用戶標簽，是一個非?；A的，估計人人都聽過的，但是卻經常弄混淆的概念。它是用戶畫像、精準營銷、個性推薦、智能投放等等各種系統的磚石。本文對此進行了系統分析，與大家分享。

一、什么是用戶標簽

性別：男女，就是一個標簽。簡單吧！

所謂標簽，就是：

1. 由原始數據，經過整理、加工、分類所得
2. 一個抽象的符號
3. 代表一類人/物的特征

用來描述商品的，就是商品標簽；用來描述業務的，就是業務標簽；用來描述用戶的，就是用戶標簽了。我們常說“小太陽家庭”“中產階層”“愛好時尚”等都是用戶標簽。

有意思的是，我們總是說：生活中不要給輕易給人貼標簽?？蔀槭裁催€要大張旗鼓做用戶標簽呢？

二、用戶標簽的作用

因為面對一個人，出于尊重他人、不帶偏見的考慮，我們說不能亂貼標簽。但企業經營面對數以千萬的用戶，就不能一個個去理解，時間和成本都燒不起。如果不加區分，把所有顧客一視同仁，就只能這么地毯式轟炸（如下圖所示）。

如果有用戶標簽，就能快速、方便地細分用戶群體，鎖定更有需求的人，實現更精準的營銷/服務。（如下圖所示）

不打標簽，每次都基于原始數據分析，運營會很糾結的：到底是選買過3次的還是4次的才加活動呢？消費分段選3000,3200,還是3300呢？理論上，每次都這么糾結也是可行的。但是這樣做效率太低，并且能思考的維度太少，很有可能累禿了頭也沒啥進展。

因此可以基于過往分析成果，預先打上標簽，能極大提升效率，實現更復雜、更精準的分析。

并且，還能把最后效果記錄進標簽庫，積累分析經驗。如果標簽打的對，那我們按標簽做的事就能起到效果，標簽本身質量也被確認；如果標簽打錯了，那按標簽做的事就會沒有效果，后續就能修訂標簽，打新標簽。

我們做用戶分層和分群，做精準營銷，所有結果也可以以標簽形式保存。在后續多次驗證，從而沉淀管用、區分度高的標簽，提升用戶畫像的準確度與有用性。

想要達成這種好的區分效果，當然只靠“男女”這種簡單的標簽是不夠的，于是就有了制作標簽的過程（俗稱：打標）。具體怎么做？一起來看個簡單通俗的例子。

三、用戶標簽的制作流程

比如談戀愛，未來的丈母娘上來問的肯定是：

• 多大？
• 哪里人？
• 有房嗎？
• 有車嗎？
• 公務員嗎？
• ……

你看，問的全是用戶標簽，人家絲毫不在乎你有多癡情，你有多努力。甭整那虛了吧唧的玩意，Show me the 房產證！十八姑娘一枝花，追的人多了去了，就是要大量過濾那些饞身子的小垃圾……

然而如果只知道回答是“有房”，是不是就能區分好青年了呢？——當然不可以。因為單一維度的標簽，信息量很有限。就像單純說“有房”，那到底是上海的房子還是鹽城的房子，是60平小兩房還是120平大三房，是全款的還是欠了一屁股債的，通通不知道。因此，丈母娘才會問一大堆信息，逐步規整判斷：到底這個小伙靠不靠譜。

這就是制作用戶標簽的直觀步驟：

歸納一下，共有7步：

1. 從單維度開始
2. 設定區分目標
3. 進行維度拆解
4. 觀察區分效果
5. 總結經驗
6. 多維度交叉
7. 不斷提升效

做用戶標簽可以很簡單，但想做有效的標簽，就會很復雜。它是一個從單維度到多維度，從簡單到復雜，不斷迭代驗證的過程。在這個過程中，經常出現問題。

四、用戶標簽的五大常見問題

問題一：沒有目標，盲目干活

很多人被“比如性別：男女就是個標簽”這句話誤導，以為只要做了分類，就算是標簽了。至于分出來的類別之間有什么差異，有多大差異，壓根沒檢驗過。甚至，你問他為啥這么打標簽，他說不知道。領導讓打，咱就打，管他呢。

實際上，即使是同一個原始數據，在不同目標下，打標方式會完全不同。拿用戶年齡舉例，可能有好幾種分類貼標簽的方式（如下圖）：

問題二：不區分時間狀態

比如打一個“高價值用戶”標簽，這里“高價值”指的是歷史消費水平高，還是未來消費的多？很多人傻傻不分，就統計下歷史消費金額，然后消費多的就是價值高。

但是誰保證用戶過去買的多，未來一定買的多？？完全不一定。

注意：如果我們要打的標簽是個未來情況，比如未來消費多，意味著我們要做一個預測：用戶未來會消費多少。這里就得基于測試或者建模預測才能得到結論，不能簡單基于歷史數據統計。

問題三：行為動機亂歸因

比如用戶買了產品A，于是就打個“A產品喜愛者”標簽。然而用戶真的喜歡A產品嗎？我們只知道用戶買了A的行為，并不能直接推導出動機。如果想推倒動機，需要基于一段時間數據分析，并且綜合多個維度判斷。

在推導動機的時候要特別謹慎，因為錯誤的、隨意的歸因會誤導業務行動。明明用戶喜歡的是打折，結果缺誤判為產品粉絲，最后很有可能狂推一堆產品卻沒有響應。

問題四：多目標混合不清

比如評高價值用戶，把活躍度和付費金額，付費金額和毛利幾個指標混合在一起，美其名曰“綜合評價”。結果搞出來一毛不花天天白嫖的用戶也是高價值用戶。要是都這么折騰公司就得破產了。

這類問題，主要是做數據的同學嫌一個維度一個維度切分不體現數據能力，非得整個模型，算個權重才顯牛逼。降維可以做，但牢記整個原則：不同類目標不混合。特別是涉及錢的目標。到底公司賺沒賺錢，是個很嚴肅的事。搞混了，是要喝西北風的。

問題五：結果缺少檢驗

打用戶標簽是希望區分用戶，那么最后區分效果，在目標上的差異越大越好，如果差異不大，那打標意義就不大，可以取消標簽，或者再做優化（如下圖所示）。

遺憾的是，很多公司都是為了打標而打標。至于打了標簽干什么，用在哪里，效果如何，從來沒考慮過。

亂象背后深層問題，是這幾年大肆吹噓的“數據中臺”、“用戶畫像”的概念。很多企業不是從需求出現，先思考：我們要解決什么問題。而是從朋友圈文章出發：哇塞，領導轉發《震驚！阿里數據中臺秘密，終于揭露了》，領導喜歡，我們就做，搞起搞起。

于是不管數據采集如何，不問業務落地場景，也不想最后實現什么效果，盲目打標簽。臨到年底匯報，還喜氣洋洋說：我們完成了10萬標簽組成的海量數據庫！數倉、模型、可視化啥都有了，就是沒人用，最后一地雞毛。

本質上，想取得好結果，還是得從結果本身出發，根據問題找工具，而不是拿著錘子看什么都像釘子。不過很多同學自己也沒有見過，天天喊用戶畫像，也沒見幾個具體落地成果。啤酒與尿布聽得很多，可就是橫豎沒見過一家超市是這么擺的（于是編故事的人們，會注上：國外某超市，嗯嗯）。

其實，想做出好的業務效果，遠沒大家想的復雜，關鍵在于做好：打標-驗證-積累-二次打標的過程，持續的進行迭代。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議