用户标签和用户画像

供大于需的时代，如何让自家的产品更突出，让用户（老用户和潜在用户）忠实于自家的产品，除了用心打磨自己的产品外，还需要考虑从用户的角度出发，真实的了解用户的需求和购买心理。大数据时代下，分析用户、了解用户已经成了必备项，用户画像和用户标签自然也成了很重要的一项。

01

—

用户标签和用户画像的关系

标签：对某一类特定群体或对象的某项特征进行的抽象分类和概括，具有可分类性。比如可以按性别分为“男”、“女”；年龄可以划分为“0-18”、“18-35”、“35-60”、“60-100“等；按地区划分为北京、上海、深圳等。

用户画像：对某一特定群体或对象的多项特征构成的具体描述，即由对应的多个标签组合而成。如用户小明“今年20岁，男性、居住在北京，偏好购买速食类商品”，由四个标签构成。

02

—

如何建立用户标签

用户标签可以划分为“基础属性标签”和“业务标签”两类。

1、基础标签

用来描述用户特征和行为的客观存在或用户本身就具有的显性属性。如年龄、性别、学历、居住地等。

基础标签的获取相对比较简单，也不需要任何分析和推断。但需要注意识别获得标签的准确性，如居住地为北京的用户，订单地址却90%以上为北京，这时就要考虑此标签的准确性。

2、业务标签

用来描述某种业务场景，存在主观上的变化。如电商行业常用的购买力、消费偏好、优惠敏感度等。

业务场景标签需要基于业务规则分析相关业务数据，确定标签标准获得，随着时间的变化，标签可能会发生变化。因为标签的主观性，给用户打业务标签时需要考虑的因素会比较多。

以用户购买力为例：

首先确定标签划分依据，如先分析全部用户月消费金额的分布情况，之后判断确定划分标准。如分析后认为可以定为“月消费金额<100为低购买力，100-500为一般，500以上为高购买力”；

其次，确定历史数据范围，数据不同会导致标签的结果完全不同。以历史月平均消费金额为依据还是近半年月平均消费金额，甚至就是以最近一个月的消费金额为依据。

最后，根据不同的规则划分后，在使用过程中需要观测标签结果的可靠性。

03

—

用户画像体系

用户画像体系根据具体的行业和业务场景存在差异，一般都是类似树形结构设计，可以根据业务进行一级类目、二级类目等进行划分。如电商平台时的用户画像参考：

当然，即使同样都是电商平台，由于业务差异，标签体系可能存在很大的差异。标签也不是越多越好，最重要的还是要跟实际的运营需求结合起来。

04

—

应用

标签和用户画像建立之后，重要的还是能在实际应用中发挥出应有的作用。一般会有以下三个方面的使用：

1、用户画像报告和标签取数：标签建立后，业务部门可根据标签随时获取用户画像和各类标签的用户数据，用于业务的数据支撑。

2、精准营销和用户运营：根据标签和用户画像数据进行精准营销，是最重要的应用方式。可通过不同的标签组合，圈定一批目标用户进行精准营销，也可根据标签数据干预用户生命周期。数据可与短信平台、促销平台等下发。

3、多维分析：通过标签进行用户多维分析，减少业务人员获取数据和分析数据的难度。

用户标签和用户画像的关键不仅仅在于标签建立和技术实现，更重要的是要和实际业务需求相结合，制定一套可持续的标签体系，同时将数据结果应用于实际，在实际应用中不断的补充和完善。