結合用戶本身的差異性、和用戶需求的不同，企業可以通過用戶分層，來制定不同的運營策略，從而提升企業資源的利用率。這篇文章里，作者就拆解了用戶分層體系的構建，一起來看看吧。

用戶分層是一個老生常談的問題了，本文通過對用戶分層本質的洞察，并基于此洞察推導出來的構建用戶分層的實操方法，來講解用戶分層這一課題；

一、用戶分層的本質

根據用戶特征的差異性，制定不同的運營策略，以實現企業資源的最大效率利用；

這里的企業資源不只是企業在運營用戶中，所投入的資源，用戶本身也是企業資源，“企業資源”從企業投入的角度來看是用戶維系成本，比如用戶的紅包補貼，從用戶本身來看是用戶生命周期價值。

為什么說用戶分層，是實現企業資源的最高效率利用的必要條件？

是由用戶本身差異性決定的，不同用戶的需求不同，導致用戶對不同運營策略的反饋也不一樣，同時，對不同用戶運營目標的期待也不一樣。

所以需要根據不同層級的用戶特征，制定適配這一層級用戶的運營策略，以實現企業資源的最高效利用。

用戶分層這一概念貌似是近年來隨著互聯網經濟的興起而被更廣泛傳播開來的，但其實在經典的營銷管理中，這一理念一直都在。

著名的波士頓矩陣（由美國著名的管理學家、波士頓咨詢公司創始人布魯斯·亨德森于1970年創作），把產品分為明星產品/現金牛產品/瘦狗產品/問題產品就是這一營銷理念的體現。

二、如何構建用戶分層體系

1. 前期分析

在著手構建用戶分層體系之前，需要明確構建用戶分層體系的必要性及可行性。

1）必要性

只用當用戶基數達到一定量級，才能構建有效的用戶分層，因為只有足夠大的樣本量，才能提取用戶的一般性特征，才能基于用戶特征去輸出差異性用戶策略，另一方面，如果用戶量級不夠大，完全可以通過一對一來實現用戶的更加精細化的運營。

2）可行性

用戶分層是用戶畫像的總結歸納及分類，用戶畫像體現在不同維度的用戶數據上，所以對用戶數據的沉淀獲取分析是用戶分層的前提，而在具體的操作中，普遍存在數據口徑不統一，數據孤島等的問題，這也為用戶分層增加了難度。

2. 用戶分層步驟

像金字塔模型，AARRR模型（又叫海盜模型），用戶生命周期模型等都是非常經典的用戶分層模型，不管什么類型的分層模型，其本質都是如上文所講，都是為了企業資源利用效率的最大化。

所以分層的底層邏輯都是一樣：基于分層目標，選取分層維度，通過不同維度的聯合評估，劃分用戶層級，并根據不同層級用戶的差異性特征，針對性的制定運營策略，并不斷的通過反饋優化迭代。

具體的操作步驟如下：

1. 明確分層目標/解決的問題
2. 選擇分層維度
3. 制定不同維度的分類標準
4. 不同維度聯合評估，劃分用戶層級
5. 策略輸出，驗證反饋，優化迭代

其中關鍵點是分層維度的選擇和每個分層維度下的分類標準的制定。

“每個分層維度下分類標準的制定”是什么意思？

舉個例子：

假設以消費金額這一單一維度作為分層維度，那么以多少的消費區間作為一個分層層級呢？ 是以1000-5000作為一個層級，還是以1000-9000作為一個分層層級？

這里絕不是拍腦袋決定的，也不是取平均值，需要通過業務洞察及數據分析，來驗證這個標準的合理性，而是否合理的判斷依據是：層級的制定，是否可以把用戶特征明顯區隔開來。

假設我們通過數據驗證，以1000-5000作為一個分層層級更合理，因為消費金額在5000以上的用戶相較于消費金額在1000-5000的用戶而言，有過跨品類消費行為，所以，“跨品類消費行為”就是用戶特征，而5000這個值，可以把是否具有這個特征的大部分用戶區隔開來，所以取1000-5000這一消費區間作為分層層級就是合理的； 而下一步對于無跨品類消費行為的用戶的運營策略就是進行品類滲透。

3. 案例實操

下面結合一個簡化案例來闡述上述用戶分層的具體步驟。

案例背景:某電商品牌積累了10w的用戶，臨近雙11，需要制定一個用戶觸達策略進行預熱，以實現在雙十一當天銷量的爆發。

1）明確分層目標/解決的問題

在這個案例中，前期的觸達方案起到提醒用戶，占領用戶心智，并通過一些補貼（比如紅包券）提前鎖住用戶的作用，所以需要針對不同特征的用戶制定差異性的觸達方案，包含文案的差異性，紅包力度的差異性，所以這里的用戶分層是為觸達方案服務的。

2）選擇分層維度

分層維度的選擇，關乎用戶畫像的表達，并直接影響后續的觸達策略，所以需要考慮業務場景和分層目標。

在這個案例中，選取用戶歷史成交金額和“末次成交時間距現在的時間”兩個維度來作為分層維度。

3）制定不同維度的分類標準

前文已經說明，不同維度的分類標準不是拍腦袋決定的，需要通過業務洞察及數據分析，來驗證這個標準的合理性：即能否明顯區隔不同特征的用戶。

首先看歷史成交金額這個維度，現在需要確定不同的消費區間，來區隔不同特征的用戶。

下圖是用戶歷史成交金額人數分布散點圖，橫軸為成交金額，縱軸為對應人數。

我們需要通過這張圖，為消費區間的劃分提供依據：

在這個圖中，消費金額在人數分布上相似的值，即可以作為劃分“連續消費金額”的分割點。

如下圖：區域1 和區域2 都為量級三萬左右，區域3為一萬左右，區域4在兩千這個水平上下浮動，區域5在五十這個水平上徘徊；

所以 可以把消費金額分為5個區間，分別是：

0 ，（0，1000]，(1000，3000]，(3000，10000]，10000+；

同時，根據具體業務場景，區域一和區域二在人數上相近，但需要區分開來，因為區域一代表未購用戶，用戶從未購變為已購，在電商場景中，是身份上一個很大的區別。

根據同樣的數據分析方法，并結合產品的回購頻次等實際的業務場景，把“末次成交時間距現在的時間（天）”，劃分為如下區間：

(0，30]，(30，60]，(60，90]，(90，150]，150+；

4）不同維度的聯合，劃分用戶層級

如果分層維度為N，每個維度下面分為M個標準，則可以把用戶分為“M的N次方”個層級。

這個案例中，總共2個分層維度，每個維度5個區間標準，則可以把用戶分為“5的2次方”25個層級，這里把所有未購用戶劃分為一個層級（根據實際情況，可以根據活躍情況進一步細分），總共分成21個用戶層級。

如下圖：

5）策略輸出，驗證反饋，優化迭代

用戶層級分好后，即根據分層目標，然后輸出針對性的運營策略。

在這個案例中，對于層級0用戶，其特征為：對于產品有感知，已經留下了基本的資料，但沒有發生購買行為。

這類型的用戶的運營目標是使其轉化為已購用戶，可以針對性的發放較大金額的新人紅包券，和產品試用等活動，以提高其轉化率。

對于層級21用戶，購買金額比較大，上一次購買時間距現在也比較近，這類用戶已經對產品產生了信任，可以看作是產品的核心用戶，針對這部分用戶，除了希望其繼續保持對產品的直接貢獻外，這希望能裂變新用戶，產生更大的價值。

所以針對這部分用戶，可以設置老客關懷，以保持其粘性，比如老客關懷計劃，生日禮，周年禮等運營手段；以及開放裂變資格，拉新有價值新用戶等。

其他不同層級的用戶，同樣根據其層級特征，制定差異化的運營策略。

另外：

用戶是不斷成長的，所以用戶特征也在不斷的變化，所以每一次針對用戶的運營策略的制定，都需要刷新用戶層級，以獲取到最新的用戶特征。

這里其實就涉及到動態標簽的建立的問題，不再展開，但其本質也是用戶分層。

小結

用戶分層是為了最大效率的利用企業資源，關鍵點是分層維度的選取，和每個維度下標準的建立，另外，需要用動態的眼光去看待用戶分層，不斷優化更新；