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