1.属性标签
即用户的基础属性信息，可从用户数据中直接提取。如女性、90后、一二线城市、大学生……主要由基础数据定义，定义了用户最基础的特征，由于是较为宽泛的信息标签，在实际使用中多结合其他类型的标签进行应用。
2.统计标签
即结合与用户数据进行统计分组，体现用户数据特征。如消费次数为1、最近7日活跃、消费金额超1万元……主要由用户行为数据和消费数据定义，定义了用户直观的数据特征，多在应用时直接创建，并且经过分析验证后更多演变为模型标签。
3.模型标签
即结合用户数据属性进行抽象，体现用户画像特征。如高消费用户、数码爱好者、新手妈妈……主要由消费数据和行为数据定义，定义标准需结合产品特征、业务目标及数据分析，较难直接指定。模型标签更直观体现用户多方面特征，是用户标签的主要类型。
4.预测标签
即基于已有用户数据，来预测用户行为偏好和倾向。如高流失风险、母婴潜在用户……对用户潜在的关键行为倾向进行预测，多借助算法模型支持，需要较大的用户数据及标签积累。
完善的标签体系从标签类型上覆盖以上四大类标签，属性标签和模型标签为主，同时从业务视角出发，还需覆盖生命周期、用户价值、活跃特征、用户偏好四大维度。以上就是关于用户标签有哪些内容的介绍，希望可以对你有所帮助。