一、标签系统结构
二、标签分类
1、从变化与否角度来看
（1）静态标签——基本不会变化的内容，如人口统计学上的事件；
（2）动态标签——动态变化的、比如活跃和消费频次这些标签。
2、从数据提取维度和作用角度来讲
（1）事实标签——从数据中直接提取出来的，如性别、年龄这些标签；
（2）模型标签——通过一定的规则建立模型来得到的标签，也可以说是总结规律的出来的标签。如支付偏好、品类偏好等。
（3）预测标签——参考已有实事实来预测用户的偏好行为等的标签，比如即将流失的使用这个标签。（运营思路从流失后再唤醒转变成预测-发现用户要走-不让他们走）；
三、标签建立示意
四、用户价值评估的RFM模型——做用户分层
r-最近一次发生关键行为的时间、f-发生关键行为的频率、m-贡献数量（点赞数、评论数、打赏金额、消费金额）等
五、社群聊天所得——知识付费平台标签体系建立
首先，是新用户，新用户进到平台，一般是从课程进来的，那么会初步的打上这个课程对应的用户标签；同时新用户会有一个新人礼包，通过新用户对赠送课程的取舍，可以完善这个用户的标签。根据标签我们会针对这个类型的用户做差异化的展示，包括以后的推送，他的服务号菜单，首页的分区，获得的优惠券类型，都会和用户标签强相关。以试听的方式促进购买。老用户分享给新用户，新用户获得优惠券，新用户购买后老用户可得返现。
其次，标签每周更新，当一个用户标签被打成沉默用户时，我们也会通过一些召回机制去促活。做一个完整的生命周期维护。
最后，课程标签和用户标签有一个对应的关系。
原文链接1：http://api.woshipm.com/operate/1295461.html?sf=mobile&from=singlemessage&isappinstalled=0
原文链接2：http://api.woshipm.com/user-research/1016865.html?sf=mobile&from=singlemessage&isappinstalled=0
网友评论