对于不同行业,他们所关注的价值指标具有一定差异性。例如在线教育行业可能关注持续活跃,再如社交电商中希望用户能够将商品分享到社群中,最关注的是分享次数……对不同行业的关键指标,也可以通过 RFM 分层思路找到各自场景下最有价值的用户。在设计价值分层标签时,标签是否便于理解也是值得关注的问题。例如累计付费金额 500 元,与累计付费金额属于“中等”,哪种标签容易理解?我们认为,应用于数据产品如推荐算法时,可以使用原始数值,保留精确的信息价值;如果是业务人员分析应用时,数值型的标签应该根据业务经验进行概括性的分层,以快速传递业务认知。
(2)生命周期生命周期的状态应该如何定义呢?一般来说,每一个可能产生流失的触点,都是生命周期的关键状态。“待激活新用户”经过激活后变成“活跃用户”,持续几天不活跃后变成“沉默流失用户”,这是比较通用的定义。例如在线教育行业,新注册的老师经过认证后,进行上传课件,在线授课,最后彻底离开平台……这都是用户生命周期的关键状态。
通常,如果我们定义了一个状态类的标签,还应该要定义状态改变的标签。生命周期状态标签能帮助我们主动触达用户的关键时间节点,挽救用户的流失,使他们完成完整的业务流程。(3)行为偏好如果产品提供服务较多元,需要为营销或产品改进寻找切入点时,可以重点梳理行为偏好主题的标签。简单地说,用户行为偏好,即是用户在关键事件上的关键选择。
例如用户搜索商品时选择筛选的类目,会影响用户最终是否做出付费这个关键业务决策。在这个例子中,「搜索商品」就是关键事件,「筛选类目」则是关键选择。我们可以梳理出常见的关键事件和关键属性,如用户搜索商品时出现类目的 top3,用户点击商品详情页出现最多的商品价格段的 top3,用户实际购买的商品出现付款方式的 top3……这么一看,关键的事件和属性都很多。
在制定用户偏好标签时,可以按照以下几个原则选择:原则一:用户做得最多的事件是越可靠,成本越高的事件越可靠。在定义行为偏好标签时,前提要有足够的事件量,像“收藏”这种事件可能数量相对较少时,可以通过“点击详情页”这种覆盖面较广的常用动作去定义行为偏好。另一方面,用户做决策的成本越高,则这个关键事件就越可信,“付费”是用户成本最高的事件,因此通过“付费”这一关键事件的关键属性来定义用户的行为偏好准确率会较高。
实际分析应用时,要综合考虑标签的覆盖面和可信度。当我们分析老用户或者复购用户时,可以使用“付费”偏好标签;而对于未曾购物的用户,则只能用“点击详情页”偏好标签了。原则二:基于运营动作周期去制定不同时间范围的用户偏好标签。如果最近一个月用户点击商品详情页出现类目最多是鞋子,但是当数据时间放宽到半年时,用户点击类目最多的是衣服,那么我们应该发衣服的优惠券,还是鞋子的优惠券?一般来说,运营活动具有一定业务周期。