作者：接地气的陈老师
来源：接地气学堂
很多同学很郁闷：天天喊用户画像，可做了几千个用户标签，可都躺在数据库里吃灰，业务不咋用，咋整。今天拿个具体例子讲解一下，看用户画像这玩意到底咋发挥作用。
请听题：业务方准备推一个6、7、8月，VIP用户到店及送一份果盘的服务，问：数据分析能干点啥？
1、
标签的基本用法
你可能自然而然想到：提供VIP用户的标签。这确实是可以做的事，因为“VIP用户到店及送一份果盘”听起来简单，可实操起来，
CRM系统已有VIP用户标签，可识别注册会员的身份（是否VIP）
VIP用户有果盘权益（包括权益名称、权益有效期，权益数量有几次）
门店有服务流程（谁确认会员身份、谁负责果盘备货、谁服务端出来）
系统有权益使用流程（识别身份、使用权益、核销权益）
系统记录扣减果盘库存，关联到会员卡消费记录。
有了这些配套，整个流程才跑的顺：会员到店以后出示微信卡包，亮明身份；店员点击使用果盘权益，扫条码果盘出库，端给会员吃。各个流程都有数据记录，这个权益才能真正落到会员身上。不然少了环节，就会产生灰色账目。比如直接给门店一笔“会员维护费”，鬼知道这些费用会不会变成果盘，会不会吃到会员嘴里，还是最后进了谁的嘴巴或者口袋里。
整个流程中，“VIP用户”就是一个用户标签。它和商品条码一样，起到了串联作用，能让后台、门店都很清楚是谁需要得到服务，得到什么服务，能得多少次服务。有了这些记录，后期才能做深入分析。
很多同学抱怨用户标签吃灰，本质就在于此：
没有把标签融合进业务系统，业务流程里去。如果没有CRM，OMS，WMS等系统配合，没有一个门店端水果的流程，那VIP用户标签也就只是个数字标签，没啥作用。
然而，仅仅是停在这个阶段就太简单了。整个需求是业务提的，VIP是按业务规则来的标签，数据分析就是打杂的，这个状态可不好，可要怎么改变一下呢？
2、
推动标签应用的两种方式
反问一句：为啥会有6、7、8月到店送果盘这件事？
经过沟通发现，业务的逻辑是这样的。
6、7、8月天热，门店客人少，特别是VIP少
VIP不到店，消费下降很多，虽然有微商城支持，可总量还是少
所以搞一个VIP送果盘，能吸引VIP到店，促进消费
同时能增加门店人气，拉动更多消费
明白了这层逻辑，我们立即想到，有2种方式可以推动用户画像的应用：
方案1：直接出一个“待消费用户”标签，让销售们抓这些人买单
方案2：为啥非要送果盘，果盘成本多高，多不耐放，出一个“用户需求”标签，看看还能送啥
两个思路，一个是抓人，一个是抓事情。看似差不多，可实行起来难度完全不同。注意，业务已经有了一个VIP送果盘的流程。如果这个流程执行的不好，他们肯定会考虑：“要不要送点其他什么”这时候推方案二就是水到渠成的事。
如果抛开现有流程再推方案一，肯定会收到一堆疑问：
“待消费用户”到底成功率有多高？预测准不准？
门店谁去做？什么时候做？拿什么产品做？说什么话做？
CRM、ERP、OMS、CC一堆系统要怎么配合？
为啥我要放弃现有做法，换你那个我能挣多少？
换了你那个我现有的备货怎么处理？
新流程啥时候出来，啥时候培训？
全是事！而且没有一个是数据分析师能搞掂的。
所以方案一往往应用在早起：新项目刚立项，或者老项目改造的启动阶段。这时候业务方内心是一张白纸，可以推很多新内容给他们。而题目的场景是项目已启动，这时候用方案二，更容易借力打力，提高用户画像系统使用率，把标签推广出去。
没有审时度势*1，找好推广用户标签的机会，是用户画像系统吃灰的重要原因。
3、
深入推广标签的思路
如果采用方案二，第一件事要做的不是急着打标签，而是观察数据。当业务方排脑袋的方案失效的时候，使他们最愿意听建议的时候。这又是审时度势*2的过程，好在数据都在数据分析师手里，所以可以密切关注下面五个指标，来判断业务方到底做的好不好（如下图）：
用户整体消费率
VIP用户消费率
VIP门店消费率
VIP用户果盘权益使用率
果盘产品本身库存、使用、清理数据
上图列出了业务方逻辑以及我们如何用数据推翻他们的逻辑，注意：
在项目执行过程中，想要提一个大家听得进去的意见，最好从下往上，从细节做起。比如先关注哪些果盘浪费严重的店，帮业务方做好执行，赢得信任。如果执行做好了，业绩还是不见起色，大家会自然而然的想到：是不是策略出问题了！还可以用什么策略，这时候进一步推动找更复杂的用户标签，业务方也愿意听了。这又是个审时度势*3的事。
如果我们成功的把握机会，推动到业务方思考：还有哪些标签能识别用户需求！这时候就可以进一步的把更多标签卖出去，让用户画像系统更广泛的被使用。这时候贴标签，建议先做整体分类，再细拆。这样每个用户只有一个标签，标签测试有效/无效的时候，可以避免多重活动叠加带来的负面影响，很清楚的看到哪一类标签有用。从而让业务方更好的积累经验，更依赖用户画像系统，而不是自己的经验判断（如下图）：
注意：没有检验过的用户标签是没有说服力的。比如我们标识了：果盘爱好者，那理论上6、7、8月他都会使用果盘，或者这个群体使用果盘的概率明显高于其他群体，有了检验，用户标签才有效。有了大量有效的用户标签做支撑，用户画像系统才能更好地发挥作用，更准确的描述用户或构造复杂的模型。
