You need to enable JavaScript to run this app.
导航
概述
最近更新时间:2024.07.16 16:08:01首次发布时间:2021.02.28 18:42:49

1. 功能概述

标签是客户数据平台的基础,用户分群,群体洞察以及营销应用都依托于标签,用户需从业务场景出发,构建适用于自身业务模式和逻辑的标签体系,为企业的精细化运营及精准营销服务,进而深入挖掘潜在的商业价值。
在本模块内用户可围绕标签,进行查询,新建,编辑,删除等操作,搭建层次分明的标签体系,让标签为业务目标服务。
图片

2. 使用前提
  • 需项目管理员在 项目中心-权限 中,给对应用户开启 标签体系 模块的权限,开启后,用户即可使用该功能。
  • 用户需要完成 数据融合 模块的前置数据准备工作后,才可以在该模块构建标签。
  • 标签构建需要在 资源总额度 范围内使用,当资源额度用完时,用户需删除标签或分群,释放资源后才可以创建新标签,或联系你的客户经理增购计算资源。

图片
*注意:仅例行更新的标签及分群会消耗资源额度,详细的消耗规则如下:

资源类型

资源构建方式

更新方式

手动更新

例行更新

实时更新

标签

规则标签

消耗

消耗

按实时资源限制,不在此处消耗统计

首末次标签

消耗

消耗

统计标签

消耗

消耗

偏好标签

消耗

消耗

排序标签

消耗

消耗

运算标签

消耗

消耗

生命周期标签

消耗

消耗

RFM标签

消耗

消耗

/

SQL标签

消耗

消耗

按实时资源限制,不在此处消耗统计

导入标签

/

消耗

/

人工录入标签

消耗

/

/

智能外呼标签

/

消耗

/

智慧听鉴标签

/

消耗

/

自定义模型标签

不消耗

不消耗

/

分群

规则分群(私域)

不消耗

消耗

按实时资源限制,不在此处消耗统计

上传人群包

不消耗

/

私域Lookalike创建人群

不消耗

/

聚类模型生成人群

不消耗

/

洞察报告导出人群

不消耗

/

主体转换人群

不消耗

消耗

多维特征分析导出人群

不消耗

/

联动产品同步人群(如ABI/Finder同步人群)

不消耗

/

说明:分群子包不参与计算;/代表功能不支持,不消耗的逻辑说明。

3. 基本概念

概念

解释说明

标签

基于行为/属性等数据,基于业务逻辑或模型能力创建的有业务指导意义,标签值可枚举的形式

标签体系

由标签构成,以结构性的方式对标签内容,包括标签的数量、分类、层级关系等进行呈现和管理

全量标签(Mautag)

该集团下全量用户总数,每日更新

文本型标签值

用于标签值为文本类型的标签,常见使用该类型的标签例如姓名、用户名、城市等

整数型标签值

用于标签值为整数类型的标签,常见使用该类型的标签例如年龄、点击次数、来店次数等

小数型标签值

用于标签值为小数类型的标签,常见使用该类型的标签例如费用、占比等

多值型标签值

当标签值存在多个值时使用,常见使用该类型的标签例如兴趣爱好、喜爱话题等

日期型标签值

用于标签值为日期类型的标签,具体到日期,常见使用该类型的标签例如出生日期等

日期时间型标签值

用于标签值为日期时间类型的标签,具体到时分秒,常见使用该类型的标签例如更新日期等

AIPL模型

一种将品牌人群资产定量化、链路化运营的手段,A(Awareness)代表品牌认知人群;I(Interest)代表品牌兴趣人群;P(Purchase)代表品牌购买人群;L(Loyalty)代表品牌忠诚人群

5A模型

菲利普科特勒在《营销革命4.0》里提出的营销模型,A1 了解(Aware)指顾客被动接受信息;A2 吸引(appeal)指品牌印象增加的顾客;A3 问询(Ask)指被好奇驱使主动搜索信息的顾客;A4 行动(Act)指采取行动的顾客;A5 拥护(Advocate)指对品牌有忠诚度并进行宣扬的客户

RFM模型

模型通过对每个用户R值、F值、M值高低的评估,将其对应到不同的区间中去,从而将用户划分为8种用户价值类型,分别为:重要价值客户、重要换回客户、重要深耕客户、重要挽留客户、潜力客户、新客户、一般维持客户、流失客户。
R:最近一次消费(Recency),反映的是一个客户的活跃程度
F:消费频率(Frequency),反映的是一个客户的忠诚度
M:消费金额(Monetary),反映的是一个客户的贡献度

圈选条件“且”

满足所有规则或组合规则条件则视为符合标签规则

圈选条件“或”

满足任意规则或组合规则条件则视为符合标签规则

不包含

当前数据集的数据范围内不符合条件的用户

包含

当前数据集的数据范围内符合条件的用户

全局不包含

在全量用户(含未被打上该标签的用户)排除该标签值的用户(举例:如果全量用户100人,其中10人被打上“是否老年”标签:其中“是”4人、“否”5人、“其他”为1人。 那么选择该标签全局不包含 “是”,即选中96人。)

按离散数值划分标签值

直接使用指标计算结果值作为标签值

按数值区间划分标签值

基于指标计算结果值的阈值区间范围设置用户分层标签

4. 应用价值
  1. 基于用户生命周期阶段分层运营
  2. 基于指标拆解象限图,划分用户价值等级,明确运营目标
  3. 基于活动特征,定向选择用户群体,提升活动ROI

5.常见问题

Q1. 圈选组件中的聚合逻辑是否支持去重计数呢?

A :支持去重计数功能。支持行为表对文本型的数据进行去重计数,计算逻辑即:对行为表的指定事件下的去重的事件属性值个数做统计。
应用场景

  • APP访问(事件)城市(事件属性1)的去重个数和(事件属性2)省份的个数。
  • 基于SQL逻辑即:Select count distinct event_x_key1(事件属性1)。

说明

应用模块:本次聚合逻辑生效范围包括:规则标签、规则分群、个体画像、群体画像(选分群)、统计标签。

操作步骤
以规则标签为例,点击标签体系-新建标签-规则标签,进入规则标签创建界面。
图片
配置完成基础信息后,进入标签规则界面。可对明细数据类型进行去重计数统计。
图片
图片示例解释:若同一个用户id在七天内进行了>1次且购买金额>1000的购买,计算时候只计数该用户1次

Q2. 全量标签更新取值逻辑支持哪几种呢?

A :支持历史数据合并:更新标签时可选择保留历史数据,保持数据连续性。
B :支持全量数据更新:或选择基于最新规则重新计算,确保标签准确性。
图片

Q3. 日期类标签/属性可以用于“距今多少天”的计算吗?

日期类标签/属性支持配置1970年型日期型标签,配置后可以在分析等模块展示。
例如:日期类标签/属性,可以使用(如注册会员时间,生日,媒资发行年份等)用于“距今多少天”、“偏好”等计算。
图片