建立一个完整的标签体系需要注重四点：了解标签的获得形式；清楚业务形态，以商业目的出发，汇集标签；对标签池进行分类和定义；标签的维护。下面我将一一展开：

图 1 如何建立一个完整的标签体系

1.了解标签的获得形式

图 2 了解标签的获得形式

首先我们都知道标签本身会有很多分类，但是从它的实现规则来看，大致可以分成以下几类：

（1）基于统计类的标签

顾名思义，这类标签是可以从用户注册、用户访问、消费类数据中统计得出，是最为基础的标签类型，例如，性别、城市、App 使用时长、周均启动次数、月均消费金额等字段构成了用户画像的基础。

（2）基于规则类的标签

该类标签基于用户行为及确定的规则产生，在实际开发标签过程中,该类标签的规则由运营人员和数据人员共同协商确定。如，距今 90 天内交易次数 > 3，是“交易活跃”标签的定义和口径；连续 12 个月内飞行航段 > 20 ，是“常旅客”标签的定义和口径。

（3）基于挖掘类的标签

该类标签为概率模型，概率是介于 0~1 之间的数值，需要通过算法挖掘产生。例如，根据一个用户的行为习惯判断是男性还是女性，根据一个用户的消费习惯判断其对某商品的偏好程度。

需要注意的是数据源的梳理和基础规则的应用是应用挖掘类标签的前提。如果企业的数据源没有做规则，基础没打好，挖掘类标签可以暂时不考虑。因为建立规则仿佛在搭建一个小阶梯，如果这个阶梯搭好，证明你的数据质量和存在应用提升空间，你再往上提一阶是比较合理的方式，因为这里会涉及到成本的投入和人员的应用能力，这是个循序渐进的过程，包括我们给客户服务的时候都会给他强调存在阶梯式递进的过程。

另外，图中的用户自然属性、用户交易数据、用户资产数据、用户行为特征、第三方来源数据是基于数据源或具体的业务场景做的标签分类，事实上，最终呈现的标签，一般都是以业务视角的，标签与应用场景，以及统计的属性源会都有关联。之所以这样做，是因为这样的标签是以用户视角定义的，让用的人知道这个标签代表了什么含义，而不是了解通过什么方式抽取的。所以，我们真正给客户梳理标签的时候大多都是基于用户视角梳理。

2.清楚业务形态，以商业目的出发，汇集标签

（1）还原业务流程

图 3 还原业务流程

用户画像首先是基于业务模型的。业务部门连业务模型都没有想好，数据部门只能巧妇难为无米之炊。但是数据部门也需要注意不能闭门造车，这其实跟做产品一样，连用户需求都没有理解透彻，匆匆忙忙上线一个 APP，结果往往是无人问津。因此，企业构建标签的第一个步骤为熟悉业务。

事实上，我们在给客户做咨询的时候，有的客户刚开始会认为我们没有做过他的业务，并不清楚其业务形态，无法精准的梳理标签体系，但是，很快他们就会打消这个念头。因为我们做咨询的人会有一个体系化、方法论和迁移能力。

例如，我在进入互金行业之前是做游戏行业的，但在两个月之内我对互金产品体验和对这个行业的把握可以达到在这个行业做了三年都达不到的水平。为什么呢？我会试用行业头部所有的产品，去真的做投资，把它们的产品体验和营销策略梳理出来，并在这个过程中运用之前学到的体系和方法论对这个应用场景做调整，事实上，你会发现真正做咨询和用户本身对业务的理解是互相匹配的过程。做业务的人很可能对这块业务相对熟悉的，但是他对怎么把这套东西体系化和交付给其他人去应用会比较陌生。所以，这也是企业需要咨询的价值。

（2）明确商业目的

图 4 明确商业目的

这一步是需要明确标签是用来干什么的。每个公司，甚至每个运营对标签体系的设立都是非常不一样的。比如企业要做个性化推荐，做关于物或人的兴趣、偏好的标签会比较有价值，但是如果企业要做用户运营，做关于用户的留存、活跃标签会更有价值。所以标签体系的建立最终是跟企业的商业目的强相关的。

（3）汇集标签

图 5 从策略推标签

关于汇集标签，需要结合企业的运营策略和应用场景，使用户人群的定义归结到原子层的标签，考虑到涉及哪些数据源和标签赋值的区分度，这些最终会成为企业标签体系架构和标签数据源的梳理原则。

3.标签的分类与定义

图 6 标签的分类

上图是一个相对通用的标签体系架构，虽然并不一定适合每一家企业，但在梳理标签和画像时，这是一个很好的参考框架，通过这个框架给企业梳理业务场景和目标，再反向设计标签，但是标签的设计与应用一定要基于对业务和架构的理解。

这个框架实际上应用了分类的概念，它会涉及到标签生成规则、所属的标签层级具体到属性参数等，这些都会标注在系统里。但是，神策数据给客户咨询，最终更多是结合应用场景给到客户，如标签归属在哪个层级，哪个业务体系，基本上是给具体应用的人看的最直接的标签体系。

图 7 标签的定义

4.标签的维护

标签的维护往往是容易被忽视的重点。事实上，标签也具有生命周期，从需求提出、到生成、到审批、到执行。

对于很多企业来说，生成一期标签并不难，我们有很多客户自己梳理了三四百或者上千的标签，但是这些标签被生成之后，并没有明确的更新规则，更新规则包括：标签更新周期，如实时更新、每月更新等；标签更新维度，在什么情况下触发对具体用户的更新，如什么情况下更新某类用户的风险评级；标签更新权限，如哪些人可以更新这个标签库；无用标签的淘汰，如标签库内只会使用到 60 个标签，但是标签库中有 90 个标签，其中有很多无效标签占用资源等。所以标签维护是非常重要和系统的工程。

但是，很多企业没有意识到这一点，或者意识到了却最终不了了之。这里打个广告，神策数据的标签系统会提供任务监控和审批管理，每天定时更新标签的最新情况，还有具体的管理界面。

图 8 标签的维护

以上就是构建标签体系的几个关键点，事实上好的标签设计应具备以下特征：

图 9 标签设计特征

我还想强调一点，企业应该以终为始，用业务需求倒推标签设计，而不是有什么样的数据就生成什么样的标签非常重要，这两个思路的本质差异是企业是以目的为导向，还是以系统为导向，如果只是以系统为导向，很难做出有价值的产物，所以我们非常强调业务部门和技术部门的互动，生成标签不只与 IT 部门有关，还于业务使用场景强相关，关于标签体系的构建我做了一个总结，如下图：

图 10 完整的标签体系建立流程

温馨提示：关注神策数据公众号，回复《标签体系应用及设计思路》可获得完整版PPT

关于神策数据

神策数据是专业的大数据分析平台服务提供商，致力于帮助客户实现数据驱动。公司围绕用户级大数据分析和管理需求，推出神策分析、神策客景、神策自动化运营、神策智能推荐等产品。神策分析是深度用户行为分析平台，支持私有化部署、基础数据采集与建模，并作为 PaaS 平台支持二次开发，同时还支持用户精准分群，用户标签体系的构建；神策客景是基于行为数据的客户全生命周期分析平台，创造性将用户行为数据融入客户生命周期的管理与分析，实现客群健康度分析，流失预警等重要价值，并应用到企业服务、工具软件等多个领域；神策自动化运营是基于分群标签的全流程运营闭环分析系统，通过用户精准分群、灵活创建并管理营销活动计划，一键执行计划触达用户，并实时分析活动效果，真正形成自动化、精细化的运营闭环；神策智能推荐是基于用户行为分析的全流程智能推荐系统，帮助企业实现对用户“千人千面”的个性化内容推荐，改善用户体验，持续提升核心业务指标（如下图）。

图 15 神策产品及服务体系

此外，还提供大数据相关咨询和完整解决方案。神策数据积累了中国银联、中国电信、百度视频、百联、万达、小米、中邮消费金融、广发证券、中原银行、百信银行、聚美优品、中商惠民、纷享销客、Keep、36 氪、中青旅、平安寿险、链家、四川航空等 500 余家付费企业用户的服务和客户成功经验，为客户全面提供指标梳理、数据模型搭建等专业的咨询、实施和技术支持服务。