1. 用户标签的分类

1.1. 按照维度划分

• 自然属性

• 商业属性

• 行为属性

• 价值属性

1.2. 按照层级划分

• 主分类标签
  • 一级标签
  • 二级标签
  • 三级标签
• 业务标签
  • 四级标签
• 属性标签
  • 五级标签

1.3. 按照生成方式划分

• 事实标签
  • 属性标签：
    • 可以直接提取
    • 包括一些基本信息，比如：年龄、性别、城市、职业等
  • 事实标签：
    • 可以从用户数据、行为数据、消费数据中统计得出
    • 这些标签来自基于行为数据的统计信息，比如：1日登录次数、7日登录次数、7日下单次数等
  • 事实标签，构成了用户画像的基础
• 规则类标签
  • 又叫：建模标签
  • 在统计指标基础上通过规则生成，是对统计类指标的有效补充
  • 需要基于用户行为自定义规则
    • 比如：
      • 活跃用户，定义规则为每天登录一次以上的用户
      • 高净值用户，消费总额在某个阈值以上
  • 在开发过程中，运营人员对业务更熟悉，数据维护人员对数据结构、分布、特征更熟悉，所以多数时候由运营人员和数据人员共同搭建维护；
• 预测类标签
  • 又叫：机器学习标签
  • 是非确定性标签（前两项都属于确定性标签）
  • 需要基于已有的信息“预测”用户特征，需要挖掘才能获得
  • 实际开发过程中，这类项目开发周期长、成本高，属于探索性项目
    • 有些公司使用外包人员、手动打标签，效果可能会更好、而且投入也很低

1.4. 按数据类型划分

• 数值型
  • 这些标签都是按照一定的规则统计生成的，均是数值型标签，其实本质上和指标没有太大区别。
  • 如：
    • 用户最近7天购买金额
    • 用户近1天浏览次数
  • 统计方式：
    • 计数
    • 求和
    • 最值
    • 均值
    • 中值
  • 组成公式：
    • 时间范围 + 行为方式 + 统计方式
• 单值枚举型
  • 最大特征是一个用户在这个标签中，只能有一个选项值；
    • 如：性别
      • 男
      • 女
      • 未知
    • 和数值型标签的区别在于：
      • 单选型标签的选项值是可穷举的，是离散的。
    • 生成方式
      • 可以是用户自己填写生成的；
      • 也可以是通过数值型标签进行加工、或者算法模型生成的；
    • 例如：
      • 用户的生命周期，通过模型计算分析推导出来；
      • 用户肯定是处于【成长期】、【成熟期】、【衰退期】、【沉睡期】其中的一个，不可能属于两个或者多个。
• 多值型枚举型
  • 和单选型标签的区别就在于，一个用户可以有多个值。
  • 复选型标签也是离散值，选项是可穷举的。
  • 例如：
    • 用户的收货城市，用户可以有多个城市；
• 文本型标签
  • 这类标签最大的特征，是不连续、且不可穷举。
  • 例如：
    • 用户常用热搜词，每个用户都可以有自己的常用热搜词，但热搜词的数量是巨大的，不能像单选型标签或者复选型标签那样，几个、甚至最多几十个选项，就能覆盖所有。

2. 用户标签落表建模

2.1. 用户标签命名方式

• 标签主题：
  • 用于刻画属于那种类型的标签，
  • 如：
    • 用户属性、用户行为、用户消费、风险控制等多种类型，可用A、B、C、D等字母表示各标签主题；
• 标签类型：
  • 标签类型可划为分类型和统计型这两种类型，其中分类型用于刻画用户属于哪种类型，如是男是女、是否是会员、 是否已流失等标签，统计型标签用于刻画统计用户的某些行为次数，如历史购买金额、优惠券使用次数、近30日登陆次数等 标签，这类标签都需要对应一个用户相应行为的权重次数；
• 开发方式：
  • 开发方式可分为直接统计型开发和算法预测型开发两大开发方式。其中：
    • 直接统计型开发，可直接从数据仓库中各主题表建模加工而成；
    • 算法预测型开发，需要对数据做机器学习的算法处理得到相应的标签；
• 是否互斥标签：
  • 对应同一级类目下（如一级标签、二级标签），各标签之间的关系是否为互斥，可将标签划分为互斥关系和 非互斥关系。
  • 例如对于男、女标签就是互斥关系，同一个用户不是被打上男性标签就是女性标签，对于高活跃、中活跃、低 活跃标签也是互斥关系；
• 用户唯一标识：

  • 用于刻画该标签是打在用户唯一标识（userid）上，还是打在用户使用的设备（cookieid）上。可用U、C等字 母分别标识userid和cookieid维度。

    

• 标签命名示例：

2.2. 用户标签需求描述

• 标签id
• 标签名称
• 标签汉语
• 标签主题
• 一级标签id
• 一级标签
• 二级标签id
• 二级标签
• 标签类型
• 开发方式
• 是否互斥
• 更新频率
• 标签算法规则描述

3. 用户价值标签

3.1. RFM

• 最近一次消费 (Recency)
  • 理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。
  • 示例：
• 消费频率 (Frequency)
  • 最常购买的消费者，忠诚度也就最高。
  • 示例：
• 消费金额 (Monetary)
  • 消费金额越高，客户价值越高。
  • 示例：
• 口径规则

  • 注意：理论上M值和F值是一样的，都带有时间范围。

  • 示例：
    • 
• 维度交叉分析
  • 八类人群
    • 重要价值客户（111）
      • RFM都很高，提供VIP服务。
    • 重要保持客户（011）
      • 最容易转化成第一类客户的群体，一定要想办法提高他们的消费频率。
    • 重要发展客户（101）
      • 主动保持联系，提高复购。
    • 重要挽留客户（001）
      • 客户消费频率低和最近消费时间间隔比较远，但是消费金额高，这种用户即将流失，要主动联系用户，调查问题出在哪里，想办法挽回。
    • 一般价值客户（111）
    • 一般保持客户（011）
    • 一般发展客户（101）
    • 一般挽留客户（001）
    • 
    • 示例：

3.2 流失

• 流失定义
  • 回访率：
    • 30日内，首次访问用户，回访的比率。
  • 流失率：
    • 30日内，首次访问后，无回访的既是流失用户。

3.3. 活跃

• 活跃度：
  • 高，0.2
  • 中，0.16
  • 低，0.64

  • 遵循：二八原则。

4. 用户属性主题标签

• 性别
  • 释义：身份证标识的性别
  • 标签：
    • 男
    • 女
    • 其他未知
• 省份
  • 安徽
  • 北京
  • …
• 年龄/分层
  • 释义：对平台用户年龄进行分群分析
  • 标签：
    • 新生婴儿0~28天
    • 婴儿（28天~1年）
    • 幼儿（1~4年）
    • 儿童（5~13）
    • 少年（14~18）
    • 青年（19~44）
    • 中年（45~59）
    • 老年（60以上）
• 电话号码所在区域/分层
  • 释义：一二三四线城市 or 城乡标识
  • 标签：
    • 一线
    • 二线
    • 三线
    • 四线
    • 乡镇
    • 城郊
    • 农村
• 是否临时账户
  • 释义：为第三方账号登录，没有进行过账号验证绑定的账号
  • 标签：
    • 是
    • 否
• 注册时间
  • 释义：用户的注册日期，格式yyyy-mm-dd hh:mm:ss
  • 标签：
    • 2022/9/25 11:10
• 新老用户标识
  • 释义：基于用户注册时间及订单业务情况建模分析
  • 标签：
    • 新用户
    • 老用户
• 教育程度
  • 释义：用户的学历信息
  • 标签：
    • 博士及以上
    • 研究生
    • 本科
    • 大专
    • 高中
    • 初中及以下
• 身高
  • 标签：
    • 175cm
• 体重
  • 释义：
  • 标签：
    • 65kg
• 职业类型
  • 白领
  • 学生
  • 个体
  • 公务员
  • 工人
  • 农民
• 收入水平
  • 释义：根据各因子模型预测用户收入等级
  • 高
  • 中
  • 低
• 星座
  • 释义：根据用户生日进行分群
  • 白羊/金牛/双子/狮子等12星座
• 婚姻状况
  • 释义：根据各因子模型分析结婚与否
  • 标签：
    • 是
    • 否
• 生育状态
  • 释义：根据各因子模型预测用户生育情况
  • 标签：
    • 未生育
    • 备孕
    • 怀孕
    • 已生育
• 是否有老人
  • 释义：识别是否有60以上
  • 标签：
    • 是
    • 否
• 是否有小孩
  • 释义：识别是否有小于10岁以下
  • 标签：
    • 是
    • 否
• 是否二胎
  • 释义：是否有2个小于10岁以下
  • 标签：
    • 是
    • 否

5. 用户行为主题标签

• 订单评价
  • 好评
  • 中评
  • 差评
• 现金券使用次数
• 现金券使用额度
• 虚拟现金券使用次数
• 虚拟现金券使用额度
• 邀请注册量
• 邀请新客量
• 首单营销方式
  • 首单正常购买
  • 首单免费礼物
  • 首单新人价商品
  • 首单优惠券
  • 首单新人专享优惠商品组
  • 首单红包
• 近30天行为
  • 近30天购买次数（含退拒）
  • 近30天购买金额（含退拒）
  • 近30天购物车次数
  • 近30天购物车放弃数
  • 近30天购物车提交商品数
  • 近30天客单价
  • 近30天活跃天数
• 近7天行为
  • 近7天购买次数（含退拒）
  • 近7天购买金额（含退拒）
  • 近7天客单价
  • 近7天购物车次数
  • 近7天购物车放弃数
  • 近7天购物车提交商品数
  • 近7天活跃天数
• 单笔订单最小金额
  • 单笔订单最小金额
  • 单笔订单最大金额
• 首单距今时间
• 尾单距今时间
• 营销方式敏感度
  • 满减
  • 满返
  • 满赠
  • 拼团
  • 多件多折
  • 免费礼物
  • 现金券
• 访问深度
  • TODO
• 购买阶段近5日
  • 加购未下单
  • 下单未支付
  • 浏览未购买
  • 未付款成功
• 高频活跃时间段
  • 上午
  • 中午
  • 下午
  • 晚上
  • 凌晨
• 购买品类
  • 购买品类单一
  • 多品类购买
• 邮件渠道活跃
  • 打开活跃度
  • 转化活跃度
  • 转化偏好
• 邮件渠道活跃时间段
  • 上午
  • 中午
  • 下午
  • 晚上
  • 凌晨
• 短信渠道活跃
  • 打开活跃度
  • 转化活跃度
  • 转化偏好
  • 时间偏好
    • 上午
    • 中午
    • 下午
    • 晚上
    • 凌晨
• push活跃
  • 周活跃度
  • 月活跃度
  • 时间偏好
    • 上午
    • 中午
    • 下午
    • 晚上
    • 凌晨
• 渠道黑名单
  • EDM黑名单
  • EDM灰名单
  • SMD黑名单
• 最近下单距今天数
• 最近加购距今天数
• 站内广告偏好
  • 悬浮
  • 弹窗
  • 首页轮播
  • 站内信
  • …

• 商品

• 近7天行为
  • 最近7天浏览次数最多的未购买的类目(三级类目）
  • …
• 近3天行为
  • 最近3天浏览次数最多的未购买的类目(三级类目）
  • 最近3天搜索未购买的类目(三级类目
  • …
• 近1天行为
  • 最近1天订单情况（24小时后）
  • …
• 最近行为
  • 最近一次搜索未购买的类目(三级类目）
  • 最近一次收藏商品类目(三级类目）
  • 最近一次访问app日期
  • 上一次支付成功距今天数
  • …
• 历史行为
  • 历史收藏商品中数量最多的类目(三级类目）
  • …
• 收藏属性
  • 收藏商品发生降价
  • 收藏商品库存不足20件
  • 收藏商品参与商品组优惠活动
  • …
• 购物车属性
  • 购物车商品金额
  • 购物车商品发生降价
  • 购物车商品参与商品组优惠活动
  • 购物车商品数目最多的类目(三级类目)
• 活跃地
  • 最近7日常登陆地

6. 用户偏好

6.1. 价格敏感度

• 低
• 中
• 高

6.2. 优惠偏好

• 优惠券
• 折扣
• 赠品
• 满减
• 包邮

6.3. 品类偏好

• 层级
  • 一级品类
  • 二级品类
  • 三级品类
  • 四季品类
• 类目
  • 白酒
  • 西餐
  • 游戏手柄
  • 单反相机
  • 等等

6.4. 主题偏好

• 户外
  • 露营
  • 徒步
  • 野钓
• 车友
  • 越野
  • 环游
  • 自驾游
• 美妆
  • 发型
  • 抗衰
  • 去皱纹
  • 去法令纹
  • 祛斑
• 穿搭
  • 西装
  • 机能风
  • 仙女
  • 纯欲
  • 职场风
• 发烧友
  • 航模
  • 无线电
  • 手办
• 美食
  • 西餐
  • 粤菜
  • 轻食
  • 减脂餐
  • 方便菜
• 宠物
  • 营养餐
  • 猫奴
• 等等

6.7. 渠道偏好

• 站内广告
• 站外
• 小红书种草
• 天猫
• 聚划算
• 促销活动
• …

  6.6. 广告内容偏好

• 折扣
• 品类
• 新品
• 热销

6.5. 购买行为偏好

• 闪购
• Category页面
• 新品
• 包邮
• best deals
• 促销
• 搜索

6.6. 购买单价偏好

• 偏好低价
• 中等价位
• 高价位

6.7. 店铺偏好

• 店铺星级
• 店铺评分
• 探新店
• 店铺风格
• 经营年限
• 店铺区域

7. 用户价值标签

7.1. 用户资产

• 手机品牌
  • 高档
  • 中档
  • 低档
• 汽车资产
  • 高档
  • 中档
  • 低档
• 房产
  • 有房
    • 位置
      • 一线城市
      • 二线城市
      • 三线及以下城市
    • 区位
      • 中心区
      • 郊区
  • 无房

7.2. 用户等级

• 会员
  • 购卡激活会员
  • 积分试用会员
  • 赠送会员
  • 补偿会员
  • 历史会员
  • 非会员
  • 白银会员
  • 黄金会员
  • 白金会员
  • 钻石会员
• 用户身份
  • 超级用户
  • 金牌用户
  • 银牌用户
  • 铜牌用户
  • 正式会员
  • 试用会员
  • 赠送会员
• 用户价值
  • 购买客单价
  • 下单次数
  • 首单用户

7.3. 生命周期

• 安装距今天数
  • 7 天内
  • 7 ~ 30 天
  • 30 ~ 180 天
  • 180 天以上
• 注册状态
  • 已注册
  • 未注册
• 历史购买状态
  • 购买过
  • 未购买过
• 预流失用户
  • 高风险
  • 中风险
  • 低风险
• 老用户召回
  • 是
  • 否
• 投诉后流失用户
  • 是
  • 否
• 第一次购买后流失用户
  • 是
  • 否
• 最近一次活跃距离今天天数
  • 7 天内
  • 7 ~ 30 天
  • 30 ~ 180 天
  • 180 天以上
• 最近一次购买距离今天天数
  • 7 天内
  • 7 ~ 30 天
  • 30 ~ 180 天
  • 180 天以上

7.4. 用户购买力

• 重复咨询
  • 高频
  • 中频
  • 低频
• 购买风格
  • 搜索购买型
  • 浏览购买型
  • 促销购买型
• 平均客单价
  • 高价格段
  • 中价格段
  • 低价格段
• 购买价格段偏好
  • 高价格段
  • 中价格段
  • 低价格段
• 账户优惠券
  • 账户内是否有可用优惠券
  • 账户内可用优惠券到期日期（有多个优惠券）
  • 账户内积分值
• 支付偏好
  • 银行卡
    • 信用卡
    • 储蓄卡
  • 支付宝
    • 花呗
    • 余额
  • 微信
  • 白条
  • …

7.5. 用户诚信度

• 用户诚信度
  • 高诚信
  • 无异常
  • 低诚信
• 用户忠诚度
  • 新用户
  • 熟客
  • 高忠诚
• 退货频率
  • 高频
  • 中频
  • 低频
• 投诉频率
  • 高频
  • 中频
  • 低频

7.6. 用户活跃度

• 活跃状态
  • 高活跃用户
  • 中活跃用户
  • 低活跃用户
  • 流失用户
• 消费状态
  • 购买次数
  • 平均购买金额
  • 最近一次购买间隔
• 活跃度
  • 高
  • 中
  • 低
• 购买活跃度
  • 高
  • 中
  • 低
• 流失度
  • 高
  • 中
  • 低

7.7. RFM

• 重要价值用户
• 重要发展用户
• 重要保持用户
• 重要挽留用户
• 一般价值用户
• 一般发展用户
• 一般保持用户
• 一般挽留用户

8. 用户风控主题标签

• 异常挂起子单数
• 终结类型
  • 连签1单
  • 连签2单
  • 连签3单
  • 连拒1单
  • 连拒2单
  • 连拒3单
• 签收率
• 联系不上率
• 历史付款失败订单数
• 问题类型
  • 退货率
  • 赔付率
  • 退换货 / 货品异常
  • 多账户使用同样的收获地址
• 问题来源
  • 邮件表单渠道
  • 客服客诉电话
  • 商品评价
  • 商品退换货
• 是否问题用户
  • 问题用户
  • 非问题用户
  • 未知用户
• 问题反馈时间
  • 最近一次问题反馈时间

• Previous
  用户画像：如何验证用户画像的准确性
• Next
  用户画像：标签模型开发流程