下载掌阅APP，畅读海量书库
立即打开
举个例子，某信贷公司制定当年度北极星指标为利润、注册量、放款量、逾期率，其中利润为主指标，其他3个指标围绕利润指标进行平衡。提升利润的核心是提升放款量，但提升放款量会带来获客成本上升及坏账成本上升问题，所以这是三者的平衡。先来拆解利润指标：利润=收入-成本、收入=放款人数×人均放款金额×收益率、成本=获客成本+坏账成本。提升放款人数，常见的运营手段有低成本获客，优化各环节转化率，提升借款通过率，涉及的标签类别是获客场景标签、各节点是否完成转化标签、借款行为场景标签等。提升人均放款金额需要配合做用户运营，例如单期转分期、短期转长期、优质用户提额、促进老用户复借等，涉及单期、累计借款金额、笔数、最近一笔距今时长、用户产品偏好、用户资质、用户等级、续贷间隔、续贷次数、用户生命周期等标签。
另一方面是成本指标，信贷公司最大的成本可分为两部分：获客成本和坏账成本。降低获客成本，本质上需要接入更多优质渠道及优化CPA/CPS结算的转化率，基于此这里涉及的标签是注册时间、注册渠道、获客渠道、渠道类型、结算类型、获客成本、注册设备等；降低坏账，本质上是对逾期用户进行管理，需要很多贷款信息标签和逾期信息标签，例如累计逾期金额、累计逾期笔数、最近一次逾期时间、最长逾期时间等。
此外，设计一个好的用户标签平台还需要考虑如下特征：①数据和业务团队双赢策略——标签生成自助化。让使用方自助生成标签是数据团队和业务团队双赢的策略，既提高了业务团队运营的效率，又解决了标签的业务字段逻辑沟通的成本，同时释放了数据团队开发标签及维护标签的工作。标签生成自助化的前期开发成本较高，适用于在中期上线第1版后再来落地。②标签系统价值的可持续性——建立有效的标签管理维护机制。标签的维护包括标签规则及元信息维护，标签生产调度机制及信息同步，有统一的输出接口。这是持续释放用户标签平台的重要步骤，也是容易被忽视的环节。③标签平台的运营。标签平台是数据产品，既然是产品就需要运营，让我们的用户更好更高效地使用起来。及时关注用户反馈，经常通过一些运营手段来触发用户，让产品和用户交互起来。
对标签的质量进行科学完整地评估，有助于控制标签质量，指导标签的管理者、开发者不断地提升标签质量。通过创建一套完整的评估体系，对于质量过差的标签，可以考虑不进行上线，等达到基本的质量要求后才能开放给业务以供使用。不然，既不会对业务带来价值，也容易让标签画像系统失去用户的信任。评估可以从以下三层来评估标签的效果和价值。
一般使用3个指标：覆盖率、准确率、稳定性。①覆盖率是指在一个标签中，有业务含义的人群数量与总人群数量的比例。举个例子，“优惠券敏感度”标签，全量用户是100万人的规模，其中20万人打上了“高”标签，20万人打上了“中”标签，30万人打上了“低”标签，其他30万人没有打上任何标签。那么，“优惠券敏感度”标签的覆盖率就是70%。这个覆盖率还算可以，如果覆盖率过低，则可能会有下面的负面影响：用标签进行人群圈选时，人数过少，无法满足运营活动对样本量的最低要求；用标签统计平台用户的特征时和真实情况会有统计偏差，即样本无法代表整体。一般而言，用户自己填的标签和模型算法打出来的标签，覆盖率会偏低。②准确率是指在给用户打的标签中，准确反映事实的人群数量与总人群数量的比例。举个例子，“性别”标签，总用户100万人，真实情况是男60万人，女40万人，系统打标成男50万人，女30万人，其他20万人根据交叉矩阵，真实是男且标签是男用户40万人，真实是女且标签是女用户25万人，则标签准确率为（40+25）/80=81.25%。真实情况是现实世界标签的准确率往往是很难评估的。一般会用一些外围样本数据来辅助验证，例如对于性别标签，可以抽样让客服电话调研获得真实性别数据，通过样本来估算整体。③稳定性是在指给用户打的标签中，能在指定时间前被准确计算出来的次数比例。举个例子，信贷行业中的关联指标“通讯录中近30天有借款逾期人员的比例”，这类指标需要计算几亿的通讯录表，和业务表关联好几次，计算复杂度高，高峰时期容易执行不出来结果。稳定性标签还要根据各标签的计算复杂度来综合评估，一般静态类标签稳定性比较高，算法预测类标签或者关联上下游表比较多的标签在特殊情况下稳定性会差一些。一般而言，稳定性要99%以上才能被业务接受，关键时刻不能掉链子。
（1）用户覆盖度。可以使用两个指标衡量覆盖度：产品触达率和产品使用率，产品触达率=触达用户数/目标用户数。举个例子：标签产品目标用户（产品，运营）共计100人，知道该产品的用户有80人，则触达率为80%。产品使用率=使用过的用户数/触达用户数。
（2）标签使用度。使用度可以从以下几个指标综合评估，包括使用次数、使用热度、服务调用次数。可考虑人均聚合或者阶段汇总聚合。对于应用使用度低的标签，可以针对性地进行分析，不断提升每个标签的使用价值。
业务价值是业务人员对标签系统的主要考核价值。标签系统业务层面的应用很广泛，从精准营销、精细化运营到个性化推荐、广告匹配系统、BI系统。以精准营销平台为例，一般业务价值可以从降本增效来考虑，例如从营销成本降低、营销频次提高、营销人效提升等角度来衡量。参考指标为，营销成本降低：以前运营圈人活动平均响应3天→现在0.5天；覆盖场景数提升：以前一周内覆盖50%运营场景→现在一周内覆盖90%运营场景；触达用户数提升：每日触达2万用户→现在每日可触达10万用户。
另外一个比较好的指标就是业务运营的ROI，业务如果用了一个标签，对一群人进行了投放，ROI是日常投放的好几倍，则这个标签的价值可以说是毋庸置疑的了。这时，可以说这个标签的业务价值很高。标签系统实际上可以大幅降低业务运营的成本，导致整体ROI提升，这需要和业务配合起来进行评估。例如有个同类活动在使用标签系统前的ROI和使用后的ROI对比，更会彰显标签系统的价值。
如果能找到一些和业务核心KPI直接挂钩的评估手段，则会更加彰显标签平台的重要性。这里有个问题：如何准确统计这些指标，需要数据人员和业务人员沟通敲定。标签体系的业务价值衡量确实是个难点，很难直接评估，而业务向上汇报过程中往往会将标签平台的价值一带而过，强调人和运营的重要性而忽视工具和平台的重要性。这就需要数据人员自己具备业务价值量化评估的能力，一个好的方式是多和业务部门合作，参加业务部门运营活动会议，用数据去影响和驱动业务部门，让业务离不开数据团队，自然业务就会在给老板的汇报中多多体现数据标签的价值。这样才能实现业务和数据团队的双赢局面。
用户标签体系是个庞大的系统工程，不可能一蹴而就，需要随着业务的发展情况而不断地迭代完善和丰富。在设计过程中，需要抛弃一上来就大而全的设计理念，根据业务需求场景逐步落实和丰富标签，毕竟能产生业务价值才是评价标签体系的根本。还要不断地研究和学习业界优秀的标签平台（CDP/DMP平台），这会给自己设计产品带来一些灵感，例如业界做得比较好的有腾讯广点通、阿里巴巴的达摩盘、字节跳动的CDP等。
企业在发展的过程中，要依据具体的数据成熟度和数据应用度来衡量是否有必要建立自己的用户标签体系。大厂标配的CDP平台并不适用于所有公司，数据产品存在的本质也就是降低企业经营和业务决策的成本。