从0-1标签平台实践

编辑导语：伴随着线上获客难度的增加，企业需要开展精细化运营，而非粗放获客。而标签平台的设计可以帮助运营人员实现精细化运营和精准投放，进而提升用户留存。本篇文章里，作者总结了从0-1搭建标签平台的思路与策略，一起来看一下。

很多同学看过如何构建用户画像的文章，大多聚焦于用户画像对精准营销、精细化运营、如何建设标签体系、如何挖掘标签、如何管理标签服务等等。

本文主要从数据中台思想出发，更全面地分享如何从0-1规划和实施一款标签平台。

一、为什么做标签平台？

1. 行业背景

移动互联网上半场人口红利期，各家APP都在抢夺用户，互联网下半场人口红利过后，互联网行业新客获取成本变得非常高，从早期的几分钱、几毛钱、几块一个有效新客变成上百元每人甚至更高。

随着获客成本不断提高，用户运营从过去粗放式的广撒网，向精细化运营、精准营销转变。新的流量洼地越来越少，企业一方面要做到精准获客，另一方面也要使出浑身解数提升用户留存，最大化挖掘用户价值，AARRR模型也重点放在了AARRR。

2. 需求场景

用户特征分析：了解产品或营销活动用户群体特征，产品设计或营销投放充分考虑目标用户的特点，设计出更符合贴合用户的产品功能，或投放更精准的用户群。

1）用户实时触达

用户在浏览或使用产品的过程，针对满足特定条件的用户实时触达，如果用户浏览了多个商品但是没下单，给用户弹出优惠券派发弹窗或私信消息促成用户下单，或针对进入页面的新客派发新客礼包等，在用户行为路径中，增加触点交互，提升用户交互体验，并促进用户转化。

2）用户召回

对于生命周期处于预流失、已流失等阶段的用户，进行短信推送、App Push等，通过红包激励手段，召回流失用户；例如贝壳用户跟经纪人产生联系之后，它后续转委托以及转带看的概率就会高很多。

所以我们会实时去计算用户的数据，当用户的搜索、浏览房源、以及查看经纪人的相关信息等行为量达到一定程度后，我们计算认为他的行为足够丰富，这个时候就会做潜客召回，也即给用户弹一个框，引导用户去留资，留资完后就把其信息分发给经纪人，这样经纪人通过电话就可以与用户产生联系。

3）精准分流

产品功能迭代AB或营销活动投放，基于用户地域、性别等标签属性，进行流量的精准分层运营，从而找到活动运营的最佳策略，提升ROI。

4）客户关怀

生日关怀、会员福利、服务受损用户关怀，通过用户标签圈选目标用户后，进行站内触达或短信推送。你身份证生日当天，是不是也收到了某家餐馆优惠、或航空公司的祝福短信了呢？

5）产品智能

基于不同群体属性或兴趣偏好的用户，差异化展现产品形态，比如对于学生、务工、商务、出游等不同用户群体，提供更符合对应用户习惯的产品风格或服务。

3. 业务痛点

1）用户分层能力弱

标签开发迭代速度远跟不上业务发展的速度，用户画像大多为基础静态通用标签，规则类标签、挖掘类标签很少，对个性化场景需求支撑能力不足，例如：30天未复购的高价值用户进行活动优惠，已有静态标签体系很难覆盖该需求

2）标签生产周期长

新增标签需求业务提需求给数据PM，数据PM转化后提交数据开发（离线开发与实时开发），开发按照业务逻辑清洗好数据后，导入平台，若没有做标签上线流程的配置化，此时还需要前端开发介入，整个流程耗时长，平均需求产生到上线耗时一周左右甚至更长时间，尤其是实时标签根本无法满足。

3）标签口径不一致

用户画像、精准营销平台人群圈选、算法特征都会涉及到用户或商品标签，各个系统存在标签同义不同值、同值不同义的问题，导致标签复用度低、重复建设带来的成本和资源浪费，这也是标签平台要重点解决的问题。企业建设统一的标签平台规范口径也是数据治理的重要内容。

4）数据服务出口多

对于数据部门会提供各种各样的用户或订单维度的API、Kafka、Hive表、hbase、mongodb等数据服务，因为服务出口多，这些服务的业务价值、接口调用情况变得监管困难。

例如上游数据及下游业务应用的血缘链路缺失，带来服务下线、异常管理困难，经常会出现一个接口不知道谁在调用，也一直不敢下线，最后成为僵尸接口，数据运营越做越麻烦，由可见可用到可见不可用（标签平台属于数据中台的一部分，数据中台下构建的数据资产可见、可懂、可运营是非常重要的能力）。

5）业务运营靠经验

一般精准营销平台强调基于标签圈人的能力，什么样的用户适合推什么样的产品，提供什么样的服务，实现满足用户喜好的差异化运营，这种靠运营同学人工操作，基于经验或数据分析，确定特定场景下的人群标签条件，圈选后进行后续营销动作。

通过标签+自动化运营流程的配置可以大大解放运营同学的手工式操作，做到精准而自动化。

6）推荐场景

推荐场景中，通过原始行为数据实现千人前面的推荐逻辑需要训练算法模型，无论是基于属性相似度、基于用户的协同过滤、基于内容或者商品的协同过滤、基于模型的推荐算法中，有事先挖掘好的用户标签可以更快构建起灵活精准的推荐机制。

4. 产品目标

1）提供数据源接入及管理功能，将数据开发线下对接开发流程线上化、自动化，构建标签加工的统一数据管理平台（在很多互联网公司，构建的数据平台或者数据中台数据源及其数据集模块都是公用的，通过SQL方式可以直接使用数据源表与数据集，如果标签来自于用户行为数据，通过用户事件配置化加工标签，需要特性的DataVault数仓模型）。

2）建立完善的用户、商品标签体系，提供人群圈选、场景配置能力，标签生产流程配置化，业务自助配置取代数据开发、前端开发。

3）标签、人群服务输出，以API或数据推送方式为用户营销、产品运营提供服务。

4）管理应用注册及调用信息，同时构建完整的数据血缘链路，监控统计标签的上游数据来源与下游使用情况。

5）融入算法推荐能力，实现人货场精准匹配。

6）用户群体：产品、运营、数据开发、业务人员、数据挖掘人员（挖掘类标签生产）。

二、标签平台怎么做？

1. 需求调研分析

B端产品需求调研方法的核心原则就是找到典型用户了解其业务背景及工作流程，挖掘和创造需求。很多PM往往会停留在仅是找到用户，问一下“你当前做这个工作哪里不方便，有什么痛点问题我们可以帮你解决啊，然后就等着业务提需求了”。

举个栗子，用户运营需要对首次注册访问APP首页、处于流失预警期的用户，触发红包弹屏，涉及哪些环节和工种呢？这个时候我们就需要拆解业务流程分析，在各个工种之间，让他们把工作的环节具体演示一遍，从而发现问题和卡点。

针对用户运营需要了解的问题：

1. 过去1年做过哪些运营活动，活动场景清单可以提供下吗（历史需求分析）？

2. 当前运营主要KPI以及未来业务重点是什么（业务方向了解，潜在需求挖掘）？

3. 当前工作流程是什么，每次耗时多久，活动中最影响效率的环节有哪些？

4. 如果有一个平台工具可以帮你更高效的达成KPI，你希望会是什么？

5. 日常运营工作中，最常用的用户、商品标签有哪些（先了解基础需求，再做分类、扩展调研）？

针对数据开发：

1. 实时标签、离线标签处理流程分别是什么，用到哪些平台和工具？

2. 当前开发耗时最多的有哪些环节，耗时多少？

3. 哪些步骤是可以通过平台实现，不能通过平台实现的有哪些

2. 产品功能设计

基于业务场景调研结果和行业竞品分析，我分析了如腾讯广点通、阿里达摩盘DMP产品，也分析了像神策、GrowingIO、诸葛IO等CDP产品，可以初步梳理标签平台架构如下：

1）数据管理

目标：提供数据源接入及管理流程，为标签配置化生产提供数据源支持。

功能要点：

1. 数据源管理：离线源、实时源，包括数据源管理列表（增、删、改、查、权限申请）、新增数据源流程、数据质量监控、下游标签应用统计。

2. 数据模型开发：根据标签加工方式不同需要准备好不同的数仓模型，例如：用户行为事件，需要将数据灌入到用户行为数仓模型；利用知识图谱图挖掘需要构建知识图谱的存储模型，SQL类的直接用数据源表或者数据集即可。

2）标签管理

目标：提供标签生产及使用流程，新增标签无需开发介入，产品或运营可自助完成；标签管理帮助管理员对标签进行上线、隐藏、下线的生命周期管理，针对标签的状态变更对相关用户进行变更通知与预警，管理流程清晰完整严谨规范。

功能要点：

1. 标签列表（增、删、改、查、权限申请），基于标签体系的层级展示和标签统计逻辑查询；标签新增流程（基于数据源及业务逻辑，可视化配置标签）；权限申请流程；生命周期管理；数据预览；服务输出。

2. 标签知识库：标签知识库分产品分类别地梳理了快手集团内部生产的常用标签，涵盖用户基础信息、用户行为、用户偏好、用户状态以及监管信息相关标签及其元数据信息。随需即取，易查易用。

标签体系建设过程要充分结合业务过程和运营场景需求，以电商行业为例，用户标签体系可以分为基础属性、行为属性、消费属性、营销属性、服务属性、风控属性等几个一级分类，详细示例见下表：

3）人群管理

目标：提供基于标签圈人的能力，精准圈定目标人群进行分析或数据输出。

功能要点：人群列表，新增人群流程（圈选、excel等自定义上传、SQL语句）、人群画像、人群输出（接口或场景配置）。

4）场景管理

目标：产品智能、商品推荐、对接营销，实现 “人货场” 精准匹配。

功能要点：场景流程管理、场景列表（CURD）、多人群场景；场景管理流程与数据、触达目标、ROI等需要深入业务，这个过程数据部门要和业务侧紧密沟通，很多公司的营销通道或用户触达资源掌握在业务人员手中，需要沟通确定双方职责边界形成决议，减少重复造轮子，这样才能将业务、工具形成合力。

除支持单一人群营销外，标签平台还可以配置精细化运营流程，实现自动化运营，例如美团、去哪儿、携程等业务需要对站内流量做加购交叉引流，给购买了火车票、机票出行服务的用户推荐优惠券和酒店，在大量历史运营策略中，复合交叉引流营销设计往往更能促成订单的转化；在平时的运营工作中不断积累一个个有效的自动化策略，最终实现强自动化的运营策略与强智能化的用户服务与交互体验。

多场景配置是基于对不同的画像人群外加不同的判断条件实现不同的营销策略构建一个流程图，覆盖访问用户的各种精细化目标分群，产品流程设计参考如下图：

5）效果分析

目标：基于埋点数据、事件规则，通过标签画像全选分群做AB测试场景用户转化效果，实现目标选择→营销触达→效果分析的闭环，不断调整优化运营策略。

功能要点：对（1）活动运营例如：Push、红包、短信、弹窗、产品推荐、banner位等，（2）产品页改版优化等场景 需要和业务侧定义好埋点规则，转化效果统计规则，如认为触达用户后，用户在X时间内产生了订单转化，则记为有效转化。

6）服标签务

目标：标签服务标签服务是根据给定实体ID和选中的标签返回该实体具体的标签值的在线服务接口。例如使用用户性别、年龄等标签用于标签服务，就可以利用系统生成的在线接口即时获取目标用户的性别年龄信息。可以满足千人千面的业务需求（人群查询、用户判定、人群下载服务即将上线）。

7）系统功能

目标：提供用户权限管理及审计能力，保障数据安全。

功能要点：

1. 用户权限管理、审计日志、消息中心、帮助中心、产品首页、工单审批流程等平台公共能力。若公司已有相应组件，可接入复用。

2. 标签登记：标签登记支持用户在线登记新标签，系统审核后新标签自动加入标签知识库提供标签服务，满足您的个性化业务需求。

3. 用户查询：用户查询能够根据用户ID查询用户画像信息。

三、做的怎么样？

经过项目推进后平台顺利上线投产使用，那么如何评价产品是否成功呢？平台应用价值体现在营销成本降低和频次的增高。可以参考的指标如下：

数据质量及稳定性规范参考

针对挖掘类（模型预测）标签，其中涉及到准确率及覆盖率相关的指标：

• 覆盖率：明确覆盖率的计算口径；覆盖率达到80%以上。

• 准确率：准确率的计算口径，准确率达到80%以上。

示例：gender（性别），覆盖率：99%（日活用户作为分母计算得出）；准确率：95%。

异常值：

• 空值：空值率、string类型空值处理为unknown、int型空值处理为null。

• 异常值：string类型空值处理为unknown、int型空值处理为null。

稳定性：SLA需达到99.5%。

数据故障：故障通知、影响通知、修复时间通知。

更新模式：增量、全量。

四、小结

标签平台是一个比较大的数据管理与服务平台，为了实现最终的活动自动化运营、精准营销等场景，需要做如上多模块的规划与落地。

本文从需求背景、落地流程、产品功能设计等宏观角度系统化地做了介绍，其中如何去做精细化运营、如何设计标签体系等等，后续文章会逐步整理并分享给大家。

公众号：产品人栖息地

作者 @DataSir

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！