标签体系,这么做才有实用价值
标签体系,绝对是数据分析年度工作中,最值得摆在开年做的。因为它和所有工作都有关系,经营分析、投放分析、用户画像、推荐策略、商品运营……都得靠标签带动。
标签体系做得好,后续分析才有足够多素材,才能积累经验。标签体系做得差,白费功夫不说,后边做深入分析的时候还没有依靠。
那么该如何做呢?今天简单分享一下
一、标签体系常见错误
最常见的错误,就是:标签就是一箩筐,啥玩意都往里装。
上传文章的时候,随手贴几个:新闻、热点、产品……
商品上架的时候,随手贴几个:功能、包装、价格……
活动发布的时候,随手贴几个:名称、礼品、优惠……
更不用说,给用户打标签的时候,“高价值”“有潜力”“喜欢XX”随手乱贴。甚至名字相似的“高价值”“高质量”“高素质”同时存在。
这些恶习,在做用户画像项目的时候随处可见。经常有人洋洋得意跟我炫耀:“陈老师,我们好厉害,光用户标签打了3000多个……”
这时候你只要反问他:
3000个标签,业务用上的有几个?
3000个标签,产生价值有多少?
丫就灰头土脸,丢下一句:还在探索怎么应用……然后跑路了。
为啥?是因为这些标签只是一堆躺在数据库里的维度而已。想让业务用起来,得先考虑:业务有啥需求,他为啥要用标签。
二、破局,从理解需求开始
在建设标签的时候,至少有3类完全不同的需求。
管理层:快速识别价值的需求。管理层最怕见到几百页ppt报表。标签,能有效提炼业务含义,标识出最关键的因素。
比如:
对用户打标,区分ABC类用户
对渠道打标,区分稳定/不稳定渠道
对商品打标,区分生命周期前/中/后
这样当业绩波动,管理层能一眼看到:哦,是XX地方的问题。节省大量时间。
运营部门:找到策划灵感的需求。运营部门最喜欢问:
1、用户喜欢啥呀?
2、用户在哪里呀?
3、用户会不会买啊?
4、不买的话,我派个券行不?
5、券不行,送礼品行不?
这些问题,归根到底都是围绕“策划5要素”展开的,能通过标签(而不是稀碎的数据)明确告诉业务问题答案,就再好不过了(如下图)。
一线员工:清晰解答问题的需求。一线员工直面客户,无论是用户行为还是用户需求,都比远在万里之外的数据分析师清楚得多。一线员工需要的才不是:你来教我怎么干(实际上也教不了)而是:
当客户来问我的时候,我能清晰回答问题
当总部来检查的时候,我能准确地交作业
当有销售机会的实惠,我能找到对应工具
比如:
客户咨询产品,我能快速查到信息
有奖励政策,我能快速查到我达成了多少
有活动上线,我能快速查到哪些客人能参加
这样清晰的指引,就是最好的工具。
认真了解业务需求以后,就会发现:大面积打标签,根本没必要。把大面积的标签一股脑怼给业务用,更没必要!提供少而精的标签,培养业务使用习惯,循序渐进建成完整体系,才是项目成功的关键。
那么,从哪里开始呢?
三、排序,从最简单的做起
注意,以上三类需求的实现难度是不同的。
最容易实现的,是一线人员需求。理论上,只要把一线经常查询的活动、商品、文章,按标准格式打上标签,怼进库里即可(如下图)。
但是!这么干并不能满足一线需求。因为一线搜索信息本身就有难度。比如本月同时上线30个活动,一线感兴趣的、最热门的可能就两三个。而这两三个最热门的,一线人员和顾客,又经常给它们起花名,导致搜索关键词奇形怪状。如果直接开标签库查询,常常是使用率低,搜索准确度低。
因此,提供给一线的工具,可以进一步优化:
1、主动收集一线意见,优化关键词检索
2、常用、热门的标签,主动推给一线了解
3、销售助手等工具优化,把关键标签亮出来
这样才能提高标签使用频率,才有机会推动一线效率提高。
四、分类,标识价值最关键
第二类容易推的,是标识价值的标签。
一来,价值定义相对简单清晰,容易做。
二来,价值标签管理层经常看,能刷存在感。
三来,日常诊断指标波动用得上,出场率高。
即使其他的啥都不做,也得优先把这些标识价值的干出来。
常见的,比如:
1、商品价值标签:爆款、引流款、利润款、搭配款、防御款
2、渠道价值标签:过往投入产出比、产出量+稳定性
3、用户价值标签:已产生消费+未来预计产生消费
(如下图)
商品价值,只要核算成本、定价,就能算清楚,最简单。
渠道价值,只要核算渠道投入产出,观察过往走势,就能看清楚
用户价值,已发生的能直接统计,可能只有预计产出,需要一些工作量
(如下图)
这里唯一的难度,是要在管理层里普及这套概念。很有可能公司之前没有做过类似标签,管理层内对“什么是高价值用户”“什么是优质渠道”没有共识过,因此第一次提可能有难度。但是只要不是昏聩到连自家商品、渠道、用户长啥样都不知道的企业,都是能逐步推广标签应用的。毕竟减少报表阅读压力,聚焦核心问题,是所有人共同诉求。
五、探索,逐步达到准确
三类需求里,最难满足的是运营部门的需求。“喜欢”“偏好”类标签非常难做。
1、数据少:不是头腾阿,采集不到足够用户决策路径
2、定义难:啥叫喜欢?购买算不算喜欢?只看不买算不算?
3、不稳定:本来不喜欢,你一降价他就喜欢了……
4、难见效:算出来他喜欢,但是推广渠道联系不上客户……
更不要说,就算见效了,到底广告文案、促销优惠、用户需求各占多大比例……
因此,想做清楚这块,一定需要多次迭代。
迭代的方式,则是从数据多的,往数据少的做
比如:
1、从促销角度,把最喜欢薅羊毛的人先分出来
2、从消费角度,把最高频复购的人先研究清楚
3、从行为角度,把互动最高频的人先整明白
这些极端群体,一般都是贡献业绩的大户,且数据多,容易总结出规律。并且当高消费不消费、高活跃不转化的时候,业务部门会急着想办法,就能进一步结合业务动作验证预判的准确性。
至于数据本身很少的用户,则可以先按固定的推荐路线炸鱼(如下图)结合业务行动,测试用户需求,逐步提升预判准确性。
六、小结
标签工作至关重要,它是量化定性因素,提供价值判断的重要工具,是一项非常基础的建设。但做标签项目,一定要和经营分析(对管理层)活动支持(对运营)系统工具(对一线)结合起来,不能自己默默无闻奉献。不然大家都以为你能闷声炼一炉子仙丹出来,过程不参与、不使用,到结尾的时候,肯定是大失所望了。
这里又延伸出来一个话题,如何从0开始,迭代出高质量标签;
知识星球历史已上传相关资料概览:
报告已同步至知识星球,需要源文件请公众号后台回复:报告
报告仅做分享交流,文章开头已注明来源,如有侵权,请联系删除;