数据分析师7大能力:梳理标签体系
这期分享一个更高级能力:构造标签体系。在提升能力的顺序上,当然是先会打一个标签,再会搞整个体系了。
一、什么是标签“体系”
围绕一个业务场景,实现业务闭环操作的若干个标签组合,称为标签体系。
之所以需要标签体系,是因为单一的标签没办法满足闭环操作的需求。比如小熊妹津津乐道的“促销敏感型”标签,虽然区分度高,但是孤零零拿这一个标签又能干啥呢?啥也干不了。
想要促使用户消费,至少得:
- 分析用户
- 选择渠道
- 创作广告
- 选择商品
- 给予优惠
这样至少得五个标签,才能把“发一条信息提醒用户来消费”这件事给办成了!这就是围绕:发信息促成用户消费场景下的,一个简单的标签体系(如下图)。
二、为什么需要“体系”
一来,单独的标签很难发挥作用,发挥作用需要考虑多个标签,这就需要体系化设计。
二来,业务部门经常各自为政,比如:
- 同样是“潜力用户”,运营、产品、内容各自搞一套定义
- 一个叫“高价值”,一个叫“高成长”,看似不同标签,实则一个算法
而实际做项目的时候,又需要几个部门坐下来一起谈,没个统一的说法,那场面真是鸡同鸭讲,乱七八糟。最怕的是,他们会自说自话讲半天,最后全部甩给我!说“做数据的来分析分析……”分析啥呀,连对象都没统一呢!
所以,为了保住饭碗为了有效推动业务工作,更得体系化设计了。
三、如何梳理标签体系
有了梳理指标体系的经验,再来梳理标签会很容易,它分为五步:
- 明确业务场景(有明确的对象、目标、流程)
- 把相关业务方都拉进来,一起讨论
- 把有关对象、流程的,和分类有关的问题,集中讨论
- 筛选出重要的分类维度,固定成标签
- 给这些标签起名字,定好使用环节
这里的第一步,第二步和梳理指标体系是相同的,重大区别是第三步。打标签,就是为了突出重点,找出重要的分类情况,因此最看重的是:有多少种分类?and 哪种分类对你最有意义?
还拿开头的“发信息促成用户消费场景”举例。这个场景一共有5个重要环节,梳理标签体系,要一个环节一个环节来看。
比如第一个环节:分析用户,可以问各个业务方:
- 哪一类用户大家最关心?
- 这一类用户有何意义?
- 大家想如何定义?
注意!即使同一批用户,有可能关注点不同,打的标签就不一样。比如:
- 运营部门可能重点关注谁会流失,觉得不流失的也不用管。
- 商品部门可能重点关注新品偏好,为今年新品找潜在用户。
- 产品经理可能重点关注会不会买,做高购买路径是刚需。
这时候应该分三个方向,先单独讨论清楚,打好标签。然后再三个部门坐下来共识:是否可以接受对方标签,是否有修改意见。
如果真的像上边假设的情况,大家各扫门前雪,那反而轻松了。最怕的是,大老板想“减少用户流失”,然后各个部门关于“流失”的定义,吵得一塌糊涂,谁都不肯让步。
这时候有个和稀泥的办法, 就是把他们提的各种逻辑,按MECE法梳理出来,然后全!部!做!出!来!用的时候大家各取所需。或者更好的方案是,让他们各发神通,打出个主仆尊卑来,然后咱再听令行事。
最怕的,就是不!吭!声!然后任由他们自说自话,最后:请数据分析给一个公平公正公开所有人都能接受的完美方案……这么搞,最后就是做数据的小可怜儿改了几十版,还是被某些人吐槽:不完美呀。
总之,当五个部分标签都打好以后,业务就能在每个环节选择标签组合方案了。
四、标签体系的价值
可能有的小伙伴会问:我不打标签行不行?反正标签也是一系列规则/算法的计算结果,我每次都写sql捞数,不也一样。
只做一次的话,确实可以这样,但是这样并不好:
- 效率低下,很多标签是可以重复使用的,每次都写规则太麻烦。
- 缺少积累,“高潜力”“高频互动”“促销敏感”等问题,无从对比验证,积累不了经验。
- 无法迭代,一堆散乱的规则咋迭代。有一个明确目标,就能想各种办法迭代升级,推动标签从简单的规则计算,向建模方向发展。
而以上三点,也是标签体系的优势:效率高、可积累经验、可迭代升级。
所以想做得深入,一定是需要建标签体系的。只是在这个过程中,大家会发现:沟通太重要了!沟通不好,一切白费。
作者:码工小熊,微信公众号:码工小熊
本文作者 @码工小熊 。
版权声明
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!