029-86112530

用戶分(fēn)層——運營基礎你知(zhī)道多少?

時間:2019-11-14 09:52:32來源:提米科技浏覽:

什麽是用戶分(fēn)層?

用戶分(fēn)層:一(yī)般體(tǐ)現的是用戶在産品上所處的狀态。比如免費(fèi)用戶、活躍用戶、付費(fèi)用戶、高額付費(fèi)用戶等,由于是“層”嘛,所以它有一(yī)個層級的概念,有一(yī)個狀态遞進的過程,大(dà)多是呈漏鬥形的形狀。而且用戶的層級一(yī)般不會分(fēn)的太多


主要是因爲,用戶量大(dà)的時候,千人千面的個性化需求和普适的運營策略的矛盾就會成爲當前産品的主要矛盾。用戶特征的差異導緻了用戶個性化訴求,也催生(shēng)了精細化運營的需求。

一(yī)談到用戶分(fēn)層,大(dà)家的腦海中(zhōng)可能會浮現出這些詞彙:核心用戶,種子用戶,氪金用戶,白(bái)嫖用戶,活躍用戶,流失用戶,内容創作用戶及内容消費(fèi)用戶。

例如,抖音的用戶,就可以粗略劃分(fēn)爲内容創作者和内容消費(fèi)者,當然這兩者還可以繼續細分(fēn)。

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

用戶分(fēn)層的本質是一(yī)種以用戶特征、用戶行爲等爲中(zhōng)心對用戶進行細分(fēn)的精細化運營的手段。

下(xià)面來分(fēn)别介紹下(xià)4種常見的用戶分(fēn)層的方法。

一(yī)、用戶價值區隔分(fēn)層

用戶價值區隔分(fēn)層,又(yòu)分(fēn)爲兩個維度:第一(yī),依靠用戶生(shēng)命周期定義對用戶進行價值區隔;第二,依靠用戶關鍵行爲對用戶進行價值區隔。

用戶生(shēng)命周期定義必然與用戶價值成長路徑有關。不同類型的産品有不同的價值成長路徑。按照産品是否付費(fèi)及産品的使用頻(pín)率,可以将不同産品的價值成長路徑劃分(fēn)爲四個象限:

用戶生(shēng)命周期模型大(dà)家應該都不陌生(shēng),一(yī)般用戶的生(shēng)命周期會分(fēn)爲5個階段,當然不是說每個用戶都會經曆完整的生(shēng)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。在數據上的定義是,剛剛注冊,尚未體(tǐ)驗核心功能流程(核心功能流程需要事先定義并埋點做統計)

(2)成長期:對産品有了一(yī)定的了解,對産品提供的用戶價值比較認可,已經建立起了初步的使用習慣,會定期使用産品。在數據上的定義是,已經體(tǐ)驗過核心功能流程,使用頻(pín)率和使用時長大(dà)于或等于定義的最小(xiǎo)阈值,例如,每周登錄三次,每次使用時長10分(fēn)鍾。

(3)成熟期:對産品已經形成了高度的使用依賴和習慣,使用頻(pín)率和使用時長顯著高,能夠貢獻較高的價值。數據上的定位爲,使用頻(pín)率,使用時長大(dà)于或等于某個阈值(根據産品來定),或者付費(fèi)頻(pín)率和價值達到一(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(pín)次越來越低。數據上的定義爲,超過10天(具體(tǐ)情況具體(tǐ)分(fēn)析)未使用産品。

(5)流失期:已經長時間不登錄産品,甚至已經卸載産品的用戶。數據上的定義爲,超過30天(自定義)未使用産品的用戶。

另一(yī)種,用戶價值區隔分(fēn)層的方法是根據用戶的關鍵行爲來進行劃分(fēn)。最典型且常用的方法是RFM方法。RFM分(fēn)别代表用戶三種關鍵行爲:

  1. R(Recency),距離(lí)最近一(yī)次交易

  2. F(Frequency),交易頻(pín)次

  3. M(Monetary),交易金額

通過RFM方法可以将用戶分(fēn)成8大(dà)類型


定義RFM三個維度的中(zhōng)值,一(yī)般有三個常見的方法:

  1. 所有數據的平均值或中(zhōng)值

  2. 基于一(yī)個業務節點的重要值,例如投資(zī)理财類的R值,一(yī)般是1個月,因爲發工(gōng)資(zī)才有錢投資(zī)

  3. 以二八法則進行推算,80%的用戶集中(zhōng)在低頻(pín)低金額區間,20%的用戶集中(zhōng)在高頻(pín)高金額區間

  4. Means聚類算法,這個如果數據分(fēn)析師小(xiǎo)姐姐懂得話(huà),就最好了

後面如何進行數據分(fēn)析的方法,在這裏就不細說了,在網上有很多教大(dà)家使用RFM的文章。

RFM方法的核心邏輯是找出影響用戶價值高低的關鍵行爲,然後進行交叉分(fēn)析和用戶劃分(fēn)。所以RFM模型并不一(yī)定就是上述的含義,在不同領域可以是不同的定義。例如:

  1. 金融領域,R代表最近一(yī)次投資(zī)的時間,F代表投資(zī)頻(pín)率,M代表投資(zī)金額;

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

  3. 遊戲領域,R代表最近一(yī)次玩遊戲的時間,F代表遊戲頻(pín)次,M代表遊戲時長。還可以定義爲,R代表最近一(yī)次遊戲充值的時間,F代表充值頻(pín)率,M代表充值金額。

RFM隻是代表一(yī)種分(fēn)層的思維方式,任何産品,我(wǒ)(wǒ)們都可以定義影響用戶的關鍵行爲,然後定義出這些行爲的指标,再對這些指标進行交叉分(fēn)析,來完成對用戶的分(fēn)層。

二、AARRR模型分(fēn)層

聽(tīng)說過增長黑客的同學,對這個模型肯定不陌生(shēng)。AARRR模型不僅可以用來做增長,也可以用來做用戶分(fēn)層。


  1. 獲取用戶:下(xià)載未注冊,或完成注冊但無進一(yī)步行爲。這一(yī)階段要關注不同渠道的注冊轉化率,優化渠道資(zī)源投放(fàng)。

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

  3. 提高留存率:體(tǐ)驗了核心流程,但是持續留存時長不高。針對留存問題進行分(fēn)析,然後給出具體(tǐ)的運營策略。

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

  5. 獲取收入:活躍度和留存時長超過一(yī)定阈值的用戶,針對特定用戶,結合特定的場景加強對于付費(fèi)的引導

AARRR是一(yī)個比較粗略的用戶分(fēn)層模型,适用于産品比較初級的階段,這個階段用戶量說大(dà)不大(dà),說小(xiǎo)不小(xiǎo),且公司的數據體(tǐ)系可能尚未搭建起來的階段

三、用戶身份區隔分(fēn)層

一(yī)說到用戶身份,大(dà)家第一(yī)時間聯想到的詞,是不是KOL。在内容社區,用戶的身份一(yī)般都會至少分(fēn)爲KOL和普通用戶兩種,對于這兩種用戶,運營的策略肯定不同。

隻有當産品所在的領域中(zhōng),用戶的行爲特征和訴求差異較大(dà)時,使用身份區隔的方式進行分(fēn)層就會比較合适。例如,微博,至少就能分(fēn)爲:明星用戶,KOL用戶,活躍用戶和普通用戶。

如何梳理産品的用戶身份區隔模型?問自己三個問題:

  1. 用戶之間是否存在關系?

  2. 某類用戶是否會因貢獻的内容,稀缺性而産生(shēng)用戶階層

  3. 用戶之間是否可以在自然狀态下(xià)實現階層的進階。

如果用戶之間不存在關系,那麽不适用身份區隔分(fēn)層模型。

如果存在關系,并且會因爲貢獻内容或稀缺性産生(shēng)用戶階層,那麽就根據貢獻度或稀缺性搭建用戶分(fēn)層模型。

如果不同階層的用戶可以自然進階,那麽就根據進階的階層搭建用戶分(fēn)層模型。

四、用戶需求區隔分(fēn)層

用戶需求區隔分(fēn)層,主要分(fēn)爲兩個維度:

  1. 用戶自然屬性,主要依賴用戶的基礎數據,包括性别,年齡,職業,收入等;

  2. 用戶個性化需求,主要依賴用戶的行爲數據,個人消費(fèi)偏好,個人場景偏好。

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

在具體(tǐ)操作時,可以使用單個維度進行區分(fēn),也可以使用兩個維度進行交叉分(fēn)析。

選擇一(yī)個維度進行區分(fēn),例如,典型的産品美柚,在用戶不同的狀态下(xià),備孕,懷孕,辣媽,會推送不同的内容。例如,婚介類産品,針對不同年齡層次,不同性别的用戶也會進行用戶需求的區隔分(fēn)層。

選擇兩個維度進行交叉分(fēn)析,例如購物(wù)類産品,就會根據用戶的性别,年齡和消費(fèi)偏好的屬性,給用戶推送不同的産品。

用戶分(fēn)層的主要目的是爲了後面的用戶精細化運營,最終要實現的目标是以最小(xiǎo)的運營成本實現産品收益的最大(dà)化。

用戶分(fēn)層的兩大(dà)核心:一(yī)是不同層級的用戶可以用明确的數據标簽,屬性标簽定義出來,這樣才能實現用戶标簽自動化;二是不同層級的用戶運營的策略是有針對性且穩定的。

用戶分(fēn)層常用的4大(dà)方法:

  1. 用戶價值區隔分(fēn)層,包括用戶生(shēng)命周期和RFM方法

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

  3. 用戶身份區隔分(fēn)層,适用于産品的用戶有聯系,并且會因爲貢獻度或稀缺性而産生(shēng)明顯的階層區隔的産品

  4. 用戶需求區隔分(fēn)層,簡答的說就是用戶在産品的需求是否會因爲用戶特征的不同而不同。