我想问一下怎么设置指定数据点显示数据标签？

设置指定数据点显示数据标签的方法：

1、新建一个EXCEL工作表，输入演示数据，而后制作一个圆形图。

2、点击圆形图，而后点击鼠标右键，在出现的界面中单击“”添加数据标签选项。

3、点击添加数据标签，数据值就添加到了圆形图上。

4、点击数据标签上的值，而后点击右键，选择“设置数据标签格式”选项。

5、在出现的对话框，选择”标签“选项，点击类别名称，类别名称就出现在了图表上。

6、在标签选项上点击百分比，每个数据的占比就出现在了圆形图上。

7、设置好自己喜欢的就可以了。这样就完成了excel图表添加数据标签及设置数据标签格式。

王兴说过，我们已经进入到互联网的下半场。在上半场，也就是早期的互联网时代，你永远不知道在对面坐的是什么样的人。那个年代大部分人还是 QQ 的早期用户。在下半场，互联网公司已经不新鲜了，大部分公司已经互联网化。他们已经在用网络进行产品宣传，使用电商销售自己的商品。

这两年引领下半场发展的是那些在讲 “大数据”“赋能”的企业，他们有数据，有用户。

通过大数据告诉政府该如何智慧地管理交通，做城市规划。

通过消费数据分析，告诉企业该在什么时间生产什么产品，以最大化地满足用户的需求。

通过生活大数据告诉我们餐饮企业，甚至房地产企业该如何选址。

如果说互联网的上半场是粗狂运营，因为有流量红利不需要考虑细节。那么在下半场， 精细化运营将是长久的主题 。有数据，有数据分析能力才能让用户得到更好的体验。

所以，用户是根本，也是数据分析的出发点。

假如你进入到一家卖羊肉串的餐饮公司，老板说现在竞争越来越激烈，要想做得好就要明白顾客喜欢什么。于是上班第一天，老板问你：“你能不能分析下用户数据，给咱们公司的业务做个赋能啊？”

听到这，你会怎么想？

你说：“老板啊，咱们是卖羊肉串的，做数据挖掘没用啊。”估计老板听后，晚上就把你给开了。

那该怎么办呢？如果你感觉一头懵，没关系，我们今天就来讲讲怎么一步步分析用户数据。

首先就是将自己企业的用户画像做个白描，告诉他这些用户“都是谁”“从哪来”“要去哪”。

你可以这么和老板说：“老板啊，用户画像建模是个系统的工程，我们要解决三个问题。第一呢，就是用户从哪里来，这里我们需要统一标识用户 ID，方便我们对用户后续行为进行跟踪。我们要了解这些羊肉串的用户从哪里来，他们是为了聚餐，还是自己吃宵夜，这些场景我们都要做统计分析。第二呢，这些用户是谁？我们需要对这些用户进行标签化，方便我们对用户行为进行理解。第三呢，就是用户要到哪里去？我们要将这些用户画像与我们的业务相关联，提升我们的转化率，或者降低我们的流失率。”

听到这，老板给你竖起了大拇指，说：“不错，都需要什么资源，随时找我就行。”

刚才说的这三个步骤，下面我一一给你做个梳理。

用户唯一标识是整个用户画像的核心 。我们以一个 App 为例，它把“从用户开始使用 APP 到下单到售后整个所有的用户行为”进行串联，这样就可以更好地去跟踪和分析一个用户的特征。

设计唯一标识可以从这些项中选择：用户名、注册手机号、联系人手机号、邮箱、设备号、CookieID 等。

你可能会想，标签有很多，且不同的产品，标签的选择范围也不同，这么多的标签，怎样划分才能既方便记忆，又能保证用户画像的全面性呢？

这里我总结了八个字，叫“ 用户消费行为分析 ”。我们可以从这 4 个维度来进行标签划分。

1.用户标签：它包括了性别、年龄、地域、收入、学历、职业等。这些包括了用户的基础属性。

2.消费标签：消费习惯、购买意向、是否对促销敏感。这些统计分析用户的消费习惯。

3.行为标签：时间段、频次、时长、访问路径。这些是通过分析用户行为，来得到他们使用 App 的习惯。

4.内容分析：对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，比如，金融、娱乐、教育、体育、时尚、科技等。

可以说，用户画像是现实世界中的 用户的数学建模 ，我们正是将海量数据进行 标签化 ，来得到精准的用户画像，从而为企业更精准地解决问题。

最后，当你有了用户画像，可以为企业带来什么业务价值呢？

我们可以从用户生命周期的三个阶段来划分业务价值，包括： 获客、粘客和留客 。

如果按照数据流处理的阶段来划分用户画像建模的过程，可以分为数据层、算法层和业务层。你会发现在不同的层，都需要打上不同的标签。

数据层 指的是用户消费行为里的标签。我们可以打上“事实标签”，作为数据客观的记录。

算法层 指的是透过这些行为算出的用户建模。我们可以打上“模型标签”，作为用户画像的分类标识。

业务层 指的是获客、粘客、留客的手段。我们可以打上“预测标签”，作为业务关联的结果。

所以这个标签化的流程，就是通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。

刚才讲的是用户画像的三个阶段，以及每个阶段的准则。下面，我们来使用这些准则做个练习。

如果你是美团外卖的数据分析师，你该如何制定用户标识 ID，制定用户画像，以及基于用户画像可以做哪些业务关联？

首先，我们先回顾下美团外卖的产品背景。美团已经和大众点评进行了合并，因此在大众点评和美团外卖上都可以进行外卖下单。另外美团外卖针对的是高频 O2O 的场景，美团外卖是美团的核心产品，基本上有一半的市值都是由外卖撑起来的。

基于用户画像实施的三个阶段，我们首先需要统一用户的唯一标识，那么究竟哪个字段可以作为用户标识呢？

我们先看下美团和大众点评都是通过哪些方式登录的。

我们看到，美团采用的是手机号、微信、微博、美团账号的登录方式。大众点评采用的是手机号、微信、QQ、微博的登录方式。这里面两个 APP 共同的登录方式都是手机号、微信和微博。

那么究竟哪个可以作为用户的唯一标识呢？当然主要是以用户的注册手机号为标准。这样美团和大众点评的账号体系就可以相通。

当然，大家知道在集团内部，各部门之间的协作，尤其是用户数据打通是非常困难的，所以这里建议，如果希望大数据对各个部门都能赋能，一定要在集团的战略高度上，尽早就在最开始的顶层架构上，将用户标识进行统一，这样在后续过程中才能实现用户数据的打通。

然后我们思考下，有了用户，用户画像都可以统计到哪些标签。我们按照“ 用户消费行为分析 ”的准则来进行设计。

1.用户标签：性别、年龄、家乡、居住地、收货地址、婚姻、宝宝信息、通过何种渠道进行的注册。

2.消费标签：餐饮口味、消费均价、团购等级、预定使用等级、排队使用等级、外卖等级。

3.行为标签：点外卖时间段、使用频次、平均点餐用时、访问路径。

4.内容分析：基于用户平时浏览的内容进行统计，包括餐饮口味、优惠敏感度等。

比如一个经常买沙拉的人，一般很少吃夜宵。同样，一个经常吃夜宵的人，吃小龙虾的概率可能远高于其他人。这些结果都是通过数据挖掘中的关联分析得出的。

有了这些数据，我们就可以预测用户的行为。

比如一个用户购买了“月子餐”后，更有可能购买婴儿水，同样婴儿相关的产品比如婴儿湿巾等的购买概率也会增大。

具体在业务层上，我们都可以基于标签产生哪些业务价值呢？

1. 在获客上 ，我们可以找到优势的宣传渠道，如何通过个性化的宣传手段，吸引有潜在需求的用户，并刺激其转化。

2. 在粘客上 ，如何提升用户的单价和消费频次，方法可以包括购买后的个性化推荐、针对优质用户进行优质高价商品的推荐、以及重复购买，比如通过红包、优惠等方式激励对优惠敏感的人群，提升购买频次。

3. 在留客上 ，预测用户是否可能会从平台上流失。在营销领域，关于用户留存有一个观点——如果将顾客流失率降低 5%，公司利润将提升 25%~85%。可以看出留存率是多么的重要。用户流失可能会包括多种情况，比如用户体验、竞争对手、需求变化等，通过预测用户的流失率可以大幅降低用户留存的运营成本。

上面我们讲到的“用户消费行为标签”都是基于一般情况考虑的，除此之外，用户的行为也会随着营销的节奏产生异常值，比如双十一的时候，如果商家都在促销就会产生突发的大量订单。因此在做用户画像的时候，还要考虑到异常值的处理。

总之，数据量是庞大的，会存在各种各样的使用情况。光是分析 EB 级别的大数据，我们就要花很长的时间。

但我 们的最终目的不是处理这些数据，而是理解、使用这些数据挖掘的结果 。对数据的标签化能让我们快速理解一个用户，一个商品，乃至一个视频内容的特征，从而方便我们去理解和使用数据。

对数据的标签化其实考验的是我们的抽象能力，在日常工作中，我们也要锻炼自己的抽象能力，它可以让我们很快地将一个繁杂的事物简单化，不仅方便理解，还有益后续的使用。

我们今天讲了用户画像的流程，其中很重要的一个步骤就是给用户打标签，那么你不妨想想，如果给羊肉串连锁店进行用户画像分析，都可以从哪些角度进行标签化？

最后，我们从现实生活中出发，打开你的手机，翻翻看你的微信通讯录，分析下你的朋友圈，都有哪些用户画像？如果你来给它设计标签，都有哪些种类需要统计呢。为了方便后续使用，你是如何将他们归类分组的？

精准营销的实质是根据目标客户的个性化需求设计产品和服务，而大数据就是手段。大数据精准营销做法如下：

1、以用户为导向。

真正的营销从来都是以用户为中心的，而大数据把用户实实在在“画”在了眼前，营销者可以根据数据库内的数据构建用户画像，来了解用户消费行为习惯、以及年龄、收入等各种情况，从而对产品、用户定位、营销做出指导性的调整。

2、一对一个性化营销。

很多销售在推销产品时常常会遇到这样的问题：产品是一样的，但是用户的需求是各不相同的，如何把相同的产品卖给不同的用户？这就需要我们进行“一对一”个性化营销。利用大数据分析，可以构建完善的用户画像，了解消费者，从而做出精准的个性化营销。

3、深度洞察用户。

深度洞察用户，挖掘用户潜在需求，是数据营销的基础。利用数据标签，可以准确获知用户的潜在消费需求。

例如：我们得知一位用户曾购买过奶粉，那么我们可以得知，家里有小孩，相应的可以向他推送早教课程等适合婴幼儿的产品。洞察消费者需求后再进行投放，营销的效果将比撒网式有效且更易成交。

4、营销的科学性。

实践证明，数据指导下的精准营销相对于传统营销来说更具有科学性。向用户“投其所好”，向意向客户推荐他们感兴趣的东西，远远要比毫无目标的被动式营销更具成效。

大数据精准营销包含方面

1、用户画像

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：

用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座。

用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好。

用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分。

用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次。

用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。

2、数据细分受众

在执行大数据分析的3小时内，就可以轻松完成以下的目标：精准挑选出1%的VIP顾客发送390份问卷，全部回收 问卷寄出3小时内回收35%的问卷 5天内就回收了超过目标数86%的问卷数所需时间和预算都在以往的10%以下。

3、预测

“预测”能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。当我们采集和分析用户画像时，可以实现精准营销。这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户。

这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。

4、精准推荐

大数据最大的价值不是事后分析，而是预测和推荐，我就拿电商举例，"精准推荐"成为大数据改变零售业的核心功能。

数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。未来，销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。

---