通常有3种方式进行标签搜集 如何收集用户标签?

跟一个B端负责增长的客户聊天 , 印象深刻 。
客户X:我从来没像今天这样这么在意我的用户 , 因为用户太来之不易了 , 注册成本都快赶上客单价了 , 早些年获得10个注册的钱现在获得一个都难 , 所以我们不得不进入到精细化运营的阶段 , 一分钱都仔细花 。
我(小赵):你的客户在成长 , 对你的要求变高 , 你需要做的更好 , 友商也在成长 , 你还需要做的更好 。
客户X:最近我们开始意识到 , 要想获得用户信任 , 首先要充分了解用户 , 包括用户从哪里来 , 做了什么以及他们都什么样子?越了解 , 才能越有针对性的提供服务 。
我(小赵):这你可问对人了 , 听我细讲......
对于用户的了解越多 , 越有利于我们通过产品优化进行用户增长和留存 。
想要了解用户从哪里来 , 首先要清晰用户的来源渠道 , 了解不同渠道带来多少流量 , 以及他们的表现 , 在易观方舟的渠道分析里就可以实现 。
想要了解用户在你的平台上做了什么 , 只要通过事件级指标来进行采集分析即可 , 在易观方舟的事件分析来了解 , 易观方舟的预定义维度还可以帮你了解用户的设备信息 , 地域信息等 , 同时可以通过漏斗分析来进行转化率优化 。
我们这次重点谈一下用户标签 。
对于市场层面 , 用户标签能帮助我们什么?
1、完善数据仓
之前我们讲过 , 企业或市场要有自己的数据仓来进行线索的存储与培育 , 用户标签就是存在于此 , 我们希望用户的标签尽可能完整 , 这样我们会认为我们的仓库越发丰富有价值 , 同样有1万人 , 只有电话号的数据仓库肯定没有信息相对齐全的数据仓库价值高 。 数据仓库的价值请参考《市场部的数据仓库》
2、以标签为维度进行业务应用
在我们进行打签的时候要设置好标签的分类和入库规则 , 这样就可以根据某个标签进行数据抽取 , 比如电商平台 , 1万人的数据库经过查询有3000人打上了同一种标签 , 就是收藏了预售的MacBook , 这时候就可以指定相应的精准营销计划 。
另外一个标签的用法就是 , 个性化内容商品推荐 , 根据标签进行相应的内容展示 , 提高内容点击 , 根据标签进行相应的商品展示 , 提高商品曝光 , 无论是做哪种相关推荐 , 都会较无相关的展示相对精准 。
3、以标签为维度的数据分析
我们可以通过标签做很多维度的分析 , 例如以性别维度进行分析统计 , 以行业进行分析统计 , 如果以用户的首次来源作为标签 , 还可以了解用户的渠道信息 。 在易观方舟的10大分析模型里 , 用户标签(用户属性)可以作为细分维度支持多视角的数据展示 。
【通常有3种方式进行标签搜集 如何收集用户标签?】注意:标签的用法强大且实用 , 不同的业务有不同的应用方法 。
说了这么多应用 , 我们是怎么搜集用户标签的呢?
通常有三种方式进行标签搜集:手动打标签 , 自动打标签 , 数据上报打标签 。
1.手动打标签 , 是数据上报打标签的一种形式 , 在一个成熟的交互页面里给用户打上标签 , 常用情景 , 用户线下参会 , 但是并没有数字化的会议管理 , 我们拿到了用户的数据资料无法同步到系统里 , 这时候就需要我们手动给用户打上相应的标签 , 如果系统里有打分的功能 , 还要把参会的分数打上 。 手动打标签的优点是灵活 , 随需随打 , 但是缺点就是在用户量增大的时候 , 工作量变得极大 , 标签规范变得偏混乱 。
2.自动打标签 , 在数据仓库之外进行相应的标签规则设定以及计算 , 在用户与数据仓库进行交互的时候 , 同步用户标签 。 常见的应用场景 , 电商环境里给用户打的品类标签 , 用户没有进行品类关注 , 但是我们可以通过规则计算 , 用户触发的100个商品里 , 有70%以上是属于母婴类 , 或者用户过去30天购买的商品里有30%是母婴类 , 我们都会自动给用户打上母婴的标签 , 自动打标签的优点是使用范围广泛且方便好用 , 只需要规则即可 , 缺点就是需要自己制定计算模型 , 同时要验证准确性 。 在自动打标签上 , 及时再完善的模型 , 也会存在一些不准确 。
3.数据上报的方式打标签 , 也是我最推荐的方式 , 数据上报打的标签我们在易观方舟里统一叫用户属性 , 在前端用户的交互时候 , 通过用户属性的上报 , 将用户的标签同步进来作为用户的属性同步在易观方舟里 , 这样标签就可以成为我们在做分析工作时候的一个维度 。 另外数据上报的方式 , 相当于涵盖了自动打标签和手动打标签的功能 , 更好了剥离了标签计算规则和标签使用规则 , 让标签的管理更清晰 。

推荐阅读