CDA数据分析师 出品
作者：李诗怡

1. 用户标签体系

定义： 通过一系列高度精炼的特征标识，对用户属性、行为与偏好进行量化刻画的方法体系，是实现用户洞察、精准营销与精细化运营的核心基石。

标签体系构建四步法

• ① 明确业务目标：精准营销？用户分层？目标不同标签不同
• ② 梳理数据来源：注册信息、交易记录、浏览日志、客服对话等
• ③ 设计标签体系：按数据类型、时态、加工三大角度设计
• ④ 开发与应用迭代：开发标签 → 应用到营销/运营/推荐 → 效果不好就调整

分类一：按数据类型角度（5类）

分类二：按时态角度（3类）

分类三：按加工角度（3类）

标签 · 画像 · 分群的区别

三者关系： 标签是基础零件 → 画像是单个用户完整档案 → 分群是把相似用户归组。分群一定基于标签，但有标签不等于做了分群。

2. 用户分群4种方法

方法详解

• ① 层级细分（价值导向分层）： 按商业价值分高/中/低价值，数据需求低，人工即可。核心逻辑：谁带来钱多就给谁更多资源。适用：资源有限、需快速分层。
• ② 维度细分（多标签交叉画像）： 基于人口学属性+行为偏好+场景特征等多维度标签交叉组合。适用：数据多、需精准识别特定人群。
• ③ 双重细分（价值与特征融合）： 先按价值分层，再在每层里按特征细分。既知道谁值得投入（价值），又知道该投入什么（特征）。适用：深度运营。
• ④ 先进细分（智能算法聚类）： 利用 K-Means 等机器学习算法基于海量行为数据自动挖掘潜在相似群体。K=分几堆。适用：用户量大、有技术团队、想发现隐性群体。

常见问题

1. 以下哪项是用户标签从数据类型角度分类中的“行为标签”？

• A. 用户性别
• B. 用户资产情况
• C. 用户交易频次
• D. 用户需求

答案：C

用户标签从数据类型角度分类，常见包括：

• 人口属性标签：性别、年龄、地域、职业等 → A 用户性别
• 资产/价值标签：资产情况、收入水平、消费能力等 → B 用户资产情况
• 行为标签：交易频次、购买频次、浏览行为、点击行为、活跃度等 → C 用户交易频次
• 需求/心理标签：用户需求、兴趣偏好、消费观念等 → D 用户需求

2. 在用户画像中，以下哪项是“层级细分”方法的优点？

• A. 数据需求低
• B. 用户群体需求明确
• C. 支持1对1定制化方案
• D. 算法复杂度高

答案：A

“层级细分”通常是按预设维度逐层往下拆分用户，例如：先按性别分，再按年龄分，再按城市等级分。它的特点是：

• 逻辑简单、规则清晰
• 主要依赖已有属性数据或规则数据
• 不需要复杂算法和大量行为数据建模
• 因此 数据需求低、容易落地

其他选项：

• B. 用户群体需求明确： 更多是聚类细分、需求细分的优点，层级细分不保证同一层用户需求一定明确。
• C. 支持1对1定制化方案： 属于个性化推荐或个体级画像能力，不是层级细分的典型优点。
• D. 算法复杂度高： 这是缺点或成本，不是优点。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0