在企业数字化营销建设实践中我们发现，多实体标签体系对于形成营销业务闭环，提升企业运营效率起到重要作用。为此，我们邀请到了数势科技解决方案总经理岑润哲与大家一起探讨多实体标签体系的建设方法论，并分享数势营销云产品在多实体标签上的应用场景和业务价值。

以下内容根据岑润哲访谈内容提炼整理所得。

01为什么企业要做多实体标签分析？

数字化营销是企业数字化转型的排头兵，如何有效建设企业自己的个性化标签体系，更是其中的基石。相信针对某一维度的标签体系建设大家并不陌生，比如用CDP（Customer Data Platform）完成客户画像的建设、上线SDP（Store Data Platform）完成终端店铺的数据整理、以商品标签体系实现企业商品或内容的数据标签化等，这些都能够分别实现不同实体下的数据标签管理，帮助企业实现客户分层管理，为数字化营销提供基础。然而，数势科技解决方案总经理岑润哲先生提出，在我们与零售和金融企业的交流中获知，企业对于数据标签化的需求并不是割裂的，而是希望建立跨实体的标签关联关系。因为企业需要更立体地了解消费者、商品、终端商户甚至是企业内部员工之间的关联关系，并将这些跨实体的数据作为标签数据来源的重要组成部分，在制定营销策略前形成全面的数据洞察，让企业全域画像更准确，最终实现以数据指导营销、以洞察辅助决策。因此，要做好数字营销，企业势必要做好多实体标签的建设和管理，并通过实体之间的关联分析与洞察，实现运营效率的提升。

02数势科技多实体标签分析方法论：

基于行业实践经验，数势科技将企业多实体标签分析流程整体拆分为三个步骤，依次为：“定实体”、“理关系”、“算指标”，期望能够基于此方法论，帮助零售和金融领域客户打造全域精准营销闭环，提升分析效率和洞察精准度，助力实现营收新增长。

定实体：要确定在某个分析场景里出现的所有主要分析对象。以券商营销为例，我们想分析不同客户对于资讯的偏好，那么首先客户是一个主要实体，可能分为登陆或未登录状态，与之相关的标签一般会包含基础信息、业务标签、行为标签、风险标签等等，资讯也是一个实体对象，一般有专门的内容中台存储其相应的标签，常见的比如行业板块、公司类型、时效性等。

理关系：需要将待分析实体间的关系进行建模。我们需要在图计算的场景下，确定两个实体之间的边以及边的属性。以企业客户与产品/内容标签的关联分析为例，我们可以梳理出来可能的关系包含：曝光、点击、浏览、转发、评论、点赞、收藏等，不同的关系一般会对应不同的指标评估体系，比如浏览会有时长与次数的指标，而收藏仅有次数，这些关系是我们后续数据建模的基础。

算指标：在确定多实体间的关系之后，我们可以得知最需要关注的指标数据是什么，并根据业务逻辑进行计算。比如，我们想分析不同类型的客户标签和不同类型的资讯内容间的关系，那么点击率便是这个多实体分析的核心指标，点击率的计算方式是“点击次数/曝光次数”。

在完成上面三个步骤之后，我们可以通过多实体分析的功能模块得到不同类型客户对不同内容/产品的偏好分析，并基于客户偏好数据来优化内容推荐策略并反哺内容供给优化。一方面，在针对新客户的内容/产品推荐冷启动策略上，我们可以针对不同的客户展示更适合他们的产品矩阵；另一方面，也可以针对目前在各类客群点击率都较高或较低的内容或产品进行合理的扩量、删减或促销活动，从而提升营销转化率。

 

03多实体标签分析在零售和金融领域的主要场景应用与业务价值

在策略前为企业运营团队提供更立体的联动数据分析，将提升数字化营销的精准度，提升客户体验感，从而带来营收的提升。那么在数字化转型重点领域的金融和零售行业，数势科技也将多实体标签分析充分应用到了智能营销场景内，具体如下：
在金融领域，证券行业实体类型多，数势科技提供支持多实体标签管理与关联分析的能力，将客户、渠道、员工、金融产品等标签进行统一管理，并实现多实体的关联分析、下钻与监控，提升标签数据资产应用价值。

例如将客户标签与产品标签结合分析，分析维度支持企业限定客户资产等级和基金风险等级偏好，再通过建立“客户”和“产品”之间的“申购”关系和具体金额时间段等基础标签选择，投顾经理便可识别客户持仓行业集中度，并据此精准推荐场外主题基金，改变过去决策依赖含糊经验的困境。比如在下图条件下，我们可以得知“大众客户”在“R1类”基金交易人数占比高于“富裕客户”，而“富裕客户”对R2类的基金交易人数占比高于大众客户。因此，在后续的基金推荐和营销工作制定中，团队便可以将R2类基金向“富裕客户”倾斜，提升客户体验和产品推荐成功率。

同样的，在零售消费领域，联动“人货场”的数据分析进行得如火如荼，对提升企业零售终端的精细化运营具有重要意义。以食品饮料行业为例，数势科技也将多实体分析能力融入项目运营中，为企业建设商户和商品标签体系并搭建多实体标签平台，通过商户标签，结合业务规则，智能化评估潜力商户，并按照商户店群划分，基于标准值和标杆值的参考，测算并确定健康度区间，从而输出对不同商户的品类策略，并打通业务系统，驱动业务改善优化商户表现。

另外在“人与货”方面的数据分析，过去企业运营团队多关注客户标签，对于和商品偏好联动的数据分析效率较低。比如运营人员在获取“年龄在20-30岁女性”对于“跟高4cm以内的PVC材质高跟鞋”的偏好表现时，通常需要在excel中拉多个条件筛选表格获取，而现在，通过数势科技多实体标签体系的赋能，业务人员仅需完成客户群体和商品特征选择，在建立两者之间的“购买”关系，即可在3秒钟完成标签圈选，为后续精准营销策略制定提供基础。
 

结语

标签体系对于企业深度掌握客户特征、商户现状、商品情况和员工状态有重要作用，将多实体标签的有效联动分析应用于企业营运工作，更将提升企业经营分析效率和营销策略洞察的全面性。数势科技作为企业最佳长期技术合作伙伴，未来将不断探索多实体标签分析模型，让企业海量数据标签不再孤立低效，充分释放数据原力，进一步创造业务价值！
 

关于数势科技

数势科技是行业领先的数据智能平台与技术服务提供商，凭借丰富的零售消费和零售金融领域业务know-how及技术know-how，深耕行业，通过一系列智能决策产品，助力零售，金融及制造等企业在数据资产，经营分析、智能营销等领域实现数字化升级，打造业务增长新引擎。目前已与众多零售、品牌及金融行业头部客户建立战略合作，为其提供数字化升级解决方案。

— END —