营销大数据分析,从数据仓库到百万标签库,打造精细化营销数据管

时间: 作者: 点击量:
不知道你们有没有发现,营销的手段越来越丰富,但也越来越难了。营销大数据分析,从数据仓库到百万标签库,打造精细化营销数据管理.


虽然很多企业都有自己的标签库,或者说是DMP吧,但毕竟不是每个产品经理都有机会让平台承载的标签数量超过一百万,原因很简单,要么没需求,要么没数据,要么没必要。

我记得当初打造1000+标签库的时候,也是觉得太多了,但大数据运营几年后,却有了观念的转变今天就来讲一讲,主要包括五大部分内容:标签库定位、标签体系、产品功能、平台架构

无论你是做什么的,数据仓库也好,程序员也罢,市场部也好,这篇文章建议你看看,能帮助你深刻的理解业务。

一、标签库定位

标签库以标签形式统一客户群数据的封装规范和操作风格,从而实现客户洞察知识的沉淀及共享,并通过产品化的形式实现目标客户群的快速生成和发布,提升营销渠道的客户群投放效率,标签库建设的目的就是为了营销,而不是为了分析。

企业的标签库跟广告产业的DMP是类似的,企业内部对自己的用户进行精准投放依赖的是标签库,广告产业DSP依赖的则是DMP。

二、标签体系

标签库的核心当然是标签体系,但每个企业打造的标签体系其实都不太一样,既有共性,也有个性。

共性主要体现在用户的一些基础属性,比如年龄、性别、职业、住址等等,个性是由于每个企业的产品特点、基础数据、目标受众都不太一样,比如运营商的标签会侧重通信消费、通信行为,而电商的标签则会侧重线上消费的各种特征,以下是某运营商8年前的一个标签分类示意。

但即使是同一个企业,也会由于业务的变化和数据能力的提升而大幅改变标签体系,比如运营商自从引入DPI、位置信令数据以后,其标签体系会向线上、线下的生活情况转变。
 

在设计标签体系的时候,要避免追求形式和逻辑上的完美,一定要从企业的营销实际出发,到一线进行充分的调研后确定要建设的内容,以下是以前的一个标签调研表格示例,方便理解。

标签按照生成方式有三种类型:基础属性、业务经验、分析模型和个性标签。

基础属性标签:基础属性标签是指从业务平台等数据源直接获取数据,一般通过信息整理或基础属性判定规则即可生成标签,比如品牌、集团属性、地域属性等。

业务经验标签:主要是利用业务人员经验积累的业务规则进行筛选、分析生成标签名单,数据口径的业务逻辑较清晰明确,可解释性强,比如中高端用户。

分析模型标签:主要是利用已有基础数据进行一定的筛选、分析、关联和数据挖掘,生成客户标签结果信息,比如易离网用户。

个性化标签:标签一般要具有共性的价值,但实践中很多标签属于探索性质,个性化很强,应允许在标签体系之外增加个性标签发布类目。

基础标签可以基于数据仓库的基础模型、融合模型直接生成,分析模型标签则依赖于挖掘模型的结果,一般来讲,基础属性标签最多,业务经验标签其次,分析模型标签最少,这是因为一个企业内大多数营销所需的目标客户需要直接、清晰而可解释。

三、标签库功能

标签体系是标签库的内涵,而标签库的功能决定了这些标签能否方便使用,酒香也怕巷子深。

标签库的核心功能包括标签创建、标签查询、客户群生成、客户群推送、标签元数据、调度管理这几项,其他的诸如标签编辑、标签停用、标签下线、标签评论、标签审批、标签推荐、安全管理等等,可以放到次优先级。很多看起来挺好的功能在运营初期一点价值都没有,你需要聚焦核心功能。

1、标签创建

标签创建一般要支持三种模式:简单模式,高级模式,导入模式

简单模式:面向业务人员,可以基于现成的模型宽表选择属性字段生成标签,如下图所示,但受限于开放的宽表的能力和业务人员的驱动力,在我们的实践中,这种简单模式并没有获得成功。

高级模式:面向独立编写SQL能力的使用人员,如下图所示,但要让标签库同时具备数据开发环境的能力,是比较理想化的。

实践中更多的还是通过数据开发平台生成后台表,同步到标签库后台,标签库再配置发布,虽然比较繁琐,但跟企业的数据开发体系是融合的。

我们后来直接让标签库前台对接数据开发平台的元数据,可以基于数据开发平台的表一键发布成标签,如下图所示,现在数据开发平台也可以一键发布到标签库,这样就很方便了,标签库一定要约束其功能的范围。

2、标签查询

标签查询一般要支持二种模式:目录视图,搜索视图




 

3、客户群生成

客户群生成一般可以包括客户群计算、客户群分析、客户群拓展三个模块。

客户群计算:基于标签的组装生成客户群是标签库最核心的功能,主要包括选择标签及属性、配置标签逻辑关系、配置客户群属性三部分,如下图所示:

客户群分析:客户群在投放前往往还需要进行多维度分析(比如位置、收入、区域、性别、年龄、总量等等),方便对客户群做出进一步调整,如下图所示:

客户群拓展:选择某个客户群作为种子用户,找到这部分用户的维度特征(当然还可以有其他办法),然后基于这些维度特征找到其他相似用户,从而扩大投放用户群,这个功能其实不太实用,实践中拓展用户群往往是通过放宽标签设置条件去做。

4、客户群推送

没有出口的标签库是没有价值的,标签库需要对外开放,能够将客户群按照一定的接口规范, 通过标准化的交互接口,提供给外部系统进行使用,包括同步、异步及订阅等多种方式,一般推送的对象就是营销管理平台或者说是DSP。



推送客户群有一个关键就是有来有回,你出去的数据,必须能跟踪到渠道投放情况,做不到这一点,就无法形成闭环,后面的运营就很难开展。

很多企业标签库和投放端是两个团队,数据有去无回,标签的优化就很难做了,长远来讲损害企业利益。

5、标签元数据

标签元数据是整个元数据管理体系的一部分,主要包括对标签数据来源、数据处理过程、数据建模过程、标签口径、标签效果等的说明,透明化的第一目的就是让这个标签值得信任,业务人员敢用,其次是方便核查问题,但标签的元数据很难做好,比如效果的自动获得对于投放的闭环要求非常高。

四、标签库架构

1、标签库系统数据流向

下图通过一个案例显示了标签库的数据流向,方便你理解其中的逻辑关系。

(1)(2)(3)(4):外围系统提供数据通过ETL工具同步到主仓库和专题库

(5)(6)(7):主仓库、专题库、创新应用平台生成的基础模型、融合模型、挖掘模型结果同步到标签库

(8):标签后台库负责标签的生成、标签宽表存储、客户群计算及清单存储,向非结构化库输出个人标签清单

(9):基于文件系统非结构化存储个人用户的标签信息(MogoDBS), 满足对外快速查询需求

(10):标签前台库存储标签、客户群、资源权限等系统配置信息

2、标签库系统部署结构

标签库有大量的关联批量计算任务,对于在线分析的时限要求高,因此MPP架构往往是后端数据库的选择之一,在某些所见即所得的场景(比如在线统计),可以混合使用ES等查询引擎来提升体验。
 

上一篇:互联网行业大数据+行业未来发展领域与应用研究

下一篇:千万级大数据治理架构却只用6步管理!100%复用

注册体验: