火山引擎VeCDP： 如何0-1构建与应用标签体系
本次介绍会围绕下面的内容展开：
1. 标签及标签体系介绍
2. 标签体系的核心设计思路
3. 标签体系建设流程与方法论
4. 标签应用的价值与典型案例
5. Q&A
01
02
标签体系的核心设计思路
在建立整体的标签体系之前，第一步是做好标签的设计。
标签设计，需要梳理好整个数据的流程，业务的场景。
在做营销活动的时候，会用到两个核心对象，第一是标签，第二是群组。接下来介绍一下这两者之间的关联和区别。
标签主要是提取客户特征，对客户进行一些画像洞察。群组主要是针对某场营销活动，圈选某个客群进行营销和分析。前者是进行特征的抽取，后者是做服务与活动。由于标签是特征的提取，所以在系统中留存的时间会更长。而群组主要是为了某个活动，服务完该活动，其生命周期理论上就结束了。另外一般对于品牌方或者说企业主而言，标签是数据分析师或IT人员去构建的。而群组，可能更多的是运营这样的业务角色去使用。概括而言，标签更多是面向客户数据的抽象加工，群组是面向活动进行的精准的人群圈选。
在构建标签时，通常会用到三类数据：行为数据、属性数据和业务数据。
行为数据：是通过各个业务系统，或者其它第三方应用上的埋点采集得到的线上线下的数据。
属性数据：是用户的一些基本资料、会员属性、微信基本属性等等。
业务数据：比如订单类数据、消费类数据，或是客服的一些工单、咨询单之类的数据。
基于以上数据，可以通过标签规则或者模型去构建标签，基于这些标签，可以在上层构建分群。
构建标签体系的时候需要兼顾合理性和灵活性。合理性主要是从业务视角出发，而灵活性主要是工具的视角，需要满足各类业务场景。下面从四个细化的层面去介绍。
首先是可追溯性，指的是可以对标签做一些历史的回溯，通过洞察标签变化，可以了解到整个客群全生命周期的变化，同时也可以了解整个营销活动的执行效果。
其次是数据和计算的实时性，标签可以分为实时标签和离线标签。实时标签能够支持对营销要求更高的一些场景，例如金融行业储值金额达到一定数值的时候，需要实时去做一些营销，此时标签的构建是依赖实时数据，实时生产的。
再次是标签制作的灵活性，上文也提到在构建标签的一些数据和规则方面，执行频率都可以灵活配置。
最后是生产和使用流程的强可管理性，会体现在标签的权限方面，以及服务上下游的相关应用，例如对外提供的一些API，提供数据输出的能力，Kafka消息订阅的能力，记录标签的增删改查相关信息，标签的上下架操作，标签审批的管理等等。
03
标签体系建设流程与方法论
大部分客户在构建标签时会遵循一个标准流程，如下图所示。
首先是What，即针对何种场景，例如客户生命周期场景或是会员营销场景。然后是Where，即依赖什么样的功能模块，例如是否需要一个算法标签或是基本的规则标签，是否需要依赖于群组的一些信息。第三是When，即什么时候需要上线标签。第四是Why，即构建标签的原因，例如需要做洞察或者营销转化，又或是需要服务于客户，做一些客户关怀。第五是Who，即谁构建标签，如前文所述，可能是业务也可能是IT相关人员，其所用的标签工具也会不同。第六是How，即如何构建标签，例如构建RFM标签、统计标签，或是普通规则标签。最后是How much，即构建标签能够产生多少业务价值。
首先要做标签相关数据的采集，需要连接外部各种各样的数据源。数据采集完成之后，需要做数据的加工处理，针对这些数据需要做ETL以及表间join操作。接下来是VeCDP系统中的一个核心能力，ID打通。会设计ID的优先级、生存策略以及参考关系，之后把各渠道ID做整体的融通。最后需要把数据落到VeCDP中，成为基础的属性数据，行为资料，以及业务订单的数据，还有一些其它的明细数据和维度数据。
主体又称实体或对象，针对不同的行业，规划出来的主体也是不一样的。例如汽车行业，通常将业务对象梳理成两个主体，即人和车。围绕着人的标签体系，包括基础属性信息，在一些媒体点位的互动行为信息，以及留资相关信息等。同时围绕车，会有一些汽车相关的信息，包括维修保养以及车联网采集到的信号信息。在其它行业，也是类似地，可以梳理出不同的主体。
接下来基于梳理出来的主体去构建标签。在火山引擎VeCDP中，提供了十几种标签构建的方法。其中规则标签是基于一些规则去组合，生命周期标签是围绕其生命周期去打标签。首末次标签是基于用户首次及末次行为去构建一些标签。偏好标签，需要统计用户行为信息，观察用户集中行为聚集在哪些方面，之后做一些排序，就可以得出偏好信息。
标签的更新频率，可以设置整体上是实时还是离线，如果是实时计算，理论上就是一个实时标签。如果是离线计算，可以去配置其更新类型，例如手动更新还是定时更新，执行的频率可以选择天级、周级或者月级等等。
离线标签和实时标签有着不同的适用场景，在规则和一些限制方面都会存在差异。从更新方式来看，离线标签会更强调手动更新或者按周期去更新，而实时标签则是实时计算，一般是由某个行为事件或者某个消息触发去做实时更新。从参与计算的数据来看，离线标签基本上是全量的业务数据都可以参与计算，而实时标签则需要考虑计算的性能，是有限的数据参与，针对一些时间序列数据，像订单数据和行为数据，可能会限制一定的时间范围，例如一天或七天内。从复杂性来看，离线标签复杂性相对会更高，实时标签相对低一些。从适用场景来看，离线标签主要用于画像分析，实时的要求不那么高。但是实时标签可能会在一些实时营销，当达到某个标准之后要实时地给用户发券或者是告警。
接下来介绍标签价值的评估。
在应用标签的过程中，可以采集到标签在系统中的使用信息，进行价值评估。首先是标签的覆盖量评估，包括标签覆盖数量和覆盖率。第二是标签值的分布，包括标签值随时间的变化以及趋势。第三是标签的使用热度，哪些标签是高频使用的，哪些是相对低频使用的。第四是标签稳定性，由于标签本身依赖于各种各样的上游数据，不同的上游数据会导致标签在实际计算的时候，整体稳定性是有差异的。第五是标签的关注度，主要统计标签收藏的相关情况。最后是标签优化率的评估，主要是指标签在持续应用的过程中，哪些标签可能会被频繁变更。通过评估以上维度，可以得知哪些标签是高频应用的，哪些标签是有价值的，哪些标签是可以持续去做一些优化的，从而指导后期标签体系的构建。
04
标签应用的价值与典型案例
接下来介绍标签应用的一些典型案例。
每个行业都有不同的标签体系，零售行业会根据用户画像和订单行为构建标签和画像；汽车行业关注线索到店、线上互动和市场活动等流程；金融行业主要基于客户交易、资产和负债情况构建风险评估和客户价值评估。除此之外，火山引擎VeCDP还会在一些泛互联网行业中应用，所以整个标签更体现其工具性。
首先来看一下汽车行业。
首先是原始信息，包括客户交易、客户资产、客户负债以及客户持有的产品情况。基于这些内容，可以去构建客户风险评估，以及客户价值评估，从而构建整个的标签体系。
标签体系的构建是一个完整的闭环，通过活动数据可以进行分析洞察，然后根据洞察结果留存好的标签，抛弃不相关的标签，形成企业合适的标签库。
在高客单价营销场景中，针对一些线索，会围绕线索做标签的打分，生成一些数字类型的标签。会有正向打分机制和负向打分机制。正分机制包括属性信息、信息完整度、最近的互动行为信息以及留资信息，还有客户本身跟销售员的互动信息。而负分机制主要包括客户在电话中明确拒绝，或者是有战败线索，此时会打上负分。最后会得到一个总分作为线索的评分。
精细化营销更多是体现在一些低价高频的营销场景，例如发放优惠券的场景。首先把一些客群批量圈出，围绕优惠券使用场景，比如最近180天用券次数，最近30天用券次数，近7天用券次数，以及客户对优惠券的敏感度。有一些客户可能会更关注低价优惠券，希望打折力度更大。基于优惠券使用的信息，可以给客户做一些标签画像，去服务于上层的营销场景。
05
Q&A
A1：这个是直接以标签作为分数，基于一些原始的信息，即前文讲到的一些属性信息，一些行为的统计信息，还有一些订单信息，去把这个分值打出来。这个分值最终是落在标签上，这个标签其实是一个数值类型的标签。
A2：先讲一下标签如何做触达，其实一般来说就是前文讲的一个CDP的系统里面更多会去构建标签和分群。如果实际去做触达的时候，一般来说会结合一个MA的系统。MA系统里面触达的时候可能会做一些短信，APP Push，或者微信模板消息等其他的一些方式做触达。整个CDP加上MA会形成完整的营销系统的闭环。像火山这边，是有一个像GMP这样的一个产品去做MA的工具。
A3：很多时候在评分前，如前文所述，围绕评分这个事情其实是有一点偏主观，但也是有一定策略的。一般在做标签规划的时候，前期是先做分析，围绕分析，先去把整个客群的洞察做好。然后就可以知道整个客群大概的情况。基于大概的情况，例如先把整体行为的一些统计，一些数字类型进行分析，就可以知道大概的分布情况。从而就可以知道要判断哪个分值是属于高价值的，哪个分值应该是属于低价值，结合第一次判断好之后，做好这样的一个规则并且打分，并实际服务于营销，之后再基于营销的结果，反过来去倒推之前做的打分是否合理。
A4：一般来说跨渠道的数据打通主要依赖的是手机号码。然而手机号码有可能会存在一定的误差，但一般来说企业方会去规避这种误差的方式，就是通过手机号码去做验证码验证。我们也会基于像微信生态的Union ID，做一些跨渠道的打通，相对来说也会更准确一些。
A5：一般来说企业规划好的整套标签体系就是服务于各个业务部门的。当然如果说要在不同的部门使用不同的标签，会做好标签上层的分类，以及相关的一些授权。
Q6：标签是否可以实现动态快速扩展，业务在极短的时间，如一天内能否要求生成新的标签及人群圈选做推送？
A6：这个是可以的。我们的标签工具是可以让业务人员在短期内快速去构建，只要配置好规则，点击保存生成这个标签，可能在1分钟之内就会快速给相应的客群打好对应的标签，之后就可以直接服务于下游的人群圈选和推送。
A7：主要是从两个方面，一是业务，二是技术和工具。业务方面就是前期要做好标签整体的梳理，在技术和工具方面，首先会保证其稳定性和性能以及规则的合理性。另外前文也介绍了标签价值评估的一套体系。围绕标签价值评估，可以持续去迭代整个标签的质量。
A8：火山引擎VeCDP主要是提供整体系统的一个解决方案的交付。底层用于标签的存储和计算，使用的是ClickHouse，我们也提供了一个云环境去服务客户的。
Q9：业务使用标签时经常会对标签的技术口径进行确认，花费较长时间确认。你们会面临这样的情况吗，一般怎么避免投入大量的时间和问题？
A9：标签口径的确认，如前文所述，经常是需要去做好这样一个整体口径的对齐，以前我面对的一些客户，他们有一些比较好的做法，即他们会把标签做好一些拆解，然后做每个原子的描述的定义。比如说最近七天，他会清晰的界定最近几天是怎样的一个定义。如果是订单，就会定义哪些订单参与这个标签计算，例如消费金额为零的要剔除掉，下单时间在某个时间的要剔除掉等等。客户会做好整体描述沟通的一个文档。每次跟技术同学去沟通的时候，都是基于这样的一个中间文档去做沟通。所以后面在上层去描述其标签规则时也会非常的顺畅。
分享嘉宾
INTRODUCTION
黄杰
火山引擎VeCDP产品负责人
限时免费资料
往期优质文章
往期推荐