硬核 | 搞懂了会员标签体系，才有资格谈精准营销

试想一下，如果恰逢最近天气降温你想买一件羊绒衫，

打开手机购物APP就收到了商品推送，

材质价格都在你的需求范围里，于是你果断下单。

对于商家来说，一笔生意就这样促成了；

对于你来说，何尝不是节省了大量时间。

这就是精准营销的魅力所在。

尽管世面上关于精准营销的实操解读花样翻新，但是企业的营销团队常常困惑于如何建立一套适用于自身的精准营销体系。

亚马逊的CEO Jeff Bezos曾说，如果我有一百万的用户，我就会做一百万个不同的网站！可见精准营销是多么重要。

何为精准营销？

所谓的“精准营销”，通俗来说就是依托大数据的发展，分析用户的消费习惯，给用户的消费行为打上专属标签，根据标签内容画出用户画像，从而有针对性地推送商业信息。

可见，不懂用户谈何精准？用户画像或者更准确地说是会员画像，才是精准营销的关键依据！

而企业经营的业务千差万别，目标会员自然也各不相同，如果不能充分了解、剖析自己的会员，一味将别人的营销经验套在自己身上，自然无法获得理想中的精准效果。

Webpower接下来带你从解读自身出发，继而科学建立会员标签体系，最终实现精准营销。

一，精准营销的基石：精准的会员画像

千万人撩你，不如一人懂你。在互联网大数据时代，对企业来说会员画像的重要性不言而喻。

作为大数据的根基，它完美地抽象出一个会员的信息全貌，为进一步精准、快速地分析会员行为习惯、消费习惯等重要信息，制定营销计划，提供了坚实的数据、信息基础，帮助企业快速找到精准会员群体以及会员需求等更为广泛的反馈信息。

------

1、人口属性—用户是谁（性别、年龄、职业等个人基本信息）

2、消费需求——消费习惯和消费偏好

3、购买能力——收入及购买力、购买频次和渠道

4、兴趣爱好——品牌偏好、个人兴趣

5、社交属性——用户活跃场景（社交媒体等）

------

无论会员访问的是企业的官网、微信还是其他自建平台，只要该平台具有独立后台系统支撑，那么后台系统就能收集到该会员的行为信息，进而分析出会员的瞬时和长期消费偏好、浏览偏好，并综合TA的性别、年龄、婚姻状况、职业等人口统计学信息，建立会员画像。

一旦这个会员再次来到该平台，就可以通过之前TA的会员画像，实时影响其点击行为。当TA每次浏览刷新，都可以实时分析TA的即时消费偏好，推测出购买意向是否强烈，处于购买中的哪个阶段，对什么样的产品有兴趣。并结合历史购买信息，将匹配度最高的产品或服务推送到TA面前，进而做精准营销，以及做一对一的服务，提高成交效率。

当然，会员画像不是一蹴而就的。这个过程中需要不断丰富、优化会员画像模型，最终达到真正的个性化精准营销。

二、会员画像的精髓：标签体系

既然会员画像如此重要，那么如何建构会员画像？

这就必须要谈到本文的重点——会员画像的标签体系。

上一个部分我们谈到，会员画像是根据会员的行为习惯不断矫正、勾画的，而所有勾画出的会员属性，都将以标签形式“贴”在会员身上，俗称打标签。所以，标签化是会员画像的精髓。

如同我们会不断矫正会员画像一样，标签也是随着会员的行为反馈而呈现动态变化的，静态标签对企业而言基本上毫无意义。标签化的目标是基于大数据的采集，用电子化的方式将用户属性抽象出来，以方便数据统计，构建大数据池，后续进行数据挖掘和聚合分析。

从2016年开始，互联网用户增长趋缓，不论是线上还是线下，新用户的获取成本一路走高。这促使企业将目光由外向内，不断思考：还能如何再挖掘已有会员价值？

在这个背景下，会员标签体系又有了更深层次的意义。

标签体系可以分为三个部分——数据加工层、数据服务层、数据应用层。

每个层面面向对象不一样，层级越往下，与业务的耦合度就越小。层级越往上，业务关联性就越强。

1）数据加工层

数据加工层的作用是收集、清洗、提取和处理数据，提供最基础的数据原材料。通常情况下，我们为了搭建完善的用户标签体系，需要尽可能多地汇总数据。但是多势必会杂，因此在收集所有数据之后，需要清洗去重，提取特征数据。

2）数据服务层

这一层的作用主要是实现业务方的数据要求，比如：定义业务方需要的标签、创建并执行业务标签实例、提供相应数据等。

3）数据应用层

应用层的任务是赋予产品和营销人员标签的工具能力，聚合业务数据，业务方能够根据自己的需求来使用，比如我们营销人员常常需要的精准化营销、个性化推送等。

设计会员标签体系通常有三种思路——结构化标签体系、半结构化标签体系、非结构化标签体系

1）结构化标签体系

会员的属性标签基本上就是典型的结构化体系，体现为性别、年龄等。但是因为属性标签的特殊性及GDPR等相关法律法规的影响，这些标签只能通过后期分析、判断得出，而无法真正准确获取。

2）半结构化标签体系

在用于效果广告时，标签设计的灵活性大大提高了。会员标签往往是在行业上呈现出一定的并列体系。当然，标签体系太过混乱的话，投放运营起来就比较困难。因此，实践中往往还需要对一定程度的结构化做妥协。

3）非结构化标签体系

非结构化标签的典型例子是搜索广告涉及到的关键词或者是Facebook用的用户兴趣词。这一体系的重点就是如何兼顾设计合理与驱动广告实效。这里面最关键的诀窍，是深入研究某个具体行业的会员决策过程。

在建构会员标签体系时，有个原则至关重要，那就是低交叉率原则。如果两组画像中的标签几乎一致，那么只有个别并且对会员需求影响不大的标签因素是可以被弱化的。

同时，会员画像也要尽量保证其完整性和独立性。完整性是为了尽可能大地包含会员群体，独立性是要求这些群体没有重叠。

三，如何建构会员标签体系实现精准营销？

案例：如何建构会员标签体系实现精准营销？

在Webpower的服务经验里，不乏因完善会员标签体系而实现盈收翻倍的实例。

中国某护肤彩妆知名品牌经过近二十年的蓬勃发展，已经累积了数百万级的庞大会员。但是这些会员来自各个渠道，广泛分散于官网、线下专柜、商超、各电商平台、社交平台。

于是，Webpower将分散的会员数据在线上打通汇集，搭建SCRM会员中心，整合全渠道会员数据。

在完成上述内容之后，摆在眼前的问题是：怎么样为品牌重新分析、挖掘、重塑会员价值？最终导向企业盈收？

Webpower在深入剖析之后发现，尽管该品牌坐拥可观的会员数据，却缺少科学的会员标签体系，近乎虚设，杂乱无章，使用率低且收效甚微，导致恶性循环。

因而这场会员标签体系重建工程开始了。

1. 首先最重要的是进行业务梳理。

前文说到，用户画像没有统一可模仿的定式，它需要你真正了解会员，深入研究某个具体行业的会员决策过程。该企业有哪些产品线？产品线有哪些来源渠道？每个产品线有哪些目标会员等等。

2. 梳理完业务数据后，就可以继续按照属性来进行标签分类，以便于清晰地展示标签之间的关联关系，为标签建模提供子集，独立计算某个标签下的属性偏好或者权重。

1）梳理标签分类时，可按照MECE原则，相互独立，完全穷尽。每一个子集的组合都能覆盖到父集所有数据。标签深度控制在四级比较合适，方便管理。

（上图来自网络）

2）但是要明确的一点是，标签并非填空题，在现实中常常存在数据缺失情况，解决的办法就是关联性判断。比如用户性别未知，但是可以根据用户浏览商品，购买商品的历史行为来计算性别偏好度。

模型标签的定义解决的就是从无到有的问题。建立模型，计算用户相应属性匹配度。

开放的模型计算规则解决的是标签灵活配置的问题。营销人员可以根据自己的需求，灵活更改标签实例的定义规则。

标签的组合解决的是标签扩展的问题。除了原有属性的规则定义，还可以创建新的复合型标签。

一个科学的标签体系要满足两个需求：

1. 标签的最小颗粒度要触达到具体业务事实数据，同时支持对应标签实例的规则自定义。

2. 不同的标签可以相互自由组合为新的标签，同时支持标签间的关系，权重自定义。

基于上述方法论，Webpower完成了这场会员标签体系重建工程。

短时间内最大的变化是该品牌在营销过程中的标签使用率大大提高；

一段时间后，前后营销活动成果对比，后者因为标签定向科学，无论是目标人群还是营销内容都更加精准，转化率实现翻倍增长。

总结

总之，精准营销一定是以科学的会员标签体系为前提。

正所谓精准营销就是在合适的时间以合适的渠道发送合适的内容给合适的受众，没有会员标签体系则很难实现这一点。

而会员标签体系要关注标签本身是否与营销平台衔接顺畅、是否与开发平台衔接顺畅、是否贴合业务需求、是否为营销人员买单、是否做到实时更新优化......

关于会员标签体系可以谈的还有很多，期待之后与您继续分享。

关注微信公众号Webpower威勃庞尔（微信号：webpowerasia）了解更多吧！