案例：贷款领域的用户数据标签化建设

　　金融产品经理如何更好了解用户和管理用户，这就要涉及标签的运用。本文从标签层结构入手，运用案例讲解了如何搭建用户标签系统。
　　一个优秀的连接器，首先要深度理解用户，识别用户，包括借款人的基本信息，融资偏好和征信情况等。要做好这一点，那就离不开用户数据标签化建设。
　　今天，我们就来聊一聊如何为自己的产品设计一套完整的用户数据标签。
　　在电商领域，每一个人看到的商品是不一样的，系统推荐给你的商品也是不一样的；
　　在今日头条，每个人看到的信息也不一样，系统会根据你的喜好，不断推荐类似的信息给你。
　　以上两个场景，都是因为你的行为数据被系统打上了标签，然后再通过标签匹配你最有可能需要的东西。
　　那么，在贷款领域可不可以呢？同样可以！
　　用户需要贷款，系统根据用户填写数据和第三方数据，组合起来为用户打上标签。通过标签，来匹配最合适的资金方。
　　这样对用户标签化分层的最大好处就是：提高流量的进件通过效率，同时也能提高资金方的审核效率。
　　在产品设计层面，我们主要要思考如下问题：
　　用户唯一识别ID是什么（用户统一化）？
　　数据来源在哪？打什么标签（标签化）？
　　标签的应用场景（标签业务化）？
　　首先，我们要确定好用户唯一识别ID。
　　在贷款场景中，一般是身份证号，比如手机号就不可以，因为我们常常看到一个身份证号对应了多个手机号来申请贷款。
　　一般需要建设标签系统的公司都是有一定的数据规模的，比如平安集团、绿地金控。在这种公司内部，各部门协作，尤其是数据打通是非常困难的，常见的情况是：各个部门都有自己的业务系统和数据库，相互独立，需要数据的时候就去别的部门调用。
　　所以，每个部门都有一个自己的用户识别ID。如果想做好用户标签管理，那就要尽早从集团战略角度，从顶层统一设计好用户唯一识别ID，才是长久之计。
　　然后，我们来设计标签结构，结构分为三层：
　　最底层：数据层，标签原子层
　　先看业务数据库，现在大部门金融公司常用的数据库是MySQL和Oracle。
　　梳理清楚用户申请过程中，系统存储了哪些数据（用户自己填写的和我们从第三方获取的），数据库是如何建表的？还有，数据要包括所有用户端，微信、APP、Web以及第三方合作渠道。
　　然后，把数据做清洗，设计出标签原子。这样，最底层的工作就完成了。就像做菜，这一步完成了买菜和洗菜，接下来就看你怎么炒菜了。
　　什么是标签原子？
　　就是不加任何算法的用户标签。再接地气点说，我们在这一层通常设计的标签如下分类：
　　用户基本属性标签：性别，年龄，地域，学历，职业，收入等。
　　用户贷款信息，这些信息主要来源于自家产品的进件信息和第三方的信息（比如同盾、白骑士等大数据公司）；如果你在银行类型的公司做产品，那么你还可以接入央行征信，在其他公司做产品经理的朋友就不要想了；贷款信息大致如下：申请笔数，逾期次数，逾期金额等。
　　用户在自己系统里留下的数据，这个很简单，就是注册，页面漏斗等。
　　总之，根据自己的业务场景，尽可能全面地给用户打标签。我一般会为这一层专门的设计后台系统页面，取名“标签云”。
　　这里还是强调一点：这一层的标签都是最客观的数据标签，也就是所谓的标签原子化，一定不要给标签加入算法。
　　中间层：算法层，集合有算法的标签
　　这一层标签就是根据运营人员的要求，产品设计好算法，然后交付开发，最终产出一个标签。
　　比如我们定义一个标签“高风险客户”，算法规则是：同盾低于80分，逾期次数一年内有三个1等。真实设计标签的时候，算法要更复杂，这里只是举个例子。
　　总之，在算法层，根据自己和其他部门的需要来设计标签。对于产品经理来说每个标签都是一个需求，由产品经理主导，经历需求评审、研发、测试、上线四个环节。
　　最顶层：业务层
　　顾名思义，业务层集合的就是可以直接指导业务的标签。这种标签的含金量很高，有的时候，一个标签的产出可能需要花费好几个月的研发成本。
　　这个层面的标签往往在标签系统建设后期才会出现，逻辑就是如果前面两层的标签质量不高，那么急于建设这个层面的标签就没有意义了。
　　以上就是所有建设标签结构的思路，整体来总结一下：
　　数据层：用户基本属性，贷款（业务）属性，自己系统数据，第三方数据等；
　　算法层：用户还款意愿，用户偏好，活跃用户等；
　　业务层：个性化推荐，预测标签。
　　接下来，我来讲一个具体的金融产品设计，通过实战来分享。
　　一个例子
　　首先来看我们能拿到哪些数据，那就要分析用户整个贷款申请流程了。
　　渠道API进件流程：
　　客户在渠道APP填写进件资料（渠道将用户填写的资料会传送给我方，这里可以收集到数据，数据可能会包括：用户基本信息，身份证，银行卡，申请额度，申请期限等）；
　　渠道方将客户资料发送给我方，我方进行风控初审（这里可以通过我方能力来获取客户相关的第三方数据信息）；
　　确定资金方，审核后放款；
　　还款记录和催收记录（这里可以收集到资方返回的用户还款情况数据）。
　　以上就是整个业务流程，在流程中我整理出来所有各个环节需要存储的数据，为数据层的标签建设做好准备。
　　在用户填写资料的过程中，需要判断数据的真实性，比如身份证等信息就是真实信息；但是客户自己填写的学历，职业等信息就需要经过第三方验证了，客户往往为了拿到更高的额度，愿意美化自己的身份。
　　案例就分享到这，欢迎交流，共同进步。