如今，各行各業(yè)都已經(jīng)意識到了數(shù)據(jù)的價值，開始沉淀數(shù)據(jù)資產(chǎn)，挖掘數(shù)據(jù)價值，但是數(shù)據(jù)本身其實(shí)是很難直觀地看到其價值的。數(shù)據(jù)就是存儲在計算機(jī)系統(tǒng)的“01”代碼，如果你不去用它，能有什么價值？

正如美國哈佛大學(xué)教授格林先生所說：數(shù)據(jù)本身并不等于知識，更不是智慧，只有經(jīng)過正確分析之后，數(shù)據(jù)才能凸顯它的意義。

在標(biāo)簽體系對外推廣實(shí)踐的過程中，我們也經(jīng)常會遇到客戶提問：辛苦完成標(biāo)簽體系的開發(fā)與落庫后，該如何使用這些標(biāo)簽，才能發(fā)揮其實(shí)用價值？

如何把標(biāo)簽所承載的數(shù)據(jù)信息進(jìn)行形象化，最直接的方法就是將標(biāo)簽直接拿來使用，進(jìn)行個體畫像分析。向系統(tǒng)提供一個用戶ID后，系統(tǒng)會向你展示這個用戶的全部標(biāo)簽結(jié)果，如下圖所示。

在分析好該用戶的特征后，運(yùn)營就可以根據(jù)他的畫像特征進(jìn)行針對性的分析與溝通。例如，該用戶當(dāng)前正處于哺乳期，可以向她推薦一些奶粉產(chǎn)品。

這種針對個體的畫像分析通常產(chǎn)生在小數(shù)據(jù)量的場景下，更多的應(yīng)用于CRM系統(tǒng)中，如銷售人員和客戶之間的一對一溝通服務(wù)過程。銷售人員需要提前介入，根據(jù)對用戶的初步了解，提前鎖定目標(biāo)問題，給用戶帶去流暢高效的溝通體驗(yàn)。

然而，在大數(shù)據(jù)量的場景下，這種一對一溝通方式效率很低。想象一下，用戶來到購物平臺首頁，排隊(duì)等待服務(wù)人員依次進(jìn)行針對性提問，那用戶等不到服務(wù)人員對接就已經(jīng)流失掉了。

面對這種情況不用著急，只需要根據(jù)用戶特征初步判斷其所屬人群后，通過用戶畫像為客戶量身制定相關(guān)喜好或潛在喜好的推薦，直接將針對該人群的運(yùn)營策略應(yīng)用于該客戶身上，便能直接切入客戶心之所向，大大提升用戶體驗(yàn)和服務(wù)效率。

這個策略的制定過程通?？梢酝ㄟ^以下四步完成：

確定運(yùn)營目標(biāo)

如確定以提升用戶活躍度指標(biāo)為方向的運(yùn)營目標(biāo)。以運(yùn)營目標(biāo)為導(dǎo)向才可快速進(jìn)行用戶分析，短時高效地尋找到可以提升整體水平的目標(biāo)用戶。同時，運(yùn)營目標(biāo)的制定也可以讓運(yùn)營效果具有可衡量性。

實(shí)現(xiàn)用戶圈群

根據(jù)運(yùn)營目標(biāo)確定篩選條件，篩選出符合要求的用戶實(shí)現(xiàn)用戶圈群。如：需要圈選出使用APP活躍度高且偏好電銷渠道和自營APP渠道的用戶，則可在「客戶數(shù)據(jù)洞察平臺」進(jìn)行如下配置：

條件的設(shè)置主要包含兩部分因素：時間和標(biāo)簽結(jié)果值。時間可以是絕對時間，也可以是相對時間，如：圈選1月1日注冊且過去第1天活躍的用戶，這里的1月1日即是絕對時間，過去第1天即是相對時間。

進(jìn)行針對性分析

篩選出符合要求的用戶后，要對篩選結(jié)果進(jìn)行針對性分析，確定用戶群體的整體特征。這里的分析可以有多種方式，典型的分析方法包括群組畫像分析、顯著性分析、對比分析和群組交并差分析。

● 群組畫像分析

針對圈選的用戶，系統(tǒng)統(tǒng)計出每個標(biāo)簽的實(shí)例數(shù)情況，用戶根據(jù)這個數(shù)據(jù)結(jié)果查看標(biāo)簽分布情況，判斷群組在各標(biāo)簽上是否有一些典型特征。

上圖即為某一群組在“保單規(guī)?！边@個標(biāo)簽上的結(jié)果分布情況，可以看出，這個群組中保單為中等金額的用戶占大多數(shù)，保單規(guī)模為“中等金額”是這個群組的主要特點(diǎn)之一。

那么，是否根據(jù)這個標(biāo)簽的結(jié)果分布，我們就可以直接下結(jié)論這個群組有這個突出特點(diǎn)呢？答案是否定的。除了進(jìn)行群組畫像分析外，我們還需要用到顯著性分析方法。

● 顯著性分析

一個群組的構(gòu)成需要配有相同的或相似的個體特征，這個特征可以是個體的基本屬性、來源渠道、興趣偏好，也可以是具有相似的行為特點(diǎn)，當(dāng)將這個群體聚集起來時，這個群體的一些個體特征的占比通常比他在集體范圍內(nèi)的特征占比高很多，這就是顯著性分析。

上圖舉了個分布的例子，總體中，閱讀時長超過10分鐘的人占比25%，把其中活躍度高的用戶篩選出來構(gòu)成一個群組，這個群組內(nèi)閱讀時長超過10分鐘的人占比有50%，閱讀時長則是這一群體的顯著特征之一。

能夠反映這一特征的指數(shù)即為TGI指數(shù)，其計算公式為：

對應(yīng)上述例子，TGI = 50% / 20% * 100 = 250。

如何通過TGI來判斷顯著性？TGI結(jié)果以100為基準(zhǔn)：當(dāng)TGI>100時表示目標(biāo)人群更顯著，TGI < 100時表示大盤人群更顯著。

除了在當(dāng)前群體內(nèi)部做特征分析，也可以和其他群體做比較分析，來確定當(dāng)前群組有何突出特點(diǎn)。這時，可以進(jìn)行對比分析或是群組交并差。

● 對比分析

想要將一個高潛用戶轉(zhuǎn)化為目標(biāo)用戶，首先需要知道目標(biāo)用戶有什么特點(diǎn)，以及和高潛用戶之間的差異是什么？

這時可以通過對比分析來實(shí)現(xiàn)。通過下圖可以看出，成熟期用戶的APP瀏覽次數(shù)明顯高于高潛用戶數(shù)據(jù)，進(jìn)一步分析原因后，就可以制定相應(yīng)策略將高潛用戶轉(zhuǎn)化為成熟用戶。

● 群組交并差

針對創(chuàng)建的標(biāo)簽，設(shè)置了很多群組，但這其中，有些群組因?yàn)闀r間的變化或是圈群條件的差異性過小，導(dǎo)致圈群結(jié)果的相似性過高。這時，如果繼續(xù)保持這些群組的計算，將會造成大量的資源浪費(fèi)，同時，運(yùn)營每天的盯盤效率也會降低。

此時，就需要去比較群組間的差異性，更多的保留差異性大的群組，根據(jù)實(shí)際需要，對差異性小的群組進(jìn)行適當(dāng)取舍。

利用群組交集分析功能，可以查看群組間的交集量級及交集的數(shù)據(jù)詳情。群組并集分析功能則更適用于查看并集組合結(jié)果和全部數(shù)據(jù)之間的量級差異性，以此來查看待分析用戶群的覆蓋量級情況。如統(tǒng)計所有已創(chuàng)建群組的并集結(jié)果，發(fā)現(xiàn)有10%的數(shù)據(jù)沒有覆蓋，此時可以去分析剩下的10%是因?yàn)閿?shù)據(jù)異常，還是標(biāo)簽體系有疏漏導(dǎo)致的用戶未覆蓋到。群組差集分析功能則更加聚焦于群組的獨(dú)特性。

值得注意的是，群組的優(yōu)劣不能以覆蓋實(shí)例量級作為衡量標(biāo)準(zhǔn)。高ARPU值用戶量級占比很低，但卻是企業(yè)的主要收入來源，不可小覷。

那么什么樣的群組可以被評價為優(yōu)質(zhì)群組呢？可以從以下幾點(diǎn)考慮：

· 基于你的運(yùn)營目標(biāo)，群體可以有典型的特征出現(xiàn)；

·?圈選群組的特征變化將對運(yùn)營目標(biāo)的實(shí)現(xiàn)起到舉足輕重的作用；

· 根據(jù)群組特點(diǎn)，用戶的穩(wěn)定性相對較高，這種穩(wěn)定性體現(xiàn)在用戶量級、新增用戶占比數(shù)據(jù)上。

制定運(yùn)營策略

根據(jù)群體特點(diǎn)制定運(yùn)營或營銷策略，并落地執(zhí)行，是實(shí)現(xiàn)用戶精細(xì)化運(yùn)營和精準(zhǔn)營銷的重要基石。

群組的一大構(gòu)成要素就是運(yùn)營，通常來說，群組構(gòu)建的越精準(zhǔn)，運(yùn)營策略也就越好構(gòu)建，運(yùn)營效果就越好，同時，好的運(yùn)營策略和運(yùn)營效果也可以反向讓群組更加穩(wěn)固。

綜上所述，標(biāo)簽工作至關(guān)重要，它是量化定性因素，提供價值判斷的重要工具?；跇?biāo)簽圈群，可以進(jìn)行用戶的深度細(xì)分，并挖掘群組的畫像特征、顯著性特征、對比性特征，掌握群組特點(diǎn)，靈活迭代營銷策略，進(jìn)行精細(xì)化運(yùn)營。

袋鼠云客戶數(shù)據(jù)洞察平臺還在持續(xù)迭代，精益求精中，未來將圍繞用戶洞察、標(biāo)簽應(yīng)用方向、標(biāo)簽實(shí)現(xiàn)的方式方法等進(jìn)行更多的深度場景價值挖掘。

想了解或咨詢更多有關(guān)袋鼠云大數(shù)據(jù)產(chǎn)品、行業(yè)解決方案、客戶案例的朋友，瀏覽袋鼠云官網(wǎng)：https://www.dtstack.com/?src=szbzhan

同時，歡迎對大數(shù)據(jù)開源項(xiàng)目有興趣的同學(xué)加入「袋鼠云開源框架釘釘技術(shù) qun」，交流最新開源技術(shù)信息，qun 號碼：30537511，項(xiàng)目地址：https://github.com/DTStack