶標簽定義的復雜性。

小紅和網友張三見面喝咖啡：

• 張三在社交 APP 填的資料是男性。
• 張三濃眉大眼臉型方正，穿著很有設計感的裙子。
• 張三結賬時使用刷臉支付，沒有獲得當天的女性九折優惠。

請問，張三到底是男生，還是女生？

這個故事里，其實張三有三個性別標簽。

首先是社交 APP 的資料，因為他填寫了男性，所以我們可以認為他是男性，這是基于某個確切資料打的標簽，這種類型叫事實標簽。

張三穿的是一件很有設計感的裙子，按照我們過去的經驗，一般只有女性會穿裙子，所以我們也可以認為張三是女性。這是基于我們設定的某個規則，只要有人穿裙子就是女性，去打的標簽。這種類型叫規則標簽。

最后，張三刷臉支付沒有獲得活動女性優惠。攝像頭是利用算法結合多種特征去預測張三是女性的概率的，因為張三長相很陽剛，算法認為他是女性的概率比較低，所以打標簽他是男性。這種類型叫算法標簽。

圖 10 標簽生產的基本方式

上述三種標簽是最基礎的標簽維度，下圖可以幫助我們更好地理解它們。

圖 11 三種標簽定義的內涵

2. 標簽創建場景

我們通過具體的場景，來加深對標簽生產和創建的理解。累計消費金額，即用戶注冊以來的總消費金額，就是一個用指標值作為標簽值的例子。

首先，這個例子是一個數值型標簽，但數值型的標簽不一定好用，如果這個標簽是直接給到業務人員去使用的，應該先通過業務經驗去把它分層，劃分出高中低級別，將業務含義映射到特征上。這樣業務人員在使用標簽的時，就能提高業務人員的認知效率。

圖 12 場景舉例：將自然語言轉換成配置規則

那么問題來了，業務經驗可靠嗎？我們評價一個規則，通常有幾種標準，分別是覆蓋率、準確率和召回率。從這些指標去衡量，以經驗為參考的規則就不一定符合真實業務需求了。

事實上，定義標簽是可以通過科學的數據分析方法進行的。

我們前面有提到，對于數值類的標簽，最好通過業務經驗來分層，來提高業務判斷的效率。對于這種高中低分層，通?？梢允褂梅植挤治龅姆椒?。

比如還是對于「用戶點擊商品詳情頁」的次數，我可以計算它的次數分布，再按照 25%，50%，75%，75% 以上劃分標簽。

這樣，我不僅能劃出四個分層，還能保證每個層級都有很好的覆蓋度。對于資產盤點分層、付費用戶分層這樣的標簽，分布分析是一個很好用的方法。

圖 13 使用分布分析進行用戶標簽分層

當然了，我們需要的其實不是對「用戶點擊商品詳情頁」次數的分層，而是對「用戶購買意愿」有解釋力的標簽。算法類標可以有效地解決這個問題。

所謂的算法類標簽，本質上也是在做「預測」這個事情。下圖所示的是神策用戶畫像產品實現的相似人群擴散功能，通過提供種子用戶，來學習他們的特征，并預測一個用戶的標簽。對于「用戶購買意愿」，我們可以用「實際真的有購買」過的人群，來作為我們的種子用戶，讓算法去學習他們的特征。

圖 14 算法型標簽：相似人群擴散

算法類標簽的好處，在于它能通過交叉驗證，獲得自己的預測相似度。我們可根據對標簽解釋力的需求，設置一定相似度以上的人群，打上「高用戶購買意愿」的標簽。

算法類標簽也有壞處，它是個黑盒，不如規則那樣簡單明了可解釋。

我們神策的用戶畫像產品在做算法類標簽實踐的時候，也遇到了這樣的問題。所以，一個好的算法類標簽，應該還能輸出它所使用的行為特征權重。這樣，能讓算法黑盒變成相對白盒，業務人員可解釋度強。同時還有一個好處，就是特征權重其實也展示了那些特征才是最影響業務結果的，有些時候我們不是想要預測標簽，而是想要知道什么特征對轉化更重要。

四. 如何利用好用戶畫像分析賦能業務落地？

1. 用戶畫像的用法

我們在前面有提到，標簽體系的用途，其實主要是兩大類，一類是分析洞察獲取業務靈感，另一類就是輸出賦能精細化運營和數據產品系統使用。

對于標簽體系來說，利用標簽去篩選目標客群，并且輸出人群列表，其實是最簡單直接的一種應用方法。通過組合多個基礎標簽，可以快速做到很精細的目標人群輸出。

當然，這也對我們的基礎標簽梳理有一定的要求。

圖 15 畫像基礎用法：篩選客群輸出

同時，當標簽數據能與數據產品系統打通的時候，它就會變成強有力的武器。

神策在這方面的解決方案，是將用戶標簽和與智能運營平臺進行數據打通，這樣可實現精準篩選受眾用戶，并且基于用戶的行為去實時觸發各種推送、短信、彈窗或優惠券策略。可以助力運營部門快速試驗不同的精細化運營策略，以及將成功的運營策略自動化。

圖 16 畫像與智能運營平臺的結合

在試驗運營策略之前，有一件事情必不可少，那就是對我們的目標人群做精細的用戶畫像分析。

2. 用戶畫像應用場景示例

我們以一個具體用例來講解用戶畫像的洞察。

假設綜合電商平臺神策商城需要做一場活動營銷，我們就需要回歸到業務應用用戶畫像的流程。首先要明確三個問題：

• 目標人群是誰？
• 目標喜歡什么？
• 我要怎么做？怎么執行策略？

這三個問題，分別需要用戶在商業價值、用戶偏好、生命周期和營銷時機四個主題的畫像。

第一步，目標人群是誰。我們的目的很明確，就是要提高購買漏斗的轉化，減少購買漏斗的流失。我們可以從漏斗的流失人群出發，去分析他們的畫像。

圖 17 從購買漏斗入手尋找目標客群

第二步，找到單體用戶畫像，羅列用戶信息，把某個用戶和目標場景相關的信息展示出來，讓業務人員有第一印象。開始時，可以先做抽樣，從流失的人群里面找到用戶張三，看看這個人的單體畫像來獲取第一印象。

我們看到他是一個從來沒有付過費的用戶，但他已經活躍了 301 天，雖然沒有買過東西，但他其實是忠實用戶。他來自華為應用商店，幾乎每天都有簽到，最近在看運動鞋相關的類目，偏好的價格區間是 50 到 100 元，搜索詞也是平價運動鞋。但很奇怪的是，他瀏覽的商品數量不多。我們也可以看到他的生命周期其實是比較活躍的，有比較高的購買意向等級，這可能跟他的漏斗深度是收藏商品有關。

圖 18 單體用戶畫像的信息羅列

第三步，通過單體用戶與所屬群體用戶間的對比，以及目標群體和其他群體用戶間的畫像對比，去感知差異顯著的特征。對于用戶群畫像，就不能像單體用戶畫像一樣單純展示信息了，而是要把某個群體的特征顯示出來。

處理方法有兩種。一種是把特征展示分布統計，比如購買意向等級和訪問時間偏好；另外一種就是把分布覆蓋率最高的標簽，作為這個群體的標簽。

我們通過對比漏斗流失用戶和張三的畫像可以看到，在商業價值上，該群體和張三類似都是低付費用戶，但主體是比較新的用戶；在偏好上，他們都在看類似價格區間的運動鞋，但主體用戶是在看白色的；營銷時機上，主體用戶的活躍時間、點擊的推送類型和張三不太一樣。我們如果要策劃活動方案，應該從主體用戶的特征出發，而不是個體。

圖 19 單體用戶畫像與所屬群體畫像對比

數據分析的精髓在于對比。了解了流失群體的特征，我們還應該把他們的畫像和我們的商業目標群體做對比，也就是購買用戶群。通過將流失用戶和購買用戶群畫像做對比，我們可以看到，購買用戶的近期偏好的價格區間和流失用戶群很不一樣，平均商品瀏覽數也很多，但購買意愿等級分布，購買用戶群和流失用戶群其實是一樣的。

圖 20 購買群體畫像與流失群體畫像對比

可以推測，在流失用戶群所偏好的這個價格區間內，神策商城提供的商品有問題，SKU 的數量不夠多，或者是這個價位沒有他們滿意的商品。因此，我們可以嘗試提高流失用戶在那個價格區間的商品瀏覽數。

綜上，通過用戶畫像的洞察分析，我們決定實施以下營銷計劃：

• 通過短信發送秒殺提醒營銷信息
• 集中選擇 100 元以下商品展示提高瀏覽量
• 選擇運動鞋作為活動類目
• 選擇秒殺提醒文案作為短信文案
• 選擇主體用戶活躍的時間段進行推送

如此，一次完整的用戶標簽畫像賦能運營的應用就完成了。

用戶標簽是精細化運營的基礎，能有效提高流量的分發效率和轉化效率。

而目前基于標簽的智能推薦系統，已經有了成熟商業應用，比如：淘寶的千人千面，美團外賣的智能推薦，騰訊的社交廣告。

思考的背景

從16年開始，互聯網用戶增長趨緩，同比僅增長。一方面，不論是線上還是線下，新用戶的獲取成本都很高。另一方面，用戶時間增長也在趨緩。在用戶花費時間趨向飽和情況下，不同的產品之間同樣存在競爭關系。

在這個背景下，隨著用戶量增長，運營人員面臨新的挑戰，有以下核心訴求：

1. 一般運營活動中，怎么對不同用戶群體分層，提高流量的分發效率？
2. 對于個體用戶，怎么深入到日常使用場景，提高流量的轉化效率？

落到產品設計層面，需要解決以下問題：

1. 怎么設計一個完善的用戶標簽體系？怎么打標簽？打哪些標簽？誰來打？
2. 怎么使用用戶標簽，創造商業價值？

標簽系統的結構

標簽系統可以分為三個部分：數據加工層，數據服務層，數據應用層。每個層面面向用戶對象不一樣，處理事務有所不同。層級越往下，與業務的耦合度就越小。層級越往上，業務關聯性就越強。

以M電商公司為例，來說明該系統的構成。

數據加工層。數據加工層收集，清洗和提取來處理數據。M公司有多個產品線：電商交易，電子書閱讀，金融支付，智能硬件等等。每個產品線的業務數據又是分屬在不同位置。為了搭建完善的用戶標簽體系，需要盡可能匯總最大范圍內的數據。同時每個產品線的也要集合所有端的數據，比如：App，web，微信，其它第三方合作渠道。

收集了所有數據之后，需要經過清洗：去重，去刷單數據，去無效數據，去異常數據等等。然后再是提取特征數據，這部分就要根據產品和運營人員提的業務數據要求來做就好。

數據業務層。數據加工層為業務層提供最基礎數據能力，提供數據原材料。業務層屬于公共資源層，并不歸屬某個產品或業務線。它主要用來維護整個標簽體系，集中在一個地方來進行管理。

在這一層，運營人員和產品能夠參與進來，提出業務要求：將原材料進行切割。主要完成以下核心任務：

1. 定義業務方需要的標簽。
2. 創建標簽實例。
3. 執行業務標簽實例，提供相應數據。

數據應用層。應用層的任務是賦予產品和運營人員標簽的工具能力，聚合業務數據，轉化為用戶的槍火彈藥，提供數據應用服務。

業務方能夠根據自己的需求來使用，共享業務標簽，但彼此業務又互不影響。

實踐中可應用到以下幾塊：

1. 精準化營銷。
2. 個性化推送。

標簽體系的設計

業務梳理

搭建用戶標簽體系容易陷入用戶畫像陷阱，照葫蘆畫瓢，不利于標簽體系的維護和后期的擴展。

可以按下面的思路來梳理標簽體系：

1. 有哪些產品線？產品線有哪些來源渠道？一一列出。
2. 每個產品線有哪些業務對象？比如用戶，商品。
3. 最后再根據對象聚合業務，每個對象涉及哪些業務？每個業務下哪些業務數據和用戶行為？

結果類似如下：

標簽的分類

按業務對象整理了業務數據后，可以繼續按照對象的屬性來進行分類，

主要目的：

1. 方便管理標簽，便于維護和擴展。
2. 結構清晰，展示標簽之間的關聯關系。
3. 為標簽建模提供子集。方便獨立計算某個標簽下的屬性偏好或者權重。

梳理標簽分類時，盡可能按照MECE原則，相互獨立，完全窮盡。每一個子集的組合都能覆蓋到父集所有數據。標簽深度控制在四級比較合適，方便管理，到了第四級就是具體的標簽實例。

標簽的模型

按數據的實效性來看，標簽可分為

• 靜態屬性標簽。長期甚至永遠都不會發生改變。比如性別，出生日期，這些數據都是既定的事實，幾乎不會改變。
• 動態屬性標簽。存在有效期，需要定期地更新，保證標簽的有效性。比如用戶的購買力，用戶的活躍情況。

從數據提取維度來看，標簽數據又可以分為類型。

• 事實標簽。既定事實，從原始數據中提取。比如通過用戶設置獲取性別，通過實名認證獲取生日，星座等信息。
• 模型標簽。沒有對應數據，需要定義規則，建立模型來計算得出標簽實例。比如支付偏好度。
• 預測標簽。參考已有事實數據，來預測用戶的行為或偏好。比如用戶a的歷史購物行為與群體A相似，使用協同過濾算法，預測用戶a也會喜歡某件物品。

標簽的處理

為什么要從兩個維度來對標簽區分？這是為了方便用戶標簽的進一步處理。

靜態動態的劃分是面向業務維度，便于運營人員理解業務。這一點能幫助他們：

• 理解標簽體系的設計。
• 表達自己的需求。

事實標簽，模型標簽，預測標簽是面向數據處理維度，便于技術人員理解標簽模塊功能分類，幫助他們：

• 設計合理數據處理單元，相互獨立，協同處理。
• 標簽的及時更新及數據響應的效率。

以上面的標簽圖表為例，面臨以下問題：

1. 屬性信息缺失怎么辦？比如，現實中總有用戶未設置用戶性別，那怎么才能知道用戶的性別呢？
2. 行為屬性，消費屬性的標簽能不能靈活設置？比如，活躍運營中需要做A/B test，不能將品牌偏好規則寫死，怎么辦？
3. 既有的屬性創建不了我想要的標簽？比如，用戶消費能力需要綜合結合多項業務的數據才合理，如何解決？

模型標簽的定義解決的就是從無到有的問題。建立模型，計算用戶相應屬性匹配度?，F實中，事實標簽也存在數據缺失情況。比如用戶性別未知，但是可以根據用戶瀏覽商品，購買商品的歷史行為來計算性別偏好度。當用戶購買的女性化妝品和內衣較多，偏好值趨近于性別女，即可以推斷用戶性別為女。

模型計算規則的開放解決的是標簽靈活配置的問題。運營人員能夠根據自己的需求，靈活更改標簽實例的定義規則。

比如圖表中支付頻度實例的規則定義，可以做到：

1. 時間的開放。支持時間任意選擇：昨天，前天，近x天，自定義某段時間等等。
2. 支付筆數的開放。大于，等于，小于某個值，或者在某兩個值區間。

標簽的組合解決就是標簽擴展的問題。除了原有屬性的規則定義，還可以使用對多個標簽進行組合，創建新的復合型標簽。比如定義用戶的消費能力等級。

標簽最終呈現的形態要滿足兩個需求：

1. 標簽的最小顆粒度要觸達到具體業務事實數據，同時支持對應標簽實例的規則自定義。
2. 不同的標簽可以相互自由組合為新的標簽，同時支持標簽間的關系，權重自定義。

實踐分享

數據應用層即為標簽的使用場景，最典型的應用場景是：精準推送。

精準推送。該場景對標簽的實效性要求并不高，可以只考慮離線的歷史數據，不需要結合實時數據，是標簽首選的實踐場景。運營人員使用標簽篩選出目標用戶，定向推送活動。推送渠道根據活動的需要來進行多渠道投放，能夠支持微信，App，短信。

運營主要工作基本就是不停地生產活動，向用戶投食，監測活動的效果，不斷優化投放策略：找到不同用戶對應的最佳匹配活動。這塊主要關注活動以下環節：

• 活動前：目標用戶，活動內容，投放渠道。
• 活動中：效果監控和跟蹤。
• 活動后：效果復盤和優化。

除精準推送外，用戶標簽還有其它的應用場景。在技術層面上，對算法建模及響應性能也有更高的要求：

• 推薦欄位
• 消費周期評估
• 廣告投放
• 促銷排期

另外，用戶的數據信息不僅局限于應用內本身。僅通過用戶昵稱或手機號已經足以爬取到用戶在全網內留下的所有信息，從而構建豐富的用戶畫像。你多大？在哪里工作？家庭人員情況？在技術面前，都是一張透明的白紙。只不過目前這樣做要花費很多人力，成本太高。

前天，產品群里有人問為啥有的產品引導用戶關聯第三方賬號？同樣是為了獲取用戶數據，用戶一般并不知曉，以為只是增加新的登錄方式。

建議及想法

如果你的產品微信粉絲數量接近千萬級，不防試一試，用標簽做精準營銷。微信聚合了大量的粉絲，向商家端開放了粉絲的基本信息，提供了開放接口能力及多種消息觸達方式，是最好的試驗場。

微信聚合了最大和最優質的流量。從這個角度出發，基于微信提供的能力，做一款針對C端營銷的CRM營銷產品，存在著很大的商業機會。

最近總有人問我，用戶畫像、用戶標簽和用戶分群有什么區別和聯系呢？

我們先把用戶畫像，用戶標簽，用戶分群這幾個名詞的意思搞清楚。

一、用戶標簽

首先標簽是給我們的個體用戶進行屬性判定的附屬值，通常是人為規定的、高度精煉的特征標識；它根據用戶在互聯網留下的種種數據，主動或被動地收集，然后盡可能全面細致地抽出一個用戶的信息全貌，從而幫助解決如何把數據轉化為商業價值的問題。

比如用戶常年購買尿不濕，我們會標簽為年輕媽媽，用戶常年買鋼筆水可以定位為學生。

其實生活中也經常用到，我們無形之中就會被貼上標簽或者給別人貼標簽，比如你是95年出生的，別人就會叫你90后；比如你身邊的朋友，你可能會形容她/他是“白富美”或“高富帥”，這些標簽在一定程度上對一個人或一類人進行了說明，你一聽到這個標簽就知道他大概是什么樣子的。

和分群不一樣，標簽是個人或企業的屬性，是可以重復的，標簽越多，我們對別人的了解就越全面；在工作中，你可以為用戶貼上各種標簽，甚至可以通過標簽來快速搜索到目標用戶，只要你貼的標簽夠多夠準確，你就能夠快速及時了解你的用戶。

二、用戶分群

分群就是基于某一維度，把目標人群分為不同的群體。比如按照性別來分群，從身份證層面上可以分為男性和女性，按照年齡來分類，可以分成嬰幼兒、青少年、成年人、老年人等。

各行各業也可以基于自己行業特點來分類，比如教育行業可以分為首次試聽用戶群、二次試聽用戶群、購買用戶群、復購用戶群等；再比如商務在面對客戶時可以基于某一維度給客戶進行分類，比如基于客戶的購買階段，可以分成陌拜客戶、意向客戶、潛在客戶、簽約客戶等；

也就是說分群是建立在同一屬性基礎之上的，比如利用標簽進行用戶分群，然后進行區別對待；在數據庫里，有不同業務線，不同知識成熟度線，不同購買旅程線，都可以進行分群，進而進行精準營銷和影響。

與此同時，不知道大家有沒有發現，分群有一個特點，就是他們之間彼此互斥；比如在教育行業，如果這個用戶是首次試聽用戶，那他在現有階段絕不會是購買客戶或者復購客戶，就是說用戶分群的劃分是絕對不會覆蓋重復的。

三、用戶畫像

用戶畫像這個名詞就比較專業了，這一理念是交互設計師之父阿蘭·庫珀提出來的，他是這么定義的：用戶畫像是真實用戶的虛擬代表，是建立在一系列真實數據之上的目標用戶模型。

在一個產品誕生的最前期，有需求的時候就有了用戶畫像，用戶畫像可以具體到實例；比如，張雪，女，30歲，活躍平臺抖音，關注業務解決，人力資源績效管理……；有了這個畫像，就可以在投放，策劃，內容創作，很多地方腦海中進行用戶畫像的印證，有效避免策略不匹配。同時用戶畫像也可以在過程中不斷的完善優化。

我們前面說過了用戶標簽的含義，到了用戶畫像這里是不是有一點混淆？

我們可以這么來理解兩者之間的關系，用戶畫像的核心工作就是給用戶打標簽，每個標簽分別描述了該用戶的一個維度，各個維度之間相互聯系，共同構成對用戶的一個整體描述，這些標簽集合就能抽象出一個用戶的信息全貌。

標簽化是用戶畫像最直觀的解釋，但它不等于用戶畫像；用戶畫像區別于標簽還有一個顯著的特點—以數據為基礎，我們貼標簽甚至可以憑直覺、憑感受，但是用戶畫像的成立一定是經過大量的數據分析之后抽象出來的，它更加的真實、全面、立體。

四、目的

我們的目的不是弄清三個名詞的含義，我們的目的是“用理論指導實踐，用實踐驗證理論”，搞清楚三個名詞的含義只是幫助理解，更重要的是在運營過程中，我們要用它們提升用戶增長。

我們說數據一直是各行各業的核心資產，蘊含巨大價值，但數據本身是一個抽象的東西沒有辦法直觀的看到其價值。

這時，為了挖掘其價值，作為方法之一，用戶標簽誕生了，得到了用戶標簽體系之后，要如何構造用戶畫像？

用戶分群來了，通過對用戶進行分群等各種綜合手段，從而更好的對用戶進行歸類處理，通過標簽、用戶分群構建起企業的目標用戶畫像人群；并通過相似用戶群體的尋找，完整垂直用戶增長，更好地幫助企業構建精細化運營閉環，最終提高企業效能和用戶滿意度。

以某買賣二手房以及查詢房價app為例，該客戶成立之初就希望打造一個從用戶角度出發解決問題的產品；首先通過梳理自身業務的需求，并根據需求來定制化的構建相應的用戶屬性，將用戶信息標簽化后通過分析用戶的歷史行為路徑、習慣、偏好等屬性，把具有一定特征的用戶劃分為一個群體，這樣就能得到用于不同業務應用的用戶分群。

比如運營人員需要選擇一批對二手房有購買意愿但并未購買的人進行再一次營銷推送，就可以通過標簽選擇最近一個月看過二手房房源詳情頁并且瀏覽過估價結果頁；同時未購買的用戶建立一個分群進行二次營銷，并在后期通過這個分群來判斷它的購買情況。

在良好的用戶體系構建基礎上，還可進行用戶畫像的有效應用，比如該企業通過用戶行為數據以及分群系統，套用RFM模型從忠誠度和變現能力將用戶分為付費低頻最近不活躍、付費低頻最近活躍、付費高頻最近活躍、未付費低頻最近活躍、未付費低頻最近不活躍、未付費高頻最近活躍六類。

再根據篩選出來的用戶的一些用戶行為、所占比重、購買偏好等構建一個整體的用戶畫像，將用戶群體切割成更細的粒度，使運營從粗放式到精細化，以多種運營觸達手段，像短信、推送、活動、優惠券等等，對用戶進行驅動和挽回，達到事半功倍的效果。

五、寫在最后

無論是用戶分群、用戶標簽還是用戶畫像，其最終的落腳點都是助力企業精準營銷實現增長。

尤其是用戶畫像，它的初衷是好的，但是卻難以用好，多數情況下會淪為形式主義；不能想當然的歸納一個齊全完備的體系，卻忽略了畫像的核心價值—用戶畫像首先得是商業目的下的用戶標簽集合。

并不是有了用戶畫像就一定能驅動和提高業務，而是為了驅動和提高業務，才需要用戶畫像。

互聯網相關企業在建立用戶畫像時一般除了基于用戶維度（userid）建立一套用戶標簽體系外，還會基于用戶使用設備維度（cookieid）建立相應的標簽體系。

基于cookieid維度的標簽應用也很容易理解，當用戶沒有登錄賬戶而訪問設備時，也可以基于用戶在設備上的行為對該設備推送相關的廣告、產品和服務。

建立的用戶標簽按標簽類型可以分為統計類、規則類和機器學習挖掘類，相關內容在《手把手教你做用戶畫像：3種標簽類型、8大系統模塊》中有詳細介紹。從建立的標簽維度來看，可以將其分為用戶屬性類、用戶行為類、用戶消費類和風險控制類等常見類型。

01 用戶屬性維度

1. 常見用戶屬性

用戶屬性是刻畫用戶的基礎。常見用戶屬性指標包括：用戶的年齡、性別、安裝時間、注冊狀態、城市、省份、活躍登錄地、歷史購買狀態、歷史購買金額等。

用戶屬性維度的標簽建成后可以提供客服電話服務，為運營人員了解用戶基本情況提供幫助。

用戶屬性標簽包含統計類、規則類、機器學習挖掘類等類型。本節主要介紹常見用戶屬性標簽主要包括的維度。表2-1給出了常用的用戶屬性維度標簽。

• 表2-1 用戶屬性維度標簽示例

表2-1對于相同的一級標簽類型，需要判斷多個標簽之間的關系為互斥關系還是非互斥關系。例如，在判斷性別時，用戶性別為男的情況下就不能同時為女，所以標簽之間為互斥關系；在判斷用戶是否在黑名單內時，用戶既可能在短信黑名單中，也可能同時在郵件黑名單中，所以這種就為非互斥關系。

對于根據數值進行統計、分類的標簽開發相對容易。例如，用戶的“性別”“年齡”“城市”“歷史購買金額”等確定性的標簽。

而在對規則類的標簽進行開發前則首先需要進行數據調研。例如，對于用戶價值度劃分（RFM），如何確定一個用戶是重要價值用戶還是一般價值用戶，對于用戶活躍度的劃分如何確定是高活躍、中活躍、低活躍還是已經流失，需要結合數據調研情況給出科學的規則并進行劃分。

2. 用戶性別

用戶性別可細分為自然性別和購物性別兩種。

自然性別是指用戶的實際性別，一般可通過用戶注冊信息、填寫調查問卷表單等途徑獲得。該標簽只需要從相應的表中抽取數據即可，加工起來較為方便。

用戶購物性別是指用戶購買物品時的性別取向。例如，一位實際性別為男性的用戶，可能經常給妻子購買女性的衣物、包等商品，那么這位用戶的購物性別則是女性。

02 用戶行為維度

用戶行為是另一種刻畫用戶的常見維度，通過用戶行為可以挖掘其偏好和特征。常見用戶行為維度指標（見表2-2）包括：用戶訂單相關行為、下單/訪問行為、用戶近30天行為類型指標、用戶高頻活躍時間段、用戶購買品類、點擊偏好、營銷敏感度等相關行為。

• 表2-2 用戶行為維度標簽示例

03 用戶消費維度

對于用戶消費維度指標體系的建設，可從用戶瀏覽、加購、下單、收藏、搜索商品對應的品類入手，品類越細越精確，給用戶推薦或營銷商品的準確性越高。如圖2-1所示，根據用戶相關行為對應商品品類建設指標體系，本案例精確到商品三級品類。

▲圖2-1 用戶消費維度指標梳理

表2-3為用戶消費維度的標簽設計。

• 表2-3 用戶消費維度標簽示例

這里通過一個場景來介紹構建用戶消費維度的標簽的應用。

某女裝大促活動期間，渠道運營人員需要篩選出平臺上的優質用戶，并通過短信、郵件、Push等渠道進行營銷，可以通過圈選“瀏覽”“收藏”“加購”“購買”“搜索”與該女裝相關品類的標簽來篩選出可能對該女裝感興趣的潛在用戶，進一步組合其他標簽（如“性別”“消費金額”“活躍度”等）篩選出對應的高質量用戶群，推送到對應渠道。

因此將商品品類抽象成標簽后，可通過品類+行為的組合應用方式找到目標潛在用戶人群。

04 風險控制維度

互聯網企業的用戶可能會遇到薅羊毛、惡意刷單、借貸欺詐等行為的用戶，為了防止這類用戶給平臺帶來損失和風險，互聯網公司需要在風險控制維度構建起相關的指標體系，有效監控平臺的不良用戶。

結合公司業務方向，例如可從賬號風險、設備風險、借貸風險等維度入手構建風控維度標簽體系。下面詳細介紹一些常見的風險控制維度的標簽示例，如表2-4所示。

• 表2-4 風險控制維度標簽示例

05 社交屬性維度

社交屬性用于了解用戶的家庭成員、社交關系、社交偏好、社交活躍程度等方面，通過這些信息可以更好地為用戶提供個性化服務。表2-5是常用的社交屬性維度標簽示例。

• 表2-5 社交屬性維度標簽示例

在日常使用社交軟件時，我們可以發現社交軟件中的信息流廣告會結合我們的社交特征進行個性化推送。

• 如圖2-2所示，結合我所在城市、經?；钴S地段及近期收藏的電腦相關文章，在微信朋友圈給我推送了相關電腦營銷的廣告。
• 如圖2-3所示，基于我的星座和年齡段信息，推送符合我某些特征的婚慶攝影廣告。

▲圖2-2 朋友圈信息流廣告 – 基于位置（截圖自微信）

▲圖2-3 朋友圈信息流廣告 – 基于星座（截圖自微信）

06 其他常見標簽劃分方式

本文前5節從用戶屬性、用戶行為、用戶消費、風險控制、社交屬性共五大維度劃分歸類了用戶標簽指標體系。但對用戶標簽體系的歸類并不局限于此，通過應用場景對標簽進行歸類也是常見的標簽劃分方式。圖2-4展示了具體的畫像標簽應用場景劃分。

▲圖2-4 畫像標簽應用場景劃分

從業務場景的角度出發，可以將用戶標簽體系歸為用戶屬性、用戶行為、營銷場景、地域細分、偏好細分、用戶分層等維度。每個維度可細分出二級標簽、三級標簽等。

• 用戶屬性：包括用戶的年齡、性別、設備型號、安裝/注冊狀態、職業等刻畫用戶靜態特征的屬性。
• 用戶行為：包括用戶的消費行為、購買后行為、近N日的訪問、收藏、下單、購買、售后等相關行為。
• 偏好細分：用戶對于商品品類、商品價格段、各營銷渠道、購買的偏好類型、不同營銷方式等方面的偏好特征；
• 風險控制：對用戶從征信風險、使用設備的風險、在平臺消費過程中產生的問題等維度考量其風險程度；
• 業務專用：應用在各種業務上的標簽，如A/B測試標簽、Push系統標簽等；
• 營銷場景：以場景化進行分類，根據業務需要構建一系列營銷場景，激發用戶的潛在需求，如差異化客服、場景用戶、再營銷用戶等；
• 地域細分：標識用戶的常住城市、居住商圈、工作商圈等信息，應用在基于用戶地理位置進行推薦的場景中；
• 用戶分層：對用戶按生命周期、RFM、消費水平類型、活躍度類型等進行分層劃分。

本節提供了一種從業務場景的角度出發對標簽體系進行歸類的解決方案。為讀者構建標簽體系提供了另外一種參考維度。

07 寫在最后

要想掌握整個用戶畫像體系設計，就需要對標簽體系、畫像系統搭建、畫像應用等各個環節有更深刻的認識，但目前業界還沒有比較成熟規范的用戶畫像體系介紹。于是我結合了數年來對用戶畫像系統的實戰經驗，寫了這本書《用戶畫像：方法論與工程化解決方案》，幫助大家掌握數據人的必備技能：用戶畫像

用戶觸達簡單來說就是給用戶推送提醒、活動、召回等各類消息，加上標簽化，就可以更有針對性及個性化的為用戶推送；而用戶成長激勵就是我們在各類APP上常見的新手任務、日常任務、營銷活動、會員體系等等；兩者亦有相輔相成的作用。

其實，這兩項內容的基礎建設做起來并不難，但由于網上缺少這類實操案例的講解，讓很多初次上手去做的運營缺少認知和了解（比如：我早期需要獨立完成這些工作的時候，就搜不到很清楚的內容能夠幫助我），導致接到任務在構思時，缺少參考內容。

所以，這次就跟大家聊聊這兩塊的經驗，希望對你所有啟發。

一、做標簽體系前先理清“用戶類型”

首先，運營推送分兩種，一種我們叫全量推送，比如節日活動、產品重大更新等，我們需要盡可能多的覆蓋用戶；所以這種直接通過后臺push、短信、公眾號等就可以操作。

而另一種是精準推送，比如新手引導、沉默預警、流失召回等行為，我們需要更有針對性的進行推送，但在推送之前，我們肯定要事先知道“這些用戶”是誰，對吧。

因此，用戶標簽體系工作的開展邏輯就分為三部分，我們運營先理清楚這個“人”，然后通過“條件”標簽化定義這個人，最后是策略“觸達”這個人。

給誰推送（運營需求）>如何定義這個人（技術實現）- 何時觸發推送（ 運營制定）

題外話：我們運營在上手執行任何工作之前，一定要自我事先理清楚任務的目的、邏輯和順序，這樣才不會忙一兩天的作業交上去，又被領導打回來改來改去，好像領導不理解你的想法或者你做完成卻發現不理解領導到底想要什么；原因就是雖然你的執行效率上去了，但卻沒留時間讓自己思考這到底是為什么。

現在流行的精細化運營，需要我們對用戶進行多維度多方面的劃分；我就不詳細列舉了，這里概以我們常用到的用戶分層為例講解。

那不同的產品根據業務類型不同，對用戶層級的劃分會有不同的界定，以我們家的工具產品為例。大致可分為四層：新增用戶-活躍用戶-會員用戶-核心用戶

二、做標簽體系前理清“推送需求”

好，通過用戶分層，我們明確了想要推送的四類用戶，那下一步要思考的是，我要針對不同層級的用戶哪些行為進行推送呢？例如：

• 新增用戶：作為運營，我想在用戶注冊后推送一條歡迎&引導上手文案，并且希望在當天內觸成用戶完成核心功能的體驗，三天內督促完善新手任務；這期間我就需要根據用戶行為和完成狀態的不同，推送不同的文案；
• 活躍用戶：作為運營，我想能夠判斷出當前用戶的活躍次數&天數，以此發放不同的優惠政策，看是否通過不同的營銷切入點，最大化轉化非會員用戶；
• 再如分群：運營希望給當前的月卡且在本月將到期的會員用戶，單獨推送到期提醒及續費優惠活動等。

以此類推，那可能有人要問了，為什么做標簽體系之前，我自己要梳理的這么清楚？直接按照人口屬性、行為屬性定義后，提需求給技術不就行了，需要說明兩點：

1. 標簽體系化工作是一個長期過程，需要階段性的進行，因此你不可能一上來全面覆蓋全面標簽化，它是隨著產品&業務的發展深度，而進行動態演化的；所以你也不要擔心想的不全面；回歸需求本身，清楚現產品階段，你最關心什么，要給誰推送，按照節奏進行。
2. 標簽是分級的，等下看圖會更詳細，那為什么標簽要這樣劃分級別要清楚，假設第一級標簽，你在后臺篩選的是活躍用戶，那么按照用戶的活躍狀態，我還可以再分一級，篩選出低頻活躍用戶或者高頻活躍用戶。如果你不自己不清楚怎么算低頻活躍怎么算高頻活躍，那怎么對標簽下定義呢？

三、標簽定義的四個維度

當你理清楚了人并且也清楚當前最想要對他的什么行為&狀態進行推送，那標簽體系化的第一期工作，就可以進入到落地執行環節了。

我們一般做標簽體系，大致先滿足四個維度：人口屬性、行為屬性、商業屬性、、消費屬性，四個方面來進行標簽填充。

人口屬性：指的是用戶運營畫像。比如性別、年齡、地域、設備型號等。這一維度告訴我們他是誰。

題外話：用戶畫像一般分兩種，一種是用戶產品畫像，產品經理通過海量用戶抽象出產品使用者畫像，類似于高度概括的那種，以便判斷這個功能是否能夠滿足這一群體用戶的需要；另一種是用戶運營畫像，因為運營更多是精準觸達、活動等，所需的是具體的屬性。

行為屬性：指用戶使用產品的日常行為和關鍵行為，比如注冊、簽到、活躍狀態、功能使用等，這一維度告訴我們他當前做了什么。

商業屬性：指用戶在產品上的當前付費狀態。比如免費用戶、會員用戶、免費用戶也可根據時間劃分為 3 天/ 7 天/ 30天的免費試用用戶，按付費類型可為年卡/季卡/月卡用戶。這一維度告訴了我們他在產品上的狀態。

消費屬性：這里用到的是 RFM 模型。RFM 模型大家都知道， Rencency（最近一次消費），Frequency（消費頻率）、Monetary（消費金額），我們一般分為8個維度。

除了上述四個基本層面的標簽建設外，還有一個可根據運營需要添加或不添加。

偏好屬性：記錄用戶在產品上的行為偏好。比如每日都會簽到的用戶、參與過會員促銷活動的用戶、參與過拉新活動的用戶等等。這一部分用戶有的屬于利益驅動型用戶，可以作為運營上線活動，第一批種子用戶或者測試用戶。

四、標簽化的推送制定

在完成了標簽定義之后，就是推送制定，針對不同的用戶層級，我們的運營動作也所有不同，在上面略有提及，如果是固定的文案&營銷推送，可以做成自動化，比如會員到期提醒、沉默預警提醒、流失召回等。

如果有活動或者AB測試的需求，則可以通過后臺按照以上標簽篩選進行針對性推送。

至于推送的文案&時間&活動類型，各家的產品&使用環境都不同，我就不要誤導你什么21點推送&新手推引導，活躍推營銷等等啦，方法只有一個站在你的角度，多推多看多琢磨。

事實上，我認為從對業務的價值來說，標簽和畫像是類似中間層的系統模塊，具體來說，數據資產本質上是一些采集、采購所獲得的數據源，但企業希望在數據源的基礎上，實現資產變現，而且不斷擴大資產價值。

在這個過程當中，企業需要把數據轉化成一類真正對業務有價值輸出的產物，然后在這些產物之上實現上層業務的應用，如類似 CRM 產品對客戶做一些營銷、個性化推薦等應用，真正將數據變為實現業務價值的利器。很多企業都意識到，這個中間層就是標簽畫像。

那么，在標簽畫像建設之上，更加具體的應用目的是什么呢？

一、企業做標簽畫像的目的

很多企業雖然做標簽和畫像考慮的側重點會不一樣，但是全部抽象出來分析，可以分成以下幾類（如下圖）：

圖 1 做標簽畫像的目的

大多數處于對標簽和畫像探索階段的客戶，在早期會側重在類似客戶生命周期管理、高價值的客戶深入開發、交叉營銷等角度（如圖 1 左側），其本質原因是，企業希望把現有客戶資產挖掘和客戶運營做的更好。

隨著人口紅利降低，用戶獲取成本越來越高，尤其對業務相對成熟的行業，如銀行和證券這類公司，雖然在庫里沉淀了幾億、幾千萬用戶，但是真正活躍的用戶量并不多，所釋放的用戶價值也比較少。

在以前，銀行的個人業務服務資產有的需要達到 6 百萬以上，才會進入私人銀行范疇，所以長尾客戶群體的價值在業務運營范圍內是被忽視的。現在，企業希望挖掘這類人群的價值，但因成本受限無法像以前使用理財經理、專人理財服務的方式去服務這群人，銀行開始借鑒互聯網理財和互聯網運營方式挖掘用戶價值。

與此同時，企業開始極為重視數據，希望通過數據和數據資產花最小化成本將這群客戶服務的更好，這是現階段金融業相對主流的側重需求。

另外一類需求主要與個性化相關（如圖 1 右側），之所以將兩類需求分開是因為圖 1左側這一類是以分群的思路來考慮的幾個方面，把客戶劃分成幾類，還沒有細化到為某個客戶做定制化的服務，相反，圖 1右側的幾個方面個性化程度會更深一點，整體的投入成本也會顯著比左邊高。

舉個例子：個性化推薦本身對于數據資源、基礎硬件、人力成本等方面的消耗都大于左邊。因此，每個企業都有不同的發展階段、業務訴求、投入產出比、可投入成本等決定企業是以上圖左側為主，還是以圖 1右側為主。

事實上，從早期應用來說，我們也會推薦客戶先主攻圖 1左側部分，因為相對而言，這部分使用較小的投入、可產生更大的邊際價值，當這部分達到業務提升的天花板時，可以開始通過圖 1中右側的手段來進一步增加價值。

也就是說，左側的方式到達一定的上限以后，企業需要使用更極致的手段實現突破，如個性化推送、個性化推薦、個性化實時營銷。

如頭部電商企業基本都實現了個性化實時營銷，當用戶準備購買一個商品，卻在付款頁面流失了，表明客戶是有成單意愿，但存在某些疑慮，或者就是被打斷后忘記回來了，系統就會在大概十分鐘之后，基本上等于實時給客戶做營銷推送，Push 用戶成單。

當然，如果業務發展快，有明確的場景和充分的資源，想要兩者一起來做，那當然也是可以的。

二、標簽畫像的應用場景總結

標簽和畫像實際上是對數據的再加工，根據不同的加工輸出可分成四大類應用場景（如下圖 2）：

圖 2 標簽畫像的應用總結

（1）精細化運營

企業逐漸從粗放式到精細化，希望將用戶群體切割成更細的粒度，輔以短信、推送、郵件、活動等手段，驅以關懷、挽回、激勵等策略。

（2）用戶分析

用戶畫像也是了解用戶的必要補充，在產品用戶量擴大后，需要輔以用戶畫像配合研究，如新增的用戶有什么特征，核心用戶的屬性是否變化等。本質上來講，標簽就是對用戶的描述，所以對標簽的加工，相當于更深層地分析出貼近業務的用戶信息，這個信息會減少大家基于原數據重新跑一些業務分析和用戶分析的場景。

在這里強調一點，我發現很多企業在使用數據時，會忽略思考數據背后代表的意義，但是企業需要在使用數據解釋業務特征時，更深層次地剖析數據代表的用戶特征，因為增添這一層思考，意味著企業的業務自始至終真正服務的對象都是用戶，而不是把這些業務作為服務用戶的手段。

所以，當企業開始探索業務的持續性發展時，企業對用戶的了解和認知非常重要。舉個例子：我在給一些證券客戶做咨詢的時候，會首先引導企業梳理現有數據，基于客戶視角把客戶資產盤點一次。

（3）數據分析

標簽可以理解成作為用戶分層分類的規則之一，數據查詢平臺和這些數據打通后能支持更加豐富和深層的分析及對比。另外，數據分析的應用，可以更具像到一個概念，即產品的應用。

（4）產品應用

用戶標簽是很多數據產品的基礎，諸如廣告系統、個性化推薦系統、CRM 基礎搭建等，事實上，自動化運營本質上在技術角度對底層的要求就是標簽體系。

三、標簽畫像的典型應用場景

很多企業會使用 Push 來拉新、活躍、召回用戶，其實企業如果是引入外部第三方企業來支持 Push 業務，第三方企業會根據公司的 DAU 或 MAU 來收取費用，這意味著企業每個月給客戶推 0 次和推 5 次 Push，付出的成本一樣。

另一方面，企業對一個用戶推 10 次與精準地推 3 次（3 次都產生效果）相比，后者 Push 用戶產生的效果更好。所以 Push 的應用非常強調技巧，需要從成本和 Push 用戶產生的效果兩方面考慮。

舉個例子：如果企業的目的是通過 Push 增加理財交易，我們可以先通過兩層標簽篩選找到推送的用戶，第一層是生命周期標簽篩選，如處于交易流失期的用戶，第二層是行為標簽篩選，如最近七天查看過銀行理財產品的用戶。之所以設置第二層篩選將這群人抽取出來，是因為這群人是可被遷移的用戶，而且是理財產品的潛在營銷用戶。

如果企業不對這群用戶采取相應措施，這些潛客就會流失，但是如果企業對這些用戶做精準營銷，不僅對理財業務，還是對整體業務都會產生很大的價值。

圖 3 典型應用場景

這是一個真實場景的舉例（如上圖 3），理財業務的運營同學，通過上述規則篩選出 5 萬人，并對這些人發了一條精準的 Push，推送后打開 App 人數達到 5680 人，打開率達到 11.4%（數據做了一定的處理）。

事實上，通常金融類的 Push 打開率，能夠達到 5% 已經非常不錯了。但是，通過判斷這群目標用戶的特征和需求后采取定向推送，使 Push 打開率能達到接近 3 倍以上，這意味著如果企業采用非精準推送方式，所要覆蓋的用戶群需要精準推送的 3 倍。

同時，采用非精準推送方式會造成兩個大的影響：

• 第一，那群被無效推送的用戶的推送資格被占用了；
• 第二，很可能其他的業務可以精準推送這群人，產生更好的效果。

所以使用精準推送是對整體效率的提升，但是很多企業在具體的業務中很少對投入資源的有效性進行核算，這也是企業需要做精細化運營的必要性之一。

四、標簽畫像的典型場景流程

圖 4 典型場景流程

那么，我們剛剛講的那個例子，在實際的業務過程中，一般是怎么操作和實現的呢？

具體來說，我們可以分為 4 個步驟。首先，根據既定的目標確定一個人群的屬性描述，其實這對應了企業的商業策略。

舉個例子，目標是提升理財的交易額，我把從流失的用戶獲取理財交易額的增長作為其中一個策略，并定義為對于交易流失用戶的潛客營銷。這時候人群策略就呼之欲出了，投放人群策略描述為交易高價值客戶，且處于交易流失期的有理財意向的非理財用戶，便可以從各種各樣維度選取相應標簽，并通過標簽快捷篩選獲取名單，然后實施精準觸達用戶，最后再評估營銷效果。這整個流程也是個性化營銷或分群營銷中常見的一種思路。

通過前面的介紹，我們知道標簽和畫像在企業變大變強中有舉足輕重的作用，但是現在有不少企業，說是做了用戶畫像系統，可能就只是實現了一些靜態標簽，以用戶基本屬性為主，或者做一份高大上的用戶畫像報告，但跟業務系統并沒有打通，沒有真正用在實際業務中對業務沒產生價值。因此很多企業做標簽和畫像的初衷很好，但卻淪為了形式主義。

所以，不是有標簽畫像了，企業就能驅動業務、實現增長，標簽畫像“做了”跟“做好”，以及“有了”和“用上了”，中間存在著很大的鴻溝。企業是為了驅動業務、實現增長才需要標簽畫像，而不是為了有標簽畫像而做標簽畫像，不能本末倒置。

所以結合前面的案例標簽畫像從建立到應用的正確步驟可以用以下幾個圖概括：

圖 5 確定商業目的，設定目標

圖 6 明確目標人群特征

圖 7 抽取標簽及屬性值定義

圖 8 效果評估

五、建立一個完整的標簽體系的四個關鍵

建立一個完整的標簽體系需要注重四點：了解標簽的獲得形式；清楚業務形態，以商業目的出發，匯集標簽；對標簽池進行分類和定義；標簽的維護。

下面我將一一展開：

圖 9 如何建立一個完整的標簽體系

1. 了解標簽的獲得形式

圖 10 了解標簽的獲得形式

首先我們都知道標簽本身會有很多分類，但是從它的實現規則來看，大致可以分成以下幾類：

（1）基于統計類的標簽

顧名思義，這類標簽是可以從用戶注冊、用戶訪問、消費類數據中統計得出，是最為基礎的標簽類型，例如：性別、城市、App 使用時長、周均啟動次數、月均消費金額等字段構成了用戶畫像的基礎。

（2）基于規則類的標簽

該類標簽基于用戶行為及確定的規則產生，在實際開發標簽過程中，該類標簽的規則由運營人員和數據人員共同協商確定。如：距今 90 天內交易次數 > 3，是“交易活躍”標簽的定義和口徑；連續 12 個月內飛行航段 > 20 ，是“常旅客”標簽的定義和口徑。

（3）基于挖掘類的標簽

該類標簽為概率模型，概率是介于 0~1 之間的數值，需要通過算法挖掘產生。例如：根據一個用戶的行為習慣判斷是男性還是女性，根據一個用戶的消費習慣判斷其對某商品的偏好程度。

需要注意的是數據源的梳理和基礎規則的應用是應用挖掘類標簽的前提。如果企業的數據源沒有做規則，基礎沒打好，挖掘類標簽可以暫時不考慮。因為建立規則仿佛在搭建一個小階梯，如果這個階梯搭好，證明你的數據質量和存在應用提升空間，你再往上提一階是比較合理的方式。

因為這里會涉及到成本的投入和人員的應用能力，這是個循序漸進的過程，包括我們給客戶服務的時候都會給他強調存在階梯式遞進的過程。

另外，圖 10 中的用戶自然屬性、用戶交易數據、用戶資產數據、用戶行為特征、第三方來源數據是基于數據源或具體的業務場景做的標簽分類。事實上，最終呈現的標簽，一般都是以業務視角的，標簽與應用場景，以及統計的屬性源會都有關聯。

之所以這樣做，是因為這樣的標簽是以用戶視角定義的，讓用的人知道這個標簽代表了什么含義，而不是了解通過什么方式抽取的。所以，我們真正給客戶梳理標簽的時候大多都是基于用戶視角梳理。

2. 清楚業務形態，以商業目的出發，匯集標簽

（1）還原業務流程

圖 11 還原業務流程

用戶畫像首先是基于業務模型的。業務部門連業務模型都沒有想好，數據部門只能巧婦難為無米之炊。但是數據部門也需要注意不能閉門造車，這其實跟做產品一樣，連用戶需求都沒有理解透徹，匆匆忙忙上線一個 APP，結果往往是無人問津。因此，企業構建標簽的第一個步驟為熟悉業務。

事實上，我們在給客戶做咨詢的時候，有的客戶剛開始會認為我們沒有做過他的業務，并不清楚其業務形態，無法精準的梳理標簽體系，但是，很快他們就會打消這個念頭。因為我們做咨詢的人會有一個體系化、方法論和遷移能力。

例如：我在進入互金行業之前是做游戲行業的，但在兩個月之內我對互金產品體驗和對這個行業的把握可以達到在這個行業做了三年都達不到的水平。

為什么呢？

我會試用行業頭部所有的產品，去真的做投資，把它們的產品體驗和營銷策略梳理出來，并在這個過程中運用之前學到的體系和方法論對這個應用場景做調整，事實上，你會發現真正做咨詢和用戶本身對業務的理解是互相匹配的過程。做業務的人很可能對這塊業務相對熟悉的，但是他對怎么把這套東西體系化和交付給其他人去應用會比較陌生。所以，這也是企業需要咨詢的價值。

（2）明確商業目的

圖 12 明確商業目的

這一步是需要明確標簽是用來干什么的。每個公司，甚至每個運營對標簽體系的設立都是非常不一樣的。比如：企業要做個性化推薦，做關于物或人的興趣、偏好的標簽會比較有價值，但是如果企業要做用戶運營，做關于用戶的留存、活躍標簽會更有價值。所以標簽體系的建立最終是跟企業的商業目的強相關的。

（3）匯集標簽

圖 13 從策略推標簽

關于匯集標簽，需要結合企業的運營策略和應用場景，使用戶人群的定義歸結到原子層的標簽，考慮到涉及哪些數據源和標簽賦值的區分度，這些最終會成為企業標簽體系架構和標簽數據源的梳理原則。

（4）標簽的分類與定義

圖 14 標簽的分類

上圖是一個相對通用的標簽體系架構，雖然并不一定適合每一家企業，但在梳理標簽和畫像時，這是一個很好的參考框架，通過這個框架給企業梳理業務場景和目標，再反向設計標簽，但是標簽的設計與應用一定要基于對業務和架構的理解。

這個框架實際上應用了分類的概念，它會涉及到標簽生成規則、所屬的標簽層級具體到屬性參數等，這些都會標注在系統里。但是，神策數據給客戶咨詢，最終更多是結合應用場景給到客戶，如標簽歸屬在哪個層級，哪個業務體系，基本上是給具體應用的人看的最直接的標簽體系。

圖 15 標簽的定義

（5）標簽的維護

標簽的維護往往是容易被忽視的重點。事實上，標簽也具有生命周期，從需求提出、到生成、到審批、到執行。

對于很多企業來說，生成一期標簽并不難，我們有很多客戶自己梳理了三四百或者上千的標簽，但是這些標簽被生成之后，并沒有明確的更新規則，更新規則包括：標簽更新周期，如：實時更新、每月更新等；標簽更新維度，在什么情況下觸發對具體用戶的更新，如什么情況下更新某類用戶的風險評級；標簽更新權限，如哪些人可以更新這個標簽庫；無用標簽的淘汰，如標簽庫內只會使用到 60 個標簽，但是標簽庫中有 90 個標簽，其中有很多無效標簽占用資源等。所以標簽維護是非常重要和系統的工程。

但是，很多企業沒有意識到這一點，或者意識到了卻最終不了了之。

以上就是構建標簽體系的幾個關鍵點，事實上好的標簽設計應具備以下特征：

圖 17 標簽設計特征

我還想強調一點，企業應該以終為始，用業務需求倒推標簽設計，而不是有什么樣的數據就生成什么樣的標簽非常重要，這兩個思路的本質差異是企業是以目的為導向，還是以系統為導向，如果只是以系統為導向，很難做出有價值的產物，所以我們非常強調業務部門和技術部門的互動，生成標簽不只與 IT 部門有關，還與業務使用場景強相關。

關于標簽體系的構建我做了一個總結，如下圖：

圖 18 完整的標簽體系建立流程

六、證券行業的案例

圖 19 項目管理實施流程

以上是一個神策標簽畫像產品的實施流程示意，如上圖，可以發現，我們整體的項目管理做的非常精細，包括項目準備、系統部署、標簽需求梳理、產品持續交付、標簽系統實施、交付與培訓、交付后支持七個步驟。

1. 需求調研：梳理業務場景、運營策略和需求

圖 20 需求調研

具體到其中的需求調研階段，上圖是我們根據了解到客戶的業務場景、運營策略和需求初步建立的一個需求梳理框架。因為該企業設計標簽體系的目的是做用戶運營，所以會從新客培育、活躍留存、交易提升、資金留存、沉沒喚醒、流失預防、喪失召回、用戶體驗、大客戶運營等維度來梳理企業的業務體系，但是如果企業的標簽體系設計目的是做個性化推薦，設計思路將完全不同。

所以，我們為每一個企業梳理標簽體系前都要明確目標，根據目標來梳理一個基本的業務需求框架，再通過前期調研，如訪談、查資料等來補充框架上的信息。

2. 由業務需求抽離出標簽需求

明確企業的業務需求后，我們再根據企業的業務需求梳理標簽需求，并梳理出相應的標簽策略，最后制定對應的標簽，這些標簽是企業最終的場景應用會使用到的標簽。

圖 21 需求梳理

如上圖，我們最終幫該證券客戶的標簽梳理成幾大類。

第一類是用戶的基本信息。

基本信息包括如用戶識別、激活信息（引流或者拉新時的重要信息，如用戶什么時候來、什么渠道來等）、風險特征（金融行業用的比較多）等信息。

第二類是用戶的賬戶特征。

因為證券企業的用戶有多套資金帳戶，但是不管用戶操作的是哪個資金帳戶，企業最終營銷的都是用戶本身，關于用戶本身的特征和偏好才是最重要的信息，所以我們會對用戶的帳戶做一層設計。

第三類是業務特征。

之所以我們會劃分交易、理財、資訊、服務四類，與企業的運營體系相關，他們是按照板塊劃分具體的運營的。

所以要建立真正代表用戶在特定業務場景下的標簽，我們會拆分業務層，業務層對應的標簽就是表征業務本身的特點，如理財的標簽與交易標簽完全不一樣，股票標簽會涉及到個股偏好，但是理財產品實際上對特定產品偏好較弱，更看重產品類型。還有活躍特征和價值標簽很好理解，我就不贅述了。

今天我們就來說說用戶畫像。本文重點：1.用戶畫像在數據分析中的應用；2.如何構建用戶畫像。

一、 什么是用戶畫像

用戶畫像（User Persona）的概念最早由交互設計之父Alan Cooper提出，是建立在一系列屬性數據之上的目標用戶模型。一般是產品設計、運營人員從用戶群體中抽象出來的典型用戶，本質是一個用以描述用戶需求的工具。

Personas are a concrete representation of target users.

真實用戶的虛擬代表

——交互設計之父Alan Cooper

但隨著互聯網的發展，現在我們說的用戶畫像（User Profile）又包含了新的內涵：根據用戶人口學特征、網絡瀏覽內容、網絡社交活動和消費行為等信息而抽象出的一個標簽化的用戶模型。

它的核心工作主要是利用存儲在服務器上的海量日志和數據庫里的大量數據進行分析和挖掘，給用戶貼“標簽”，而“標簽”是能表示用戶某一維度特征的標識，主要用于業務的運營和數據分析。（如圖所示）

二、為什么需要用戶畫像

用戶在企業發展的過程中有舉足輕重的作用，主要的應用有：

1、精準營銷：這是運營最熟悉的玩法，在從粗放式到精細化運營過程中，將用戶群體切割成更細的粒度，輔以短信、推送、郵件、活動等手段，驅以關懷、挽回、激勵等策略。

2、用戶分析：用戶畫像也是了解用戶的必要補充。產品早期，產品經理們通過用戶調研和訪談的形式了解用戶。在產品用戶量擴大后，調研的效用降低，這時候就可以輔以用戶畫像配合研究。方向包括新增的用戶有什么特征，核心用戶的屬性是否變化等等。

3、數據應用：用戶畫像是很多數據產品的基礎，諸如耳熟能詳的推薦系統廣告系統，廣告基于一系列人口統計相關的標簽，性別、年齡、學歷、興趣偏好、手機等等來進行投放的。

4、數據分析：用戶畫像可以理解為業務層面的數據倉庫，各類標簽是多維分析的天然要素。數據查詢平臺會和這些數據打通，最后輔助業務決策。

三、用戶畫像的主要內容

用戶畫像一般按業務屬性劃分多個類別模塊。除了常見的人口統計，社會屬性外，還有用戶消費畫像、用戶行為畫像，用戶興趣畫像等。

人口屬性和行為特征是大部分互聯網公司做用戶畫像時會包含的：人口屬性主要指用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等。行為特征主要包含活躍度、忠誠度等指標。

除了以上較通用的特征，用戶畫像包含的內容并不完全固定，根據行業和產品的不同所關注的特征也有不同。

①以內容為主的媒體或閱讀類網站、搜索引擎，或通用導航類網站，往往會提取用戶對瀏覽內容的興趣特征，比如體育類、娛樂類、美食類、理財類、旅游類、房產類、汽車類等等。

②社交網站的用戶畫像，也會提取用戶的社交網絡，從中可以發現關系緊密的用戶群和在社群中起到意見領袖作用的明星節點。

③電商購物網站的用戶畫像，一般會提取用戶的網購興趣和消費能力等指標。網購興趣主要指用戶在網購時的類目偏好，比如服飾類、箱包類、居家類、母嬰類、洗護類、飲食類等。消費能力指用戶的購買力，如果做得足夠細致，可以把用戶的實際消費水平和在每個類目的心理消費水平區分開，分別建立特征緯度。

④像金融領域，還會有風險畫像，包括征信、違約、洗錢、還款能力、保險黑名單等。

另外還可以加上用戶的環境屬性，比如當前時間、訪問地點LBS特征、當地天氣、節假日情況等。當然，對于特定的網站或App，肯定又有特殊關注的用戶維度，就需要把這些維度做到更加細化，從而能給用戶提供更精準的個性化服務和內容。

四、如何構建用戶畫像

業內有很多關于創建用戶畫像的方法，比如Alen Cooper的“七步人物角色法”，Lene Nielsen的“十步人物角色法”等，這些都是非常好并且非常專業的用戶畫像方法，值得我們借鑒和學習。

事實上，當我們了解了這些方法之后，就會發現這些方法從流程上可以分為3個步驟：獲取和研究用戶信息、細分用戶群、建立和豐富用戶畫像。在這3大步驟中，最主要的區別在于對用戶信息的獲取和分析，從這個維度上講主要有以下三種方法：

簡單來說，定性就是去了解和分析，而定量則是去驗證。一般而言，定量分析的成本較高、相對更加專業，而定性研究則相對節省成本。因此創建用戶畫像的方法并不是固定的，而是需要根據實際項目的需求和時間以及成本而定。創建用戶畫像的方法，并沒有嚴格意義的最專業和最科學，但是有最適合團隊和項目需求的。

好的用戶畫像是理解用戶的決策，考慮業務場景和業務形態的。這里我們介紹一種簡單的構建用戶畫像方法。

1、數據采集

構建用戶畫像是為了還原用戶信息，因此數據來源于所有用戶相關的數據。用戶數據劃分為靜態數據、動態數據兩大類。

靜態數據：用戶的人口屬性、商業屬性、消費特征、生活形態、CRM五大維度，其獲取方式存在多種，數據挖掘是最為常見也是較為精準的一種方式，如果數據有限，則需要定性與定量結合補充。定性方法如小組座談會、用戶深訪、日志法、Laddering 階梯法、透射法等，主要是通過開放性的問題潛入用戶真實的心理需求，具象用戶特征；定量更多是通過定量問卷調研的方式進行，關鍵在于后期定量數據的建模與分析，目的是通過封閉性問題一方面對定性假設進行驗證，另一方面獲取市場的用戶分布規律。

動態數據：用戶不斷變化的行為信息，一個用戶打開網頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等一樣都是用戶行為。隨著互聯網的發展，各種動態的行為數據都可以被記錄下來。

2、目標分析

用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標簽，以及該標簽的權重。標簽，表征了內容，用戶對該內容有興趣、偏好、需求等等。權重，表征了指數，用戶的興趣、偏好指數，也可能表征用戶的需求度，可以簡單的理解為可信度，概率。

3、數據建模

一個事件模型包括：時間、地點、人物三個要素。每一次用戶行為本質上是一次隨機事件，可以詳細描述為：什么用戶，在什么時間，什么地點，做了什么事。

①用戶：關鍵在于對用戶的標識，用戶標識的目的是為了區分用戶、單點定位。

②時間：時間包括兩個重要信息，時間戳和時間長度。時間戳，為了標識用戶行為的時間點；時間長度，為了標識用戶在某一頁面的停留時間。

③地點：用戶接觸點，Touch Point。對于每個用戶接觸點。潛在包含了兩層信息：網址和內容。網址：每一個鏈接（頁面/屏幕），即定位了一個互聯網頁面地址，或者某個產品的特定頁面?？梢允荘C上某電商網站的頁面，也可以是手機上的微博，微信等應用某個功能頁面，某款產品應用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關頁。

④內容：每個網址（頁面/屏幕）中的內容。可以是單品的相關信息：類別、品牌、描述、屬性、網站信息等等。如，紅酒，長城，干紅，對于每個互聯網接觸點，其中網址決定了權重；內容決定了標簽。

⑤事情：用戶行為類型，對于電商有如下典型行為：瀏覽、添加購物車、搜索、評論、購買、點擊贊、收藏 等等。

綜合上述分析，用戶畫像的數據模型，可以概括為下面的公式：用戶標識+時間+行為類型+接觸點（網址+內容），某用戶因為在什么時間、地點、做了什么事。所以會打上標簽。

用戶標簽的權重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為類型、網址決定了權重，內容決定了標簽，進一步轉換為公式：標簽權重=衰減因子×行為權重×網址子權重。

五、注意事項

1、不要把典型用戶當作用戶畫像

不能把典型用戶當作用戶畫像。每年的微信生活白皮書中，微信官方都會公布典型用戶的一天：工作日每天 7 點起床刷朋友圈、7:45 出門路上讀文章……很多用戶看了表示這完全就是自己??！不過也有不少人吐槽：我也是微信重度用戶，但這個典型的一天的跟我怎么完全不符合？

為什么會出現如此截然相反的反饋呢？原來是這些人把「典型用戶」跟「用戶畫像」的概念搞混了。因為以上描述典型用戶這些特點，只是把用戶特征抽象出來，組合在一起，事實上典型用戶是虛構的，并不真實存在。而用戶畫像是把用戶以標簽的形式表現出來，每一個真實存在的用戶都有對應的用戶畫像。

2、不要把用戶畫像簡單理解成由用戶標簽構成

這也是 50% 以上的人都可能存在的錯誤認知，即把用戶畫像簡單理解成由用戶標簽構成。用戶標簽是用來概括用戶特征的，比如說姓名、性別、職業、收入、養貓、喜歡美劇等等。這些標簽表面上看沒有什么問題，但是實際上組成用戶畫像的標簽要跟業務/產品結合。

舉個夸張的例子，海底撈要做用戶畫像，最后列出來小明是一個大學生、高富帥、獨生子、四川人，愛玩游戲、愛看動漫等用戶標簽。而事實上，對于海底撈而言，用戶帥不帥、是否愛玩游戲真的沒有關系。

3、沒有建立真正有效的用戶畫像標簽

如果你能夠建立真正有效的用戶畫像標簽，才算正確理解從而提升運營效果。這就涉及到構建用戶畫像最大的難點了。

比如某知識付費團隊要賣課，那么建立用戶畫像最核心的訴求就是：提高課程購買數量。如果能通過用戶畫像了解用戶購買課程的意愿，然后采取相應的運營策略，效率便會大幅度提高。而這個購買課程意愿度，就是我們最需要放在用戶畫像里的標簽。

比如我們建立用戶畫像之后，計算出來甲購買課程的意愿是 40%，乙購買課程的意愿是 90%。為了進一步提高購買量，我們會對購買意愿在 40% 的用戶（甲）發放優惠券。如果沒有建立這樣一個用戶畫像標簽，我們就會對甲和乙發放同樣的優惠券。而乙類用戶原本是不需要用優惠券進行激勵的，這么一發，便會增加很多成本。這也就是電商利用用戶畫像標簽實現的大數據殺熟。

六、小結

1.我們進入了一個用戶精細化運營階段。在這個階段中，我們不得不使用一個工具——用戶“畫像”標簽體系；

2.用戶畫像是根據用戶人口學特征、網絡瀏覽內容、網絡社交活動和消費行為等信息而抽象出的一個標簽化的用戶模型；

3.用戶在企業發展的過程中有舉足輕重的作用，主要應用有：精準營銷、用戶分析、數據應用、數據分析；

4.用戶畫像包含的內容并不完全固定，根據行業和產品的不同所關注的特征也有不同；

5.好的用戶畫像是理解用戶的決策，考慮業務場景和業務形態的。

本文根據神策數據業務咨詢師鐘秉哲以《構建用戶標簽體系，助力企業精細化運營》為主題的直播內容凝練要點而成，將系統回答業務人員重點關注的如下四類問題：

• 為什么要做用戶標簽畫像？
• 如何構建完備的用戶標簽體系？
• 標簽的生產和創建有哪些細節和經驗？
• 如何利用好用戶畫像分析賦能業務落地？

相信在閱讀本文后，您的困惑都將迎刃而解。

一、為什么要做用戶標簽畫像？

1. 標簽的本質

簡單地說，所謂的用戶標簽，就是對用戶某個維度特征的描述。

對一群用戶來說，我們為了讓業務做得更好，會想知道他們的很多特征。比如，我們這一季度有 10 萬元的活動預算，應該集中花在哪里？這個問題，其實是希望能對給定用戶群體的商業價值做很好的描述，知道哪些人是應該重點服務的對象。

圖 1 標簽的基本含義

用戶標簽可以有很多種存在形式，可以是用戶的自然屬性，可以是對用戶交易、資產數據的統計指標，也可以是基于某些規則，總結出的一些分層。無論是哪種形式，都是對用戶的某個維度特征做描述與刻畫，讓使用者能快速獲取信息。

圖 2 標簽的常見形式

2. 標簽的應用場景

按照我們在多家不同企業落地標簽體系的經驗，用戶標簽的應用主要有四種場景。

首先是輔助分析洞察，用戶標簽可以輔助業務人員快速獲得用戶的信息認知，發現顯著特征，獲得業務靈感。

其次是豐富數據分析的維度，對我們的業務數據做更深層的對比分析。分析洞察獲得業務靈感后，標簽可以輔助業務落地。

再次可以將用戶群體切割成更細的粒度，使運營從粗放式到精細化，以多種運營觸達手段，像短信、推送、活動、優惠券等等，對用戶進行驅動和挽回，達到事半功倍的效果。

最后用戶標簽還可以作為數據產品的基礎，例如個性化推薦系統、廣告系統、CRM 管理工作等。自動化的業務系統能更有效地利用用戶標簽的威力。

圖 3 標簽的四大應用場景

需要注意的是，雖然用戶標簽畫像體系是有價值的，但不是每個公司都能做。

第一，企業需要有足夠豐富的內容、商品、服務或客戶屬性層次，或者業務進入穩定期的客群量級達到一定規模。

第二，用戶標簽體系有建設和維護成本，公司需要有相對完備的用戶行為數據采集能力，如果沒有豐富的數據源，用戶標簽也是巧婦難為無米之炊。建設需要衡量資源投入和性價比。

第三，標簽畫像體系并不是一個拿來即用的東西，它需要投入一定的人力和資源去建設和維護，才能和公司的業務場景很好地結合，發揮它的價值。

第四，公司在建設標簽畫像體系之前，應該先想好它需要落地的業務場景。如果沒有明確可落地的業務流程和人員，即使花了大力氣去建設用戶標簽體系，它也只是一堆死數據，只能擺在那里存著，這就沒什么意義。技術并不是萬能的，要和商業進行結合。

二、如何構建完備的用戶標簽體系？

1. 主流的標簽框架

行業有四種主流的標簽框架：

第一種是基于營銷觸點的用戶標簽體系，它先把用戶分為不同的營銷階段，再去細分每個階段需要做的事情和標簽。比如阿里系的標簽框架 AIPL，它把用戶對品牌的認知階段分為感知、有興趣、購買和忠誠這四個階段，然后再基于這四個階段要做的營銷動作去做細分標簽。

第二種是基于增長漏斗的 AARRR 模型，它是一個很好的框架，無論是什么用戶，都肯定屬于其中一個階段，然后再根據不同階段需要做的增長策略，去總結用戶身上的標簽特征。

第三種是用戶價值分層模型，比如 RFM，它雖然只包含了付費用戶，但付費用戶是完全包含在 RFM 的框架內的?？梢垣@知用戶消費水平屬于高中低的哪一層，用戶最近有沒有付費，我是否要對用戶做營銷。

第四種是基于用戶偏好的模型。舉例說明，假如我是一個房產中介，我就根據我賣房的需要，把用戶的行為信息都歸納到買房需求上。這種框架看上去是列舉式的，缺少了生命周期那種大而全的美的理論，但它其實對于業務應用來說是完備的，標簽做出來就能用。

圖 4 業內主流的四種標簽框架

在使用框架設計用戶標簽體系時，應該去理解消費者的決策過程，考慮商業業務的形態，配合業務人員的作業需求。這些概念比較虛，但一個好的用戶標簽體系離不開這些思考。

神策認為，好的標簽框架，一定是基于業務場景的。它應該要完備地覆蓋用戶的行為周期和業務的工作流程。

2. 標簽框架搭建四步法

接下來介紹神測數據基于最佳實踐總結出的標簽梳理框架，我們稱之為四步法。

第一步，還原業務流程。以一個典型的電商業務為例，將它的業務流程漏斗梳理出來，分別是啟動 APP，注冊登錄，瀏覽活躍，一些深度行為比如收藏和加入購物車，付費和重復付費，最后是沉默流失。然后在用戶流程的每一步，梳理出這個行為的一些維度?？筛鶕脩粼谶@方面的行為，去構建「用戶偏好」標簽。

圖 5 標簽框架四步法之還原業務流程

第二步，覆蓋生命周期。剛才的梳理都是基于用戶行為的，但有時候沒有辦法獲取用戶行為偏好。這時，就可以以用戶的「生命周期」，去提供兜底的邏輯?？梢砸杂脩?生命周期的狀態，作為營銷的觸點標簽，提供通用分層。

圖 6 標簽框架四步法之覆蓋生命周期

第三步，明確商業目標。用戶標簽體系是需要應用的，在此案例里，建設用戶標簽體系，是為了希望通過精細化運營提高整體的交易金額。我們接下來對交易金額這個商業目標，通過業務流程進行拆解。

交易金額可簡單拆分為新用戶的交易額和老用戶的交易額。達成交易的過程又可拆分為新增啟動，到注冊，到瀏覽詳情，到深度行為，最后再到付費。對拆解出來的每一個環節，可以去想在這個環節能有什么策略去提高交易金額。比如對于老用戶，是不是可以通過挽回具有付費傾向的潛在流失人群，去提高整體的交易金額呢？這就是我們梳理出來的標簽可以落地應用的場景。

圖 7 標簽框架四步法之明確商業目標

第四步，從策略推標簽。比如，我們決定挽回具有付費傾向的潛在流失人群，那就需要知道用戶交易的價值，交易到流失的生命周期，他們下個月的流失概率，以及如果我要對他們做營銷，他們喜歡的優惠券類型。

到這里，我們就從純粹的業務流程梳理，落實到了具體的標簽需求。我們剛才把交易金額拆分了很多環節，每個環節都有不同的可以落地的業務策略，它們的可行性和收益各不相同。最終，可以根據業務實際的需要，去決定不同策略需要用到的標簽。

圖 8 標簽框架四步法之從策略推標簽

從策略反推需要的標簽，其實是一件比較需要業務經驗的事情。如果這一步還比較迷茫，可以先反過頭來看，如果我們已經把標簽做好了，業務人員要怎么去使用它。

業務部門應用標簽的流程，通常可以歸納為三個問題：

• 目標人群是誰？
• 目標喜歡什么？
• 我應該做什么？怎么執行策略？

對于第一個問題來說，是一個戰略性的問題，定位目標人群，往往應該先看商業價值類的標簽，去幫助他們解決影響商業價值最大的人群的問題。

而對于目標喜歡什么這個問題，如果目標人群有明確的行為數據，那應該去看用戶偏好標簽。如果目標人群的行為數據比較少，比如新用戶和沉默用戶，那應該從他們所處的生命周期標簽出發，去計劃促進轉化或者召回的策略。

當策略方向有了，還需要一些具體的參考信息比如什么時候做推送，這時候就需要一些具體的營銷時機標簽比如用戶一般的活躍時間段，來幫助計劃方向的落地。

這四個主題的標簽，分別在我們的四步框架的每一步，都可以重點梳理這樣的標簽。最終，這四個主題標簽也將構成我們完整的標簽體系。

圖 9 業務部門的標簽應用流程

三、標簽的生產和創建有哪些細節經驗？

1. 標簽生產的不同方式

我們已經知道怎樣梳理一個完整的標簽框架，接下來我們要完善每個標簽具體的定義。我們通過一個趣味故事來體現用戶標簽定義的復雜性。

小紅和網友張三見面喝咖啡：

• 張三在社交 APP 填的資料是男性。
• 張三濃眉大眼臉型方正，穿著很有設計感的裙子。
• 張三結賬時使用刷臉支付，沒有獲得當天的女性九折優惠。

請問，張三到底是男生，還是女生？

這個故事里，其實張三有三個性別標簽。

首先是社交 APP 的資料，因為他填寫了男性，所以我們可以認為他是男性，這是基于某個確切資料打的標簽，這種類型叫事實標簽。

張三穿的是一件很有設計感的裙子，按照我們過去的經驗，一般只有女性會穿裙子，所以我們也可以認為張三是女性。這是基于我們設定的某個規則，只要有人穿裙子就是女性，去打的標簽。這種類型叫規則標簽。

最后，張三刷臉支付沒有獲得活動女性優惠。攝像頭是利用算法結合多種特征去預測張三是女性的概率的，因為張三長相很陽剛，算法認為他是女性的概率比較低，所以打標簽他是男性。這種類型叫算法標簽。

圖 10 標簽生產的基本方式

上述三種標簽是最基礎的標簽維度，下圖可以幫助我們更好地理解它們。

圖 11 三種標簽定義的內涵

2. 標簽創建場景

我們通過具體的場景，來加深對標簽生產和創建的理解。累計消費金額，即用戶注冊以來的總消費金額，就是一個用指標值作為標簽值的例子。

首先，這個例子是一個數值型標簽，但數值型的標簽不一定好用，如果這個標簽是直接給到業務人員去使用的，應該先通過業務經驗去把它分層，劃分出高中低級別，將業務含義映射到特征上。這樣業務人員在使用標簽的時，就能提高業務人員的認知效率。

圖 12 場景舉例：將自然語言轉換成配置規則

那么問題來了，業務經驗可靠嗎？我們評價一個規則，通常有幾種標準，分別是覆蓋率、準確率和召回率。從這些指標去衡量，以經驗為參考的規則就不一定符合真實業務需求了。

事實上，定義標簽是可以通過科學的數據分析方法進行的。

我們前面有提到，對于數值類的標簽，最好通過業務經驗來分層，來提高業務判斷的效率。對于這種高中低分層，通?？梢允褂梅植挤治龅姆椒?。

比如還是對于「用戶點擊商品詳情頁」的次數，我可以計算它的次數分布，再按照 25%，50%，75%，75% 以上劃分標簽。

這樣，我不僅能劃出四個分層，還能保證每個層級都有很好的覆蓋度。對于資產盤點分層、付費用戶分層這樣的標簽，分布分析是一個很好用的方法。

圖 13 使用分布分析進行用戶標簽分層

當然了，我們需要的其實不是對「用戶點擊商品詳情頁」次數的分層，而是對「用戶購買意愿」有解釋力的標簽。算法類標可以有效地解決這個問題。

所謂的算法類標簽，本質上也是在做「預測」這個事情。下圖所示的是神策用戶畫像產品實現的相似人群擴散功能，通過提供種子用戶，來學習他們的特征，并預測一個用戶的標簽。對于「用戶購買意愿」，我們可以用「實際真的有購買」過的人群，來作為我們的種子用戶，讓算法去學習他們的特征。

圖 14 算法型標簽：相似人群擴散

算法類標簽的好處，在于它能通過交叉驗證，獲得自己的預測相似度。我們可根據對標簽解釋力的需求，設置一定相似度以上的人群，打上「高用戶購買意愿」的標簽。

算法類標簽也有壞處，它是個黑盒，不如規則那樣簡單明了可解釋。

我們神策的用戶畫像產品在做算法類標簽實踐的時候，也遇到了這樣的問題。所以，一個好的算法類標簽，應該還能輸出它所使用的行為特征權重。這樣，能讓算法黑盒變成相對白盒，業務人員可解釋度強。同時還有一個好處，就是特征權重其實也展示了那些特征才是最影響業務結果的，有些時候我們不是想要預測標簽，而是想要知道什么特征對轉化更重要。

四、如何利用好用戶畫像分析賦能業務落地？

1. 用戶畫像的用法

我們在前面有提到，標簽體系的用途，其實主要是兩大類，一類是分析洞察獲取業務靈感，另一類就是輸出賦能精細化運營和數據產品系統使用。

對于標簽體系來說，利用標簽去篩選目標客群，并且輸出人群列表，其實是最簡單直接的一種應用方法。通過組合多個基礎標簽，可以快速做到很精細的目標人群輸出。

當然，這也對我們的基礎標簽梳理有一定的要求。

圖 15 畫像基礎用法：篩選客群輸出

同時，當標簽數據能與數據產品系統打通的時候，它就會變成強有力的武器。

神策在這方面的解決方案，是將用戶標簽和與智能運營平臺進行數據打通，這樣可實現精準篩選受眾用戶，并且基于用戶的行為去實時觸發各種推送、短信、彈窗或優惠券策略?？梢灾\營部門快速試驗不同的精細化運營策略，以及將成功的運營策略自動化。

圖 16 畫像與智能運營平臺的結合

在試驗運營策略之前，有一件事情必不可少，那就是對我們的目標人群做精細的用戶畫像分析。

2. 用戶畫像應用場景示例

我們以一個具體用例來講解用戶畫像的洞察。

假設綜合電商平臺神策商城需要做一場活動營銷，我們就需要回歸到業務應用用戶畫像的流程。首先要明確三個問題：

• 目標人群是誰？
• 目標喜歡什么？
• 我要怎么做？怎么執行策略？

這三個問題，分別需要用戶在商業價值、用戶偏好、生命周期和營銷時機四個主題的畫像。

第一步，目標人群是誰。我們的目的很明確，就是要提高購買漏斗的轉化，減少購買漏斗的流失。我們可以從漏斗的流失人群出發，去分析他們的畫像。

圖 17 從購買漏斗入手尋找目標客群

第二步，找到單體用戶畫像，羅列用戶信息，把某個用戶和目標場景相關的信息展示出來，讓業務人員有第一印象。開始時，可以先做抽樣，從流失的人群里面找到用戶張三，看看這個人的單體畫像來獲取第一印象。

我們看到他是一個從來沒有付過費的用戶，但他已經活躍了 301 天，雖然沒有買過東西，但他其實是忠實用戶。他來自華為應用商店，幾乎每天都有簽到，最近在看運動鞋相關的類目，偏好的價格區間是 50 到 100 元，搜索詞也是平價運動鞋。但很奇怪的是，他瀏覽的商品數量不多。我們也可以看到他的生命周期其實是比較活躍的，有比較高的購買意向等級，這可能跟他的漏斗深度是收藏商品有關。

圖 18 單體用戶畫像的信息羅列

第三步，通過單體用戶與所屬群體用戶間的對比，以及目標群體和其他群體用戶間的畫像對比，去感知差異顯著的特征。對于用戶群畫像，就不能像單體用戶畫像一樣單純展示信息了，而是要把某個群體的特征顯示出來。

處理方法有兩種。一種是把特征展示分布統計，比如購買意向等級和訪問時間偏好；另外一種就是把分布覆蓋率最高的標簽，作為這個群體的標簽。

我們通過對比漏斗流失用戶和張三的畫像可以看到，在商業價值上，該群體和張三類似都是低付費用戶，但主體是比較新的用戶；在偏好上，他們都在看類似價格區間的運動鞋，但主體用戶是在看白色的；營銷時機上，主體用戶的活躍時間、點擊的推送類型和張三不太一樣。我們如果要策劃活動方案，應該從主體用戶的特征出發，而不是個體。

圖 19 單體用戶畫像與所屬群體畫像對比

數據分析的精髓在于對比。了解了流失群體的特征，我們還應該把他們的畫像和我們的商業目標群體做對比，也就是購買用戶群。通過將流失用戶和購買用戶群畫像做對比，我們可以看到，購買用戶的近期偏好的價格區間和流失用戶群很不一樣，平均商品瀏覽數也很多，但購買意愿等級分布，購買用戶群和流失用戶群其實是一樣的。

圖 20 購買群體畫像與流失群體畫像對比

可以推測，在流失用戶群所偏好的這個價格區間內，神策商城提供的商品有問題，SKU 的數量不夠多，或者是這個價位沒有他們滿意的商品。因此，我們可以嘗試提高流失用戶在那個價格區間的商品瀏覽數。

綜上，通過用戶畫像的洞察分析，我們決定實施以下營銷計劃：

• 通過短信發送秒殺提醒營銷信息
• 集中選擇 100 元以下商品展示提高瀏覽量
• 選擇運動鞋作為活動類目
• 選擇秒殺提醒文案作為短信文案
• 選擇主體用戶活躍的時間段進行推送

如此，一次完整的用戶標簽畫像賦能運營的應用就完成了。