029-86112530

用戶分層——運營基礎你知道(dào)多少?

時間:2019-11-14 09:52:32來源:提米科技浏覽:

什麽是用戶分層?

用戶分層:一(yī)般體現的(de)是用戶在産品上所處的(de)狀态。比如(rú)免費用戶、活躍用戶、付費用戶、高(gāo)額付費用戶等,由于是“層”嘛,所以它有一(yī)個層級的(de)概念,有一(yī)個狀态遞進的(de)過程,大多是呈漏鬥形的(de)形狀。而且用戶的(de)層級一(yī)般不會分的(de)太多


主要是因為(wèi),用戶量大的(de)時候,千人千面的(de)個性化需求和(hé)普适的(de)運營策略的(de)矛盾就會成為(wèi)當前産品的(de)主要矛盾。用戶特征的(de)差異導緻了用戶個性化訴求,也催生了精細化運營的(de)需求。

一(yī)談到用戶分層,大家的(de)腦海中可(kě)能會浮現出這些詞彙:核心用戶,種子(zǐ)用戶,氪金用戶,白嫖用戶,活躍用戶,流失用戶,內(nèi)容創作用戶及內(nèi)容消費用戶。

例如(rú),抖音的(de)用戶,就可(kě)以粗略劃分為(wèi)內(nèi)容創作者和(hé)內(nèi)容消費者,當然這兩者還可(kě)以繼續細分。

産品最核心的(de)利益訴求是盈利,這個利不管是金錢還是流量,都需要進行用戶分層,對不同層級的(de)用戶采用不同的(de)運營策略,進行精細化運營,才能達到運營資源的(de)最大化利用和(hé)産品效益的(de)最大化。

用戶分層的(de)本質是一(yī)種以用戶特征、用戶行為(wèi)等為(wèi)中心對用戶進行細分的(de)精細化運營的(de)手段。

下面來分别介紹下4種常見的(de)用戶分層的(de)方法。

一(yī)、用戶價值區隔分層

用戶價值區隔分層,又分為(wèi)兩個維度:第一(yī),依靠用戶生命周期定義對用戶進行價值區隔;第二,依靠用戶關鍵行為(wèi)對用戶進行價值區隔。

用戶生命周期定義必然與用戶價值成長(cháng)路徑有關。不同類型的(de)産品有不同的(de)價值成長(cháng)路徑。按照産品是否付費及産品的(de)使用頻率,可(kě)以将不同産品的(de)價值成長(cháng)路徑劃分為(wèi)四個象限:

用戶生命周期模型大家應該都不陌生,一(yī)般用戶的(de)生命周期會分為(wèi)5個階段,當然不是說每個用戶都會經曆完整的(de)生命周期,這隻是一(yī)個一(yī)般模型。

(1)導入期:用戶注冊後,剛剛上手,對産品還不熟悉,對産品能帶來什麽價值也還不熟悉。在數據上的(de)定義是,剛剛注冊,尚未體驗核心功能流程(核心功能流程需要事先定義并埋點做(zuò)統計)

(2)成長(cháng)期:對産品有了一(yī)定的(de)了解,對産品提供的(de)用戶價值比較認可(kě),已經建立起了初步的(de)使用習慣,會定期使用産品。在數據上的(de)定義是,已經體驗過核心功能流程,使用頻率和(hé)使用時長(cháng)大于或等于定義的(de)最小阈值,例如(rú),每周登錄三次,每次使用時長(cháng)10分鍾。

(3)成熟期:對産品已經形成了高(gāo)度的(de)使用依賴和(hé)習慣,使用頻率和(hé)使用時長(cháng)顯著高(gāo),能夠貢獻較高(gāo)的(de)價值。數據上的(de)定位為(wèi),使用頻率,使用時長(cháng)大于或等于某個阈值(根據産品來定),或者付費頻率和(hé)價值達到一(yī)定阈值

(4)休眠期:曾經是成熟期用戶,但是現在已經不再訪問或使用産品,或者訪問頻次越來越低(dī)。數據上的(de)定義為(wèi),超過10天(具體情況具體分析)未使用産品。

(5)流失期:已經長(cháng)時間不登錄産品,甚至已經卸載産品的(de)用戶。數據上的(de)定義為(wèi),超過30天(自(zì)定義)未使用産品的(de)用戶。

另一(yī)種,用戶價值區隔分層的(de)方法是根據用戶的(de)關鍵行為(wèi)來進行劃分。最典型且常用的(de)方法是RFM方法。RFM分别代表用戶三種關鍵行為(wèi):

  1. R(Recency),距離(lí)最近一(yī)次交易

  2. F(Frequency),交易頻次

  3. M(Monetary),交易金額

通過RFM方法可(kě)以将用戶分成8大類型


定義RFM三個維度的(de)中值,一(yī)般有三個常見的(de)方法:

  1. 所有數據的(de)平均值或中值

  2. 基于一(yī)個業務節點的(de)重要值,例如(rú)投資理(lǐ)财類的(de)R值,一(yī)般是1個月,因為(wèi)發工資才有錢投資

  3. 以二八法則進行推算,80%的(de)用戶集中在低(dī)頻低(dī)金額區間,20%的(de)用戶集中在高(gāo)頻高(gāo)金額區間

  4. Means聚類算法,這個如(rú)果數據分析師小姐姐懂得話,就最好了

後面如(rú)何進行數據分析的(de)方法,在這裏就不細說了,在網上有很多教大家使用RFM的(de)文章(zhāng)。

RFM方法的(de)核心邏輯是找出影響用戶價值高(gāo)低(dī)的(de)關鍵行為(wèi),然後進行交叉分析和(hé)用戶劃分。所以RFM模型并不一(yī)定就是上述的(de)含義,在不同領域可(kě)以是不同的(de)定義。例如(rú):

  1. 金融領域,R代表最近一(yī)次投資的(de)時間,F代表投資頻率,M代表投資金額;

  2. 直播領域,R代表最近一(yī)次觀看直播的(de)時間,F代表觀看頻次,M代表觀看總時長(cháng);

  3. 遊戲領域,R代表最近一(yī)次玩遊戲的(de)時間,F代表遊戲頻次,M代表遊戲時長(cháng)。還可(kě)以定義為(wèi),R代表最近一(yī)次遊戲充值的(de)時間,F代表充值頻率,M代表充值金額。

RFM隻是代表一(yī)種分層的(de)思維方式,任何産品,我們都可(kě)以定義影響用戶的(de)關鍵行為(wèi),然後定義出這些行為(wèi)的(de)指标,再對這些指标進行交叉分析,來完成對用戶的(de)分層。

二、AARRR模型分層

聽說過增長(cháng)黑客的(de)同學(xué),對這個模型肯定不陌生。AARRR模型不僅可(kě)以用來做(zuò)增長(cháng),也可(kě)以用來做(zuò)用戶分層。


  1. 獲取用戶:下載未注冊,或完成注冊但無進一(yī)步行為(wèi)。這一(yī)階段要關注不同渠道(dào)的(de)注冊轉化率,優化渠道(dào)資源投放。

  2. 提高(gāo)活躍度:已注冊,但是未完成産品的(de)核心流程體驗。這一(yī)階段需要加強引導用戶完成核心流程。

  3. 提高(gāo)留存率:體驗了核心流程,但是持續留存時長(cháng)不高(gāo)。針對留存問題進行分析,然後給出具體的(de)運營策略。

  4. 病毒式傳播:活躍頻次超過一(yī)定阈值的(de)用戶。通過工具優化,刺激用戶進行傳播

  5. 獲取收入:活躍度和(hé)留存時長(cháng)超過一(yī)定阈值的(de)用戶,針對特定用戶,結合特定的(de)場景加強對于付費的(de)引導

AARRR是一(yī)個比較粗略的(de)用戶分層模型,适用于産品比較初級的(de)階段,這個階段用戶量說大不大,說小不小,且公司的(de)數據體系可(kě)能尚未搭建起來的(de)階段

三、用戶身份區隔分層

一(yī)說到用戶身份,大家第一(yī)時間聯想到的(de)詞,是不是KOL。在內(nèi)容社區,用戶的(de)身份一(yī)般都會至少分為(wèi)KOL和(hé)普通用戶兩種,對于這兩種用戶,運營的(de)策略肯定不同。

隻有當産品所在的(de)領域中,用戶的(de)行為(wèi)特征和(hé)訴求差異較大時,使用身份區隔的(de)方式進行分層就會比較合适。例如(rú),微博,至少就能分為(wèi):明星用戶,KOL用戶,活躍用戶和(hé)普通用戶。

如(rú)何梳理(lǐ)産品的(de)用戶身份區隔模型?問自(zì)己三個問題:

  1. 用戶之間是否存在關系?

  2. 某類用戶是否會因貢獻的(de)內(nèi)容,稀缺性而産生用戶階層

  3. 用戶之間是否可(kě)以在自(zì)然狀态下實現階層的(de)進階。

如(rú)果用戶之間不存在關系,那麽不适用身份區隔分層模型。

如(rú)果存在關系,并且會因為(wèi)貢獻內(nèi)容或稀缺性産生用戶階層,那麽就根據貢獻度或稀缺性搭建用戶分層模型。

如(rú)果不同階層的(de)用戶可(kě)以自(zì)然進階,那麽就根據進階的(de)階層搭建用戶分層模型。

四、用戶需求區隔分層

用戶需求區隔分層,主要分為(wèi)兩個維度:

  1. 用戶自(zì)然屬性,主要依賴用戶的(de)基礎數據,包括性别,年(nián)齡,職業,收入等;

  2. 用戶個性化需求,主要依賴用戶的(de)行為(wèi)數據,個人消費偏好,個人場景偏好。

所以,用戶需求區隔分層,主要就是通過分析用戶是否在這兩個維度上,用戶的(de)需求有明顯的(de)差異,判斷的(de)方法兩種,經驗洞察和(hé)數據說話。

在具體操作時,可(kě)以使用單個維度進行區分,也可(kě)以使用兩個維度進行交叉分析。

選擇一(yī)個維度進行區分,例如(rú),典型的(de)産品美柚,在用戶不同的(de)狀态下,備孕,懷孕,辣媽,會推送不同的(de)內(nèi)容。例如(rú),婚介類産品,針對不同年(nián)齡層次,不同性别的(de)用戶也會進行用戶需求的(de)區隔分層。

選擇兩個維度進行交叉分析,例如(rú)購物類産品,就會根據用戶的(de)性别,年(nián)齡和(hé)消費偏好的(de)屬性,給用戶推送不同的(de)産品。

用戶分層的(de)主要目的(de)是為(wèi)了後面的(de)用戶精細化運營,最終要實現的(de)目标是以最小的(de)運營成本實現産品收益的(de)最大化。

用戶分層的(de)兩大核心:一(yī)是不同層級的(de)用戶可(kě)以用明确的(de)數據标簽,屬性标簽定義出來,這樣才能實現用戶标簽自(zì)動化;二是不同層級的(de)用戶運營的(de)策略是有針對性且穩定的(de)。

用戶分層常用的(de)4大方法:

  1. 用戶價值區隔分層,包括用戶生命周期和(hé)RFM方法

  2. AARRR模型,适用于産品比較初級的(de)階段,是一(yī)種簡單粗略的(de)分層方法

  3. 用戶身份區隔分層,适用于産品的(de)用戶有聯系,并且會因為(wèi)貢獻度或稀缺性而産生明顯的(de)階層區隔的(de)産品

  4. 用戶需求區隔分層,簡答的(de)說就是用戶在産品的(de)需求是否會因為(wèi)用戶特征的(de)不同而不同。