用户标签怎么打?可不是“白富美”“狗剩他爹”“败家小能手”这么简单

上回我们说到客户画像的重要性,我们需要把客户分为不同的维度,采用不同的客户策略,这样才能使公司有限的资源最大化,也能为公司的核心客户提供最好的体验。今天我们就来说说形成用户画像的最核心要素——用户标签,而绘制用户画像,其实就是把用户标签化的过程。

所谓的标签,就是浓缩精炼的,带有特定含义的一系列词语,用于描述真实的用户自身带有的属性特征。每个标签既相互独立,又是一个整体:每一个标签,都代表了我们观察、认识用户的一个维度,而把不同的标签互相串连起来,我们才能为我们的客户描绘出完整的画像。

换句话说,一个用户在某个维度下的画像,通常是由一个或多个标签形成的,比如说我们要定义一个女生是不是“白富美”,至少就需要三个标签:肤白、貌美、有钱。

这里我就不得不说说标签的几种分类方法了:

一种是简单粗暴型,把标签分为基础标签和综合性标签,基础标签就是直接可以从一些数据里获取的,综合性标签则是要通过几个基础标签的整合转化而来的,像上述的“肤白、貌美、有钱”其实都算是综合性标签,就拿“富有”来说,我们要判定一个人是不是富有,还需要多个基础标签的配合,像“有房”、“有车”、“平均月消费金额大于XX”等等。

 

用户标签怎么打?可不是“白富美”“狗剩他爹”“败家小能手”这么简单

 

第二种分类我们可以引入数据分析中常用的“人货场”概念,按照应用场景的不同来分类。

1.用户(人)

1)用户自然特征:性别、年龄、教育水平、职业、星座等;

2)用户兴趣特征:兴趣爱好,浏览内容偏好,品牌偏好,产品偏好等;

3)用户社会特征:家庭情况、社交渠道等;

4)用户消费特征:收入水平、消费金额、消费频次、购买渠道、最近消费时间等。

 

用户标签怎么打?可不是“白富美”“狗剩他爹”“败家小能手”这么简单

 

2.商品(货)

根据不同的商品设置不同的标签,比如汽车,就会有品牌、颜色、价格、配置等。

3.渠道(场)

1)信息渠道:微信、微博、门户类网站、论坛;

2)购买渠道:微信、电商平台、线下实体门店。

这里我们要来举个4S店的“栗子”啦~

首先说“人”,一般4S所掌握的客户信息还是比较全面的,除了系统自动录入的像车主的性别、年龄、生日(星座)、消费次数、消费金额、投诉记录之外,优秀的客服或者销售人员也会有意识地去了解一些车主的信息,包括车主的兴趣爱好、职业、教育水平、家庭情况等。

当然啦,要服务好一个客户,这些数据可是远远不够的,比如说你要和客户互动,你需要了解他常用的社交渠道,需要知道他平时经常浏览的内容平台,需要知道他的空闲时间,需要知道他的活跃度(通过最近一次互动时间,互动频率,是否参加过活动,参加活动次数,消费频次等数据综合判断)。

比如你要提升客户满意度,那你就需要知道他在意的关键点,是价格、服务态度、专业技能、环境、增值服务,亦或是时效性。再比如说你要给客户推荐产品或项目,我们可以通过统计历次消费最多的产品,或观察客户消费曲线是否越来越高端,来给客户推荐比较合适的产品或项目。

上述的数据,大部分都是可以通过客户行为和反馈,或者是通过与外部DMP数据的对比,分析出来的,这就需要一套专业的系统来辅助啦~

“货”对于4S店来说当然就是车啦,车辆的基本信息(品牌、颜色、价格、车龄),车辆的维修保养记录,车辆的保险记录等。

“场”就是客户获取信息的渠道和购买的渠道,这个很好理解,前面也有提到一些,这里就不多加赘述了。

第三种分类方法是将标签分为了事实标签、模型标签和预测标签。

1.事实标签:直接从原始数据中提取,转化为性别、年龄、职业等基础标签;

2.模型标签:需要建立模型进行计算,根据事实标签分析当前用户的属性;

3.预测标签:通过预测算法挖掘,根据对当前用户的分析,对未来的用户行为做一个预判。

 

用户标签怎么打?可不是“白富美”“狗剩他爹”“败家小能手”这么简单

 

这种分类方法就比较专业了,多为建立数学模型,设计算法的时候使用,这里我就不深入了,感兴趣的话可以找一些相关的文献资料来阅读。

光是从这些不同的分类方法就可以看出,用户标签是一个很复杂的生态系统,不同的行业,所需要建立的标签体系都是不同的,例如微博,他们结合自己的业务研发了一套标签体系,涵盖能力标签、兴趣标签、关系及亲密度、信用质量和自然属性五大部分不同的标签。

而不同的标签,放在不同的业务场景下,代表的含义往往也是不同的,所以,我这里说的再多,也只能告诉你一种思维方式或者是方法论,具体要怎么建立自己的标签体系,通过哪些方式去实践这套体系,就需要具体问题具体分析啦,如果感兴趣的话,欢迎随时找我一起交流探讨。

相关新闻