一种用户标签化处理方法及系统与流程

本发明涉及营销领域，尤其涉及一种用户标签化处理方法及系统。

背景技术

从16年开始，互联网用户增长趋缓，同比仅增长。一方面，不论是线上还是线下，新用户的获取成本都很高。另一方面，用户时间增长也在趋缓。在用户花费时间趋向饱和情况下，不同的产品之间同样存在竞争关系。

在这个背景下，随着用户量增长，运营人员面临新的挑战，有以下核心诉求：一般运营活动中，怎么对不同用户群体分层，提高流量的分发效率？对于个体用户，怎么深入到日常使用场景，提高流量的转化效率？

落到产品设计层面，需要解决以下问题：怎么设计一个完善的用户标签体系？怎么打标签？打哪些标签？谁来打？怎么使用用户标签，创造商业价值。

因此，现有技术还有待于改进和发展。

技术实现要素：

鉴于上述现有技术的不足，本发明的目的在于提供一种用户标签化处理方法及系统，旨在解决对用户进行标签化，实现精确营销的问题。

本发明的技术方案如下：

一种用户标签化处理方法，其中，包括步骤：

a.对用户进行标签化，赋予用户1个或多个标签；

b.当用户的标签存在缺失时，对标签进行重定义，并赋予用户重定义的标签。

所述的用户标签化处理方法，其中，所述步骤a之前还包括步骤：

s.预先存储多个标签，建立标签库，每个标签对应不同的行为属性。

所述的用户标签化处理方法，其中，所述步骤a中包括：

a1.获取用户的行为属性，根据用户的行为属性，赋予用户行为属性对应的标签。

所述的用户标签化处理方法，其中，所述步骤b中，可根据用户的行为属性建立新的标签，并定义新的规则，存储至标签库中，或对多个标签进行组合，创建新的复合型标签。

所述的用户标签化处理方法，其中，所述步骤s中，用户可查看标签库中的标签的粉丝数，即使用该标签的用户数量在总用户数量的占比数。

一种用户标签化处理系统，其中，包括：

处理器，适于实现各指令，以及

存储设备，适于存储多条指令，所述指令适于由处理器加载并执行：

对用户进行标签化，赋予用户1个或多个标签；

当用户的标签存在缺失时，对标签进行重定义，并赋予用户重定义的标签。

所述的用户标签化处理系统，其中，所述处理器还用于执行：建立标签库，预先存储多个标签，每个标签对应不同的行为属性。

所述的用户标签化处理系统，其中，所述处理器还用于执行：获取用户的行为属性，根据用户的行为属性，赋予用户行为属性对应的标签。

所述的用户标签化处理系统，其中，可根据用户的行为属性建立新的标签，并定义新的规则，存储至标签库中，或对多个标签进行组合，创建新的复合型标签。

所述的用户标签化处理系统，其中，用户可查看标签库中的标签的粉丝数，即使用该标签的用户数量在总用户数量的占比数。

有益效果：本发明公开了一种用户标签化处理方法及系统，其中，所述方法包括步骤：a.对用户进行标签化，赋予用户1个或多个标签；b.当用户的标签存在缺失时，对标签进行重定义，并赋予用户重定义的标签。本发明通过获取用户的行为，对用户行为属性进行定义，赋予不同用户行为属性对应的标签，对用户进行标签化，便于精准营销，提高了营销精确性。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明一种用户标签化处理方法的步骤流程图。

图2为本发明一种用户标签化处理方法的较佳实施例，标签类型示意图。

图3为本发明一种用户标签化处理系统的较佳实施例的结构示意图。

具体实施方式

本发明提供一种用户标签化处理方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，为本发明所述用户标签化处理方法的步骤流程图，本发明公开了一种用户标签化处理方法，其中，包括步骤：

s1.对用户进行标签化，赋予用户1个或多个标签；

s2.当用户的标签存在缺失时，对标签进行重定义，并赋予用户重定义的标签。

本发明公开了一种用户标签化处理方法，能够对用户的行为属性进行标签化，赋予用户1个或多个标签，标签化的用户，在后续实现精确营销时，只需要通过标签的筛选即可对用户进行筛选，而，对于用户的标签化，具体实施时，对于一些用户，可能没有与其匹配的标签，也就是该用户的标签存在缺失，需要对该用户进行标签化处理的话，需要引入新的标签，对标签进行重新定义，并赋予用户该重新定义的标签，以使用户具有至少一个可以标识用户的标签，实现精确营销。

进一步的，所述的用户标签化处理方法，其中，所述步骤s1之前还包括步骤：

s0.预先存储多个标签，建立标签库，每个标签对应不同的行为属性。

本发明所述方法，在对用户进行标签化时，所有标签均应该已被记录，以使标签库中的标签能够适用不同的用户，能保证不同的用户均能在标签库中找出对应的标签，因此，本发明中，预先存储若干标签至标签库中，标签库中的标签大范围覆盖甚至全覆盖用户的行为属性，即使有的标签对应一个或几个等少数的用户行为属性，均保存在标签库中，能够保证每个用户均能在标签库中找到与之行为属性对应的标签，方便进行精确营销，每个用户可对应有多个标签，每个标签也可对应多个用户，也就是说，用户多个行为属性，可对应不同的标签，这些不同的标签都能对该用户进行定义，例如，律师，属性有职业是律师，性别为男女，年龄属性等等，该律师用户，标签个数可能有几个或者十几个，同时，对于职业律师这个标签，用户职业是律师的肯定也不只有一个，因此，该标签也能够定义很多个用户。

进一步的，所述的用户标签化处理方法，其中，所述步骤s1中包括：

s101.获取用户的行为属性，根据用户的行为属性，赋予用户行为属性对应的标签。

本发明所述方法，所述步骤s1，对用户进行标签化，具体的，获取用户的行为属性，根据用户的行为属性，赋予用户行为属性对应的标签，用户的行为属性覆盖范围很广，前面已经说到，不同的用户行为属性，对应可赋予不同的标签，因此，根据用户的行为属性，能够赋予用户1个或多个标签，在精确营销时，可根据标签进行用户筛选。

进一步的，所述的用户标签化处理方法，其中，所述步骤s2中，可根据用户的行为属性建立新的标签，并定义新的规则，存储至标签库中，或对多个标签进行组合，创建新的复合型标签。

本发明所述方法，所述步骤s2中，用户标签缺失时，没有符合用户行为属性的标签，为了保证标签库的完整性，需要定义新的规则，并且将新生成的标签存储至标签库中，该新的标签根据用户的行为属性来建立，而对于标签缺失的用户，在开始对其标签进行检索时，只有在任何筛选条件下，均没有符合的标签时，才会建立新的标签，保证标签的精确性，本发明中，还可以根据多个标签进行整合，来进一步的实现精确化营销，例如，职业为律师的标签，以及40-50岁的年龄，以及男性，结合这三个标签，可重新定义标签属性为“中年男性律师”，来实现一个标签的属性同时对应三个标签的属性，来减小内存，避免用户具有太多的标签，导致筛选步骤繁多，降低了精确性。

进一步的，所述的用户标签化处理方法，其中，所述步骤s0中，用户可查看标签库中的标签的粉丝数，和/或使用该标签的用户数量在总用户数量的占比数。

本发明所述方法，为了进一步的实现精确营销，在步骤s0中，会建立标签库，来保存用户行为属性对应的标签，前述已经提到，不同的标签，可同时对应不同的用户，例如，律师这个职业，全国对应的可能有几十万律师职业的用户，因此，律师标签对应用户数量也就可以知晓，也可进一步的筛选，男性律师标签，当然了，男性律师标签是整合后的标签，因此也属于独立的标签，男性律师当然也属于律师，因此，男性律师是进一步的整合标签，范围更小，更能实现精确营销，本发明中，用户可查看标签库中的标签的粉丝数，也就是标签的用户数量，也就是比如刚刚提到的律师标签对应的用户数量，也可显示百分比，例如，全国有百分五十几的男性和百分之四十几的女性，这是相对较大的标签，也可能有的标签只有少数人，可以根据标签使用量来进行区分，高频标签和低频标签，也可定期的检查用户的行为属性，来对用户的标签进行修改或者删除，以保证标签库中的标签属性的时效性和准确性。

本发明较佳实施例，标签系统可以分为三个部分：数据加工层，数据服务层，数据应用层。每个层面面向用户对象不一样，处理事务有所不同。层级越往下，与业务的耦合度就越小。层级越往上，业务关联性就越强。

梳理标签分类时，尽可能按照mece原则，即相互独立，完全穷尽。每一个子集的组合都能覆盖到父集所有数据。标签深度控制在四级比较合适，方便管理，到了第四级就是具体的标签实例。本发明较佳实施例，标签类型示意图如图2所示。

本发明较佳实施例，按数据的实效性来看，标签可分为：

a、静态属性标签。长期甚至永远都不会发生改变。比如性别，出生日期，这些数据都是既定的事实，几乎不会改变。

b、动态属性标签。存在有效期，需要定期地更新，保证标签的有效性。比如用户的购买力，用户的活跃情况。

从数据提取维度来看，标签数据又可以分为类型。

事实标签。既定事实，从原始数据中提取。比如通过用户设置获取性别，通过实名认证获取生日，星座等信息。

模型标签。没有对应数据，需要定义规则，建立模型来计算得出标签实例。比如支付偏好度。

预测标签。参考已有事实数据，来预测用户的行为或偏好。比如用户a的历史购物行为与群体a相似，使用协同过滤算法，预测用户a也会喜欢某件物品。

模型标签的定义解决的就是从无到有的问题。建立模型，计算用户相应属性匹配度。现实中，事实标签也存在数据缺失情况。如果遇到标签的缺失应该如何解决？

模型计算规则的开放解决的是标签灵活配置的问题。运营人员能够根据自己的需求，灵活更改标签实例的定义规则。比支付频度实例的规则定义，可以做到：

a、时间的开放。支持时间任意选择：昨天，前天，近x天，自定义某段时间等等。

b、支付笔数的开放。大于，等于，小于某个值，或者在某两个值区间。

标签的组合解决就是标签扩展的问题。除了原有属性的规则定义，还可以使用对多个标签进行组合，创建新的复合型标签。比如定义用户的消费能力等级。

标签最终呈现的形态要满足两个需求：

标签的最小颗粒度要触达到具体业务事实数据，同时支持对应标签实例的规则自定义。

不同的标签可以相互自由组合为新的标签，同时支持标签间的关系，权重自定义。

标签管理模块是为用户(运营人员)提供用户标签管理的工具。用户可以：

自定义标签。用户根据自己的需求，针对业务创建新标签。

查看标签。每个标签下都会显示对应的粉丝数量，在用户数的占比情况。

使用标签。用户可以在开展活动时使用标签消费者做精准化营销。

标签的创建有三步，第一步：定义标签名称。第二步：选择标签属性。

第三步：定义标签规则。

对于标签的分组，默认有两个分组：a、系统默认，系统默认的标签都属于该组。b、未分组，自定义的标签没有选择分组都属于该组。

进一步的，本发明还公开了一种用户标签化处理系统，如图3所示，为较佳实施例的结构示意图，其中，包括：

处理器110，适于实现各指令，以及

存储设备120，适于存储多条指令，所述指令适于由处理器110加载并执行：

对用户进行标签化，赋予用户1个或多个标签；

当用户的标签存在缺失时，对标签进行重定义，并赋予用户重定义的标签。

所述处理器110可以为通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、单片机、arm(acornriscmachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器还可以是任何传统处理器、微处理器或状态机。处理器也可以被实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、一个或多个微处理器结合dsp核、任何其它这种配置。

存储设备120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的教育互动方法对应的程序指令。处理器通过运行存储在存储设备中的非易失性软件程序、指令以及单元，从而执行教育互动方法的各种功能应用以及数据处理，即实现上述方法实施例。

本发明所述系统能够对用户的行为属性进行标签化，赋予用户1个或多个标签，标签化的用户，在后续实现精确营销时，只需要通过标签的筛选即可对用户进行筛选，而，对于用户的标签化，具体实施时，对于一些用户，可能没有与其匹配的标签，也就是该用户的标签存在缺失，需要对该用户进行标签化处理的话，需要引入新的标签，对标签进行重新定义，并赋予用户该重新定义的标签，以使用户具有至少一个可以标识用户的标签，实现精确营销。

进一步的，所述的用户标签化处理系统，其中，所述处理器110还用于执行：建立标签库，预先存储多个标签，每个标签对应不同的行为属性。

本发明所述系统，在对用户进行标签化时，所有标签均应该已被记录，以使标签库中的标签能够适用不同的用户，能保证不同的用户均能在标签库中找出对应的标签，因此，本发明中，预先存储若干标签至标签库中，标签库中的标签大范围覆盖甚至全覆盖用户的行为属性，即使有的标签对应一个或几个等少数的用户行为属性，均保存在标签库中，能够保证每个用户均能在标签库中找到与之行为属性对应的标签，方便进行精确营销，每个用户可对应有多个标签，每个标签也可对应多个用户，也就是说，用户多个行为属性，可对应不同的标签，这些不同的标签都能对该用户进行定义，例如，律师，属性有职业是律师，性别为男女，年龄属性等等，该律师用户，标签个数可能有几个或者十几个，同时，对于职业律师这个标签，用户职业是律师的肯定也不只有一个，因此，该标签也能够定义很多个用户。

进一步的，所述的用户标签化处理系统，其中，所述处理器110还用于执行：获取用户的行为属性，根据用户的行为属性，赋予用户行为属性对应的标签。本发明所述系统，能够对用户进行标签化，具体的，获取用户的行为属性，根据用户的行为属性，赋予用户行为属性对应的标签，用户的行为属性覆盖范围很广，前面已经说到，不同的用户行为属性，对应可赋予不同的标签，因此，根据用户的行为属性，能够赋予用户1个或多个标签，在精确营销时，可根据标签进行用户筛选。

进一步的，所述的用户标签化处理系统，其中，可根据用户的行为属性建立新的标签，并定义新的规则，存储至标签库中，或对多个标签进行组合，创建新的复合型标签。

本发明所述系统，用户的标签缺失时，即没有符合用户行为属性的标签，为了保证标签库的完整性，需要定义新的规则，并且将新生成的标签存储至标签库中，该新的标签根据用户的行为属性来建立，而对于标签缺失的用户，在开始对其标签进行检索时，只有在任何筛选条件下，均没有符合的标签时，才会建立新的标签，保证标签的精确性，本发明中，还可以根据多个标签进行整合，来进一步的实现精确化营销，例如，职业为律师的标签，以及40-50岁的年龄，以及男性，结合这三个标签，可重新定义标签属性为“中年男性律师”，来实现一个标签的属性同时对应三个标签的属性，来减小内存，避免用户具有太多的标签，导致筛选步骤繁多，降低了精确性。

进一步的，所述的用户标签化处理系统，其中，用户可查看标签库中的标签的粉丝数，和/或使用该标签的用户数量在总用户数量的占比数。

为了进一步的实现精确营销，通过建立标签库，来保存用户行为属性对应的标签，前述已经提到，不同的标签，可同时对应不同的用户，例如，律师这个职业，全国对应的可能有几十万律师职业的用户，因此，律师标签对应用户数量也就可以知晓，也可进一步的筛选，男性律师标签，当然了，男性律师标签是整合后的标签，因此也属于独立的标签，男性律师当然也属于律师，因此，男性律师是进一步的整合标签，范围更小，更能实现精确营销，本发明中，用户可查看标签库中的标签的粉丝数，也就是标签的用户数量，也就是比如刚刚提到的律师标签对应的用户数量，也可显示百分比，例如，全国有百分五十几的男性和百分之四十几的女性，这是相对较大的标签，也可能有的标签只有少数人，可以根据标签使用量来进行区分，高频标签和低频标签，也可定期的检查用户的行为属性，来对用户的标签进行修改或者删除，以保证标签库中的标签属性的时效性和准确性。

综上所述，本发明公开了一种用户标签化处理方法及系统，其中，所述方法包括步骤：a.对用户进行标签化，赋予用户1个或多个标签；b.当用户的标签存在缺失时，对标签进行重定义，并赋予用户重定义的标签。本发明通过获取用户的行为，对用户行为属性进行定义，赋予不同用户行为属性对应的标签，对用户进行标签化，便于精准营销，提高了营销精确性。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。