数治入门 | 从指标及标签体系开始私域营销平台搭建

涉及数据平台建设、数据采集，以及对企业已收集来的用户行为、产品销售等数据进行初步加工，进而构建指标及标签体系，并确保数据在业务使用中的统一性、可用性及准确性。

随着移动互联网的发展及用户交易行为的线上化迁移，私域营销围绕“数智化”发展迭代。私域营销数智化是通过对已有用户行为、产品等多维数据的采集，以数据技术为核心驱动及手段，将传统私域营销方式进行在线化、自动化和智能化创新，从而驱动业务增长。

私域营销平台准备是私域营销数智化体系建设的基础步骤。该环节涉及数据平台建设、数据采集，以及对企业已收集来的用户行为、产品销售等数据进行初步加工，进而构建指标及标签体系，并确保数据在业务使用中的统一性、可用性及准确性。

图 1 私域营销数智化平台来源：CCSA TC601

在私域营销数智化平台中，包含了从数据采集、数据治理到数据应用的整条链路。

数据采集：获取数据的形式，包括第一方数据（自有数据）、第二方数据（电商，社交媒体）、第三方数据（外部大数据）。

数据层：包括了数据治理（指标体系建设等）、数据应用（标签体系建设、用户画像管理、用户行为预测等）。

一、数据采集

私域营销数智化围绕数据展开，数据采集是实践中重点关注的步骤。由于用户与企业的交互渠道呈现出了多元化发展的趋势，这也带来数据采集的复杂化。在进行数据采集的过程中，不但要重视采集的覆盖率和深度，还要保证数据的准确性和统一性和合规性。另外，为了使采集到的数据能够进行深层的分析，对采集工具的内容格式兼容性也提出了要求。同时，实践过程中需要结合性价比采取合理的数据采集频度。具体来说，有以下几个方面的内容：

采集渠道：数据采集过程中尽可能全面和深入地采集各类用户触点的数据，包括网站、移动端、电子商务数据、第三方数据、线下门店数据等。同时，在采集过程中需要采集用户多维度以及长期持续的数据才能全面地进行数据分析，得出合理的用户画像。

数据格式：数据采集后需要对采集到的数据格式进行统一和结构化。由于当前数据来源的多样性，数据格式也多种多样，因此需要数据采集过程中能够兼顾到不同的数据格式的特征。

数据采集频率：营销数智化对一些数据的时效性有较高要求，如用户互动和交易数据需要近乎实时采集的能力来实时监测与优化。然而也存在一些数据，变动性较小，实时的采集会带来数据冗余的问题，因此需要数据采集工具能够根据数据的属性选择不同采集频率。

数据质量：采集到的数据为了提高其完整性、准确性和可信度，需要对在采集过程中提供监控、检验、审查与清洗等功能，来保障后续的数据使用中，确保不会因为数据质量问题造成决策的失误。

数据安全：当前随着《中华人民共和国个人信息保护法》的颁布，对于数据安全和隐私安全的关注度也不断提高，因此在数据采集过程中，需要遵循数据安全与隐私相关标准的要求，保证数据采集的合规性。

二、指标体系建设

建立统一的指标体系是业务数据标准化的基础，是企业实现“数据驱动运营”的重要途经。指标是用来定义、评价和描述特定事物的一种标准或方式，是将业务单元精分和量化后的准确度量值及记录值，使得业务目标可描述、可度量、可拆解。指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取到指标的相关信息。

在实践中，指标体系的搭建主要围绕业务目标或第一关键指标（也叫“北极星指标”）进行落地，第一关键指标是企业在某个特定阶段最关注的一个指标。此外，企业也可以由 RFM 及漏斗等模型对指标体系进行梳理及搭建。

1. 第一关键指标法

第一关键指标法的核心思想是指基于企业业务目标，某一个阶段只有一个最值得关注的指标，但随着业务的发展关注重点会有变化。企业所处所处阶段从大的阶段可以分为 MVP （ Minimum Viable Product 最小可用产品）、增长、营收三个阶段，每个阶段的指标体系需要解决的问题都有差异（表 1）。

表 1 不同阶段对应的常用第一关键指标来源：CCSA TC601

阶段	关键指标
MVP 阶段	用户需求真实性
增长阶段	留存指标、拉新指标、分享推荐指标
营收阶段	生命周期总价值、用户获取成本、渠道用户盈利周期等

2. RFM 模型法

RFM 模型是衡量客户价值和客户创利能力的重要指标。RFM 是 Recency（最近一次消费），Frequency（消费频率），Monetary（消费金额）组合而成。

RFM 可以为企业的用户关系维护提供数据支持，具体可以划分为对用户价值的评估和用户分群两个大的落地场景，依靠这两大场景可以帮助企业进行用户关系的管理，产品渠道策略的优化（表 2）。

表 2 不同阶段对应的常用 RFM 指标来源：CCSA TC601

分类	应用场景	落地方法
用户价值评估	RFM 三个维度的评分,识别高价值用户,为企业用户资源优化配置提供决策依据。	-设置 RFM 权重，计算用户的RFM 综合得分 – 根据 RFM 三个维度进行矩阵可视化分析，判断高分区用户和低分区用户。
用户分群	根据用户的 RFM 特征将用户划分为不同的群体,每个群体的特征与需求不同。为企业的差异化用户管理与个性化营销提供用户洞察。	-使用聚类算法根据 RFM 特征对用户进行分群。每个群体之间的差异最大，群体内部的相似度高。 -并通过结合其他变量，进行相关、因果关系分析，以此增强对群体的理解。 -可以根据不同的群体间找出相关性，挖掘更深层的用户分群方法。

3. 漏斗模型法

通过漏斗模型可以生成一套流程式的数据指标，能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况。在营销领域，漏斗模型在不同的行业有不同的演化方式，其主要核心为以围绕用户生命周期研究的AARRR 模型及以用户消费链路为依据的AIPL 模型。通过漏斗模型所生成的指标主要应用于流量监控、产品目标转化分析及用户转化分析等场景中。

AARRR 模型是比较经典的模型，分别代表了五个单词，又分别对应了产品生命周期中的五个阶段：Acquisition（获客）: 从不同渠道获取用户；Activation（激活）：用户在产品上完成了一个核心任务 (并有良好体验)；Retention （留存）:用户回来继续不断的使用产品； Revenue（变现）:用户在产品上发生了交易等其他有收益的行为； Referral（推荐）: 用户推荐引导他人来使用产品（图 2）。

图 2 AARRR 模型来源：CCSA TC601

AIPL 模型依托用户消费链路，在营销过程中把人群细分，将人群资产定量化。其中 A（Awereness）：品牌认知人群；I（Interest）：品牌兴趣人群；P（purchase）：品牌购买人群。L（Loyalty）：品牌忠诚人群。

漏斗模型应用场景主要围绕用户的转化路径与质量展开。它可以帮助企业深入理解用户的购买决策过程与痛点，并基于此判断产品优化、服务改善、渠道选择等策略的推进。

4. 常见指标梳理

由于各类模型使用场景在实践中多有交叉，因此基于上述指标生成方法，该部分总结介绍私域营销数智化中常用的指标。

三、标签体系建设

标签体系是支撑企业精细化运营的决定性板块。标签是人为设定的、根据业务场景需求，对目标对象运用一定的算法得到的高度精炼的特征标识，可以区分和分类用户。例如，标签可以描述用户的兴趣爱好、购买历史、地理位置和行为习惯等，企业可以基于标签对用户推荐符合用户偏好的产品及服务，从而深度挖掘释放用户价值。

1. 标签分类

在属性层级，标签主要分为基础属性标签、行为属性标签和实体属性标签。其中基础属性标签指的是用户基本资料、性别、年龄等长期属性和关联属性；行为属性标签指的是用户的行为，和用户表相关联，比如浏览商品详情页、提交订单等等；实体属性标签是用户事件中相关的实体信息，与事件表相关联，比如商品、门店、文章、卡券等（图 10）。