互联网人群标签白皮书昌荣传播集团 - 盈赛品牌咨询北京市朝阳区八里庄东里 1 号莱锦创意产业园前言 .3一、 人群标签的兴起 .51. 为什么会出现“人群标签” .52. 标签的发展路径：从用户字段到模型标签 .6二、 标签相关的概念 .81. 标签的层级划分：标签类目、标签与标签值 .82. 标签应具有的性质 .92.1 自说明性 .92.2 可追溯性 .92.3 可调节性 .92.4 实用性 .93标签的分类方式 .103.1 根据标签值的性质进行分类：判断型标签、分类型标签、数值型标签 .103.2 根据标签的计算方式进行分类：事实型标签、分析型标签、模型标签 .113.3 根据标签的刷新机制进行分类：实时标签与延时标签 .12三、 标签的应用场景 .141. 精准营销 .141.1 案例：精准广告 .141.2 案例：千人千面 .161.3 案例：个性化单点沟通 .172. 用户体验优化 .182.1 产品的对照组测验 .182.2 用户的对照组测验 .183. 消费者研究 .19案例：画像分析 .19四、如何建立一个优秀的标签体系 .21五、如何对标签体系进行评估 .24六、对未来标签市场的展望 .28目录人群标签体系白皮书35G 时代降临前夕，企业都渴望能够站在正确的风口。纵观世界全局，中国的互联网活跃程度已领先全球：电子商务、互联网金融、新媒体、短视频、共享经济等类型的新兴企业盘踞市场；人工智能、神经网络、车联网、自动驾驶、物联网、区块链、数字货币、云服务各种新的概念层出不穷。海外世界沉浸在信用卡消费时，中国的支付宝、微信钱包已经遍布大江南北；海外世界开始传播手机支付概念时，中国的刷脸支付却早已布局全国。市场变化速度极快，许多行业都经历了天翻地覆的变化。作为这个时代的见证者，不得不承认，这是一个充满机遇的时代，也是一个容易跌倒的时代。数字工业革命时代降临，传统企业蓄力数字化转型，而新兴的互联网企业又在继续开发新的数据商业模式。海量的用户数据涌入互联网市场，该如何利用数据为企业创造更多的价值？盈赛品牌咨询牵手前联合利华大数据平台负责人，D-Lab AI 实验室联合创始人针对此问题进行专题性研究，以互联网人群标签体系为题，参考市场现有资料，将市面上较为权威的几个标签体系作为研究样本，对标签的起源、性质、类型、应用、创建方式、评估方式进行深入分析，探讨如何构建一个完善的标签体系以满足不同企业的商业需求。前言编委会成员策略指导：励敏 - 前联合利华大数据平台负责人，D-Lab AI 实验室联合创始人，前电通安吉斯资深数字生态咨询总监李刚健 - 盈赛品牌咨询创始合伙人研究顾问：孙耶频、周健权排版设计：陈雄辉人群标签体系白皮书4人群标签体系白皮书5广告本意即为广而告之。对于广告本身来说，大体量的曝光是最有效的传播方式。例如央视春晚倒计时的前几秒钟：在传统媒体为主流的年代，春节联欢晚会倒计时前的广告露出意味着一次近乎十亿量级的曝光，品牌主需要付出高昂的代价才能够抢占这几秒钟；与此高昂的代价相对应的是巨量传播的功效，默默无闻的品牌可能一夜成名，鱼跃龙门，深陷危机的企业也许殊死一搏，绝处逢生。曾经，这样量级的传播机遇一年只有一次。一、 人群标签的兴起1. 为什么会出现“人群标签”二十一世纪互联网世界高速发展，中国网民数量经历了几次爆发性增长，传统媒体热度不再。2005年，互联网用户便已破亿，拥有大体量用户的互联网巨头们随之诞生。数字媒体的投放根据曝光、点击等方式计费，而某些巨头平台，如淘宝、微信，用户量级过大，已经不再适合常规意义上的通投（即对平台上的用户无差别地进行产品 / 广告曝光） 百万级的曝光预算迅速就会被市场吞没，即便是营销费用再充足的广告主，也需慎重考虑是否应进行如此大规模的投放。与此同时，电商巨头内部还聚集了许多拥有店铺推广需求的普通商户，这些商户也希望尽可能地利用手中的预算为店铺带来更多的销售转化，无差别投放对于这些商户来说价格过于高昂，也无法确保该投放能带来与投入期望相匹配的转化。此外，互联网网民增速开始逐年递减，人口红利不再是互联网营销的主要增长点。加之目前企业之间竞争更加激烈，新兴传播方式层出不穷而传播效果无法保障，因而更多的广告主将目光放在了投资回报率上，也就是我们常提到的 ROI。广告主们期望用同样的甚至更低的价格换取更高效的转化，而高效的转化其实就是对其目标消费群体的精准激发。事实上，任何一个品牌，乃至任何一个产品，都有其特定的市场定位及目标人群。目标人群并非新概念，市场对其也并不陌生。传统的营销模式，例如过去常见的线下推销，其实就是引用了这个概念：在学校家长会时分发补课学校广告传单、在寺庙附近出售香火、在海边零售沙滩拖鞋等等，其实都是针对其目标人群进行的营销。人群标签体系白皮书6综上，为满足预算有限的广告主在互联网世界的发声需求，也为达成有人群定向需求的广告主在互联网世界的传播目标，以人群标签为基础的精准营销势在必行。2. 标签的发展路径：从用户字段到模型标签标签的发展路径和互联网世界的进步息息相关。最初的互联网世界，如同待垦荒地，并未留存大量的真实用户信息，此时，人们更专注于填补互联网世界的内容，BBS 论坛、个人博客、新闻门户等等是当时的互联网用户必争之地。当时的个人网站、博客、论坛也可看作是如今自媒体、新媒体的前身。发展初期，人们还未开始关注互联网用户的特征，网络实名制还未实行。用户在一个网站注册账号仅需邮箱号或一个自定义的用户名即可。游戏的防沉迷系统都还未上线，甚至用户的手机号都不是注册账号的必填项，几乎所有的信息都是匿名的。用户在不同的平台的注册信息几乎完全割裂。新时代到来后，信息与信息之间的关联性逐渐变强，一个支付宝账号可以登录淘宝、天猫、优酷、淘票票等淘系全线产品，一个 QQ 号也可以登录腾讯旗下的腾讯游戏、腾讯视频、微信等鹅厂平台，甚至有一些平台开放了第三方账号登录的服务，用户不需要再注册新的账号，使用其常用的第三方账号便可以登录。自此，用户信息开始跨平台关联，全域营销也随之诞生。账号联通以后，用户形象也变得越来越立体，同时，收集用户信息的逻辑也逐渐开始建立，从简单的用户信息字段，到复杂的用户模型，互联网用户慢慢从虚拟而抽象的形象转变为更贴近真实的画像。用户在平台 / 网站注册的时候会留下一部分个人信息，如手机号、性别、出生日期等，每种信息都会作为一个字段存储到平台的系统中，最初标签还未形成体系时，用户数据中的每个字段都可以看作是一个“标签”。此处 “标签”涵盖的信息大多是静态的。随着技术的发展，用户在平台 / 网站发生的行为可以被记录，每次活动都会留下一个数据痕迹，如：浏览、点击、收藏等等，这些数据痕迹也会成为该用户的数据组成。我们可以把用户的行为进行标签化，如：7天内浏览汽车信息超过3次的用户，点击过美妆类广告的用户等。 信息大多呈动态。 用户的行为可能会因为某段时间内的特殊需求而发生倾斜，但这种倾斜并不能代表用户长期的行为习惯，因此，如果需要对用户进行定性分析，需要综合用户的静态信息与动态信息进行深入研究。综合用户的基础信息与行为活动，可以建立一些特殊的用户模型，对具有某些特殊性质的用户进行深入分析，推测用户的偏好或预测用户可能会处于的状态，如：具有3C数码偏好的用户，可能会养宠物的用户等。 这些信息具有较强的预测性 ，并不代表绝对真实的用户现状。标签从描述用户的静态信息、动态活动，到对用户未来状态的预测，经历了从量变到质变的过程。人群标签体系白皮书7人群标签体系白皮书8二、 标签相关的概念目前标签市场上的层级划分较为混乱，对标签性质的归纳也没有统一口径，因此，我们综合研究了市场上几大主流媒体及电商的标签体系，对标签的层级、性质以及分类进行了一定程度的规整：过去，我们常说的“标签”，是用来标注产品信息的载体，标签上往往会记载一些基础的商品信息，如产地、货号、尺码、定价、洗涤方式等，方便使用人员查看。现在，我们研究的“人群标签”则是用于标注用户信息的载体，零散的用户信息不便管理，也不方便业务人员调取，因此，为梳理零散标签的使用逻辑，也为适配各方的应用需求，标签产生了层级。标签类目就是 对标签信息的归类。 部分标签体系，在诞生之初已经设定了标签类目；而另一部分标签体系，在标签累积到一定量级之后，才会对现有的标签进行归类，进而产生标签类目。在标签归类的过程中，如标签量级较大，可能会遇到类目数量过多的情况，此时，会对类目进行再次归类，以便查询。如示例，人口属性被归为用户基础信息，方便业务人员调取。这种多层次的分类一般被命名为 标签大类与 标签小类 ，也有部分企业将其称为 一级标签 和 二级标签 。标签是 描述用户“信息类型”的基础单位 ，标签并不是具体的用户信息，而是对用户信息类型的描述。我们可以将这种方式理解为对用户的静态数据、动态信息以及预测信息的描述, 如：用户年龄、近7天内点击过的广告类型、商品偏好等。一般情况下，标签并不直接用于圈定人群，确认目标人群所对应的标签后，还需选取标签所对应的标签值才算完成一次圈人。标签值也称标签项目或标签节点， 是描述标签信息的最小单位 ，同时也是标签精度的体现。时常有人将标签值与标签的概念混淆，把标签值数量当成了标签数量，其实是对标签数量的一种误解。标签对应的取值数量会随业务使用需求发生改变，但这种改变并不意味着标签数量的增减，仅是对标签内容进行不断优化完善的环节。如图所示，标签的层级可以划分为三层：标签类目、标签与标签值1. 标签的层级划分：标签类目、标签与标签值1) 标签类目： 2) 标签： 3) 标签值：人群标签体系白皮书92.2 可追溯性为使用户明确标签所传递的信息，标签名应具有自说明性。标签存在量级过大且需要被快速检索的情况。如看到标签名称后，仍无法了解标签内所涵盖的信息类型，那么使用者也无法将其匹配到对应的使用场景，则标签的使用率低，其商业价值也受到减损。标签的自说明性越好，标签也就越容易被充分地使用和激活。2. 标签应具有的性质2.1 自说明性 2.3 可调节性2.4 实用性标签可以看作是用户信息的载体，同信息的性质相仿，标签也具有其特有的性质。在研究标签层级划分的过程中，我们发现，标签总会具有如下四个性质：标签并非凭空而出，应具有一定的可追溯性。每个标签体系都是基于企业数据或数据供应方本身的业务特点提炼而出的，如果本身的业务逻辑并不能包含标签所涵盖的信息，比如，某些平台并没有消费者的购买行为数据，但是可以获取用户对不同商品的互动行为，那么该平台抽取的标签就应为商业兴趣偏好标签，而非购买行为标签。为保证使用者能够更好地理解标签，应对标签的来龙去脉进行一定程度的标注，如普通标签的数据基础、推算类标签的计算逻辑、标签的有效期等，以此来帮助使用者判断该标签是否适用于其业务需求，提升业务人员对标签的信任度。标签的可追溯性越好，标签的可靠性就越高。标签并不是一成不变的。标签是一个较为年轻的概念，随近年市场进步，标签也在不断地成长。事实上，标签类目、标签、标签值之间也很可能发生角色转换。这与数据透视的原理相近，当目前的层级划分方式无法高效地满足业务需求时，可以对标签进行适当的调整，包括但不限于标签值的更替、标签类目的重组、甚至是标签整体逻辑的变动。标签的可调节性越好，后期对标签体系进行调整时也就越方便。最后，标签应具有实用性。每个标签都有其对应的使用场景，如使用场景过于局限，那就等于准备了一个永远都不会被使用的武器。更糟的是，系统还需消耗大量资源，对这些“不会被使用”的标签进行刷新计算。同时，因为其使用场景的匮乏，后期也无法基于该标签的使用反馈对其进行迭代优化。实用性差的标签不仅浪费计算资源，又对体系的维护起消极作用。标签的实用性越强，标签的商业价值越高。人群标签体系白皮书103标签的分类方式明确标签的层级划分以及标签所具有的性质后，我们开始研究标签的类型。 随着新的概念、技术、算法、场景出现，标签也在不断地更新。目前市场上的标签数量非常可观，且每年保持着一定程度的增长。因此，如果对标签市场不够了解，又在没有专业人员指引的情况下突然接触市面上各式各样、五花八门的标签，就有可能对标签产生误读，这样的误读可能成为认知标签路上的一个障碍。综合以上情况，我们尝试用三种不同的方式对标签进行分类，进而更加全面地对标签内在逻辑进行解读。首先，是根据标签值的性质对标签进行分类。由于不同的标签所涵盖的信息类型不同，标签值的数据类型也有一定的差异。不同数据类型的标签，对标签占用的存储空间、刷新机制，计算周期，乃至维护的弹性都有影响。研究发现，标签值的数据类型主要为三类：1. 是非类型 2. 字符串类型 3. 数值类型根据标签值的这些性质，我们对标签进行了的分类：1. 判断型 2. 分类型 3. 数值型判断型标签，也称是非型或布尔型标签。判断型标签的标签值即是对标签信息的判断：满足标签条件的为“是”，不满足条件的为“否”。这种标签有其特殊的存储优势，在做大量标签运算时，优势明显，所以目前大部分标签都会采用这种类型。需要注意的时，当标签值为空值时，应使用特殊值来反应这一取值。标签值为分类数据，或者是经过分段处理的数值数据，各分类之间的关系一般都是互斥的，在特殊情况下，为满足业务人员的特定需求，也会出现包含关系，分类定义需要与业务上使用该数据的分段习惯保持一致。由于工作人员往往无法在标签建立时就列举出标签下的所有可能性，标签下的信息随时可能更新迭代，标签值随之发生增减。标签值为数值数据，例如，金额，频次等，标签的取值无法固定，创建时无法确定最优的使用情况，因此不存在预设的分段标准。此时，需要将此类数据设定为数值标签。系统对此类标签会做特殊的预处理，在用户使用标签时，会由用户自定义该标签的数值分段区间。 3.1 根据标签值的性质进行分类：判断型标签、分类型标签、数值型标签1) 判断型标签：2) 分类型标签：3) 数值型标签：