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。之所以需要标签体系，是因为单一的标签没办法满足闭环操作的需求。比如上一篇中，小熊妹津津乐道的“促销敏感型”标签，虽然区分度高，但是孤零零拿这一个标签又能干啥呢？啥也干不了。

想要促使用户消费，至少得：

• 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（如下图）。

二、为什么需要“体系”？

一来，单独的标签很难发挥作用，发挥作用需要考虑多个标签。这就需要体系化设计。

二来，业务部门经常各自为政。比如：

• 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，又需要几个部门坐下来一起谈。没个统一的说法，那场面真是鸡同鸭讲，乱七八糟。最怕的是，他们会自说自话讲半天，最后全部甩给我！说“做数据的来分析分析……”分析啥呀，连对象都没统一呢！

所以，为了保住饭碗为了有效推动业务工作，更得体系化设计了。

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，它分为五步：

• 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，就是为了突出重点，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，就是不！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。天啊，我要打住了，再吐槽下去要歪楼了。

总之，当五个部分标签都打好以后，业务就能在每个环节选择标签组合方案了。

四、标签体系的价值

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

只做一次的话，确实可以这样，但是这样并不好：

• 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。
  

而以上三点，也是标签体系的优势：效率高、可积累经验、可迭代升级。所以想做得深入，一定是需要建标签体系的。只是在这个过程中，大家会发现：沟通太重要了！沟通不好，一切白费，因此下一篇我们来分享《数据分析7大能力之沟通能力》敬请期待哦。喜欢的话，记得转发+点赞+在看，鼓励下小熊妹。谢谢大家。