大資料助力企業營銷的核心在於：在「合適的時間」，基於對使用者的了解，把你希望推送的東西通過「合適的載體」，以「合適的方式」，推送給「合適的人」。
一：什麼是標籤體系
說到客戶標籤，不得不說使用者畫像。使用者畫像，有個類似的概念叫「受眾定向」。「使用者畫像」既有人口屬性、生活狀態這些基本靜態資訊，又包括使用者「最近要不要旅遊」、「準備買多少錢的車」這樣能驅動直接效果的動態資訊。從這層意思來看，用「受眾定向」更加準確。
客戶標籤簡單說就是你把使用者分到多少個類裡面去。乙個客戶標籤通常是乙個或多個客戶特徵的集合。這些類都是什麼，彼此之間有何聯絡，就構成了標籤體系。
二：標籤系統組成
標籤系統可以分為三個部分：
a：資料加工層
b：資料服務層
c：資料應用層
每個層面面向使用者物件不一樣，處理事務有所不同。層級越往下，與業務的耦合度就越小。層級越往上，業務關聯性就越強。
資料業務層。資料加工層為業務層提供最基礎資料能力，提供資料原材料。業務層屬於公共資源層，並不歸屬某個產品或業務線。它主要用來維護整個標籤體系，集中在乙個地方來進行管理。
資料應用層。應用層的任務是賦予產品和運營人員標籤的工具能力，聚合業務資料，提供資料應用服務。應用場景：精準化營銷、個性化推送。
三：標籤模型設計
1、按「資料實效性維度」分類
a：靜態屬性標籤
長期甚至永遠都不會發生改變。比如性別，出生日期。
b：動態屬性標籤
存在有效期，需要定期地更新，保證標籤的有效性。比如使用者的購買力，使用者的活躍情況。
2、按「資料提取維度」分類
a：事實標籤
b：模型標籤
沒有對應資料，需要定義規則，建立模型來計算得出標籤例項。比如支付偏好度。通過一系列的演算法或者規則挖掘得到。比如：乙個使用者最近開始購買母嬰類商品，奶粉尿布等，那麼可以根據客戶購買的頻次和數量，結合客戶的年齡、性別推斷是否為新媽媽/爸爸。
c：**標籤
參考已有事實資料，來**使用者的行為或偏好。比如使用者a的歷史購物行為與群體a相似，使用協同過濾演算法，**使用者a也會喜歡某件物品
模型標籤的定**決的就是從無到有的問題。建立模型，計算使用者相應屬性匹配度。現實中，事實標籤也存在資料缺失情況。比如使用者性別未知，但是可以根據使用者瀏覽商品，購買商品的歷史行為來計算性別偏好度。當使用者購買的女性化妝品和內衣較多，偏好值趨近於性別女，即可以推斷使用者性別為女。
四：應用場景
a：分類統計
簡單來說，借助使用者畫像的資訊標籤，可以計算出諸如「喜歡某類東西的人有多少」、「處在 25 到 30 歲年齡段的女性使用者佔多少」等等。
b：精準化營銷
以資料為基礎，建立使用者畫像，利用標籤，讓系統進行智慧型分組，獲得不同型別的目標使用者群，針對每乙個群體策劃並推送針對性的營銷。
c：相關資料探勘
在使用者畫像資料的基礎上，通過關聯規則計算，可以由 a 可以聯想到 b 。
你真的懂使用者畫像嗎？
在移動網際網路時代，精細化運營成為企業重要的競爭力，此時，使用者畫像 的概念也應運而生。使用者畫像是指，在大資料時代，我們通過對海量數字資訊進行清洗 聚類 分析，從而將資料抽象成標籤，利用這些標籤將使用者形象具體化，從而為使用者提供有針對性的服務。在下文中，我們將以個推使用者畫像產品為例，為你詳解 ...
你真的懂使用者畫像嗎？
在移動網際網路時代，精細化運營成為企業重要的競爭力，此時，使用者畫像 的概念也應運而生。使用者畫像是指，在大資料時代，我們通過對海量數字資訊進行清洗 聚類 分析，從而將資料抽象成標籤，利用這些標籤將使用者形象具體化，從而為使用者提供有針對性的服務。在下文中，我們將以個推使用者畫像產品為例，為你詳解 ...
你真的懂使用者畫像嗎？
在移動網際網路時代，精細化運營成為企業重要的競爭力，此時，使用者畫像 的概念也應運而生。使用者畫像是指，在大資料時代，我們通過對海量數字資訊進行清洗 聚類 分析，從而將資料抽象成標籤，利用這些標籤將使用者形象具體化，從而為使用者提供有針對性的服務。在下文中，我們將以個推使用者畫像產品為例，為你詳解 ...