用戶(hù)畫(huà)像之用戶(hù)分層的四種方法詳解

 

四種分層方式：

用戶(hù)價(jià)值區隔分層

AARRR模型分層

用戶(hù)個(gè)性特征&需求區隔分層

用戶(hù)身份區隔分層

 

一．4類(lèi)用戶(hù)分層方式與落地

 

分層實(shí)施的兩大核心

1，處于不同層級的用戶(hù)，需要能夠被通過(guò)數據字段或標簽等方式識別區分出來(lái)；

2，面向每一類(lèi)用戶(hù)的運營(yíng)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(chǎn)品如何確定用哪一種用戶(hù)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(yè)務(wù)主鏈條標準化程度高：比如一款鬧鐘產(chǎn)品，所有用戶(hù)的行為軌跡基本都是設置鬧鐘，然后等鬧鐘響，關(guān)閉鬧鐘，不會(huì )有其他的行為，屬于標準化程度高。

業(yè)務(wù)主鏈條標準化程度低：比如王者榮耀，進(jìn)入產(chǎn)品后，有的開(kāi)匹配，有的打排位，有的玩大亂斗，有的去下棋，用戶(hù)的行為很難去標準規定，標準化程度低。

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

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

那么簡(jiǎn)單的拿幾個(gè)例子做區分

高德地圖（標準化高 互相影響低）：用戶(hù)價(jià)值區隔分層 AARRR模型分層（這兩個(gè)適用全部）

墨跡天氣（標準化高 互相影響低）：用戶(hù)價(jià)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(hù)個(gè)性特征&需求區隔分層

貓眼電影（標準化高 互相影響低）：用戶(hù)個(gè)性特征&需求區隔分層

得到（標準化高 互相影響高）：用戶(hù)個(gè)性特征&需求區隔分層 用戶(hù)身份區隔分層

抖音（標準化高 互相影響高）：用戶(hù)個(gè)性特征&需求區隔分層 用戶(hù)身份區隔分層

 

好的上面簡(jiǎn)單的了解的四種用戶(hù)分層方式，但那是遠遠不夠的，下面是詳細的介紹，

①用戶(hù)價(jià)值區隔分層

依靠用戶(hù)價(jià)值分層有兩種方式

依靠用戶(hù)生命周期定義對用戶(hù)進(jìn)行價(jià)值區隔：依靠用戶(hù)生命周期的定義來(lái)完成用戶(hù)分層，與【用戶(hù)的價(jià)值成長(cháng)路徑】有關(guān)

通過(guò)關(guān)鍵用戶(hù)行為對用戶(hù)進(jìn)行價(jià)值區隔：對關(guān)鍵用戶(hù)行為，對用戶(hù)進(jìn)行價(jià)值區隔，完成用戶(hù)分層

首先是依靠用戶(hù)生命周期定義對用戶(hù)進(jìn)行價(jià)值區隔，用戶(hù)生命周期本身就是一個(gè)大的概念這里現在簡(jiǎn)單的介紹，以后其他文章詳細講解，用戶(hù)價(jià)值分層主要抓住用戶(hù)行為方面

根據用戶(hù)是否會(huì )直接付費與使用頻次做區隔

了解兩種產(chǎn)品不同的用戶(hù)什么周期思路

收費收入產(chǎn)品的用戶(hù)生命周期定義思路

 

 

流量類(lèi)產(chǎn)品的用戶(hù)生命周期定義思路

 

 

（2）通過(guò)關(guān)鍵用戶(hù)行為對用戶(hù)進(jìn)行價(jià)值區隔

通過(guò)關(guān)鍵用戶(hù)行為對用戶(hù)進(jìn)行價(jià)值區隔：找到產(chǎn)品中能夠衡量用戶(hù)價(jià)值的關(guān)鍵行為，對其進(jìn)行交叉分析和評估，最終形成某種分層模型（如經(jīng)典的RFM)

什么是RFM模型？這個(gè)劃重點(diǎn)

RFM模型是衡量客戶(hù)價(jià)值和客戶(hù)創(chuàng )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(lái)描述該客戶(hù)的價(jià)值狀況，依據這三項指標劃分【8類(lèi)客戶(hù)價(jià)值】

 

 

運用RFM區分出的8種客戶(hù)價(jià)值類(lèi)型

如圖所示，我們要用【RFM的每一項平均值】通過(guò)【判斷高于還是低于】，來(lái)確定客戶(hù)類(lèi)型

通過(guò)RFM我們就可以分出8種類(lèi)型的課程，那么他們就會(huì )有不同的運營(yíng)目標，簡(jiǎn)單的舉例

1）重要價(jià)值用戶(hù)，RFM三個(gè)值都很高，要提供vip服務(wù)

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

3） 重要保持用戶(hù)，最近消費距離現在時(shí)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(hù)，是一段時(shí)間沒(méi)來(lái)的忠實(shí)客戶(hù)。應該主動(dòng)和他保持聯(lián)系，提高復購率

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

光說(shuō)不練假把式，下面找一些數據操作一下

實(shí)施RFM用戶(hù)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(jiǎn)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(hù)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(hù)價(jià)值 （百度之后發(fā)現VL00KUP函數更方便），

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

總結

用戶(hù)價(jià)值分層重點(diǎn)RFM，是一種較為復雜的模型，需要大量的用戶(hù)數據，但是得出的結果也是很有用的

 

②A(yíng)ARRR模型分層

AARRR模型說(shuō)明了用戶(hù)生命周期中的五個(gè)過(guò)程，即用戶(hù)獲?。ˋcquisition）、用戶(hù)激活（Activation）、用戶(hù)留存（Retention）、獲得收益（Revenue）、推薦傳播（Referral）。

AARRR分層運營(yíng)策略的思考方向

一般來(lái)說(shuō)AARRR模型主要是用于增長(cháng)方面，用戶(hù)分層的話(huà)，它的本質(zhì)就是我們把每一個(gè)A每一個(gè)R都視作一個(gè)用戶(hù)層級。

獲取用戶(hù) Acquisition

如何界定該層級用戶(hù)：下載產(chǎn)品但未注冊，或完成注冊無(wú)進(jìn)一步行為（比如打開(kāi)app）

關(guān)注： 不同渠道下用戶(hù)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(hù)：注冊完成，尚未走完預設的核心路線(xiàn)或者說(shuō)未完成Aha時(shí)刻

關(guān)注： 如何讓用戶(hù)更好的走完我們設計好的核心路線(xiàn)（人工？獎勵？引導？）

 

提高留存率 Retention

如何界定該層級用戶(hù)：走完核心路徑后持續留存時(shí)間不足的用戶(hù)

關(guān)注： 思考如何為用戶(hù)此后的使用創(chuàng )造持續動(dòng)機（Hooked模型?）

 

獲取收入 Revenue

如何界定該層級用戶(hù)：已經(jīng)走完核心路徑，且持續留存時(shí)間超過(guò)一定值的用戶(hù)

關(guān)注： 思考如何面向用戶(hù)售賣(mài)產(chǎn)品（你要明白所有的產(chǎn)品都是想要掏光我們的錢(qián)），完成變現

 

自傳播 Refer

如何界定該層級用戶(hù)：活躍頻次超過(guò)一定基數的用戶(hù)

關(guān)注： 如何為他們設計更好的自發(fā)傳播+口碑工具

 

 

那么如何知道定義合適的數據指標，來(lái)描述和定義處于每一層級的用戶(hù)

模擬分析脈脈的AARRR分層運營(yíng)思路

獲取用戶(hù) Acquisition

該層級用戶(hù)定義：下載未注冊，注冊后尚未發(fā)生任何動(dòng)作的用戶(hù)

運營(yíng)策略： 按照不同渠道+不同用戶(hù)背景來(lái)給予針對性引導，優(yōu)化注冊效率

 

提高活躍度 Activation

該層級用戶(hù)定義：注冊后尚未完整填寫(xiě)信息+關(guān)注30人的用戶(hù)

運營(yíng)策略： 給予用戶(hù)引導+激勵，讓用戶(hù)完成信息填寫(xiě)+30個(gè)關(guān)注用戶(hù)

 

提高留存率 Retention

該層級用戶(hù)定義：完成信息填寫(xiě)后，但首次使用后一周內無(wú)訪(fǎng)問(wèn)（或訪(fǎng)問(wèn)低于業(yè)務(wù)要求次數）的用戶(hù)

運營(yíng)策略：思考如何提高用戶(hù)的7日留存率

獲取收入 Revenue

該層級用戶(hù)定義：連續3個(gè)月都要有使用行為，且在脈脈進(jìn)行過(guò)求職行為的用戶(hù)

運營(yíng)策略： 給一周超過(guò)5次以上求職投遞行為的用戶(hù)推薦付費求職產(chǎn)品

 

自傳播 Refer

該層級用戶(hù)定義：15天內登陸超過(guò)5次，評價(jià)每次使用超過(guò)5分鐘的用戶(hù)

運營(yíng)策略： 定期推送站內熱門(mén)話(huà)題或觀(guān)點(diǎn)，邀請用戶(hù)傳播

 

總結

對于指導用戶(hù)分層，AARRR是一種較為輕快簡(jiǎn)單的模型，無(wú)需抓取大量用戶(hù)數據和定義大量用戶(hù)數據就可往前推進(jìn)

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

 

③用戶(hù)身份區隔分層

用戶(hù)金字塔模型

我們按照用戶(hù)的價(jià)值貢獻度大小，或用戶(hù)影響力的稀缺程度由下到上搭建一個(gè)金字塔模型，在賦予每一類(lèi)用戶(hù)對應的角色和權益，搭建一個(gè)良性關(guān)系。

這時(shí)有人說(shuō)了我金字塔模型看的多了，但是如果能搭建一個(gè)自己產(chǎn)品的用戶(hù)金字塔模型呢？

OK下面就解決這個(gè)問(wèn)題

梳理出產(chǎn)品的業(yè)務(wù)邏輯，然后逐次思考

簡(jiǎn)單的做一下豆瓣的用戶(hù)金字塔模型梳理

現在基于用戶(hù)身份的方式做用戶(hù)分層，咱們主抓一條主要的業(yè)務(wù)線(xiàn)，就是寫(xiě)影評和書(shū)評的業(yè)務(wù)線(xiàn)

再判斷來(lái)確定產(chǎn)品是否合適金字塔模型

 

 

首先問(wèn)問(wèn)題

用戶(hù)可以相互影響嗎

會(huì )，而且影響很深

這兩類(lèi)用戶(hù)可以根據稀缺性不同產(chǎn)生區分嗎

1，我們可以先看左側 創(chuàng )造型用戶(hù)，普通內容生產(chǎn)者 ，專(zhuān)業(yè)機構或影評人 ，明星或知名作者 這幾類(lèi)角色一定是有顯著(zhù)區分的，

你可以這樣想，我和周杰倫同時(shí)寫(xiě)了一個(gè)相同水平的100字的小影評：

我 瀏覽0，

周杰倫 點(diǎn)贊100萬(wàn) 轉發(fā)10萬(wàn) 評論1萬(wàn)

這樣是不是能明顯看出差距

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

這兩類(lèi)用戶(hù)可以一定程度的進(jìn)階或者演化

這個(gè)一定是可以的

由此推出模型

 

 

每一類(lèi)用戶(hù)的定義以及運營(yíng)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(guān)的話(huà)題時(shí)偶爾回應，定期基于一些主題與用戶(hù)進(jìn)行互動(dòng)

運營(yíng)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(guān)系

專(zhuān)業(yè)用戶(hù)

定義：華文天下等知名出版機構，某些專(zhuān)門(mén)發(fā)表專(zhuān)業(yè)影評，樂(lè )評的專(zhuān)業(yè)影評樂(lè )評人

期望：積極圍繞著(zhù)各類(lèi)作品以相關(guān)者身份貢獻各種帶獨特視角的專(zhuān)業(yè)，深度的內容

運營(yíng)策略：利益共享，通過(guò)其產(chǎn)生的優(yōu)質(zhì)內容賦予其更大影響力

 

貢獻用戶(hù)

定義：豆瓣小組組長(cháng)，豆瓣成長(cháng)起來(lái)的草根達人，定期發(fā)表內容并會(huì )受到關(guān)注，能夠成為小話(huà)題中心

期望：產(chǎn)生更大角度，更多元化的優(yōu)質(zhì)內容

運營(yíng)策略：重點(diǎn)維護好情感關(guān)系，通過(guò)運營(yíng)激勵機制鼓勵其更多活躍，更好經(jīng)營(yíng)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(hù)

定義：定期訪(fǎng)問(wèn)豆瓣并會(huì )記錄自己的讀書(shū)，電影喜歡，發(fā)表評論等的用戶(hù)。

期望：幫助帶動(dòng)站內活躍度，幫助實(shí)現內容傳播

運營(yíng)策略：定期通過(guò)一些有相關(guān)性的話(huà)題或特殊福利等刺激用戶(hù)持續訪(fǎng)問(wèn)和活躍

普通用戶(hù)

定義：定期訪(fǎng)問(wèn)，但一般都是查找觀(guān)看內容為主，且看完就走的用戶(hù)

期望：持續貢獻流量

運營(yíng)策略：提供可供用戶(hù)消費的優(yōu)質(zhì)內容，確保站內內容與普通用戶(hù)匹配的有效性和效率

這樣定義出身份之后，如何還覺(jué)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(gè)領(lǐng)域的用戶(hù)【行為特征】和【訴求】差異化較大時(shí)才會(huì )考慮采用此種交叉模型

而起只有對頂端的三類(lèi)用戶(hù)才會(huì )做這種分層，基層用戶(hù)的話(huà)就不用太過(guò)于細分了，盡量把他們的某些潛力用戶(hù)，向頂端靠攏。

④用戶(hù)個(gè)性化特質(zhì)&需求區隔分層

進(jìn)行用戶(hù)個(gè)性化區隔的常見(jiàn)維度

進(jìn)行個(gè)性化區隔分層的依據

看看用戶(hù)是否會(huì )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(dòng)機，使用偏好等會(huì )出現較大差異。這個(gè)重點(diǎn)一定要在是否有重大差異，比如地區劃分，一線(xiàn)城市和四線(xiàn)城市一般來(lái)說(shuō)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(méi)有意義了。

如何進(jìn)行判斷，要么靠嘗試和用戶(hù)洞察，要么靠數據

常識和用戶(hù)洞察：比如一個(gè)女生，在單身的時(shí)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(hù)會(huì )不會(huì )因為渠道來(lái)源不同，使用偏好上有顯著(zhù)的差異。

進(jìn)行用戶(hù)個(gè)性化區隔分層時(shí)的兩種選擇

案例：美柚不同身份狀態(tài)下的首頁(yè)（一個(gè)維度）

某基金理財APP的用戶(hù)細分

總結

要通過(guò)用戶(hù)個(gè)性化需求分層，產(chǎn)品內一定要能夠通過(guò)行為數據或基礎數據或標簽等，來(lái)為用戶(hù)的個(gè)性化需求定性。

多種用戶(hù)分層運營(yíng)策略的疊加使用參考

以上就是用戶(hù)分層的四種類(lèi)型詳解，那個(gè)再做個(gè)小練習吧。

案例

假設你只有一個(gè)人+1個(gè)實(shí)習生，責豆瓣APP的KOL運營(yíng)，豆瓣原本沒(méi)有人在做面向全站用戶(hù)的精細化策略運營(yíng)

某天，老板找到你，告訴你數據顯示過(guò)去3個(gè)月內豆瓣的用戶(hù)活躍時(shí)間和人數都開(kāi)始有緩慢下降，他覺(jué)得可能是時(shí)候去做一些面向用戶(hù)的精細化運營(yíng)了，于是找到你，希望你能在3天時(shí)間內，不依賴(lài)于復雜的數據處理和分析就能拿出來(lái)一個(gè)可行的方案，你會(huì )怎么辦

首先要明確在一個(gè)產(chǎn)品中實(shí)施用戶(hù)分層運營(yíng)的工作流程

 

 

第一步 ：梳理產(chǎn)品業(yè)務(wù)邏輯

豆瓣分為左側生產(chǎn)型用戶(hù)和右側消費型用戶(hù)

第二步：結合資源，問(wèn)題和現狀，選擇更適合的用戶(hù)分層模型

對豆瓣業(yè)務(wù)的判斷拿出之前的一個(gè)判斷分層模型

 

根據業(yè)務(wù)分析

豆瓣用戶(hù)進(jìn)入app或網(wǎng)站后，可以看影片書(shū)評，也可以寫(xiě)作，可以交流分享，可以買(mǎi)書(shū)買(mǎi)電影，業(yè)務(wù)鏈條標準化程度較低 。

用戶(hù)在產(chǎn)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(jīng)過(guò)一頓沒(méi)有用的分析，發(fā)現四種模型全部適用，然后再考慮，3天之內還不能依賴(lài)復雜的數據，而且人手也不夠。

那么 用戶(hù)個(gè)性化特質(zhì)&需求區隔分層 就只能拋棄了

因為我們有限解決的是用戶(hù)活躍度下降，我們無(wú)法判斷是不是和用戶(hù)身份有關(guān)，比如說(shuō)是不是生成類(lèi)型的用戶(hù)，產(chǎn)出的內容少了所以導致用戶(hù)活躍度下降，

那么，用戶(hù)身份區隔分層 也只能放棄了

這樣的話(huà)用戶(hù)價(jià)值區隔分層和AARRR模型分層都是可以的，但是由于A(yíng)ARRR模型比較簡(jiǎn)單，為了呈現一些復制的邏輯，選擇用戶(hù)價(jià)值區隔分層。

在用戶(hù)價(jià)值方面最簡(jiǎn)單的錨點(diǎn)----28法則，即百分之20的用戶(hù)產(chǎn)生了我們80的利益

然后 咱們只是聚焦在 成長(cháng)性用戶(hù)和高凈值用戶(hù)（能為產(chǎn)品產(chǎn)出高價(jià)值），然后把它們找出了，做精細化運營(yíng)

基于核心行為對于用戶(hù)進(jìn)行價(jià)值分層

豆瓣用戶(hù)核心行為：內容消費+內容發(fā)布

豆瓣可采用的用戶(hù)價(jià)值分層模型（RFM變種應用），在一些沒(méi)有明確購買(mǎi)的產(chǎn)品中，如知乎，bliliblili等可以采用登錄，點(diǎn)贊，發(fā)布文章，等數據來(lái)判斷

這時(shí)候就有一個(gè)問(wèn)題出來(lái)了，圖挺好，看著(zhù)也對，那么請問(wèn)什么叫少，什么叫中等。。。

OK不用慌，接下來(lái)繼續看

第三步：結合數據爬取，完成用戶(hù)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(hù)去抓取關(guān)鍵行為數據？

一段周期到底該被定義為多久

根據經(jīng)驗面向所有過(guò)去1個(gè)月內有過(guò)訪(fǎng)問(wèn)行為的用戶(hù)，抓取他們在30天內的登陸次數+內容發(fā)布次數，借此找到高價(jià)值的用戶(hù)

如果他們在一個(gè)月內登陸過(guò)，要不就是高價(jià)值用戶(hù)，要么有機會(huì )成為高價(jià)值用戶(hù)

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(jìn)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(lái)）；

我們可以得到這樣的數據

然后根據28法則，發(fā)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(fā)帖次數在10次以上的僅有19.3%，50次以上的用戶(hù)僅有2%。（可能9次 可能8次 找打28分界線(xiàn)）

 

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

完成用戶(hù)層次定義+劃分

 

 

P1：邊緣用戶(hù)

P2：偶爾訪(fǎng)問(wèn)型用戶(hù)

P3：初步已形成使用習慣的用戶(hù)

P4：忠誠用戶(hù)

P5：高價(jià)值用戶(hù)

第四步：制定分層運營(yíng)策略

分層方案明確是如何制定運營(yíng)策略

 

 

那么豆瓣的用戶(hù)分層運營(yíng)策略制訂

第五步：檢驗+迭代方面的核心注意事項

盡量?jì)?yōu)選先做那種“一個(gè)機制就能影響好多人”的運營(yíng)工作，或優(yōu)先做解決那種“用戶(hù)基數最大”的問(wèn)題；

盡量不要同時(shí)上多個(gè)鏈條長(cháng)，復雜度高的分層運營(yíng)方案；

切記，盡量追求讓自己的運營(yíng)方案要“可被監測+可被評估”；

一個(gè)沒(méi)有“跟到底”或“結論產(chǎn)出”的運營(yíng)方案，等于資源浪費。

 

數據決定一切，精細化運營(yíng)才是C端的王道

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