指南编辑：与“盲盒”状态相关的业务(如网络广告投放、线下销售跟进、商品选择等)、标签起着重要作用。本文介绍了有业务意义的标签积累，量化业务的关键就是贴标签。感兴趣的小伙伴快来看看！

很多学生在工作中感觉几乎没有进步，拿着数据，翻来覆去，与去年同期相比，环比，做了两三年也没有进步。背后有一个很大的问题，就是缺乏业务意义上的标签积累，只能零碎地看数据，不能得出业务结论或积累业务分析经验。

今天我们要借一个例子，让大家看看其中的差异。各位，请坐下扶好，我马上出发。

一、问题场景

一位同学在提交一份店铺分析报告时指出，A店铺业绩落后，低于其他店铺，建议高。但是没想到，这么一句平凡而奇异的话，立刻捅了马蜂窝。业务部门的同事们开始议论纷纷。

甲同事：A是新开的门店，不能和其他店铺相比。a其实很好。b同事：A是新店，但A是标准店，不能和迷你店相比。A其实C同事不好：A是标准分，但A是漏点，A不能和一般标准分相比。A其实是正同事：虽然最后总结：“数据分析不深入，不只是解释数字，而是要结合业务深度分析”的同学们，风中凌乱。

那该怎么深入分析呢？

二、划时代的关键：标签的商业意义

这里最大的问题在于商业讨论的各种细节。因为不能用数据指标直接表示，所以无法量化，更不用说分析了。量化工作的关键是贴标签。

注意！很多学生贴上标签后，本能地想起了“性别、年龄、包装大小、包装颜色”这个数据库中现成的、直接从基本信息中获取的标签。这些基本标签大多数没有直接的业务意义，对业务的解释能力弱，因此需要二次加工。

有业务意义的标签是直接指向业务关注问题、对问题指标有区分度、对业务行为有领导能力的标签。例如，“这个店长能力不行”是业务意义上的标签。确认能力不行后，下一步是更换店长或进行训练。对业务行动的指导很明确。这种标签需要复杂的转换过程和数据验证，不是一蹴而就的。

那我该怎么打？仔细看。

第三，从整理商业假设开始

既然贴上了业务标签，首先要从整理“影响业务指标的假设”开始。这样贴的标签就是指业务问题。例如，第一个问题可以根据业务部门的扯皮单独列出。

要说明的业务对象提供了标签列表(见下图)，用于衡量业务对象好坏的指标影响指标的假设的影响方向，以便明确制定。

下一步可以一个一个地开发。

第四，先制作简单的标签

开发时，首先用基本标签制作可以直接计算现有数据指标的标签。此标记也称为规则标记。也就是说，一旦业务传递到计算规则，就可以根据基本标签的现有指标直接计算。这种标签得到的速度快，容易确认。

如：是否开设新店。理论上，按开店日期分类即可。例如，6个月内都将重新开张。那么大于或等于7个月的就是老店，小于或等于6个月的都是新店。

这里有一个重要的问题：这个“六个月”的标准是怎么来的。有两种方法：

第一，如果业务部门有协议，我们可以直接使用业务标准。例如，大家都同意6个月，也就是6个月。

第二，工作中没有对具体数字达成共识，但有以下概念。

新的开店阶段，门店打烊概率很大，门店营业额/订单量处于上升期

此时，虽然没有明确标准，但是业务给出找标准的方法。我们可以统计所有门店的生命周期数据，看闭店概率/营业额/订单量的拐点在哪里，从而清晰标准（如下图）。

原则上，即使业务口头给出了第一种标准，我也建议大家引导业务做出第二种标准。因为第二种才是有业务逻辑的标准。万一哪天不同业务部门吵架，或者业务换了领导，不再认可第一种标准，第二种标准就是调整的原则。

类似地，门店面积标签也可以这么打。先列出业务假设：

之后就可以把现有的几种店面面积列清单，看参数范围，做出标签（如下图）。

这里特别要提醒：很多同学做标签，不和业务沟通，自己凭感觉或者看数据分布下判断，比如怎么区分新店，丫自己拍个3个月……这种闭门造车的结果，很容易被业务挑战，也无法与业务场景结合，最终使标签工作沦为自嗨。

有了简单标签打底，可以再来处理复杂标签情况。

五、常见的复杂标签

常见复杂情况一：一个业务问题，需要分几个标签来描述。比如“促销”这个标签，促销形式，力度，可能需要分开描述。比如：

• 促销范围：参与促销的商品SKU数量
• 促销力度：按原价折算，用户拿到优惠比例
• 促销形式：买赠、满减、送礼、加一件……

（如下图）

可能一个业务场景，需要好几个标签组合才能说清楚。

常见复杂情况二：两个/多个基础标签合并出来的标签（又称综合计算标签）。比如“捡漏店”，潜台词是：这个店面积很大，但店租比正常低，同时客流并没有比正常少很多，因此被我们捡漏了。这个时候，捡漏店是有三个基础标签拼接出来的（如下图）。

类似的，比如：“这个店长能力不行”，怎么证明能力不行，可能得从业绩、工作数量、个人履历好几个维度来论证，考察的维度一多，就涉及如何付权重问题。付权重本身有一套方法论，同学们感兴趣的话，我稍后单独分享。

常见复杂场景三：标签是预测未来的情况，并非已发生的情况，比如我们预判这个店是“高潜力门店”，因此要求它表现比普通更好。注意！预测本身是个复杂的活，可以基于规则判断，可以建模，建模也有好几种方式，因此处理起来略复杂，有兴趣的话，也是稍后单独分享。

总之，经过这么一堆复杂计算，现在标签已经打好，可以利用分析了。

六、标签的综合利用

标签的直接应用，就是把复杂的业务问题量化，进而进行分析和检验。比如文章开头那一堆复杂的业务理由，用标签就可以直接做单维度对比，检验说法。

如果有多个标签叠加，则可以构建复杂的分析逻辑，一层层进行推导。这种复杂的分析逻辑，就是我们常说的“深入分析”，一般习惯性，把考虑了很多种情况，称为“分析全面”，把推导了多少层，称为“分析深入”（如下图）。

当然，标签不止这一种用法，比如标签可以作为进一步建模的特征值，输入模型做综合性评估/预测。很多同学的评估模型/预测模型做得不准确，就是因为缺少标签积累，直接把几个简单的原始数据怼进模型。

比如，标签还可以用来推导业务行动。诸如“店长能力不行”“营销力度不足”，可以直接导向“我要培训店长”“我要增加营销投入”这种结论。

综上，深入分析、建模、提业务建议，标签是很重要的一环。同学们可以试着多建有业务含义的标签，特别是涉及“盲盒”状态的业务，比如线上广告投放，线下销售跟进，商品选品等，标签的作用更大。

#专栏作家#

接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议。