转载 做数据分析为什么梳理标签体系很重要？

做数据分析为什么梳理标签体系很重要？在提升能力是要先会打一个标签再掌握整个体系。围绕某个业务实现业务闭环操作的若干个标签组合，称为标签体系，单一的标签没办法满足闭环操作的需求，因此需要标签体系。

一、什么是标签“体系”?

围绕一个业务场景实现业务闭环操作的若干个标签组合称为标签体系。单一的标签没办法满足闭环操作的需求需要标签体系。

想要促使用户消费需要掌握用户的行为：分析用户、选择渠道、创作广告、选择商品、给予优惠。这样至少得五个标签才能把“发一条信息提醒用户来消费”这件事给办成了。这就是围绕：发信息促成用户消费场景下的，一个简单的标签体系：

二、为什么需要体系?

单独的标签很难发挥作用，多个标签更能发挥作用，因此需要体系化设计；业务部门经常各自为政，如：同样是“潜力用户”运营、产品、内容各自搞一套定义；一个叫“高价值”，一个叫“高成长”看似不同标签实则一个算法。而实际做项目的时候又需要几个部门合作。没个统一的说法那场面真是鸡同鸭讲，最怕的是会自说自话讲半天。

三、如何梳理标签体系

有了梳理指标体系的经验，再来梳理标签会很容易分为五步：

第一步：明确业务场景(有明确的对象、目标、流程)。

第二步：把相关业务方都拉进来，一起讨论。

第三步：把有关对象、流程的，和分类有关的问题，集中讨论。

第四步：筛选出重要的分类维度固定成标签。

第五步：给这些标签起名字，定好使用环节。

这里的第一步，第二步和梳理指标体系是相同的，重大区别是第三步。打标签是为了突出重点找出重要的分类情况，因此最看重的是：有多少种分类?and 哪种分类对你最有意义?

还拿开头的“发信息促成用户消费场景”举例。这个场景一共有5个重要环节，梳理标签体系，要一个环节一个环节来看。比如第一个环节：分析用户。可以问各个业务方：

哪一类用户大家最关心?

这一类用户有何意义?

大家想如何定义?

注意即使同一批用户，有可能关注点不同打的标签就不一样。比如：

运营部门可能重点关注谁会流失，觉得不流失的也不用管；

商品部门可能重点关注新品偏好，为今年新品找潜在用户；

产品经理可能重点关注会不会买，做高购买路径是刚需。

这时候应该分三个方向先单独讨论清楚打好标签。然后再三个部门坐下来共识：是否可以接受对方标签，是否有修改意见：

如果真的像上边假设的情况，大家各扫门前雪，那反而轻松了。最怕的是，大老板想“减少用户流失”，然后各个部门关于“流失”的定义，吵得一塌糊涂，谁都不肯让步。

这时候有个和稀泥的办法， 就是把他们提的各种逻辑，按MECE法梳理出来，然后全!部!做!出!来!用的时候大家各取所需。或者更好的方案是，让他们各发神通，打出个主仆尊卑来，然后咱再听令行事。

最怕的是不吭声，然后任由他们自说自话，最后：请数据分析给一个公平公正公开所有人都能接受的完美方案……这么搞最后就是做数据的小可怜儿改了几十版还是被某些人吐槽：不完美呀。

总之当五个部分标签都打好后，业务在每个环节选择标签组合方案。

四、标签体系的价值

可能有的小伙伴会问：不打标签行不行？反正标签也是一系列规则/算法的计算结果，每次都写sql捞数不也一样。

只做一次确实可以这样，但这样并不好：效率低下，很多标签是可以重复使用的，每次都写规则太麻烦；缺少积累，“高潜力”“高频互动”“促销敏感”等问题，无从对比验证，积累不了经验；无法迭代，一堆散乱的规则咋迭代。有一个明确目标就能想各种办法迭代升级，推动标签从简单的规则计算向建模方向发展。