对于不同行业，他们所关注的价值指标具有一定差异性。例如在线教育行业可能关注持续活跃，再如社交电商中希望用户能够将商品分享到社群中，最关注的是分享次数……对不同行业的关键指标，也可以通过 RFM 分层思路找到各自场景下最有价值的用户。在设计价值分层标签时，标签是否便于理解也是值得关注的问题。例如累计付费金额 500 元，与累计付费金额属于“中等”，哪种标签容易理解？我们认为，应用于数据产品如推荐算法时，可以使用原始数值，保留精确的信息价值；如果是业务人员分析应用时，数值型的标签应该根据业务经验进行概括性的分层，以快速传递业务认知。
（2）生命周期生命周期的状态应该如何定义呢？一般来说，每一个可能产生流失的触点，都是生命周期的关键状态。“待激活新用户”经过激活后变成“活跃用户”，持续几天不活跃后变成“沉默流失用户”，这是比较通用的定义。例如在线教育行业，新注册的老师经过认证后，进行上传课件，在线授课，最后彻底离开平台……这都是用户生命周期的关键状态。
通常，如果我们定义了一个状态类的标签，还应该要定义状态改变的标签。生命周期状态标签能帮助我们主动触达用户的关键时间节点，挽救用户的流失，使他们完成完整的业务流程。（3）行为偏好如果产品提供服务较多元，需要为营销或产品改进寻找切入点时，可以重点梳理行为偏好主题的标签。简单地说，用户行为偏好，即是用户在关键事件上的关键选择。
例如用户搜索商品时选择筛选的类目，会影响用户最终是否做出付费这个关键业务决策。在这个例子中，「搜索商品」就是关键事件，「筛选类目」则是关键选择。我们可以梳理出常见的关键事件和关键属性，如用户搜索商品时出现类目的 top3，用户点击商品详情页出现最多的商品价格段的 top3，用户实际购买的商品出现付款方式的 top3……这么一看，关键的事件和属性都很多。
在制定用户偏好标签时，可以按照以下几个原则选择：原则一：用户做得最多的事件是越可靠，成本越高的事件越可靠。在定义行为偏好标签时，前提要有足够的事件量，像“收藏”这种事件可能数量相对较少时，可以通过“点击详情页”这种覆盖面较广的常用动作去定义行为偏好。另一方面，用户做决策的成本越高，则这个关键事件就越可信，“付费”是用户成本最高的事件，因此通过“付费”这一关键事件的关键属性来定义用户的行为偏好准确率会较高。
实际分析应用时，要综合考虑标签的覆盖面和可信度。当我们分析老用户或者复购用户时，可以使用“付费”偏好标签；而对于未曾购物的用户，则只能用“点击详情页”偏好标签了。原则二：基于运营动作周期去制定不同时间范围的用户偏好标签。如果最近一个月用户点击商品详情页出现类目最多是鞋子，但是当数据时间放宽到半年时，用户点击类目最多的是衣服，那么我们应该发衣服的优惠券，还是鞋子的优惠券？一般来说，运营活动具有一定业务周期。
