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！
