Version: 简体中文

客户标签

1.概述#

给客户贴标签是数字营销中常用的做法,合理准确的客户标签有利于企业深入理解和认知客户。不同于内容标签,客户标签是直接标记在客户身上的,通过客户标签可以非常直观地了解客户画像。

在系统中,如果需要对客户进行比较细粒度的筛选分群,可以使用客户属性或客户事件作为条件。如果希望进行粗粒度或者稍微抽象一些的筛选,则可以选择客户标签。

客户标签分为两大类:普通标签和值标签。普通标签是客户直接打上某个标签;值标签是客户除直接打上这个标签外,同时还会打上这个标签算出的具体对应的值。从标签的新建类型来说,客户标签又分为四类:静态标签、智能标签、模型标签和外部标签。其中静态标签和智能标签属于普通标签,模型标签属于值标签。外部标签既包含值标签,也包含普通标签。

2.客户标签管理#

在标签列表上方,有这四类标签的统计数据,可查看到每种类型的标签各有多少个。点击对应标签即可新建标签。

avatar

注意:为了更有效地利用计算资源,为每一位客户提供更好地系统能力,DM Hub决定限制智能标签的数量。智能标签将按照计算周期每天、每周、每月、每年各支持创建数量的限制。当客户在创建智能标签时,系统将提示可使用的额度,帮助客户更好的管理和使用。

系统支持标签多层分级,且支持分组在层级间拖动。

avatar

注意:分组内如果有标签不支持删除,仅当组内无标签方可删除分组。

标签统计

点击每一个具体的标签,可查看到该标签的标记人数统计,了解标签的变化趋势。

avatar

3.静态标签#

静态标签可手工输入或Excel文件批量上传。如Excel上传,请先下载模板,按模板形式填写后上传。

avatar

可以通过以下方式为客户打上静态标签 :

  • 系统自动流程给客户打上
  • 群组批量为客户打上
  • 在客户详情页面标签模块选择给某个客户打上
  • 调API给客户打上

4.智能标签#

智能标签是通过系统高级筛选中的条件组合创建的,符合该条件的客户会自动的打上该标签,智能标签会按照一定周期进行更新计算(按天、按周、按月、按年)。

avatar

5.模型标签#

模型标签属于值标签的类型,通过系统预设的模型计算出企业定义的标签的值。

以【品牌偏好模型】为例。如果定义一个标签为【会员的品牌偏好】,通过模型计算出该标签的值为:品牌A、品牌B、品牌C,每个打上该标签的用户对应的值可能是不同的,最后打上的标签即为【会员的品牌偏好:品牌A】、【会员的品牌偏好:品牌B】、【会员的品牌偏好:品牌C】。系统支持值标签多值的情况。

模型标签可以用一个模型设置不同的参数生成多个模型标签,系统支持最多每个模型生成10个标签。

模型标签应用场景:将单值标签插入各触点,即可针对不同的标签值人群进行触达。

可插入单值标签的地方:

  • 微信相关:微信模板消息、自动流程微信回复文本、自动流微信回复外部页/小程序、微信二维码/关键词回复文本、微信二维码/关键词回复外部页/小程序、微信菜单消息回复文本、微信菜单消息回复外部页/小程序、关注后回复文本
  • 非微信:短消息、Webhook、APP Push、邮件、微页面

5.1品牌/品类偏好#

系统可以根据客户历史订单中的品牌及品类的购买情况,对比购买过的每种品牌及品类,根据用户的条件参数设置,将符合条件的品牌/品类给客户打上偏好标签。

avatar

品牌/品类偏好标签模型共有两种模型,可选择任何一个模型进行偏好标签的计算。模型一仅按照购买频次进行计算,模型二会根据购买时间、频次、金额来综合计算。

avatar

  • 模型一

    1. 首先进行计算的窗口期选择,如选择过去一年的订单数据进行偏好标签计算。

    2. 条件设置:设置购买次数,可设置购买次数最多的品牌作为偏好标签打到相应客户身上,也可设置超过多少次的就可以作为偏好标签打到相应客户身上。

avatar

附加条件:同时可增加限制条件,在近期多少天之内有购买过该商品才可以作为偏好标签,或者购买品牌种类大于多少种的客户才可以被打上标签。以这个条件来排除购买的时间间隔为题。

avatar

  1. 加入标签组:如果第一次进行偏好模型的设置,系统会创建品牌/品类偏好模型,系统会将生成的标签放入该群组。如已经创建过偏好模型标签,则每次修改规则重新计算的新偏好标签也会放置在该分组中。由于偏好标签的特殊性,这类标签不允许分组的移动操作。
  • 模型二

    1. 设置权重

    计算窗口期:选择参与偏好计算的订单对应的时间,如选择过去一年的订单进行偏好标签的计算。

    此外,可以选择购买数量的限制,如可以选择过去一年的订单中,购买品牌/品类的数量超过2的才会进行计算,其他由于样本数量不足以支撑算出用户的偏好,不参与偏好标签的计算。

    偏好因子权重及时间衰减参数

    可自行根据三个因子(购买衰减,购买次数,购买金额)对计算偏好标签的影响进行权重的设置,系统后台会采用相对值和权重进行综合计算,给每个客户在窗口期购买过的所有品牌/品类一个计算的得分。每个品牌/品类会有得分的高低,得分越高的代表客户越喜欢该商品/品类。计算公式如下:

avatar

时间衰减✖️权重+➕购买次数相对值(总订单数)✖️权重➕购买金额相对值✖️权重

注意:权重加和需为100%,如某项不参与模型计算可设权重为0%。

其中:

  • 时间衰减R值: 最后一次购买该品类的时间距离今天的天数,R值越小代表客户近期对该品牌/品类关注度高,为活跃状态,系统给予高分值
    • R值预设区间为五组,五组对应不同的计算分数,可自行进行天数的设置,用此值来区分近期购买的品牌或品类,还是已经购买了很久的品牌和品类,它们对于客户的近期喜好会有影响
  • 购买次数:指客户购买的每个品牌/品类对应的购买次数 购买金额:指客户购买的每个品牌/品类对应的实际支付金额
  1. 选择偏好标签数量

根据客户窗口期购买过的品牌/品类得分进行排序,企业可以选择分数排名前几的品牌/品类作为偏好标签给客户打上。

avatar

同时系统会有每个客户的分值阈值线,用来排除计算分值中特殊的情况干扰,影响偏好标签的准确性。

  1. 加入标签组:计算好的偏好标签将被放到已创建或新创建的偏好分组里面,可供查找,同时每个客户的详情页面标签栏也可以看到偏好标签。

avatar

5.2 RFM#

RFM模型可以动态地展现客户的轮廓,通过客户消费的三项指标,帮助企业较为精确地判断客户的价值。这三项指标分别为:

  • R:Recency (最近一次消费时间),即最后一次购买距离今天的天数,考察客户购买的沉默期
  • F:Frequency(一定时间内购买的次数),该指标用于参考是否是忠实客户
  • M:Monetary(总订单金额),每个客户的订单总金额M等于该客所有订单金额的总和,考察客户的消费能力

根据业务需求,设定好这三个纬度的数字,比如R<=30为近期高活跃度用户,则R>30为低活跃度用户;F>=2为高忠诚用户,则F<2为低忠诚用户;M>=100为高购买力客户,则M<100为低购买力客户,最后会根据这三个纬度,将客户分成8类人群,为他们分别打上不同的8个RFM标签值。

avatar

5.3自定义偏好标签#

系统的偏好标签,除了品牌和品类偏好标签外,还可以让用户选择订单的任意文本字段进行模型标签的计算,包括用户自定义的订单属性也可以进行相关的偏好计算,比如【优惠类型】。

avatar

其余设置参考【品牌/品类偏好】

5.4内容偏好标签#

系统支持在内容(如微页面、公众号二维码、公众号菜单、邮件等)上设置内容标签,客户与内容发生交互后便也被标记了相应的内容标签,每个客户身上的内容标签都会记录频次和标记时间。但是对客户进行营销的时候一般采用客户标签对客户进行分群,因此需要将内容标签转化为客户标签。

比如,系统里有内容标签分组【产品类别】,其中包含内容标签:产品A、产品B、产品C和产品D。

某个客户与多种内容产生过交互,身上标记的内容标签有产品A、产品B、产品C(假定这些内容标签都是最近30天被标记上的)。

avatar

因此我们的模型规则描述如下:

  • 客户身上属于【产品类别】分组的内容标签:我们需要对某个分组的内容标签进行比较,同一个分组是同一种类型的内容标签,它们之间的比较才有意义

  • 在最近30天内标记次数最多:需要转化为客户标签的这个内容标签应当是标记次数最多的那个,通过限定最近的一段时间可以有效了解客户最近的偏好

  • 且至少被标记10次的:如果客户身上的内容标签都只被标记一次两次,那么即使某个标签标记次数最多,它也没有到达可以认定这是客户喜欢的强度,不能被转化为客户标签

avatar

通过以上规则限定,我们就可以成功将客户的内容标签转化为客户内容偏好标签,并接着通过客户标签去对客户进行精准营销

注意:规则设定完成后将立即对所有客户进行内容标签转客户标签的运算,之后每天凌晨将对所有客户进行计算。

5.5时间段模型标签#

时间段模型标签是将客户发生事件最多次数的时间段作为偏好标签打在用户身上。比如,选择【购买商品和服务】事件,时间区间设置下午2-6点和晚上6-10点,通过计算,在下午2-6点购买次数最多的人就会打上【购买时间段-下午】的标签,在晚上6-10点购买次数最多的人就会打上【购买时间段-晚上】的标签。

avatar

6.外部标签#

静态标签、智能标签、模型标签都是在DM Hub系统中产生的,但外部标签不是在DM Hub系统中产生的,而是通过文件的方式直接入库DM Hub系统。外部标签在第三方系统中生成,同时在第三方系统中已经生成客户和标签对应关系,在需要把标签入库的同时,也要入库外部标签和客户的对应关系。

其他标签在系统中可以进行编辑、删除、修改,外部标签在系统中不可以进行编辑和修改,但可以进行删除。外部标签删除提供API,也支持用户自己调API取SFTP或OSS取文件。

使用前您需要提供OSS或SFTP服务器的账户密码等信息,并配置在DM Hub系统中,然后上传文件至OSS或SFTP服务器对应的目录中。

注意:现上传的文件只支持编码格式为utf-8并以逗号分隔的CSV文件。

6.1配置OSS或SFTP#

为了能够成功读取到上传的文件,系统严格规定了上传至OSS或SFTP的文件路径,以OSS为例:

如果在DM Hub中配置的buketName为external-tag,path为 /my-tag-file-path/

avatar

且调用此API当天是2020年8月18日,导入一个名为【品牌偏好】的标签,那么就需要将标签与客户关系文件上传至 /external-tag/my-tag-file-path/20200818/tag/品牌偏好/目录下,标签定义文件需要上传至/external-tag/my-tag-file-path/20200818/tagDefinition/definition。

/external-tag/my-tag-file-path/20200818/tag/品牌偏好/ 目录下可以有多个文件,这样可以提高计算速度,每个文件最好不要超过1GB 且不低于100M(总大小小于100M只需要上传一个文件即可), 文件名没有限制,但必须为标准的以逗号分隔的CSV文件。

avatar

在OSS Browser中的呈现如下:

标签文件如图:

avatar

标签定义文件如图:

avatar

6.2标签文件和标签定义文件#

标签文件要求

导入的外部标签可分为三种:普通标签、单值标签、多值标签。

普通标签:不包含标签值,意为一个客户是否有这个标签,文件中只有一列,不包含文件头,每一行代表一个客户的身份值,不允许行之间有重复(如果有重复DM Hub会去重)。文件样例如下图所示(身份为手机号):

avatar

单值标签:包含标签值,但每个身份至多可以包含一个值,文件中有两列,不包含文件头,第一列为身份值,第二列为标签值,值和身份都不允许为空。文件中有两行及以上身份一样但值不同时的这几行将会保留第一行,后面同样的内容将会舍弃。单值标签的值可以作为DM Hub中模板变量。文件样例如下图所示(身份为手机号):

avatar

多值标签:包含标签值,与单值标签不同的是,相同身份可以有一个或多个不同的值,文件中有两列,不包括文件头,第一列为身份值,第二列为标签值,值和身份都不允许为空。一个身份有多个值时, 对应着文件中的多行。多值标签的值不允许作为DM Hub中模板变量。文件样例如下图所示(身份为手机号):

avatar

标签定义文件要求

标签定义文件文件名需为 definition.csv,文件需有文件头,从左到右每列列名及其说明如下:

  • tag: 标签名称,必填。如“品牌偏好”不可包含特殊字符
  • tagType:标签类型,必填。只可为“普通标签”或“值标签”
  • valueType:值标签值类型,当tagType为值标签时必填。只可为 “数值”、“文本”、“日期”、“日期时间”,当为日期或日期时间时,标签文件中值为毫秒数时间戳
  • multiValue:是否为多值标签,当tagType为值标签时必填。只可为 “Y”或者“N”
  • group:所属分组名称,非必填。若有分组则该标签分组需要调用该API前在DM Hub中创建完成,如 “品牌分组”

文件样例如下图所示:

avatar

7.如何对客户打标签#

客户标签建好后,可以通过以下几种方式为客户打标签。

  1. 在了解了某个具体客户的特征或属性后,可以直接在客户详情中为其打标签。

avatar

  1. 在群组中,为某一群组的所有客户集体打上标签。

avatar

  1. 在自动流程中设置打标签动作。如果客户进入流程,做了一系列动作,符合打标签的流程条件,就可以自动为其打上标签,无需人工操作。

avatar