數據中臺實戰（八）：如何打造可以支撐N條產品線的標籤平臺

關注公眾號：改變世界的產品經理，回覆“ 1 ”獲取10G產品經理學習資料。

上一篇數據中臺的實戰文章講了 ，這次講如何打造可以支撐N條產品線的標籤平臺。全文8000+字，全是實戰乾貨。

一、為什麼要建設標籤平臺

亞馬遜的CEO Jeff Bezos曾說過他的夢想，「如果我有一百萬的用戶，我就會做一百萬個不同的網站！」。當然現在大型的電商公司如亞馬遜、淘寶等已經實現了他這個夢想，就是我們常說的千人千面-用戶個性化推薦系統。那麼如何實現千人千面呢，做這個基礎是先對用戶打標籤。為什麼要給用戶打標籤呢？最主要原因就是讓我們更加了解我們的用戶，他是誰？他在哪裡？他用的什麼設備？他用了我們的什麼服務？他的使用習慣是什麼？他的偏好是什麼？當我們更加了解我們的用戶，我們才會有可能知道他的痛點，我們才會知道應該推薦給他什麼樣的產品，他購買的概率也才會更高一些。

那麼什麼公司適合建設標籤平臺？對於一些小的創業公司是不適合的。現在的產品和運營張口閉口就是戶畫像、用戶標籤和ppt上面貼滿標籤的標籤雲人像。一個真正得到標籤平臺是一個非常浩大的工程，它需要投入很多的開發資源，就只是一個標籤體系的建立都需要，n個角色參與（數據開發工程師，數據挖掘工程師，前端工程師、後端工程師、產品經理、模型設計師），加上需求的調研時間，最少也得2-3個月的時間。後期比較深的一些功能如標籤圈選、人群畫像等又是很大的工程量。所以建立標籤平臺需要很大的工作量，投入很多的資源，前期也不能很快得到回報，是一個方向大致正確的事情。所以創業公司或者小型公司初期、用戶量較少的公司還是不建議做標籤平臺，當公司有一定規模，用戶量有一定基礎、數據有一定的積累，再投入資源做標籤平臺還是不晚的。

二、建設標籤平臺你必須面對的幾個問題

那我們該怎麼建設標籤平臺呢？上面已經說了，當有了一定的用戶基礎、數據基礎才適合搭建標籤平臺，這時會面臨一個問題，當公司發展到搭建標籤平臺這麼一個階段，一定是多個產品線，多種角色、數據分散度很高的情況。那麼怎麼統一這些產品線的標籤呢？

例如筆者所在的公司有n條產品線，我們想打通服裝批發產業的上下游，從生產端服裝的打版服務，到線上的銷售平臺，到供應鏈服務平臺和金融服務平臺等產業的上下游我們都在運營。我們在搭建標籤平臺時就遇到了以下個挑戰：

1.每個系統都會產生大量的數據，怎麼讓這些數據標籤化呢？

2.打版服務、電商服務、供應鏈服務、金融服務的客戶群體是完全不同的，怎麼讓這些各種各樣的角色都進去標籤平臺。

3.作為我們的電商產品，只有用戶標籤是不夠的，商品作為電商系統十分重要的存在，也得分門別類的打上各種各樣的標籤，那麼我們怎麼區分用戶標籤和商品標籤，甚至供應商的標籤？

4.公司所有的產品線運營都會用一個crm系統，所有的客戶都會先進去crm系統作為潛客，轉化後再成為各個業務系統的會員統一進入業務系統，這就帶來一個問題，潛客和註冊用戶怎麼分？帶著這樣種種問題，我們團隊大概策劃了有半個月才有解決方案。

針對第一個問題，怎麼基於各個業務線的數據給我們的用戶都打上標籤。首先我們有平臺的概念，用戶註冊後，會統一進入用戶中心，入庫時都會打上註冊平臺的標識，這裡做了一層區分。後來我們發現這樣無法解決一個用戶同時用了2個平臺服務的問題，因為我們用戶中心是是基於手機號去重複的數據，如果只取某個平臺的用戶，就無法給用了我們電商產品又用了我們的物流、快遞產品的用戶同時打上標籤，這時我們加大了每個產品線打標籤的用戶範圍，舉個例子比如電商產品的用戶定義是取平臺為電商產品，但是平臺為非電商產品又登錄了電商產品的用戶也會抓取過來打上電商產品相應的標籤。這樣當我們查看用戶的標籤時，就可以看到這些用戶同時擁有2條產品線的標籤。至於每個業務線的數據怎麼標籤化，我們的想法是做成可配置化，每條產品線的運營都可以在他們的業務線下建立各種各樣的標籤，來豐富用戶的信息，至於如何實現可配置化，下文標籤體系的搭建我會基於電商RFM的實際案例來講解。

針對第二個問題，這些用戶的角色怎麼確定。首先我們針對不同的客戶群體我們做了一層抽象，他們首先都是人，我們稱為需求端和供應端。比如電商產品的採購商為需求端，供應商為供應端，快遞物流產品的商戶（需要發快遞或者物流的人）我們稱為採購端，物流快遞的提供者如順豐、德邦等我們稱為供應端，打版產品的設計師為需求端，生產衣服的工廠為供應端，這樣就完成了一個抽象。接下來要做的就是讓各個業務線的運營去劃分，他們業務線到底有那些角色，怎麼給他們產品線的人打上角色的標籤，這樣也同時倒逼我們的業務線統一目標用戶的標準，很多公司都有這麼一種情況，每個人都大概知道自己的目標用戶的大概樣子，但是當每個描述自己所講的目標用戶的樣子時，是完全不同的。這是為什麼？因為大家沒有統一的標準。如電商產品我們就讓運營出了一套標準 一批採購商，二批採購商，普通終端門店，c端消費者，我們把用戶的類型做了比較細緻的描述，比如他的拿貨價位，開店數量等等，我們基於用戶填的信息自動會給這個採購商一個身份標識。當你抽象成一個人時，埋點的數據也能用上了，我們已經針對各個產品線做了數據埋點，這些埋點收集到了用戶潛在的信息，如地理位置、設備信息等我們都作為基礎屬性放在標籤體系中。

針對第三個問題，用戶標籤和商品標籤的問題。我們針對標籤定義了一個類型，在生成標籤時，我們預先定義了有用戶標籤、商品標籤，每個標籤都要選擇一個類型。商品標籤和用戶標籤類似也有一些基礎屬性，如顏色、尺碼、面料等屬性，這些基礎屬性我們叫做基礎標籤，用戶的基礎標籤直接從用戶屬性字段和埋點數據取得，商品的基礎標籤直接從商品的屬性字段取得。

針對第四個問題，潛客和註冊會員該如何區分，我們增加了一個標籤，是否潛客。在crm系統錄入的用戶且不在用戶中心的用戶我們都當潛客處理，crm針對潛客又有一套標籤也是一個漏斗的關係，從有銷售線索、商機識別、商務談判、簽約下單，這些用戶的狀態我們會從crm系統直接拿過來，針對潛客打上狀態標籤。

三、如何建設可以支撐N條產品線的標籤平臺

這樣我們標籤平臺的目標就很明確了：

1.我們的標籤平臺要可以支撐給n條產品線，n種角色打標籤

2.一個用戶如果在n個產品產生了行為記錄，都要通過標籤記下來。可以看到用戶在N條產品線打的標籤。

3.每條產品都可以自己定義自己的個性化標籤

4.標籤要支持給註冊用戶打標籤，同時還要支持給潛客打標籤

基於這個目標，我們的標籤平臺規劃了以下這四個功能:

1.數據寬表

2.標籤體系的搭建

3.標籤工廠

4.用戶群圈選

從標籤的生成到人群的圈選整個流程如下：

第一步是準備數據寬表，對於電商產品來說，需要採購商寬表、商品寬表、供應商寬表。寬表其實就是單個用戶（採購商、供應商）、商品指標的一個合集，我們儘量把所有的指標都匯聚到一張表，方便接下來的標籤的生成。用戶的寬表包含用戶的基礎信息、行為信息、業務指標等，用戶的基礎信息就包括用戶的手機號、姓名、性別、註冊時間、用戶的角色信息、平臺信息和其他用戶自己填的信息。用戶的行為信息就包括用戶的設備信息、地理位置、用戶的訪問時長、加購次數、收藏次數、距離上次訪問時長等通過埋點得到的信息。還有就是用戶的業務信息，包括用戶下單金額、支付金額、優惠金額等信息。商品的寬表包括商品的基礎信息和商品的業務信息。在電商商品中商品的基礎信息包含，商品的ID、名稱、品類、顏色、尺碼等上架商品時填的一些信息。商品的業務信息包括商品的下單金額、支付金額、加購金額、加購次數等業務指標。

有了寬表的數據，接下來就可以創建標籤體系，並將標籤工廠製作的標籤歸入標籤體系。首先看一下標籤體系是什麼，標籤體系的結構大致如下：

標籤體系一般是多層結構，基礎信息和每條產品線的第1級標籤由數據中臺管理，我們拿用戶端的標籤舉個例子，無論用戶是採購端和供應端，他首先是一個人，那麼我們就抽取出來了人的基礎信息，包括:

平臺的信息：用過我們那個產品線的服務就會打上那個平臺的標籤

用戶類型：採購端還是供應端？如果是採購端，他是什麼樣的角色。如果是供應端，他又是什麼樣的角色。

潛客：是否潛客，如果是潛客，他現在處於什麼狀態？

地理位置：通過埋點採集到的信息，他的城市、省份在哪裡

設備信息：通過埋點採集到的信息包括瀏覽器的版本、設備版本、系統版本等信息。

接下來就是各個產品線的業務標籤，第一級一般來說也是由數據中臺提前定義好，比如我們有電商產品線、打版產品線、供應鏈產品線。那麼我們的第一級就是電商服務、打版服務、供應鏈服務。下面的具體標籤就可以由各個產品線自己定義個性化的業務標籤。

為什麼要建立標籤體系呢，一方面是公司所有的產品線都用這個體系，有一個統一的標準，降低溝通成本。另外一方面通過這個標籤體系可以全局的看公司都用哪些標籤，甚至哪些用戶用了我們那些服務，哪些用戶存在多個角色，這個也是數據中臺打通公司數據的一個體現。

接下來我們看一下怎麼定義業務標籤，首先要選擇平臺，平臺是為了查看用戶標籤時給運營分別賦不同的權限，比如產品線A的運營不能看見產品線B的標籤。接下來是選擇維度，還是用戶維度的標籤還是商品維度的標籤，這個決定數據源的選擇，也就是上文講到的寬表的選擇。那麼接下來就是選擇一級標籤和二級標籤把新的標籤歸入標籤體系，這樣所有的標籤都可以在我們標籤體系中看到。下面就是最核心的定義標籤，比如我們要給產品線A的新用戶打上標籤，新用戶是根據他的註冊天數這個指標來定義的，我們就可以這個規則來篩選出來應該給那些用戶打上新用戶的標籤。接下來就是標籤的定義，可以選擇用戶寬表或者商品寬表的指標進行等於、大於、小於等簡單的運算，這樣一個標籤的定義就完成了。

一般來說做營銷活動會針對特定的人群，人群其實就是標籤的組合，我們做了人群圈選這麼一個功能。人群的圈選分為三種方式，第一種是基於用戶客觀標籤的圈選，另外一種是基於用戶行為的圈選，還有一種是基於用戶主觀標籤的圈選。

先講一下基於用戶客觀標籤的圈選，比如我們要針對廣州市的新用戶做一個發優惠刺激他們下單的觸達任務，那麼這裡廣州市的新用戶就有由二個標籤組成的一個用戶群體。那麼我們首先在標籤工廠定義好廣州市的用戶這個標籤，也就是用戶的所在城市是廣州，接下來是新用戶，比如註冊7天內的用戶。那麼接下來要做一個且的操作，廣州的用戶且是註冊時間在7天內。我們的用戶圈選功能支持且、或的簡單操作，接下來就要選擇計算頻率，是每天計算一次，還是隻計算一次，針對我們這個任務我們是一個固定的規則，我們想針對所有廣州市註冊的新用戶都發一個短信提醒用戶領取優惠券，那麼我們可以選擇每天都計算一次，如果我們的推送平臺滿足可以每天定時針對這批用戶群發觸達任務，那麼我們就完全做成了自動化。如果選擇只計算一次，那麼這個計算任務就會執行一次，這個人群計算一次就固定了，再過多天後再來查看這批人還是第一次計算的那批人，這樣方便追蹤活動效果，比如7天前圈出一批人做了一場活動，那麼7後再拿出這批人看下這批人各項指標的變化情情況。

還有一種是基於用戶行為的圈選，這個是要結合埋點數據。用戶的行為分為瀏覽和點擊。我們需要基於每天的埋點數據去重，計算出當天有哪些頁面和和按鈕。瀏覽有哪些頁面呢？在電商產品中主要有這麼幾個頁面：首頁、商品列表頁、商品詳情頁、進貨車頁、下單頁、支付頁，關鍵的按鈕有哪些呢？主要有：收藏、加購、下單、支付。另外因為我們的埋點數據是分端採集的，那麼我們也可以分端去篩選出瀏覽和點擊事件。比如我們要做一個基於H5的活動，活動中我們要實時監控訪問我們H5的人都有那些，H5上的關鍵按鈕有那些人點擊，活動一般都很短暫，所以我們對時效性要求比較高的，需要準實時的圈出訪問該活動頁和點擊加購卻沒有下單的人。那麼我們的第一個條件就是訪問了H5頁面的人，第二個條件是點擊了加購按鈕，第三個條件是沒有下單的人。這三個條件之間是的關係。基於用戶行為的標籤一般來說都是隻計算一次，屬於客觀標籤。這樣我們就圈出了參加這個活動加購了但是沒有下單的人，我們再研究一下他們為什麼不單，對於那些價格敏感的客戶，再結合全渠道營銷平臺推一條短信，發一個優惠券刺激一下說不定這個用戶就下單了。

當然還可以兩者結合，比如我們要圈出性別為男的用戶並且累計花銷在3000元的用戶並且在2019年11月21日做過登錄並點擊過某個按鈕的用戶。

還有一種圈選方式是基於主觀人群的圈選。這個一般給運營或者一線的銷售用。當他們做電話回訪，或者上門拜訪後得到的一些關鍵信息，都可以用標籤的形式記錄到這個用戶身上。主觀人群還有一種使用場景是運營一般會有大批量操作用戶或者商品的情況，比如發優惠券時可以基於標籤去發而不是一個一個用戶的去選擇，這樣可以給你發優惠券的用戶打上一個主觀標籤，在發券系統選擇這個標籤來代替這些用戶來發券。我們設計了2個功能，第一個是可以任意選擇單個用戶打上主觀人群標籤，這個功能一般要對外提供接口對接其他一線業務人員使用的系統，直接打標籤到數據中臺標籤平臺。還有一個功能是針對大批量用戶，我們可以通過導入手機號的方式批量給用戶打上主觀人群標籤。

無論通過哪種方式，都可以圈出來一批人，最終圈選出來的用戶就如下圖所示。我們可以查看每個用戶群每天計算出的用戶數量，也可以查看具體的用戶有哪些。人群圈選的功能一般要和其他平臺對接一般要對外提供以下幾個接口：

1.通過群組名稱查用戶或者商品列表

2.通過當個用戶或者商品查詢所屬人群

關於主觀標籤、只計算一次的客觀標籤，隨著時間的增加，會產生越來越多的標籤，會顯得十分混亂，另外也增加很多的存儲成本。有些標籤可能是n年前打上的，到現在已經沒有任何用，舉個簡單的例子我們常用到的一類標籤是復購高意向用戶，比如半年前我們圈出了這批用戶，那麼這個復購高意向標籤就打在了這批用戶的身上，說不定這個用戶已經流失，或者現在不是復購高意向用戶了，那麼我們要想辦法對以前打的復購高意向的標籤進行處理。我在這裡提供三種方案：

1.給標籤針對每個用戶增加一個有效性的屬性，這就需要寫一個定時計算任務，每天檢查用戶標籤的有效性，如果這個標籤當時計算時還有效，那麼就打上有效的標識，如果當時計算時候標籤已經不適用，就打上無效的標識。那麼我們前端取數據時只取有效的標籤。這個方案的問題是我們無法判定主觀標籤的有效性，因為主觀標籤是沒有什麼規則的。

2.給每個標籤一個屬性，啟用和禁用，當運營覺得這個標籤沒用時就禁用，一旦禁用我們展示用戶標籤時就展示沒有禁用的標籤，只顯示開啟的標籤，這樣運營的同事看到的都是自己覺得有效的標籤。這個方案的問題就是增加了運營的工作量，當後期有很多標籤時，工作量會比較大。

3.還有一種方式是在運營創建人群時，選擇一個有效期，比如45天，當這個標籤過了45天就自動失效，前端只展示用戶未失效的標籤。這種方式對於數據量比較大的公司來說是有必要的，比如百度他們每天都有幾十萬甚至幾百萬的人用他們DMP人群圈選功能，那麼每天會產生大量的數據，有效期還是必要的，會減少大量的存儲成本。

做完了標籤，接下來就可以做用戶畫像的應用。用戶畫像分為個人用戶畫像，群體用戶畫像。

先講一下個人用戶畫像。這個是給客服、銷售或者運營查大客戶的資料時用到，個人用戶畫像最好能匯聚用戶所有信息，當我們更加了解這個人的時候，我們會更加容易刺激他產生購買行為。個人用戶畫像的內容分為幾部分：

第二部分是他的業務信息。比如電商產品他的加購信息、收藏信息、領券信息、下單信息等，這裡可以給出他的明細數據，比如加購什麼時候加購、加購了幾件商品、加購了那些商品，當然信息是越詳細越好。

第三部分是用戶標籤信息。標籤分為主觀標籤和客觀標籤，我們可以分開展示。接下來就是分產品線展示每個產品線的標籤。如果一個用戶用了產品線A同時又用產品線B，那麼我們可以一眼看出，用戶在產品線A和產品線B都有標籤。如果用戶只用產品線A，那麼在產品線B那裡就看不見標籤。

第四部分是用戶的行為信息，這裡用到埋點數據，可以把採集到用戶的埋點信息以會話的形式做一個拆分，按照時間軸的方式顯示，通過這個時間軸可以清晰的看到，用戶在什麼時候產生了什麼動作，主要還是包括瀏覽和點擊，做的更深一步的話，可以把用戶瀏覽的明細也輸出，比如用戶瀏覽了商品詳情頁，那到底是那個商品呢？比如用戶點擊了加購按鈕，那麼到底是那個按鈕呢？數據越明細，運營分析起來就越方便。

第五部分是用戶的偏好信息。這裡就有很多內容了，比如可以根據推薦算法算出用戶偏好的品類、未來可能買的單品。還可以基於埋點數據看出用戶的訪問偏好，用戶總是在那個時間段過來使用我們的產品。還可以看下用戶搜索的內容都有那些，對關鍵字做一層彙總，搜索內容可以最直接的顯示用戶的偏好。

接下來說一下群體畫像。當把用戶圈選出來後，可以簡單通過簡單的分析形成人群畫像。可以從用戶類型（採購商、供應商、未知身份等）、設備信息（IOS、安卓、Windows）、地理位置（省份、城市）等基礎信息做一個透視。這樣你就大概知道這群人是什麼類型、用的什麼設備、在那裡使用我們的服務。

你還可以選擇2個人群之間的對比做一個對比分析。目標人群指的是此次分析的目標人群，即畫像都是基於此目標人群計算得出。基準人群指的是計算目標人群的TGI時所基於的對比人群。TGI的計算邏輯是：目標人群中打上該標籤的人數佔比，除以基準人群中打上該標籤的人數佔比。可以通過性別、年齡段、城市等級的三維交叉細分，藉助算法模型，找到目標人群中最為典型的形象特徵。典型特徵指的是在一定佔比基礎上，和基準人群相比，TGI最高的特徵。

四、標籤平臺實戰案例

接下來我們以運營經常用到的RFM模型為實戰的案例來介紹一下標籤平臺該怎麼使用。什麼是RFM呢？R（Recency）：用戶最近一次交易時間的間隔。F（Frequency）：用戶在最近一段時間內交易的次數。M（Monetary）：用戶在最近一段時間內交易的金額。可以根據這些數據指標將用戶分成8類。我們的資源是有限的，高價值用戶我們一定要傾斜更多的資源給他們，一定會先滿足他們的需求，再考慮其他用戶。低價值用戶就不要浪費太多的資源。差異化運營就在此體現。

RFM的最終目的就是將用戶基於消費頻次、金額、距離上次消費的天數將用戶分為8類。比如重要價值客戶的條件定義是R<10天（最近一次消費距離今天小於10天）、F>5次（消費頻次大於5次）、M>20000元（累計消費金額大於20000元）。因為每個產品線重要價值用戶的條件是不一樣的，所以要進行數據分佈的分析才能確定最終的閥值（劃分的標準一般採用2/8或者均值的原則）。那怎麼圈選出每個平臺重要價值用戶呢？其實你會發現這些條件有個規律，R其實是用戶的一個指標，最近一次消費距離今天的天數，這個是可以計算的，R<10這個其實已經是一個標籤，有很多人會滿足這個條件，重要價值用戶的條件是R<10且F>5且M>20000，這屬於一群人。

第一步是要準備數據源。R為最近一次消費距離今天的天數，F是消費頻次、M是消費金額，這三個指標要計算好併到寬表中，這個可以交給數據工程師來開發，以後每新增一個用戶的指標都要放到寬表內。這裡可以增加一個申請的流程，讓運營每次想增加新的標籤，數據中臺需要開發相關指標時，需要填指標的業務口徑，我們的數據工程師基於技術口徑來計算指標。

完成了數據準備後接下來就是要生成是R<10天等這些標籤。由於考慮到每條產品線的RFM標籤都不一樣，我們希望做成可以配置的模式，首先選擇平臺，選擇所屬標籤體系中的一級標籤產品線A和二級標籤產品價值，三級標籤可以命一個名稱如：最近一次消費距離今天的天數，接下來就可以選擇寬表中的字段R，選完字段後可以進行一些常規的運算，我們的運算符支持簡單的 大於、小於、等於、不等於這些，這個重要價值客戶需要的標籤是R<10，那麼選擇一下生成標籤就行了，點了確定你會發現在標籤體系多了一個標籤，產品線A-用戶價值-最近一次消費距離今天天數-R<10，這樣一個標籤就生成了。當生成了標籤，標籤平臺就會啟動底層的計算邏輯，用戶屬性的標籤我們一般採用離線計算，每天晚上計算一次，每天晚上系統會找到符合該條件的用戶，並打上R<10的標籤，這樣標籤體系中展示的統計只用查詢有多少人屬於R<10即可得到數據。

當標籤生成之後，還不足以篩選出重要價值客戶，需要幾個標籤的組合才能配置出重要價值客戶，我們稱為人群圈選，按照同樣的流程配置出F>5次、M>20000這兩個標籤。進入我們的人群圈選模塊，選擇平臺和維度，維度就是用戶還是商品，RFM是針對用戶，所以我們選擇用戶維度。接下來就可以選擇標籤體系中的R<10這個標籤，我們自己支持簡單的運算且與或，並且支持支持括號的運算，避免運算的過程產生歧義。那麼重要價值客戶的表達式就是（R<10且F>5且M>20000）基於這個條件可以快設置我們的人群圈選條件如下圖：

到此為止，基於多條產品線的標籤平臺就講完了。標籤平臺通過標籤體系打通了單個產品線的用戶行為數據和用戶的業務數據，另外一方面打通了各個產品線之間的數據，可以更清晰的看到我們公司的用戶到底都在使用我們公司的那些服務。而標籤平臺的用戶群一般和公司內的營銷平臺做對接使用，營銷活動一般分為三個步驟：1.圈人2.做活動3.看效果。而標籤平臺主要就是承擔圈人的功能。全渠道營銷也是作為公司內部必不可少的一種能力，如果打造全渠道、自動化運營的營銷平臺可以參考數據中臺實戰的下一篇文章《數據中臺實戰（九）：全渠道營銷平臺》。

本文作者Wilton（董超華）：曾任職科大訊飛，現任富力環球商品貿易港大數據產品經理。公眾號名稱：改變世界的產品經理。簡單、簡短、有用，堅持原創、堅持做感動你的好文章。未經許可，禁止轉載。

閱讀更多 改變世界的產品經理 的文章

關鍵字: 淘寶網 設計師 實戰