Acquisition 从用户获取角度研究用户标签
主要研究的有用户来源、注册时间、用户渠道等
Activation从用户活跃角度研究用户标签
研究用户的活跃度，可以从三个方面进行考虑。
1.完成平台主体流程
对于P2P平台来说,主体流程主要是:
注册—实名认证—绑卡—存管开户状态—充值—风险测评—自动投标状态—投标—回款—提现
从这个主体流程中我们可以获得以下条件信息
2.其他旁支功能的参与度
除了产品主流程的活跃情况外，对其他附属活动或者附属模块的参与度也能反应用户的活跃情况。
备注:
在考虑活期参与情况时，最好将用户当期参与活动次数与当期推广活动总数的占比可以反应用户的参与情况（但是确不适合积分抽奖这种不限次数的活动）。又或者看用户近期活动参与次数与近期所有参与活动总次数的占比（但是每一期用户参与情况不同、不能有一个明确的界定来判断什么样的用户是活动偏爱者，什么样的用户是活动沉寂者）。综上，使用当期用户参与活动次数打分排名来判断用户活动参与度是当前最好的方法。
3.用户综合活跃度，根据用户的主流程完成度与循环度，可以将用户划分为几个等级。
用户的生命周期恰恰可以反映用户从沉寂->待激发活跃->活跃->成熟->沉寂 的这样一个过程。
4.用户活跃度延伸
根据用户每个流程的参与热度，可以看到用户的偏好积极用户的承担力，这样可以针对性的对用户进行推广和触达
Retention从用户留存角度研究用户标签
研究用户的留存情况是建立在用户的活跃基础之上，主要从以下几个方面来考虑：
1.对于新用户是否完成了新手任务之后，怎样继续留存。
2.对于老用户是否已经对我们的产品产生黏性，以及如何提高用户的黏性。
3.对用户流失情况进行预测，减少流失的比例。
Revenue从用户收入角度研究用户标签
用户的收入，主要从用户带来的价值方面对用户进行划分，根据用户的价值不同，有针对性的进行营销，主要从RFM标签、用户的投产比、用户的消费能力来体现。
Refer从用户传播角度研究用户标签
用户的传播，主要是从用户与用户自身之间的传播情况来体现的，主要从邀请好友数以及分享裂变红包数来体现。
用户标签统计形式分析
- 分层统计
为了减少统计的复杂度，使统计更有条理性，便于以后维护，采用的是分层的基本方法。将基本条件的统计分为一层；一级标签是由基本的条件组成的，分为一层；二级标签由一级便签或者基本条件组成，又分为一层，依次类推。
用户标签存储形式分析
- 存储形式是以用户为主，还是以标签为主
用户与标签的查询无非就是通过标签查询该标签拥有的用户，或者通过用户查询其拥有哪些标签。无论是以用户为主还是以标签为主都需要这两种查询方式，在查询难度上两种方式并没有太大区别。
从标签统计的形式我们了解到,统计时用户的标签是通过一个个基本的条件组成，然后基本的条件组成一级标签，一级标签组成了二级标签，并且每一类标签都是有自己单独的表。如果想知道用户拥有哪些标签，必须将所有的标签表full outer join之后才能知道。因为前期统计时都是对每个用户拥有哪些标签有个单独的表统计，因此最好使用以用户为主的形式，即用户作为主键，multivalue存储标签ID。
存储用户标签还是用户的基本条件
存储用户的标签是运营需要的最终结果，但是，用户的基本条件存储一方面可以对目前生成的用户标签的验证；一方面因为我们目前的用户标签是不完善的，也可以方便运营临时组合标签。因此可以将用户的标签和用户的基本条件都存储起来。-
对于有时间属性的标签应该怎么存储
对于有时间属性的标签例如：危险提现用户（用户昨日单笔提现金额≥1万；或 用户昨日账户余额全部提现） 该标签的有个时间属性就是有效期是60天，那对于这样的标签我们需要单独建一个表
如果用户2在2018-04-30日提现超过10000，则在2018-05-01日统计时就有了如下表格中的数据：
image.png
1.3.3 用户标签表
条件信息表 user_tags.condition_infos
一级标签信息表user_tags.tag_infos
统计状态表user_tags.statistics_status
用户标签表
用户的时间属性标签user_tags.user_time_attr_tags
用户每天标签变化的表
