用户标签规则(互联网医疗健康标签)
通过收集互联网医疗领域中用户的不同维度方向的数据,可以对用户在不同维度的特征进行分析、统计,挖掘出有价值的信息。那么,如何建立互联网医疗健康用户标签体系呢?一起来看一下吧。
01 互联网医疗健康标签
通过收集用户不同维度方向的数据,进而对用户在不同维度的特征进行分析、统计,挖掘和洞察有价值的信息。在互联网医疗健康领域,用户关注购买的健康商品,获取用户基本信息数据,消费行为习惯,健康习惯。
02 标签类型
- 基础属性:性别、年龄、地域、设备等
- 行为属性:用户使用产品的日常行为和关键行为
- 商业属性:用户在产品上的当前付费状态
- 消费属性: RFM 模型,9大人群画像
- 健康属性:用户的个人健康属性
- 标签规则:事实标签,规则标签,预测标签
1)事实标签
从原始数据中提取,例如用户注册信息中提取用户性别、生日、注册手机号、注册城市等。
2)规则标签
没有直接对应数据,需要通过规则进行定义,通过计算来得出标签,例如流失用户、支付偏好等。
3)预测标签
参考已有事实数据,来预测用户的偏好,例如根据用户历史的购买行为来预测其群体特性。
03 标签来源
目前现状:在小程序用户较少的情况下,主要通过二方平台,三方平台健康商品销售数据订单用户信息抓取,通过自带二方平台人群包功能,将交易数据、基本信息、特性标签进行收集。在进行健康商品履约的时候通过健康管家,客服以问卷或者主观判断的方式完善用户标签。
未来形式:基于原有数据沉淀分析出来的精准性标签,通过小程序的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,进行数据排重,防止同质化。

读者福利:免费提供私域赚钱诊断方案(每天随机10个名额)加微信: 57807073 (长安复制) 马上咨询 !版权声明:本文内容、图片、视频等稿件由互联网用户贡献,该文观点仅代表作者本人。本站不拥有所有权,不承担相关法律责任。如发现有侵权/违规的内容, 联系QQ15101117,本站将立刻清除。
文章评论(0)