用戶畫像之用戶分層的四種方法詳解

 

四種分層方式：

用戶價值區隔分層

AARRR模型分層

用戶個性特征&需求區隔分層

用戶身份區隔分層

 

一．4類用戶分層方式與落地

 

分層實施的兩大核心

1，處于不同層級的用戶，需要能夠被通過數據字段或標簽等方式識別區分出來；

2，面向每一類用戶的運營機制或策略是明確穩定的。

了解了核心要求之后，需要判斷的是我們自身的產品如何確定用哪一種用戶分層方式，總不能一拍大腿決定隨便一種方式，或者一拍腦子，不如直接全用了算了，這樣肯定是不可以的，那么如何判斷呢？請看下圖

"

業務主鏈條標準化程度高：比如一款鬧鐘產品，所有用戶的行為軌跡基本都是設置鬧鐘，然后等鬧鐘響，關閉鬧鐘，不會有其他的行為，屬于標準化程度高。

業務主鏈條標準化程度低：比如王者榮耀，進入產品后，有的開匹配，有的打排位，有的玩大亂斗，有的去下棋，用戶的行為很難去標準規定，標準化程度低。

用戶在產品中互相影響的可能低：這個就比較明顯了，比如今日頭條這種新聞APP，你受到其他用戶的影響很小，你在使用中基本不會考慮到其他使用今日頭條的用戶。

用戶在產品中互相影響的可能高：知乎的話，你受到其他用戶的影響很大，逛乎，就是在看別的用戶的各種回答，他們對你的影響那還是非常大的。

那么簡單的拿幾個例子做區分

高德地圖（標準化高 互相影響低）：用戶價值區隔分層 AARRR模型分層（這兩個適用全部）

墨跡天氣（標準化高 互相影響低）：用戶價值區隔分層 AARRR模型分層

印象筆記：（標準化低 互相影響低）用戶個性特征&需求區隔分層

貓眼電影（標準化高 互相影響低）：用戶個性特征&需求區隔分層

得到（標準化高 互相影響高）：用戶個性特征&需求區隔分層 用戶身份區隔分層

抖音（標準化高 互相影響高）：用戶個性特征&需求區隔分層 用戶身份區隔分層

 

好的上面簡單的了解的四種用戶分層方式，但那是遠遠不夠的，下面是詳細的介紹，

①用戶價值區隔分層

依靠用戶價值分層有兩種方式

依靠用戶生命周期定義對用戶進行價值區隔：依靠用戶生命周期的定義來完成用戶分層，與【用戶的價值成長路徑】有關

通過關鍵用戶行為對用戶進行價值區隔：對關鍵用戶行為，對用戶進行價值區隔，完成用戶分層

首先是依靠用戶生命周期定義對用戶進行價值區隔，用戶生命周期本身就是一個大的概念這里現在簡單的介紹，以后其他文章詳細講解，用戶價值分層主要抓住用戶行為方面

根據用戶是否會直接付費與使用頻次做區隔

了解兩種產品不同的用戶什么周期思路

收費收入產品的用戶生命周期定義思路

 

 

流量類產品的用戶生命周期定義思路

 

 

（2）通過關鍵用戶行為對用戶進行價值區隔

通過關鍵用戶行為對用戶進行價值區隔：找到產品中能夠衡量用戶價值的關鍵行為，對其進行交叉分析和評估，最終形成某種分層模型（如經典的RFM)

什么是RFM模型？這個劃重點

RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段

【Recency-距離最新一次交易】【Frequency-交易頻率】【Monetary-交易金額】

【三項指標】來描述該客戶的價值狀況，依據這三項指標劃分【8類客戶價值】

 

 

運用RFM區分出的8種客戶價值類型

如圖所示，我們要用【RFM的每一項平均值】通過【判斷高于還是低于】，來確定客戶類型

通過RFM我們就可以分出8種類型的課程，那么他們就會有不同的運營目標，簡單的舉例

1）重要價值用戶，RFM三個值都很高，要提供vip服務

2）重要發展用戶，消費頻率低，但是其他兩個值很高，就要想辦法提高他的消費頻率

3） 重要保持用戶，最近消費距離現在時間較遠，也就是F值低，但是消費頻次和消費金額高。這種用戶，是一段時間沒來的忠實客戶。應該主動和他保持聯系，提高復購率

4） 重要挽留客戶，最近消費時間距離現在較遠、消費頻率低，但消費金額高。這種用戶，即將流失，要主動聯系用戶，調查清楚哪里出了問題，并想辦法挽回。

光說不練假把式，下面找一些數據操作一下

實施RFM用戶分層的操作步驟

 

首先依靠神奇的百度獲得RFM數據資源

資源如下

做一下簡單的清理，比如把不是交易成功的數據去除掉

 

利用excel透視表，獲得用戶最近付款日期，付款次數，付款總金額

 

 

利用中位數判斷中值 if函數 判斷用戶價值 （百度之后發現VL00KUP函數更方便），

OK 區分出這些用戶，就可以根據他們的區分，做不同的運營動作了，當然這一切的前提是能獲得用戶的數據。

總結

用戶價值分層重點RFM，是一種較為復雜的模型，需要大量的用戶數據，但是得出的結果也是很有用的

 

②AARRR模型分層

AARRR模型說明了用戶生命周期中的五個過程，即用戶獲?。ˋcquisition）、用戶激活（Activation）、用戶留存（Retention）、獲得收益（Revenue）、推薦傳播（Referral）。

AARRR分層運營策略的思考方向

一般來說AARRR模型主要是用于增長方面，用戶分層的話，它的本質就是我們把每一個A每一個R都視作一個用戶層級。

獲取用戶 Acquisition

如何界定該層級用戶：下載產品但未注冊，或完成注冊無進一步行為（比如打開app）

關注： 不同渠道下用戶最有效的獲取方式和手段

 

提高活躍度 Activation

如何界定該層級用戶：注冊完成，尚未走完預設的核心路線或者說未完成Aha時刻

關注： 如何讓用戶更好的走完我們設計好的核心路線（人工？獎勵？引導？）

 

提高留存率 Retention

如何界定該層級用戶：走完核心路徑后持續留存時間不足的用戶

關注： 思考如何為用戶此后的使用創造持續動機（Hooked模型?）

 

獲取收入 Revenue

如何界定該層級用戶：已經走完核心路徑，且持續留存時間超過一定值的用戶

關注： 思考如何面向用戶售賣產品（你要明白所有的產品都是想要掏光我們的錢），完成變現

 

自傳播 Refer

如何界定該層級用戶：活躍頻次超過一定基數的用戶

關注： 如何為他們設計更好的自發傳播+口碑工具

 

 

那么如何知道定義合適的數據指標，來描述和定義處于每一層級的用戶

模擬分析脈脈的AARRR分層運營思路

獲取用戶 Acquisition

該層級用戶定義：下載未注冊，注冊后尚未發生任何動作的用戶

運營策略： 按照不同渠道+不同用戶背景來給予針對性引導，優化注冊效率

 

提高活躍度 Activation

該層級用戶定義：注冊后尚未完整填寫信息+關注30人的用戶

運營策略： 給予用戶引導+激勵，讓用戶完成信息填寫+30個關注用戶

 

提高留存率 Retention

該層級用戶定義：完成信息填寫后，但首次使用后一周內無訪問（或訪問低于業務要求次數）的用戶

運營策略：思考如何提高用戶的7日留存率

獲取收入 Revenue

該層級用戶定義：連續3個月都要有使用行為，且在脈脈進行過求職行為的用戶

運營策略： 給一周超過5次以上求職投遞行為的用戶推薦付費求職產品

 

自傳播 Refer

該層級用戶定義：15天內登陸超過5次，評價每次使用超過5分鐘的用戶

運營策略： 定期推送站內熱門話題或觀點，邀請用戶傳播

 

總結

對于指導用戶分層，AARRR是一種較為輕快簡單的模型，無需抓取大量用戶數據和定義大量用戶數據就可往前推進

某種意義上，可以把它視作為用戶價值區隔分層的簡單弱化版本。在人力，資源有限，希望快速產出一些東西提升整體用戶價值是可以考慮

 

③用戶身份區隔分層

用戶金字塔模型

我們按照用戶的價值貢獻度大小，或用戶影響力的稀缺程度由下到上搭建一個金字塔模型，在賦予每一類用戶對應的角色和權益，搭建一個良性關系。

這時有人說了我金字塔模型看的多了，但是如果能搭建一個自己產品的用戶金字塔模型呢？

OK下面就解決這個問題

梳理出產品的業務邏輯，然后逐次思考

簡單的做一下豆瓣的用戶金字塔模型梳理

現在基于用戶身份的方式做用戶分層，咱們主抓一條主要的業務線，就是寫影評和書評的業務線

再判斷來確定產品是否合適金字塔模型

 

 

首先問問題

用戶可以相互影響嗎

會，而且影響很深

這兩類用戶可以根據稀缺性不同產生區分嗎

1，我們可以先看左側 創造型用戶，普通內容生產者 ，專業機構或影評人 ，明星或知名作者 這幾類角色一定是有顯著區分的，

你可以這樣想，我和周杰倫同時寫了一個相同水平的100字的小影評：

我 瀏覽0，

周杰倫 點贊100萬 轉發10萬 評論1萬

這樣是不是能明顯看出差距

2，右側的 消費型用戶 我這種純路人型用戶，和每月或每周定期消費的用戶 也一定有區分

這兩類用戶可以一定程度的進階或者演化

這個一定是可以的

由此推出模型

 

 

每一類用戶的定義以及運營策略

名人

定義：陳柏霖，張艾嘉，徐靜蕾等明星

期望：出現于其相關的話題時偶爾回應，定期基于一些主題與用戶進行互動

運營策略：深度利益綁定，強化其站內存在感和影響力，支付高額代言費。維系好情感關系

專業用戶

定義：華文天下等知名出版機構，某些專門發表專業影評，樂評的專業影評樂評人

期望：積極圍繞著各類作品以相關者身份貢獻各種帶獨特視角的專業，深度的內容

運營策略：利益共享，通過其產生的優質內容賦予其更大影響力

 

貢獻用戶

定義：豆瓣小組組長，豆瓣成長起來的草根達人，定期發表內容并會受到關注，能夠成為小話題中心

期望：產生更大角度，更多元化的優質內容

運營策略：重點維護好情感關系，通過運營激勵機制鼓勵其更多活躍，更好經營好小組，定期贈送禮物或特殊福利，考慮給予部分特權。

活躍用戶

定義：定期訪問豆瓣并會記錄自己的讀書，電影喜歡，發表評論等的用戶。

期望：幫助帶動站內活躍度，幫助實現內容傳播

運營策略：定期通過一些有相關性的話題或特殊福利等刺激用戶持續訪問和活躍

普通用戶

定義：定期訪問，但一般都是查找觀看內容為主，且看完就走的用戶

期望：持續貢獻流量

運營策略：提供可供用戶消費的優質內容，確保站內內容與普通用戶匹配的有效性和效率

這樣定義出身份之后，如何還覺得不夠細分那么還要

交叉身份區隔分層模型 請看大圖

但是切記，只有在每個領域的用戶【行為特征】和【訴求】差異化較大時才會考慮采用此種交叉模型

而起只有對頂端的三類用戶才會做這種分層，基層用戶的話就不用太過于細分了，盡量把他們的某些潛力用戶，向頂端靠攏。

④用戶個性化特質&需求區隔分層

進行用戶個性化區隔的常見維度

進行個性化區隔分層的依據

看看用戶是否會因為上面所陳列的這些行為和屬性的不同，導致其需求，使用動機，使用偏好等會出現較大差異。這個重點一定要在是否有重大差異，比如地區劃分，一線城市和四線城市一般來說是可以區分的，但是假如在某些事情上，差異不大，那么用地區做區隔，也就沒有意義了。

如何進行判斷，要么靠嘗試和用戶洞察，要么靠數據

常識和用戶洞察：比如一個女生，在單身的時候和結婚后，甚至成為媽媽以后的需求絕對是不一樣的，需要我們用常識去判斷。

數據：直接看數據，比如看看用戶會不會因為渠道來源不同，使用偏好上有顯著的差異。

進行用戶個性化區隔分層時的兩種選擇

案例：美柚不同身份狀態下的首頁（一個維度）

某基金理財APP的用戶細分

總結

要通過用戶個性化需求分層，產品內一定要能夠通過行為數據或基礎數據或標簽等，來為用戶的個性化需求定性。

多種用戶分層運營策略的疊加使用參考

以上就是用戶分層的四種類型詳解，那個再做個小練習吧。

案例

假設你只有一個人+1個實習生，責豆瓣APP的KOL運營，豆瓣原本沒有人在做面向全站用戶的精細化策略運營

某天，老板找到你，告訴你數據顯示過去3個月內豆瓣的用戶活躍時間和人數都開始有緩慢下降，他覺得可能是時候去做一些面向用戶的精細化運營了，于是找到你，希望你能在3天時間內，不依賴于復雜的數據處理和分析就能拿出來一個可行的方案，你會怎么辦

首先要明確在一個產品中實施用戶分層運營的工作流程

 

 

第一步 ：梳理產品業務邏輯

豆瓣分為左側生產型用戶和右側消費型用戶

第二步：結合資源，問題和現狀，選擇更適合的用戶分層模型

對豆瓣業務的判斷拿出之前的一個判斷分層模型

 

根據業務分析

豆瓣用戶進入app或網站后，可以看影片書評，也可以寫作，可以交流分享，可以買書買電影，業務鏈條標準化程度較低 。

用戶在產品可以互相影響的也比較高

那么以上四種分層模型都是可以應用的

經過一頓沒有用的分析，發現四種模型全部適用，然后再考慮，3天之內還不能依賴復雜的數據，而且人手也不夠。

那么 用戶個性化特質&需求區隔分層 就只能拋棄了

因為我們有限解決的是用戶活躍度下降，我們無法判斷是不是和用戶身份有關，比如說是不是生成類型的用戶，產出的內容少了所以導致用戶活躍度下降，

那么，用戶身份區隔分層 也只能放棄了

這樣的話用戶價值區隔分層和AARRR模型分層都是可以的，但是由于AARRR模型比較簡單，為了呈現一些復制的邏輯，選擇用戶價值區隔分層。

在用戶價值方面最簡單的錨點----28法則，即百分之20的用戶產生了我們80的利益

然后 咱們只是聚焦在 成長性用戶和高凈值用戶（能為產品產出高價值），然后把它們找出了，做精細化運營

基于核心行為對于用戶進行價值分層

豆瓣用戶核心行為：內容消費+內容發布

豆瓣可采用的用戶價值分層模型（RFM變種應用），在一些沒有明確購買的產品中，如知乎，bliliblili等可以采用登錄，點贊，發布文章，等數據來判斷

這時候就有一個問題出來了，圖挺好，看著也對，那么請問什么叫少，什么叫中等。。。

OK不用慌，接下來繼續看

第三步：結合數據爬取，完成用戶層次的劃分

數據獲取+數據處理

圍繞確定的模型確認需要抓取的數據項，完成數據定義；

面向什么樣的用戶去抓取關鍵行為數據？

一段周期到底該被定義為多久

根據經驗面向所有過去1個月內有過訪問行為的用戶，抓取他們在30天內的登陸次數+內容發布次數，借此找到高價值的用戶

如果他們在一個月內登陸過，要不就是高價值用戶，要么有機會成為高價值用戶

圍繞確定的模型確認需要抓取的數據項，完成數據定義；

提出數據需求，完成數據獲??；

對數據進行二次處理，完成數據對于模型的映射（把之前的少，中等，多，具體描述出來）；

我們可以得到這樣的數據

然后根據28法則，發現數據

30日內登陸次數在10次以上的人僅為33%，登陸次數在20次以上的人僅有16%；

30日內發帖次數在10次以上的僅有19.3%，50次以上的用戶僅有2%。（可能9次 可能8次 找打28分界線）

 

如采用5段劃分（無，少，中等，中等上，高或者12345分都是可以的），登陸數和發帖數超過80%用戶可為第3段。也可以在登陸數方面更寬松，超過70可以為第四段

完成用戶層次定義+劃分

 

 

P1：邊緣用戶

P2：偶爾訪問型用戶

P3：初步已形成使用習慣的用戶

P4：忠誠用戶

P5：高價值用戶

第四步：制定分層運營策略

分層方案明確是如何制定運營策略

 

 

那么豆瓣的用戶分層運營策略制訂

第五步：檢驗+迭代方面的核心注意事項

盡量優選先做那種“一個機制就能影響好多人”的運營工作，或優先做解決那種“用戶基數最大”的問題；

盡量不要同時上多個鏈條長，復雜度高的分層運營方案；

切記，盡量追求讓自己的運營方案要“可被監測+可被評估”；

一個沒有“跟到底”或“結論產出”的運營方案，等于資源浪費。

 

數據決定一切，精細化運營才是C端的王道

原文轉自：https://zhuanlan.zhihu.com/p/420277299