用户标签概念：是对用户信息和特征的抽象概括，能够描述用户特征，区分用户群体。
用户标签体系：
狭义上：是指基于业务目标和用户数据形成的包含完善用户标签的标签库。
广义上：除了丰富完善的标签库之外，还包括标签管理、标签分析、智能运营等多模块。
2、标签的作用
（1）用户洞察：了解产品用户指导业务发展
（2）数据分析：丰富分析维度，提升分析效率
（3）精细化运营：基于用户分群，差异化精细化运营
（4）产品化应用：数据产品基础推荐系统/CRM
3、搭建标签体系的前提
标签体系是需要投入大量精力和资源的项目，也需要判断公司在什么前提下去投入去做标签体系
前提1:产品用户规模较大，具有精细化运营空间（用户规模小价值不大）
前提2：用户特征属性多样，具备标签分类基础（用户规模大但很细分属性单一也不行）
前提3:产品提供较多内容，适合精准分发推荐（目的是不同用户推送不同策略，产品内容、活动若不丰富，则推送的产品活动那么还是一致的，那么没实现精细化运营目标）
二、搭建标签体系，全方位拆解用户
1、Step1拆解业务/用户梳理用户数据
用户标签源于用户数据，左侧的标签基于用户数据分析和判断
基于用户数据客观准确的定义用户标签，而不是主观的去判断去猜想。用户标签源于用户数据，服务于业务目标，从业务目标和用户流程出发，梳理用户业务数据，能够保证后续的用户标签的完善度和可落地性。
1.1业务角度-OSM模型：我们业务在做什么
OSM模型是业务分析的常用模型，有助于更好的理解公司业务和产品目标
从业务目标--到业务策略--业务度量是逐渐拆解细化的过程，通过此模型理解我们的业务产品在做什么。
提升商品销售额案例：
1.2用户角度-UJM模型：用户在做什么
UJM即用户体验地图，又叫用户旅程地图，利用UJM能够有效拆解用户使用产品的流程，分析了解用户的关键场景及行为。
结合OSM模型和UJM模型：梳理用户的业务数据，业务和用户两个角度互相补充，形成用户业务数据的基础。即拆解用户在产品中的旅程，从下到上去匹配公司目标，不仅可对目标有查漏补缺的作用，还能将公司目标、策略和业务流程耦合在一起，最终形成一个清晰、明确的数据体系；
总结搭建数据指标体系的五大步骤：
关键节点，需要先找到关键节点有哪些。
预期目标，每一个关键节点都会有一个预期目标，我们想要用户达到的目标是什么。
指标衡量，我们如何衡量用户达到了预期目标。
达成路径，实现这些目标的方法叫路径，与我们的用户旅程有关。
数据归因，在各节点上分析，找达成与未达成的原因。
2、定义用户标签形成标签体系
标签体系主要是符合目标的多维度、多类型用户标签的集合，搭建标签体系需从合理定义每一个用户标签开始
2.1用户标签定义流程
用户数据是定义用户标签的基础，基于用户数据信息定义用户标签流程如下：
结合业务目标明确标签需求---明确标签分类，选取数据维度----确定数据属性，准确定义标签
（1）第一步：结合业务目标，明确标签需求
客户标签服务于业务目标和策略，每个标签都应该匹配具体或者是潜在的应用场景
（2）第二步：明确标签分类，选取数据维度
明确需求后，需要判断标签分类，进一步分析能够准确定义标签的数据维度
A、用户标签--属性标签：
主要由基础数据定义
定义了用户最基础的特征
定义宽泛，多结合其他类型的标签使用
B、用户标签--统计标签：
主要由活跃数据和消费数据定义
定义了用户最直观的数据特征
多在应用时直接创建，并且经过分析验证后，更多演变成模型标签
C、用户标签-模型标签
模型标签主要由消费数据和活跃数据定义
准确定义需结合产品特征、业务目标及数据分析，无法直接指定
灵活性强，更直观体现用户多方面特征，是用户标签的主要类型
模型标签定义示例：
数码爱好者：累计消费数码产品3000元，近一年消费数码产品4个订单
D、用户标签-预测标签
预测标签主要由活跃数据和消费数据定义
对用户潜在的关键行为倾向进行预测，实现难度较大，多借助算法支持，并且需要动态验证调整；
预测标签的定义示例：
流失风险用户：最后一次购物距今30天，最后一次访问距今15天
母婴潜在用户：最近30天访问/搜索母婴商品3次，历史母婴商品订单=0
（3）第三步：确定数据属性，准确定义标签
准确定义用户标签，需要确定已选择数据维度的具体数据属性
标签数据属性的确认
利用分布分析确定用户标签属性模糊的数据
分布分析定义标签
如何定义高消费用户？
A、高消费主要与消费金额有关，可根据用户累计消费金额数据定义