从0到1搭建车企数字化营销中台(5):用户标签-阿里云开发者社区

开发者社区> 人工智能> 正文
登录阅读全文

从0到1搭建车企数字化营销中台(5):用户标签

简介: 数字化营销以用户为中心,通过数字化的手段来实现整个营销过程,其中识别和洞察最为核心,用户标签作为洞察用户的工具,决定这数字化营销的成败。

1、为什么需要用户标签
我们将数字化营销分为四大模型:数字化识别与洞察、数字化触达与连接、数字化沟通与互动、数字化转化与激励,其中的核心是识别与洞察用户,洞察用户的方式是将用户在全旅程的营销过程数据标签化,形成用户画像,精准的找到营销的目标人群,实现精准转化,用户标签维度的丰富度将决定对用户洞察的深度。

2、用户标签是怎样的
1)按业务分类:共10大类,人口属性、位置属性、设备属性、客户属性、会员属性、行为属性、消费属性、活动属性、内容属性和社交属性;
用户标签.png
2)按照开发复杂度来分类:基础标签、统计标签和算法标签
基础标签:不用做任何计算,直接赋值的标签,比如年龄、性别、学历等;
统计标签:需要进行简单的统计计算的标签,如近7天访问次数、近30天阅读次数等;
算法标签:统计机器学习算法进行模型训练输出的模型类标签,如线索评级、车型偏好等

3)按照数据源来分类:一方数据生成的为一方标签、二方数据生成的为二方标签、三方数据生成的为三方标签;
一方标签:主要以车企自有业务系统产生的业务数据来生产标签,比如用户中心主要加工用户基本信息相关标签,APP主要加工行为属性相关标签等;
二方标签:主要是将广告投放后产生投放数据、点击数据、效果数据进行标签化,将公域投放的数据和私域运营的数据打通;
三方标签:主要是外部合作的数据源进行标签化,一般外部主要是在合规情况下进行数据共享或者联合建模,以补充用户其他维度的标签来丰富用户滑行,以达到更精准转化的目的;

3、怎么开发用户标签
根据开发复杂度划分的基础标签、统计标签和算法标签分别对应底层不同的技术架构,主要分为非算法类开发方式和算法类开发方式。
标签开发.png
1)非算法类开发方式:
主要利用大数据平台进行开发,包含数据集成、数仓建模、数据开发、聚合标签宽表、标签输出
数据集成:主要是通过数据同步工具,将一方、二方和三方数据同步到大数据平台;
数仓建模:通过维度建模方法进行数仓分层建模,形成ODS、DWD、DWS、ADS层
数据开发:根据标签的业务过程,拆解原子指标、计算方法(求和、平均)和修饰词(时间窗口),通过SQL脚本进行开发;
聚合标签宽表:各个维度标签进行聚合形成用户标签宽表;
标签输出:标签宽表输出后服务化,对外提供使用;

2)算法类开发方式:
主要利用机器学习平台进行开发,包含业务理解、样本定义、数据准备、特征工程、模型训练、模型评估、模型部署;
建模过程.png
业务理解:主要是定义模型要解决的业务问题,确定模型要达到的目标;
数据理解:系统的探索模型相关的源数据,结合业务梳理相关数据口径,形成对数据的全面认知;
数据准备:主要是数据EDA(探索性数据分析)工作,主要包含查看数据分布、缺失率分析等;
特征工程:特征工程指的是把原始数据转变为模型的训练数据的过程,它的目的就是获取更好的训练数据特征,使得机器学习模型逼近这个上限;
模型训练:根据相关算法使用样本进行模型训练,常用算法有分类(逻辑回归、决策数等)、聚类(kmeans、支持向量机)等;
模型评估:主要是用相关指标来评估模型好坏,如精确率、召回率、AUC等;
模型部署:将模型服务化,通过输入需要的数据后直接输出模型结果;

4、怎么应用用户标签
用户标签形成对用户的完整画像,主要应用在精准营销场景,这也是数字化营销的价值所在,如下图精准营销的场景,通过在什么时间、什么渠道、给什么人群、推什么权益来为用户提供更好的营销体验,从而实现车企的营销增长。

作者:赵松,微信公众号:松果子聊数字化,数跑科技营销增长平台产品线负责人、阿里云大数据MVP,前阿里影业数据产品专家,7年数字化从业经历。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
人工智能
使用钉钉扫一扫加入圈子
+ 订阅

了解行业+人工智能最先进的技术和实践,参与行业+人工智能实践项目

其他文章
最新文章
相关文章