数据指标 VS 标签体系,到底有啥区别?
—
标签体系的建设是非常重要的,不但能丰富数据分析的素材,更能直接推动分析成果落地。
来源 / 接地气的陈老师 (ID:gh_abf29df6ada8)
作者 / 接地气的陈老师
—
标签体系的建设是非常重要的,不但能丰富数据分析的素材,更能直接推动分析成果落地。
来源 / 接地气的陈老师 (ID:gh_abf29df6ada8)
作者 / 接地气的陈老师
网上分享数据指标体系的文章很多,但讲数据标签的文章很少。实际上,标签和指标一样,是数据分析的左膀右臂,两者同样重要。
实际上,很多人分析不深入,就是因为缺少对标签的应用。今天系统的讲解下。
一个通俗的例子
比如我们要介绍陈老师,可以有三种讲法:
指标:陈老师身高180cm,体重200斤
标签:陈老师1米8,大胖子
标签:陈老师啊,黑旋风李逵听说不?
这就是标签和指标的直观区别。数据指标,是用数据对事物的准确描述。比如身高、体重、腰围、手臂长度,这些都是数据指标。
标签,则是基于原始数据加工的,带了业务含义的概括性描述。一个“大胖子”,就同时概括了身高和体重,而“长得跟李逵似的”,更是把五官、身材、气质等特征都概括进来了。
指标 VS 标签
显然,对比起来,用数据指标描述事物,会更精确。但标签也是同样重要的。因为除了“精准”以外,人们还有更多的需求。
首先,并非所有特征都能用一个数据指标来描述。
常见的指标,一般是连续变量(比如身高183cm)或者定序变量(风险等级ABCDE)。还有大量的特征,是以分类变量的形式存在。
比如商品规格(50ml一瓶)、颜色(赤橙黄绿)、用途(比如:居家保健、外出防护……)这些商品特征,一般是以标签的形式进行描述,这也是“标签”这个词最早的来源。
其次,标签是有业务含义的。
比如光说两个指标:身高183、体重200斤,人听了也没啥感觉,但一旦加上标签:身高183+体重200,很魁梧/身高183+体重200,大胖子。是不是脑海里立马有画面感了。
最后,标签更容易被业务使用。
介绍对象,说“我介绍个小萝莉给你”,远比“我介绍一个身高153体重85的女生给你”,更容易促成下一步行动。这就是标签的魅力。
所以,标签体系的建设是非常重要的,不但能丰富数据分析的素材,更能直接推动分析成果落地。
标签有哪些
标签有四类
1、基础特征标签
2、规则计算标签
3、综合计算标签
4、模型预测标签
四类介绍如下:
相当多的企业,没有系统做过标签梳理,有大量的散乱的基础特征标签。有些业务部门自己会习惯性提规则/综合计算的标签,但是没有和其他部门共识过,导致通用性差。这些都制约了标签发挥作用。
那如果做得好的话,标签能发挥啥作用呢?
典型的标签使用场景
一:查询信息。这是最普遍的场景了。大量的一线工作人员会有需求,比如客服、销售、售后、文案编辑,能通过标签,快速查到对应的商品、客户、活动等信息,提高工作效率。而且查询用的标签不需要很复杂,基础特征标签即可。
二:分析素材。比如做漏斗分析,看到A渠道比B渠道转化好,可怎么解释呢?这时候可以引入一系列标签。比如
渠道标签:公域、大众私域、垂直私域
文案标签:产品知识、优惠信息、个人分享
商品标签:流量款、爆款、利润款、
优惠标签:优惠力度大、中、小
加入我们
推荐阅读
本篇文章来源于微信公众号: 编辑
相关文章
- Salesforce早期月亏损100-150万美元,这个决定成为营收增长的转折
- 前瞻|美股软件SaaS的需求复苏及AI进程到哪里了
- 抓住巨大的机会:大模型背景下的企业应用软件创业者思考框架
- 创业者和投资人必读:探秘万亿规模的日本SaaS市场
- 【重磅发布】炎黄盈动《2023低代码PaaS加速制造行业数字化转型白皮书》
- 「金蝶票据云」完成数千万元A轮融资,票税数字化管理赛道或因金税四期落地迎来分水岭
- 乐言科技发布自研大语言模型,加速行业 GPT 产品落地 | 初心分享
- Autodesk 2023财年报告解读
- 信天News|「司库立方」获数亿元C轮融资,老股东信天创投持续追投
- 微盟2022财报:SaaS业务同比增长8.7%,智慧零售引领大客增长,持续加码AI创新