以终为始，打造趁手、好用的标签&用户画像

2019-07-16

神策数据

关于标签体系，我们经常会听到这样一些问题：

图企业思考的问题

在与众多企业的接触过程中，我们发现不少企业对标签体系和用户画像存在着一些迷思，构想经常如空中楼阁般浮在空中，他们时常将过多的精力陷在体系和系统的构建细节中并没有落地到实际的业务赋能上，即使构建了一个看似完美的标签体系，也无法使其在产品中运转起来，最后企业可能面临废弃整个体系。这里面存在着哪些迷思呢？我们来看看具体的例子。

一、标签画像体系的迷思

迷思 1：我要一个全面详细的体系！最好是行业最佳实践！

谈到标签体系，我往往会遇到这两个“诉求”：

1.有的企业从一开始就要建一个全面详实“大而全”的标签体系（如下图）。有的企业甚至想遵照行业中已经成体系的最佳实践进行“复制”，而“复制”只是在极其理想的状态下才有微小的可能。可以说，这是很多企业都会有的“幻想式”需求。

图 “大而全”的标签体系（来源于互联网）

2.寄希望使用其他第三方的标签来支撑其构建标签体系。

这两个问题都反应了企业对标签本身的认知，以及构建标签体系的目的是比较模糊的。

自上而下构建体系的思路看上去没有太大问题，但当面对不同业务线诉求、面对标签需要动态管理、随时迭代，这种方法就有很大的弊病。下面分享一个实际案例来帮助大家理解。

该案例的主人公是神策用户画像系统的最早期的客户 A 企业，当时 A 企业提出了行业标签体系构建的需求，但当时神策数据还没有做过这方面的体系化尝试，所以这次为 A 企业构建标签体系也是不断摸索、试错、迭代的过程。

起初，我们按照经验和业务方一起做了一个较全面的需求调研，并根据调研结果构建了一个“大而全”的标签体系，包括按照业务（市场/运营等）、人口统计学、预测、用户生命周期等各维度的标签。

但是，将这套体系介绍给客户时，客户提出了两个疑问：1.如何保证这套体系能有效运转并创造价值？（A 企业过去就已经花了两年时间按照这种方式构建标签体系，虽设立了几百个标签但并没有效应用起来。）；2.如果这是一个最佳实践方式，为什么很多企业采取这种方式并没有用好？

这个时候我们彻底地意识到大而全的体系以及最佳实践本来就是一个“美好的假想”，与实际应用到业务到产生价值间，存在巨大的鸿沟。这也引发了我们的重新思考，如何革了标签体系方法论的命。

迷思 2：标签的生产肯定很艰难

很多企业认为标签的生产特别艰难，主要原因有两个：

困难 1：流程冗长，从需求梳理→抽象标签→多方确认→采集数据，最后到实践应用，是一个漫长且繁琐的过程。

困难 2：标签的开发，某个企业 B 表示他们做标签时，一个标签从提需求再到最终生产出来需要接近两周的时间，更不用谈后续标签的应用、有效性验证等花费的时间与精力。

刚知道企业的难点是标签开发时，我们还很困惑标签为什么需要开发？因为在神策数据的系统里，标签的创建并不需要开发，通过用户分群模型就可以自定义生成一类用户群体并直接运用于深度分析中。这引发我们思考，标签生产是不是可以更简单、更敏捷，是否能自助生产。

迷思 3：维护艰难，哪些要淘汰？哪些质量好？

维护艰难主要表现在两方面：

1.若企业建造大而全的标签体系其维护成本可想而知；

2.很多企业的标签体系由一个数据部门来负责，所有的标签定义与生产压力集中在这个部门身上，多业务方的反复沟通与沟通不畅都会增加标签维护的难度，其痛苦来自集中管理。

以上这 3 点迷思也铸就了很多企业困于如下图“从开始到放弃”的痛苦链中。

图痛苦链

以上是企业经常碰到标签系统的构建到应用的困境，那么用户标签应该怎么设计，怎么用呢？

二、解药：以终为始，“如何用”决定“如何设计”

我们先来看看困境中的三个主要矛盾点（如下图）：

图痛苦链的主要矛盾

“提出全面的设计”、“运营不知怎么用”、“重新梳理”这三点与企业计划构建标签的第一步设想是有很大关系的，如果第一步设想的方向正确，后续的设计、实践都会减少很多障碍。而以终为始，“如何用”决定“如何设计”正是这三个矛盾点的解药。

以终为始即从企业最终的应用场景和应用策略出发，来倒推企业的标签体系设计，下面将介绍 3 个思路。

图构建标签体系的关键

1.从用户触点、流程中找场景

你可以通过总结用户的全流程，并观察用户经历的每个阶段，来提炼几个关键触点。

比如对于航空公司来说，用户的旅程大致来讲可分三个阶段：行前、行中和行后。

图某航空公司 APP 页面

在这个过程中，你可以梳理出很多的触点。比如在行前，航空公司 APP 给用户提供的预订、值机体验等。针对这些触点航空公司已经有一些场景策略加强触点的体验和转化。比如用户也许会在登机前突然收到一个临时升舱的惊喜。

针对行前升舱这个场景可以怎么做？如果航空公司仅在金卡和银卡中筛选升舱人选，这个策略的价值可能只被发挥了一点点。但如果能有策略标签配合用户画像系统为运营侧提供精准的营销可能会释放更大价值，比如在行前通过 APP 给你发了一个推送，内容是“您的专属福利来了！免费升舱并送您 1000 积分，只需在 1 小时内完成预订，1000 积分将直接打入您的账户”，如此一来，对提高预定效率是有较大价值的，与之类似的更多其他价值也可以进行挖掘。

而企业要实现更多价值的挖掘离不开对用户情况的洞察。这依赖于用户在整个流程中的行为数据的总结、提炼后形成标签、画像，来指导企业的价值挖掘（如下图）。

图标签体系的提炼流程

如图，从出行预测、服务偏好、购买习惯、会员等维度梳理出目标用户的特征，结合各个触点，企业可以规划相应的策略与场景，并产生相应的干预（如下图）。

图标签的精细化应用场景

事实上，标签一旦能适用于场景，也很好地解决了标签是否有用的问题，标签的设计要与目标场景匹配，这样从场景反推就是一个很好的策略。

2.识别特征、偏好，寻找场景和标签

在标签的设计中还存在另外一种情况，用户天然可以分成几类稳定的群体，如企业存在对价格敏感和不敏感的客户群。在这种情况下，我们可以建造一些更丰富的标签来描述用户，更精细化的提供服务和功能。下面是一个券商的例子（如下图）：

图证券业的新增用户分类

该证券企业 C 的新增用户可分为两大类：用户（注册未开户和未注册只浏览）和客户（未入金和入金）。企业要做的就是将用户从未注册只浏览——注册未开户——未入金——入金的流程来引导。在这个过程中，企业可以通过用户的标签信息采取相应的措施来加速转化。

识别用户特征和偏好设计的标签与根据流程和场景设计的标签的最大不同是用户的特征和偏好是相对稳定，其标签的更新频率相应的也不会高频。

3.从关键环节和指标，推导场景所需标签

“从关键环节和指标，推导场景所需标签”可以说是前两种方式的结合。下面我们再看一个打车应用 D 的案例。

对于公司 D 来说，用户打车后又取消打车从各方面来说都是消耗成本的一件事。假设将打车后取消打车的用户称为沉默用户，D 需要解决的就是以下几个问题：

图打车应用需解决的问题

这几个问题都是企业的常见目标，归结为一点就是避免沉默流失。为实现这个目标，我们可以先梳理关键环节和指标（如下图）。

图打车应用的问题归因与解决场景

从用户准备打车到最终上车共经历冒泡定位、选择车型、呼叫、等待、上车等 5 个阶段。在这几个阶段中取消的原因各不相同，如下：

1.冒泡后沉默：价格；等待排队。

2.呼叫中取消：价格；等待排队；更换交通工具。

3.接单后等待中取消；被动取消（司机因素）；主动取消（距离、临时更改计划、已联系不满意）。

如今 D 公司要做的就是“抢救”沉默用户，可以是取消前的避免取消也可以是取消后的引导回归。因此，可以根据流失原因提炼相关防止流失的沉默风险和偏好标签，如常用车类型、时间等待容忍度等。

根据这些标签就可以进行相应策略的设置，比如给时间等待容忍度低的人进行更快的调度，给现金券敏感度高的人进行奖励券的激励等。

通俗来说，可以把标签分为“事后总结标签”和“预知标签”两类。如在打车案例中，通过用户取消打车的行为归因后产出的标签是“事后总结标签”，这便会形成一个“归因——事后补救——预测沉默/流失——提前干预”的路径，归因可以说是一个前提，如果没有做归因总结，预测和提前干预这两步将无从下手。

图标签的分类与路径

对于这个 D 公司，建标签画像体系和系统的意义在哪：

1.💰精打细算——券怎么科学地发，为了更好的留存和预订

2.✅供需匹配——与议价相关的标签就是商业情报

3.💡数据探索、实验——释放精细化运营的想象力

标签画像的数据探索的应用会给企业带来很多机会点的挖掘。拿工具型产品来说，比如日历工具型的产品 E 中包含很多不同场景，相比打车应用的场景更复杂，为有指向性的优化产品会依赖数据来做探索，其每个业务线的人都会观察用户的各个阶段中隐藏的一些机会点，频繁的使用 A/B 测试来挖掘用户的偏好，通过各种尝试来构建企业自身的体系化方法论。

总的来说，对于企业来讲，标签画像的主要作用正是这 3 点：精细化服务提高用户体验、供需匹配防止资源浪费、数据探索机会。

以上只是构建用户画像体系的 3 个思路。其实企业并不需要在一开始建一个大而全的标签体系，标签体系的建造不是一个一次性可以完工的工程，而是一个系统工程，且是一个边建边拆再建的过程，就像罗马也不是一天建成的。