阿里达摩盘：如何运用“人货场”方法构建标签体系？

大家好，我是草帽小子~

用户标签是通过对用户基础信息、用户行为、业务信息等数据，进行数据建模所产生的用户特征。标签是用户画像、用户分层的基础，在画像产品的工作中，标签体系的建设处于核心位置。

之前草帽小子有分析对比过不同厂的标签体系建设方法，对比后会发现不同业务下标签体系的分类方法也不一样，具体见《干货 | 阿里/网易/汽车之家画像标签体系》，下面我们来深入看看阿里达摩盘的标签体系。

通常标签较多时，用户都会无从下手，就像是我们去到超市，要是货架上的商品杂乱无章，我们也难以找到自己想要的商品。因而超市的做法会将商品按品类或是用途来进行分类，方便用户寻找。

达摩盘标签体系的划分也使用了分类的方法，商家面对海量标签会无从下手，因而达摩盘将电商中“人货场”的方法运用于标签分类中，划分出用户特征、品类特征、渠道特征、私域特征，从而更好地满足商家的使用需求。

个体特征，包含基础特征、亲缘关系、地理位置、社会特征、消费特征、长期兴趣、策略人群。

例如，消费力分级标签：基于用户在淘宝的浏览、搜索、购买等行为，综合计算出用户的消费能力水平，并划分为5个等级，等级越高则表明消费能力越强。

品类特征，包含类目行为、类目客单价、类目消费力分级、类目消费决策导向、行业特征。这个类别构建了“人-商品”间的关系，跟《阿里达摩盘：画像营销洞察有哪5种玩法？》中的单品圈人类似。

例如，美妆行业特征标签：根据用户近60天在淘宝天猫，进行宝贝搜索和浏览收藏等互动行为时，所对应的宝贝属性，筛选出用户top30感兴趣的属性词，并经过算法加工后归纳到类目的属性特征人群。

渠道特征，包含搜索渠道、推荐渠道、活动渠道、内容渠道、站外渠道、广告渠道、天猫渠道。

例如，活动渠道行为标签：根据近30天用户在淘宝天猫活动渠道上，分类目的浏览、收藏等具体互动行为，进行偏好度计算，并按30%、40%、30%的比例进行高中低的偏好度打分。

在系统呈现层面，增加了标签热门指数、展现指数、点击指数、出价指数，可进行标签应用质量的评估。

增加了一些最新上线、实时标签、我的收藏、即将下线的一些分类，方便用户使用。

草帽小子：目前一些公开资料，只能看到前台的一些功能。而对于标签建设者来说，标签后台管理模块也至关重要，能够支持对标签进行新增、下架、修改、查看等。感兴趣的可以研究一些第三方CDP平台。

标签推荐模块，平台提供今日精选推荐、实时人群播报、标签排行榜、星耀精选、优质人群推荐服务，帮助商家快速选择合适的人群。

标签排行榜通过拉新场景榜、店铺用户运营榜、大促营销榜，从不同维度对标签进行排名，可以帮助商家在不知如何选时，参考热门标签。

系统推荐店铺潜客、店铺新客、店铺老客的显著特征，从而方便商家圈选人群。

标签上新也会进行推荐，这样标签上线容易被发现，不然会无人问津。

草帽小子：在上一个洞察模块《阿里达摩盘：画像营销洞察有哪5种玩法？》，我们也会发现有标签推荐的功能。很多团队在业绩汇报时，会说我们这个季度建设了多少标签，可能已经建设了上千个。但是在做标签应用时，会发现营销人员用起来难。

面对上千个标签，营销人员脑子也会一头雾水，到底什么场景下，使用什么标签才能更好？

最后很不幸的结果是，营销人员通常只会用几个平时用的比较多的标签，圈选出来的人群推送效果达不到最佳。标签产研团队最后也会被老板质疑，投入这么多精力开发上千个标签，一半以上的标签都没人用，你们怎么搞的？

因而，系统建设者需要结合一些运营模型，做到不同运营场景下的标签组合推荐。

不同业务标签体系划分的方式不一样，如电商业务使用的“人货场”标签体系、长租业务中是用“人房客”标签体系、汽车业务使用“人车“标签体系…尽管不同行业建设的标签体系千变万化，但不变的是标签体系的划分，要符合用户的使用习惯，方便用户寻找特定标签。