在目前的服裝電商領域，由於大碼人群市場增長價值較大，券投放場景的目標人群篩選會考慮大碼人群。當如何準確地將優惠券投放給目標人群，從而提高優惠券的使用率，達到銷量提升的效果是營銷人員最常思考的一大問題。本文以大碼服裝優惠券為例，從投放場景到標籤質量評估功能的設計及作用進行了詳細分析。推薦電商營銷朋友們閱讀分享～

一、大碼人群券投放場景

券投放場景是在優惠券生成後對使用者進行投放的場景。由於服裝電商APP的使用人群是多樣化，如果對所有使用者直接發放同樣的優惠券，可能出現使用者收到券後因沒有需求而不使用，導致優惠券使用率低的問題出現，從而影響券帶來的銷量提升效果。因為本來使用者為了達到券使用門檻要增加商品的購買數量，但現在使用者沒有需求去使用，那商品下單量就沒有明顯增多。

基於提高券使用率的需求，服裝電商的營銷人員需要採取人群圈選等策略進行有爭對性的投放。人群圈選策略是營銷人員從全量使用者中基於不同使用者屬性，比如品類偏好，性別等，篩選出一批有明顯特點的使用者群體。比如營銷人員透過女性和短裙偏好的2個使用者屬性圈選出短裙偏好女性人群。區別於全量使用者投放，基於策略圈選出人群進行投放能更好提升券和人群需求匹配度，促使人群有興趣使用券去消費，實現券使用率的提升。

目前在服裝電商領域，由於大碼人群市場增長價值較大，券投放場景的目標人群篩選會考慮大碼人群。據全球零售智庫Coresight Research統計，2020年美國大碼服裝市場規模增長到240億美元，年增長率約為服裝市場總增長率的兩倍，而2020年中國大碼服裝市場的價值則高達109億美元。可見大碼人群服裝市場對服裝電商APP的收入增長是個非常好的挖掘點。

大碼人群券投放場景是指在服裝電商APP優惠券生成後的環境下，為了提高券使用率，營銷人員需要準確篩選出大碼品類偏好人群，對其投放大碼品類優惠券。這不僅滿足該類人群對大碼商品的下單需求，而且能避免對無大碼偏好人群投放帶來不好的使用者體驗。比如自身不胖且不用穿大碼的人群因收到大碼優惠券後感到迷惑和不解。

因此，為了準確圈選出大碼偏好人群，圈人依賴的高質量標籤顯的格外重要。高質量標籤指能正確識別目標人群並且識別人數較多的標籤。標籤質量越好，大碼人群圈選就越準確，投放後券使用率也越高。

而標籤質量評估功能可以解決營銷人員缺乏高質量標籤評估體系的問題。該功能從標籤準確度，標籤覆蓋率，標籤非空率等多維度指標對標籤質量進行全面評估，幫助營銷人員篩選出哪些是高質量標籤並且用於大碼人群圈選投放，從而實現優惠券使用率的提升。

二、標籤質量評估功能設計緣由

標籤質量評估功能設計初衷是解決營銷人員缺乏高質量標籤評估體系影響圈人準確度的問題。該功能提供使用者一個完整視覺化的標籤質量分析報告。從標籤準確度，標籤覆蓋率，標籤非空率等維度，使用者可以在圈人投放前清晰瞭解所選標籤的質量情況。如果關鍵指標準確率和覆蓋率達到70%以上，那該標籤則評估為高質量標籤，從而幫助營銷人員篩選出好標籤並用於準確圈人。

大碼人群標籤指喜歡大碼品類的使用者會被打上標記。因為大碼品類點選次數和下單次數大小能直接反饋出使用者對大碼品類的喜愛程度。使用者願意對大碼品類下單次數越多，表明其對該品類偏好越大。因此，大碼人群標籤的打標規則是賦予大碼品類累計點選次數和大碼品類累計下單次數等使用者行為的不同權重，計算出每個使用者大碼偏好分數，如果分數大於某個閥值的使用者就標記為大碼人群。

券使用率低的原因是收到券使用者不是目標使用者，使用者對優惠商品沒有需求就沒有慾望去使用券。而大碼品類優惠券投放的目標使用者是大碼人群，目的是滿足大碼偏好使用者下單有優惠的需求，吸引其使用券購買大碼商品。如果準確圈出大碼人群投放，匹配該類人群下單需求，就能提升券使用率。

因此，為了提升圈人準確性，大碼人群標籤需要藉助標籤質量評估功能，從分類使用者是否是大碼人群準確性等多維度，檢查標籤是否可用。

三、標籤質量評估功能作用

大碼人群標籤規則是基於大碼品類點選次數和客單價等使用者行為來識別使用者是否屬於大碼人群。而標籤規則的有效性指規則是否將使用者正確區分為大碼人群。標籤規則有效性低就會出現非大碼使用者被誤判為大碼人群，該類使用者即使收到大碼優惠券，由於無需求而不會選擇下單，導致券使用率低。

為了評估標籤規則的有效性，標籤質量評估功能將規則中不同使用者行為與歷史訂單的資料分佈進行對比分析，判別兩者之間的相關性。兩者分佈越相似，相關性越強，證明標籤規則有效性越高。評估規則有效性過程有兩個步驟，如下。

1. 單維使用者行為分佈分析

首先標籤質量評估功能將規則中大碼品類點選次數與歷史訂單的資料分佈圖進行比較。由於大碼人群在消費行為中更偏好大碼商品，其歷史訂單數量分佈更多集中在大碼品類上。如果在分佈對比圖中，大碼品類點選次數越多，大碼下單也越多，兩者分佈相似，那說明該大碼品類點選次數與大碼人群歷史訂單行為有相關性。

相反，如果大碼品類點選次數越多，但大碼下單無增多甚至越少的趨勢，那說明大碼品類點選次數與大碼人群歷史訂單行為無相關性。基於分佈趨勢對比圖和上述相關性判斷規則，評估功能可以分析大碼品類點選次數對大碼人群分類規則是否有效。有相關性說明大碼品類點選次數可以作為區分大碼人群的規則條件。

最終評估功能發現大碼品類點選次數越高，大碼下單也較多，說明大碼品類點選次數和大碼人群歷史訂單行為有相關性。但分佈圖中也出現大碼品類點選次數低而大碼訂單較高的情況，這時需要拿其他使用者行為與歷史訂單分佈做對比，分析是否還有其他使用者行為對大碼人群識別存在影響。

2. 多維使用者行為分佈對比

如果大碼品類點選次數分佈不能完全遵循歷史訂單分佈，需選擇大碼品類客單價進一步分析是否同樣能影響使用者下單大碼。基於分佈趨勢圖和上段提到的相關性判斷規則，評估功能分析大碼品類客單價對大碼人群分類規則是否也有效。有相關性說明大碼品類客單價同樣可以作為區分大碼人群的其中一個規則條件。

最終評估功能發現大碼品類客單價有較大影響。大碼品類點選次數低，但大碼品類客單價高，該類人群歷史訂單中大碼品類佔比也較高，從而驗證出標籤規則需要同時考慮大碼品類點選數和大碼品類客單價兩個使用者行為，才能保證大碼人群標籤規則的有效性。

四、總結

在大碼人群的券投放場景中，標籤質量評估功能解決了券使用率低的問題。基於標籤質量評估功能提供的分佈對比圖和相關性判別規則，營銷人員就能識別出大碼品類點選次數等使用者行為是否對標籤分類規則有效，從而評估該標籤規則是否能有效區分出大碼人群。這樣，在基於大碼人群標籤圈人投放時，就能命中更多大碼人群以及滿足其使用券的需求，實現券使用率提升。

本文由 @俊峰 原創釋出於人人都是產品經理，未經許可，禁止轉載

題圖來自 unsplash，基於 CC0 協議