深入了解用户标签体系用户标签体系设计思路( 二 ) _大杂烩

所以，当企业开始探索业务的持续性发展时，企业对用户的了解和认知非常重要。举个例子：我在给一些证券客户做咨询的时候，会首先引导企业梳理现有数据，基于客户视角把客户资产盘点一次。
（3）数据分析
标签可以理解成作为用户分层分类的规则之一，数据查询平台和这些数据打通后能支持更加丰富和深层的分析及对比。另外，数据分析的应用，可以更具像到一个概念，即产品的应用。
（4）产品应用
用户标签
是很多数据产品
的基础，诸如广告系统、个性化推荐系统、CRM 基础搭建等，事实上，自动化运营本质上在技术角度对底层的要求就是标签体系。三、标签画像的典型应用场景很多企业会使用 Push 来拉新、活跃、召回用户，其实企业如果是引入外部第三方企业来支持 Push 业务，第三方企业会根据公司的 DAU 或 MAU 来收取费用，这意味着企业每个月给客户推 0 次和推 5 次 Push，付出的成本一样。
另一方面，企业对一个用户推 10 次与精准地推 3 次（3 次都产生效果）相比，后者 Push 用户产生的效果更好。所以 Push 的应用非常强调技巧，需要从成本和 Push 用户产生的效果两方面考虑。
举个例子：如果企业的目的是通过 Push 增加理财交易，我们可以先通过两层标签筛选找到推送的用户，之一层是生命周期标签筛选，如处于交易流失期的用户，第二层是行为标签筛选，如最近七天查看过银行理财产品的用户。之所以设置第二层筛选将这群人抽取出来，是因为这群人是可被迁移的用户，而且是理财产品的潜在营销用户。
如果企业不对这群用户采取相应措施，这些潜客就会流失，但是如果企业对这些用户做精准营销，不仅对理财业务，还是对整体业务都会产生很大的价值。
图 3 典型应用场景
【深入了解用户标签体系用户标签体系设计思路】这是一个真实场景的举例（如上图 3），理财业务的运营同学，通过上述规则筛选出 5 万人，并对这些人发了一条精准的 Push，推送后打开 App 人数达到 5680 人，打开率达到 11.4%（数据做了一定的处理）。
事实上，通常金融类的 Push 打开率，能够达到 5% 已经非常不错了。但是，通过判断这群目标用户的特征和需求后采取定向推送，使 Push 打开率能达到接近 3 倍以上，这意味着如果企业采用非精准推送方式，所要覆盖的用户群需要精准推送的 3 倍。
同时，采用非精准推送方式会造成两个大的影响：

之一，那群被无效推送的用户的推送资格被占用了；
第二，很可能其他的业务可以精准推送这群人，产生更好的效果。

所以使用精准推送是对整体效率的提升，但是很多企业在具体的业务中很少对投入资源的有效性进行核算，这也是企业需要做精细化运营的必要性之一。
四、标签画像的典型场景流程图 4 典型场景流程
那么，我们刚刚讲的那个例子，在实际的业务过程中，一般是怎么操作和实现的呢？
具体来说，我们可以分为 4 个步骤。首先，根据既定的目标确定一个人群的属性描述，其实这对应了企业的商业策略。
举个例子，目标是提升理财的交易额，我把从流失的用户获取理财交易额的增长作为其中一个策略，并定义为对于交易流失用户的潜客营销。这时候人群策略就呼之欲出了，投放人群策略描述为交易高价值客户，且处于交易流失期的有理财意向的非理财用户，便可以从各种各样维度选取相应标签，并通过标签快捷筛选获取名单，然后实施精准触达用户，最后再评估营销效果。这整个流程也是个性化营销或分群营销中常见的一种思路。
通过前面的介绍，我们知道标签和画像在企业变大变强中有举足轻重的作用，但是现在有不少企业，说是做了用户画像系统，可能就只是实现了一些静态标签，以用户基本属性为主，或者做一份高大上的用户画像报告，但跟业务系统并没有打通，没有真正用在实际业务中对业务没产生价值。因此很多企业做标签和画像的初衷很好，但却沦为了 ***。
所以，不是有标签画像了，企业就能驱动业务、实现增长，标签画像“做了”跟“做好”，以及“有了”和“用上了”，中间存在着很大的鸿沟。企业是为了驱动业务、实现增长才需要标签画像，而不是为了有标签画像而做标签画像，不能本末倒置。
所以结合前面的案例标签画像从建立到应用的正确步骤可以用以下几个图概括：