客户标签有哪些应用,怎么设置顾客标签。小编来告诉你更多相关信息。

编辑导语：用户标签是构成用户画像的核心因素，是将用户在平台内所产生的行为数据，分析提炼后生成具有差异性特征的形容词。那么，标签如何帮助B2B营销服务客户呢？本篇文章据此展开了一系列的分析，感兴趣的小伙伴们快来一起看看吧。

为了提升营销效率，我们需要更清晰地认识到我们服务的客户对方，他们是谁及他们的意图。

这个时候，用户标签就排上了用场，通过从用户信息中抽取出用于说明用户特征的结构化数据，通常是认为规定的特征标识，用于高度精炼的特征进行描述，是对线索的定性分析数据。

主要作用体现在第一，标签可以使原本无法描述、搜索和定位的数据也可以被描述、搜索和定位；第二，不同的标签有不同的权重，有助于后续的线索打分，且能满足个性化需求；第三，通过标签可以将信息之间建立某种联系，最终为海量信息建立起相互关联的信息网。

针对标签的不同类型：事实型标签、分析型标签、预测型标签，其中事实型标签、分析性标签是客观存在的，属于统计型画像，而预测型画像更强调预测的准确度。

一、事实型标签

事实型标签，即根据用户的事实型行为打标签，可以通过4W着手，即who（谁）、when（什么时候）、where（在哪里）、what（做了什么）。

1. who（谁）

who（谁），即用户识别，其目的是为了区分用户。

对于高客单价企业，进入到线索阶段后，一般已经具有了基本人口统计、公司信息、BANT信息，用户识别相对简单。

2. when（时间）

when（时间），这里的时间包含了时间跨度和时间长度两个方面。

“时间跨度”一般指以天为单位计算的时长，指某行为自发生到现在间隔了多长时间；“时间长度”则为了标识用户在某一页面的停留时间长短。

在用户行为中，普遍认为近期发生的行为更能反映用户当下的特征，因此过往行为将表现为在标签权重上的衰减，即所谓的“时间衰减因子”，如图所示。

3. where（在哪里）

where（在哪里），就是指用户发生行为的接触点，里面包含内容和网址。

内容是指用户所作用对象标签；网址则指用户行为发生的具体地点。

内容决定标签，网址决定权重。

4. what（做了什么）

4W着手，可以简单勾画出一个用户行为的标签权重公式：标签权重=时间衰减（何时）×网址权重（何地）×行为权重（做什么）。

二、分析型标签

分析型标签，是对于线索数据的进一步加工。

最典型的方式是RFM模型，即从最近一次消费R（recency）、消费频率F（frequency）、消费金额M（monetary）这三个维度分析某一个潜在用户的价值。

1. 最近一次消费R

即用户最近一次的购买时间。消费时间最近的用户是最有可能对提供的商品或服务有反应的群体。

离上一次购买很近的用户，人数如增加，则表示该公司是个稳健成长的公司；反之则要有所预警。

2. 消费频率F

即用户在限定期间内所购买的次数。最常购买的用户，也是满意度最高的用户。

如果相信品牌及商店忠诚度的话，最常购买的用户，忠诚度也最高。

增加用户购买的次数意味着从竞争对手处偷取市场占有率。

3. 消费金额M

即用户的购买金额，可分为累积购买及平均每次购买。消费金额是所有数据库报告的支柱，也可以验证“帕累托法则”——公司80%的收入来自20%的用户

3个变量可以用三维坐标系进行展示，x轴表示recency，y轴表示frequency，z轴表示monetary，坐标系的8个象限分别表示8类用户，可以用图4-6进行描述。

三、预测型标签

预测型标签需要基于事实型标签和分析型标签做出预测。

预测型标签的生产流程：特征抽取→监督学习→样本数据→评估→标签产出，是经典的机器学习流程，在设计标签时要注意以下几点：

尽量窄化范围，减少某个标签可能的意义范围。

标签要统一：风格一致，如活泼的或严肃的；版面样式一致，字体、字号、颜色、空白、分组方式一致，视觉上强化标签群组的系统性本质；语法一致，名词“餐厨”，动词“做饭”等同一层级不要混用。

易理解：标签所指示的系统范围应该能够让人充分理解，有助于用户快速扫描，推论出应用所提供的内容。

在打标签的过程中，可以用简单的方法快速走通整个流程，然后再进行每个环节的优化。同时，在进行线索定性过程中，要及时通过头脑风暴进行优化。

相关利益者（市场部和销售部）闭门会议，展开头脑风暴。

深入以下问题：目标市场是什么样的？销售人员觉得获得的销售线索数量是多了还是少了？数据库现有线索的质量？转化好的线索有什么特征？什么样的线索不受欢迎？

确定“好”是多好：设置基准级别。

确定“好”线索的标准，并定期审查，不断迭代培育机制。

公众号：致趣百川（ID：BesChannels）

题图来自 unsplash，基于 CC0 协议