楠木軒

用户畫像、用户分層、用户分羣:精細化運營的萬川之源

由 慕容亦凝 發佈於 科技

編輯導語:各個層級的用户都有其不同的特點,通過用户分層我們可以有目的的制定出更精準、更有針對性的運營策略,避免浪費,使運營資源高效化。因為產品最終是服務於用户,所以用户的需求以及痛點等是最為重要的,本文作者對用户研究的幾個概念進行了梳理説明,與大家分享。

在用户數量較低時,粗曠式運營也許能夠滿足日常的運營需求。

但隨着產品規模快速擴張,面對越來越多的用户,越來越多元的用户需求與用户場景,體系化的運營策略成了提高工作效率與效果的重要利器。在具體的用户運營開展前,體系化運營的前提就是建立用户運營的數據指標。

在搭建用户運營體系時,應按照以下步驟進行:

  1. 針對不同階段目標,制定相應用户分羣分層模型與指標;
  2. 通過數據分析制定相應運營策略,包括運營週期、推送方式;
  3. 制定數據效果的評判標準,結合運營數據進行策略迭代。

接下來,我們將按照上述環節一一進行講解。

註冊用户精細分羣分層,顧名思義,就是進行用户分層並標記各種標籤。一千個讀者就有一千個哈姆雷特,同樣是使用產品,但用户使用產品的理由、滿足的需求間存在各種不同的差異。也許A 用户看中了品牌情懷,B用户看中了產品性價比高,C用户看中了產品的服務好。

如果不進行用户分羣分層,又怎麼針對用户的不同需求提供服務呢?

因此,在用户運營的過程中,用户分羣分層的作用很明顯,它幫助我們把用户分成各個層級和羣體,然後我們根據各個層級和羣體的不同,制定出更精準、更有針對性的運營策略。在這裏有幾個概念需要明確,即「用户畫像」、「用户分層」、「用户分羣」,為了保持概念的準確性,在此我們進行簡單解釋。

01 用户畫像

一般包含用户的人本屬性,如身份特徵、行為特徵、消費特徵、心理特徵、興趣愛好、渠道屬性。具體內容如下:

02 用户分層

一般來説,我們結合用户在產品上所處狀態作為用户分層的依據,比如我們最常見的RFM模型,依託於用户最近一次購買時間、消費頻次以及消費金額,通過衡量用户價值與用户創利能力,對用户進行分層。

比如,我們結合RFM模型,把用户劃分為8個羣體,從高消費頻次、高消費額、最近消費過的重要價值用户,到低消費頻次、低消費額、很久未消費的一般挽留用户。

RFM模型

這裏解釋一下RFM模型的構成:

  • Recency:最近一次消費,即用户距離當前最後一次消費的時間。最近一次消費的時間距今越短,對我們來説更有價值,更可能有效地去觸達他們。
  • Frequency:消費頻次,用户在一段時間內,在產品內的消費頻次。
  • Monetary:消費金額,即用户的價值貢獻。

基於這三個維度,我們將每個維度劃分為高、中、低三種情況,並構建出完整的用户價值象限。

通過上面的RFM模型,我們可以更加直觀的把用户劃分為8個不同層級。如果能夠找出產品內用户隸屬於以上8類中的哪一類,就可以針對性的制定運營策略。

比如某用户最近一次消費時間距今比較久遠,沒有再消費了,但是累計消費金額和消費頻次都很高,説明這個用户曾經很有運營價值(屬於 “重要保持客户”),我們不希望流失。所以,運營人員就需要專門針對這類型用户,設計召回用户運營策略,這也是RFM模型的核心價值。

在劃分完不同層級後,最困難的事情在於如何制定每個值的高、中、低評判標準。一般而言,在結合實際場景需求的同時,我們可以通過散點圖進行大致的區分。

通過散點圖,我們可以比較直觀的看清用户分佈情況。進行確定評判標準時,儘可能的將密集部分劃分在一起,促使用户羣體的行為共性更大。與此同時,需要我們在實際運營過程中進行不斷調整。如果面臨超大規模的數據時,如果能通過聚類分析等手段,可以得到更加科學精準的結果,從而幫助我們進行標準制定。

03 用户分羣

相較於用户分層,用户分羣更加聚焦於用户行為表現,。例如,高消費頻次+低消費額、低消費頻次+ 高消費額,這兩類用户可能都是某種意義上的高消費用户,但行為特徵會存在很大差異,所對應的運營策略也不一樣。

其實也可以這麼理解,用户分羣是用户分層的進一步精細化劃分。ARGO成長模型的相關指標有着明顯的遞進關係,而RFM模型則相互獨立。

解釋清楚上述關鍵詞,那麼我們繼續講下注冊用户精細分羣分層。

因為不同行業中,用户分羣分層可能是多樣性的,用户分羣分層在產品發展的不同階段也有不同的變化,且用户分羣分層需要定性與定量。因此我們可以遵循下面這兩個原則,幫助我們更好地完成用户分羣分層:

1. 精細分羣分層,遵循 MECE 原則

在進行註冊用户精細分羣分層的過程中,我們遵循由麥肯錫提出的MECE分析法,這不僅僅是幫助用户運營找到所有影響預期目標的關鍵因素,並找到所有可能的解決辦法,而且有助於對用户、問題或解決方案進行排序、分析,並從中找到令人滿意的解決方案。

MECE 分析法,中文意思是“相互獨立,完全窮盡”。也就是對於一個重大的議 題,能夠做到不重疊、不遺漏的分類,而且能夠藉此有效把握問題的核心,併成 為有效解決問題的方法。百度百科

即在確立主要目標的基礎上,再逐個往下層分解,直至所有的細分目標都找到,通過對目標的層層分解,分析出用户的關鍵行為與目標間的關聯。

2. 明確階段目標,讓分羣分層更簡單

正如用户有生命週期一樣,產品與用户運營也有着明顯階段性的目標和策略。產品所處的生命週期階段不同,對用户運營的要求也不盡相同。

對用户進行分羣分層只是用户運營的其中一個環節,想要系統全面地瞭解如何精細化地智能用户運營,實現用户生命全週期監測以及營銷閉環。

本文由 @酒仙橋石原里美 原創發佈於人人都是產品經理。未經許可,禁止轉載

題圖來自 Unsplash,基於CC0協議