个体由标签组成，这些标签由谁来打？打那些纬度标签？怎么打标签？如何建立成熟的标签体系，是本文的重点。
目录：
如何搭建标签体系？
用户标签是构成用户画像的核心因素，是将用户在平台内所产生的行为数据，分析提炼后生成具有差异性特征的形容词。即用户通过平台，在什么时间什么场景下做了什么行为，平台将用户所有行为数据提炼出来形成支撑业务实现的可视化信息。
如图所示，“个性”“佛系”等词都是我们90后这代人群的标签。
标签来源：
产品初期：在产品还没有用户的情况下，主要通过大量用户调研和行业调研，基于产品定位和业务需要梳理出初始目标用户标签，前期的人工工作量相对繁重，可对初始标签的设定准确性远高于凭空想象。
产品发展期：基于原有数据沉淀分析出来的精准性标签，与用户行为产生的数据进行清洗整合，提炼出相对完善的用户标签；基于原有数据梳理标签，要注意数据排重，避免标签过于同质化。
1. 标签属性
标签分为三种属性：静态标签判断用户基础需求，动态标签提升用户体验，预测标签提升用户转化，提高产品价值。
第一种静态标签：用户主动提供的数据：指用户不变的基础信息，多为用户固定数据，如姓名、性别、年龄、身高、体重、职业、地区、设备信息、来源渠道等。
第二种动态标签：平台介入的数据：指用户在平台内的特有标签，是平台根据用户行为给用户打上便于管理的标签。用户行为是指用户从启动APP到关闭APP阶段内，在APP内所有操作行为，如用户的点击、浏览行为、互动（评论、点赞、转发、收藏）行为等。
第三种预测标签：平台介入的数据，指根据用户在平台内的行为数据对用户未来行为或喜好进行预测；是设计千人千面和运营策略的关键；比如某电商平台，根据用户A“月均消费5单，且有数额过万的运动商品”的购物数据，平台会给用户A打“高频、品质敏感性、运动”的标签，后期会更多推荐高品质运动商品及相关运动品牌活动的精准推送。
2. “贴标签”方式
标签由平台运营团队创建，结合业务场景梳理出一批原始标签；注意标签创建要紧贴业务场景，为用户“贴标签”通常有两种形式，即用户是否感知到自己被“贴了标签”。
第一种隐性标签：后台给用户打标签，用户无法感知；后台结合用户前端的点击浏览行为等用户行为操作，自动为用户贴上相应类别标签，这种方式的好处在于用户行为真实度极高，平台易获取无修饰无加工的用户行为数据，不足之处对于平台来讲前期人工成本较高。
第二种显性标签：用户主动给自己打标签，即用户在产品前端页面手动选择自己感兴趣的标签，用户通过触发标签机制，后台机器匹配数据直接打标签。这种方式优点在于高效，不足之处在于数据真实度偏低（初始标签存在无法满足所有用户的风险，用户也许会选择近义词也许跳过不选）。这种方式一般陌生社交产品和社区产品使用较多，目的是提升千人千面的精准度，提升用户体验。
若选择第二种形式，需要注意标签机制的设计规则（如标签默认前台固定页面展示，需用户手动选择后，标签自动隐藏不再显示）。其次后台注意标签选择排重，如出现A用户的标签既是后台添加又是用户自己选择，则保留用户自己选择标签。
最后要牢记：“用户也不知道自己要什么”，不是用户自己选择标签之后就万事大吉了，要结合用户行为数据持续优化标签。
3. 标签的优化
第一种机器优化：机器根据数据反馈持续更新，优点在于机器的高效智能，不足之处在于投入的技术成本以及机器欠缺一定的精准性。这种方式比较适合产品发展期，用户量较多，且有一套成熟的标签体系，机器已经可以达到一般的智能化，只需运营抽样进行精准度测试和标签规则优化即可。
第二种人工优化：人工对标签规则调整优化，优点是精准度高，不足在于人工运营成本高。这种方式适合产品初期，用户量小机器识别还不是很成熟，可以达到准确优化。
两种方式的选择需要结合产品周期和用户体量运用，无论何种方式，人工都需要持续根据产品业务场景对标签的规则进行调整优化，切记图省事忽略标签体系的优化，标签数据模糊，用户画像自然也会立不住，产品设计也会差强人意。
4. 好的标签是怎么落地执行的？
4.1 在公司中谁来做这件事？
PS.如果对时效性要求很高，可以委托专业第三方数据公司操作，可以达到高效、节省人工成本的目的。
4.2 具体要怎么做？
核心关键是：收集需求-建立规则-填充数据
收集需求：给用户贴标签一般由运营部主要负责，在策划前期，需要明确标签的目的及作用，少不了多方沟通协调。
比如社区产品，产品考虑千人千面的精准度，更关注用户的“内容兴趣”标签。运营希望提升商品的转化率，则更关注“消费习惯”标签。技术会关注数据提取便捷度，最理想状态是每次新需求都可以在同一信息平台调取，方便高效……大致每个公司基本这三个部门的需求是离不开的，其余差异性需求根据公司情况各异。
建立规则：需求收集后需要对需求进行分析梳理，结合业务场景，判断需求和业务的匹配程度，确定标签制定的目的，统一标签定义。这里要注意标签务必要符合业务场景搭建，且对标签定义达成内部共识，比如“流失用户”。
这个标签定义是指卸载APP的用户还是指没有卸载但三个月都未启动APP的用户？诸如此类标签定义需要内部达成统一共识，避免增加沟通成本及后期进行大的改动。
填充数据：明确数据支持信息，即什么样的数据和标签相匹配，这些数据普遍指用户基础数据（注册时用户填写的个人信息）、用户行为数据、用户业务数据（如某阶段购买最多的商品类别等沉淀在业务场景下的数据）、补充数据（泛指和其他平台合作的数据或第三方数据平台沉淀的数据），其他数据因公司而异。
产品部门结合产品定位和业务场景审核标签合理性。
最后交给技术实现，收集数据、清洗数据、分析数据（有的公司会交给数据部门执行，具体执行部门因司而异）。
4.3 如何维护标签
核心关键是：信息透明、信息优化、信息同步。
信息透明：即标签的规则、创建者、适用范围、版本等信息充分透明化管理，减少任何人调取标签使用的难度。
信息优化：用户标签会随着业务场景、用户角色等变量因素改变，而产品价值依赖变量因素持续变化，所以标签信息的持续优化是重中之重；标签的新增与修改等操作要注意与之相关的业务场景需求及影响，尤其要注意避免因职业差异对某些标签的理解问题，多沟通很重要，减少不必要的风险发生概率。
信息同步：这要求时效性，一旦标签信息有变，及时更新同步，提高运营效率。
三、标签的作用
产品的本质是用户，用户画像的本质是标签，给用户“贴标签”，最主要的作用是构建产品的用户画像，而精准的用户画像是多方共赢的前提。
公司战略：公司可持续发展的核心，一方面使公司更具竞争壁垒，及时洞察市场风向，预测产品所占市场规模及前景发展，及时优化公司战略，避免过早陷入发展瓶颈；另一方面沉淀大批用户数据，既利于孵化创新产品，也丰富盈利模式（比如与第三方合作）。
产品设计：提升产品价值关键因素，基于精准人群的需求分析和功能设计，更容易得到用户认可，更容易打造产品亮点，提供精准个性化的服务，比如对于社区产品，内容个性化推荐将有效提升社区粘度。
运营管理：提高运营效率；如今的新用户获客成本居高不下的情况下，利用现有用户画像，做好存量用户的维护，通过精准营销策略，提升存量用户的留存与活跃。
总结
用户标签是构成用户画像的核心因素，是将用户在平台内所产生的行为数据，分析提炼后生成具有差异性特征的形容词。即用户通过平台，在什么时间什么场景下做了什么行为，平台将用户所有行为数据提炼出来形成支撑业务实现的可视化信息。
标签分为三种属性：静态标签判断用户基础需求，动态标签提升用户体验，预测标签提升用户转化，提高产品价值。
“贴标签”形式有两种：用户主动选择特定标签和平台结合用户行为给用户“贴标签”。
标签优化方式：机器优化和人工优化。
在公司中，搭建标签需运营、产品、技术协调配合完成；运营负责制定规则，产品结合业务审核标签合理性，技术负责实现。
标签的作用：增强公司竞争壁垒，提升产品价值，提高运营效率。
Tips：
业务导向：用户标签要贴近产品业务场景及产品所处行业建立，避免标签脱离业务。
数据验证：标签的准确性和数据息息相关，不能只通过用户1、2次点击某商品或内容，就确定用户对此感兴趣，要结合数据趋势变化，不断验证，以免片面下结论导致用户画像不准确。
持续优化：伴随用户年龄、偏好等阶段变化，用户需求和在平台内的行为会不断变化，保持敏锐的用户嗅觉，利于产品优化迭代，利于公司可持续发展。
