标签、画像设计与模型落地
标签
标签的本质就是对实体某个维度特征的描述。
用户标签就是对用户某个维度特征的描述,例如:
对用户生命周期的标签(生命周期主题):“参与这个活动的老用户和新用户各有多少”;
对用户价值分层的标签(价值分层主题):“本次活动有10万预算,应该如何分配”;
对用户商品偏好的标签(行为偏好主题):“给他们推送哪些商品可以增加他们的活跃”;
对用户营销时机的标签(营销偏好主题):“应该什么时候给他们推送”。
标签的分类
在《用户画像方法论和工程化解决方案》一书中将标签分为三类:①统计类标签,②规则类标签,③机器学习挖掘类标签。
统计类标签
这类标签是最基础也是最为常见的标签类型,比如近7天活跃时长、近7天活跃天数等都可以从用户访问、用户活跃等数据中统计得出。这类标签构成了用户画像的基础。
规则类标签
这类标签是基于用户行为以及明确规则产生,比如消费活跃用户这一标签口径可以定义为“近30天内交易次数≥2”。此类标签应该由运营人员和数据人员共同确定。
机器学习挖掘类标签
该类标签通过机器学习挖掘产生,用于对用户的某些属性或某些行为进行预测判断。比如根据用户消费行为判断其对某商品的偏好程度。
标签的应用场景
- 用户特征洞察
- 增强数据分析
- 精细化运营
- 数据产品应用
标签体系可以解决很多问题,但是不是每个公司都能做的。
第一,企业需要有足够丰富的内容、商品、服务或客户属性层次,或者业务进行稳定期的客群量级达到一定规模。
第二,用户标签体系有建设和维护成本,公司需要有相对完备的用户行为数据采集能力,如果没有丰富的数据源,用户标签也是巧妇难为无米之炊。建设需要衡量资源投入和性价比。
第三,标签画像体系并不是一个拿来即用的东西,它需要投入一定的人力和资源去建设和维护,才能和公司的业务场景很好地结合,发挥它的价值。
第四,公司在建设标签画像体系之前,应该先想好它需要落地的业务场景。如果没有明确可落地的业务流程和人员,即使花了大力气去建设用户标签体系,它也只是一堆死数据,只能摆在那里存着,这就没什么意义。技术并不是万能的,要和商业进行结合。
如何构建完备的用户标签体系
选择标签框架
目前主流的行业框架有四类:
基于营销触点的用户标签体系
它先把用户分为不同的营销阶段,再去细分每个阶段需要做的事情和标签。比如阿里系的标签框架 AIPL,它把用户对品牌的认知阶段分为感知、有兴趣、购买和忠诚这四个阶段,然后再基于这四个阶段要做的营销动作去做细分标签。
基于增长漏斗的AARRR模型
无论是什么用户,都肯定属于其中一个阶段,然后再根据不同阶段需要做的增长策略,去总结用户身上的标签特征。
用户价值分层模型
比如 RFM,它虽然只包含了付费用户,但付费用户是完全包含在 RFM 的框架内的。可以获知用户消费水平属于高中低的哪一层,用户最近有没有付费,我是否要对用户做营销。
基于用户偏好的模型
假如我是一个房产中介,我就根据我卖房的需要,把用户的行为信息都归纳到买房需求上。这种框架看上去是列举式的,缺少了生命周期那种大而全的美的理论,但它其实对于业务应用来说是完备的,标签做出来就能用。
标签框架搭建四步法
还原业务流程
挑选一个业务流程,将他的业务流程漏斗梳理出来,然后在用户流程的每一步,梳理出这个行为的一些维度。可根据用户在这方面的行为,去构建“用户偏好”标签。
覆盖生命周期
在业务流程中,新用户积累数据量过少缺乏数据分析,流失的老用户因为数据过去久远而失去参考价值,这时就需要通过用户生命周期作为营销的触点标签,同时提供分层。
明确商业目标
商业目标可以是消费额、月活、互动等,明确商业目标后可以定义价值分层,从而确定应重点运营的价值人群,再结合前面的业务深度分层和生命周期分层,我们可以判断哪些操作可以提升商业目标。
从策略推标签
我们决定挽回具有付费倾向的潜在流失人群,那就需要知道用户交易的价值,交易到流失的生命周期,他们下个月的流失概率,以及如果我要对他们做营销,他们喜欢的服务。
模型落地
我们使用一次活动营销来进行讲解。模型的落地需要考虑三个问题:
- 目标人群是谁?
- 目标喜欢什么?
- 我们要使用什么策略?
第一步,目标人群是谁?活动营销的目的很明确,就是提高购买漏斗的转换,那么就从漏斗流失的人群出发分析他们的画像。
第二步,通过描述这个群体的标签值分布,得到这个群体的显著标签画像。比如他们的生命周期阶段、行为消费能力、活跃时间等等。通过标签可以了解流失群体的特征。
之后再结合购买用户群画像标签进行对比,发现两者的行为区别,假设两个群体的消费意愿差不多,但是购买群体的活跃比流失群体的高,那么针对这个差距我们可以制定营销策略。
第三步,我们要使用什么策略? 针对两个群体的差距,我们可以指定营销策略,例如通过短信的方式提醒用户相关活动;展示符合流失群体购买能力的商品;选择该群体经常浏览的商品类目进行活动;选择活跃时间进行推送。
标签、画像设计与模型落地相关推荐
- 神策数据钟秉哲:一文了解用户标签画像,从洞察到突破
在神策 2020 数据驱动用户大会「精英训练营」现场,神策数据业务咨询师钟秉哲发表了关于<用户标签画像,从洞察到突破>的演讲.(文末附 PPT 下载地址) 本文根据其现场演讲整理所得(数 ...
- 用户画像标签维度_神策数据钟秉哲:一文了解用户标签画像,从洞察到突破
在神策 2020 数据驱动用户大会「精英训练营」现场,神策数据业务咨询师钟秉哲发表了关于<用户标签画像,从洞察到突破>的演讲.(文末附 PPT 下载地址)本文根据其现场演讲整理所得(数据均 ...
- 【标签画像系列】标签体系建设方法论
5月11日录制了袋鼠云数栈全新数据中台精讲系列 --「数智赋能实战六讲」的第一场直播,主要对标签体系的建设进行了抽象,分成几个步骤,方便大家理解. 你能看到 ▫ 数字营销是数字化转型排头兵 ▫ 标签体 ...
- 阿里云机器学习PAI开源中文NLP算法框架EasyNLP,助力NLP大模型落地
作者:临在.岑鸣.熊兮 一 导读 随着 BERT.Megatron.GPT-3 等预训练模型在NLP领域取得瞩目的成果,越来越多团队投身到超大规模训练中,这使得训练模型的规模从亿级别发展到了千亿甚至万 ...
- 中文稀疏GPT大模型落地 — 通往低成本高性能多任务通用自然语言理解的关键里程碑
作者:同润,临在 团队:阿里云机器学习平台PAI 1. 概述 GPT模型能较好的处理NLP各个应用领域的任务,比如文本分类,推理,对话,问答,完形填空,阅读理解,摘要,生成等等.百亿/千亿参数量级的G ...
- 数智洞见 | 你买基金了吗?聊聊标签画像在基金行业的应用
小夏:最近买的医疗行业基金老跌=-= 小南:我中秋节前买了白酒哎,最近涨了好多,就知道节假日白酒依旧会涨. 小木:是嘛,你是怎么知道什么时机合适买入的,好的基金怎么选呀 小南:我的理财平台上给我择时推 ...
- 从洞察到决策,一文解读标签画像体系建设方法论
一.数字营销是数字化转型排头兵 <⼗四五数字经济发展规划>中强调,要⼤⼒推进数字化转型,形成数据驱动的智能决策能⼒,提升企业整体运营效率. 要做好数字化转型,企业可从产.研.供.销.⽤等多 ...
- 谷歌最新AI产品——AutoML Vision,可以自动设计机器学习模型
今天凌晨时分,李飞飞通过一篇博客文章发布了谷歌最新AI产品--AutoML Vision,可以自动设计机器学习模型. 我很荣幸地宣布AutoML Vision面世.无需精通机器学习,每个人都能用这款A ...
- 互联网公司的架构设计要怎么落地?| 技术头条
作者 | 张辉清 责编 | 胡巍巍 你做架构设计了吗?你认为要不要做架构设计?你的公司有没有做架构设计?互联网公司的架构设计又要怎么做? 我不知道你是怎么想的,在我得到的答复中,大部分人认为要做架构设 ...
- delphi7 dbgrid缓存模式下怎么判断输入重复记录_互联网公司的架构设计要怎么落地?| 技术头条...
作者 | 张辉清 责编 | 胡巍巍 你做架构设计了吗?你认为要不要做架构设计?你的公司有没有做架构设计?互联网公司的架构设计又要怎么做? 我不知道你是怎么想的,在我得到的答复中,大部分人认为要做架构设 ...
最新文章
- linq replace with single call to FirstOrDefault 解决使用resharper产生的警告
- 杀毒软件原理后续阶段
- linux 脚本select菜单,Shell:如何写一个多选菜单的脚本
- GARFIELD@10-31-2004
- 软件质量包括哪些特性?软件质量保证的主要任务是什么?
- vue-happy-scroll:vue中借助vue happy scroll实现局部文字滚动
- Mac OS端如何使用fastboot工具
- 注册测绘师备考指南2019
- Apple越狱后超级实用的Cydia常用源推荐
- 树莓派4B 安装卸载pip、pip3
- element环境插件
- Android 桌面小部件的背景透明度及颜色的动态实现
- WIN32 opengl三角形绘制
- Python 抓取淘宝联盟优惠券
- 故障诊断专家系统研究之四-----知识库结构
- Facade - 外观模式
- 小心信用卡公司10个抢钱陷阱
- 大作业--月球绕地球旋转简版
- mysql 去掉小数点后的多余的0
- 陈晨博士|可见光通信LiFi技术简介