中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本文將系統(tǒng)地講解如何進(jìn)行有效的用戶細(xì)分，包括細(xì)分的操作步驟、如何選擇分類維度，以及用戶細(xì)分與推薦算法的區(qū)別，幫助企業(yè)實(shí)現(xiàn)精細(xì)化運(yùn)營。

我們說過，用戶分層是一種特殊的用戶細(xì)分形式：按價值高低細(xì)分。那普遍的用戶細(xì)分該怎么做呢？為什么很多同學(xué)做完了細(xì)分，卻被批判為：“沒啥用處”呢？今天系統(tǒng)解答一下。

一、用戶細(xì)分的直觀感受

做用戶細(xì)分本身很簡單，比如我們上一節(jié)講的用戶分層，其實(shí)就是用一個分類維度，按高中低進(jìn)行的簡單用戶細(xì)分，比如：

• 按用戶過往1年內(nèi)消費(fèi)細(xì)分：高級（1w+）中級（5K-1w）低級（1-5K）
• 按用戶活躍行為細(xì)分：活躍（過往30天內(nèi)15天以上登錄）不活躍（登錄≤15天）
• 甚至更簡單的，按基礎(chǔ)屬性細(xì)分：男性/女性，老年/中年/青年

做用戶細(xì)分簡單，但做有效的用戶細(xì)分就難了。所謂有效，就是能對運(yùn)營、產(chǎn)品、營銷、銷售工作有幫助。

比如我們區(qū)分了高中低級客戶，我們知道了高級客戶很有錢，可到底該怎么服務(wù)他們？什么時間、什么場景、做什么活動？依然不清楚。因此，單靠一個維度進(jìn)行分層是不夠的，我們需要更多分類維度，做更細(xì)致劃分。

看一個小例子：

來看看這個例子可以怎么分析：

先看看消費(fèi)習(xí)慣。從對公司貢獻(xiàn)的收入上看，ABC三類是同一檔次的。消費(fèi)習(xí)慣不同

可實(shí)際上ABC三類代表了三種不同的消費(fèi)習(xí)慣：

A、集中采購（很有可能是在雙十一買最便宜的）

B、換季采購（很有可能每季度跟風(fēng)新品）

C、頻繁采購（日?；钴S高，運(yùn)營最喜歡）

用戶消費(fèi)習(xí)慣不同，會直接影響運(yùn)營手段：

A、集中采購：集中一次大活動引爆！

B、換季采購：每季新品促銷

C、頻繁采購：打卡+積分+周活動

具體用哪一種，可以參考整個用戶結(jié)構(gòu)中ABC三類的比例，選一個主戰(zhàn)術(shù)，效果如下：

注意，現(xiàn)有的，不代表就是合理的。也有可能領(lǐng)導(dǎo)表示：雖然我們當(dāng)前是A群體占60%，但我們希望未來C群體能占60%，要改變現(xiàn)狀。這樣在選擇戰(zhàn)術(shù)的時候，就得更多考慮C群體特點(diǎn)，找更符合C類用戶需求的活動、產(chǎn)品、優(yōu)惠?？傊?，更細(xì)致地了解用戶特征，就能助力運(yùn)營工作。

這就是用戶細(xì)分的直觀作用：通過細(xì)分，為運(yùn)營提供更精細(xì)的數(shù)據(jù)指導(dǎo)。當(dāng)然，為了教學(xué)方便，這個例子的數(shù)據(jù)很極端。在實(shí)際操作中，只要能找到區(qū)分度夠高的分類維度，都會有類似的效果。核心問題是：該怎么找。這是做用戶細(xì)分的關(guān)鍵。

二、用戶細(xì)分的操作步驟

1. 第一步：定義什么是“有效”

這一步非常非常重要。用戶細(xì)分可以有無窮無盡的分法，如果不事先定義清楚什么是“有效”細(xì)分，就會陷入茫茫多的細(xì)節(jié)大海撈針。

很多新手最容易忽略這一點(diǎn)，提起用戶細(xì)分，就急匆匆把一堆用戶特征變量塞進(jìn)聚類模型，聚完了以后不知所措，到處問：“有沒有用戶分類的科學(xué)、權(quán)威、誰挑戰(zhàn)就拖出去重打50大板的標(biāo)準(zhǔn)？”

最后還被運(yùn)營批判為：做的是啥玩意！這就是脫離了業(yè)務(wù)實(shí)際，只埋頭加減乘除的緣故。

有效的分類標(biāo)準(zhǔn)，當(dāng)然是根據(jù)運(yùn)營的需要來的。我們可以從運(yùn)營的目標(biāo)、KPI、任務(wù)里拆解出對應(yīng)的數(shù)據(jù)指標(biāo)。比如運(yùn)營的任務(wù)是：提升收入。我們按以下步驟，把業(yè)務(wù)問題轉(zhuǎn)化為分析問題。

有了分類標(biāo)準(zhǔn)，就能檢查細(xì)分是否有效。比如目標(biāo)是：找到累積消費(fèi)高的用戶群體。那最后就看，我們找到的細(xì)分群體，消費(fèi)差異是不是足夠高，是不是真的鎖定了高消費(fèi)群體。具體效果如下圖所示：

2. 第二步：從運(yùn)營手段上找分類維度

找到了分類標(biāo)準(zhǔn)，我們可以看從什么維度切分用戶，能讓用戶群體間差異更明顯。這里又是一個大坑，因?yàn)榭雌饋硭坪蹩蛇x維度非常非常多。

很多同學(xué)陷入迷茫，到底我該怎么選。或者好不容易選出來，運(yùn)營問：為什么這么分？他答：這么分差異大！然后被批判為：不懂業(yè)務(wù)，瞎胡亂做。好郁悶……

實(shí)際上，分類維度篩選有一定標(biāo)準(zhǔn)，完全不用到處亂跑：

（1）如何選擇分類維度

①選數(shù)據(jù)來源可靠的維度

比如性別，年齡這些基礎(chǔ)維度，很多公司沒有嚴(yán)格采集流程，數(shù)據(jù)空缺多，真實(shí)性難保證，就不要用這些。盡量用消費(fèi)、活躍、注冊來源這些可靠的數(shù)據(jù)。

②選運(yùn)營可影響的維度

比如設(shè)備型號，可能開發(fā)很關(guān)心，但運(yùn)營知道了也干不了啥事，這時候就不要選；有些指標(biāo)運(yùn)營特別關(guān)注，比如運(yùn)營想發(fā)優(yōu)惠券，那用戶對優(yōu)惠券領(lǐng)取率、使用率就是特別好的指標(biāo)。

③選自身分層差異明顯的指標(biāo)

有些指標(biāo)自身差異都不大，數(shù)據(jù)分布很集中，這時候就不優(yōu)先選用，優(yōu)先選擇那些自身分布差異大一些的指標(biāo)

以上，基于這三個標(biāo)準(zhǔn)，可以避免大海撈針瞎做實(shí)驗(yàn)，也能避免做出來被運(yùn)營批判為：“這有啥用”。

有同學(xué)會覺得，這個過程和做風(fēng)控模型時找特征很像。確實(shí)很像，但有區(qū)別。風(fēng)控模型對應(yīng)的業(yè)務(wù)動作只有“通過/拒絕”兩類，所以完全不需要考慮那么多。

而做給運(yùn)營的用戶細(xì)分，運(yùn)營落地時要考慮：活動主題、時間、產(chǎn)品、賣點(diǎn)、傳播渠道……一大堆玩意，所以必須考慮哪些維度對運(yùn)營有用。

3. 第三步：嘗試細(xì)分，觀察結(jié)果

有了分類維度，我們可以嘗試對分類標(biāo)準(zhǔn)做切分：

這里又有三個很糾結(jié)的問題：

• 到底每個分類維度且?guī)锥?/li>
• 到底要加多少分類維度
• 到底分多少類合適

先從結(jié)果來說：原則上，最終分類數(shù)量不宜太多，每個群體要在運(yùn)營看來有可操作意義。

運(yùn)營做活動要設(shè)計(jì)海報(bào)、備貨、開發(fā)系統(tǒng)、準(zhǔn)備投放資源，因此如果群體規(guī)模太小，是不適合單獨(dú)做活動的。所以做用戶細(xì)分時，習(xí)慣上限制群體最大為8類（每個群體都大于10%的份額）至于具體規(guī)模大小，可以根據(jù)項(xiàng)目目標(biāo)，運(yùn)營情況做設(shè)計(jì)。

在這個大原則下，意味著分類維度和每個維度的切分都不可能太多，盡量選關(guān)鍵維度，關(guān)鍵切分點(diǎn)。

如果維度太多可以考慮用降維算法來做壓縮。在每個維度切分時，需注意以下問題：如果單維度分段，發(fā)現(xiàn)某些分段有特殊性，就不能隨意合并（如下圖所示）

總之分類的過程需要反復(fù)嘗試很多步，直到最后輸出理想結(jié)果為止。

三、特別說明：用戶細(xì)分和推薦算法的區(qū)別

很多網(wǎng)上的文章會把用戶細(xì)分和千人千面的個性化推薦混淆。雖然口頭上，很多人會說：我們做用戶細(xì)分是為了了解用戶需求，實(shí)現(xiàn)千人千面的效果，可在在業(yè)務(wù)上這是兩個含義。

針對一個細(xì)分群體，運(yùn)營可以做很多引領(lǐng)性、創(chuàng)新性動作。比如我們想壯大高端用戶群體，那完全可以推出全新的產(chǎn)品系列、全新的獎勵政策、全新的服務(wù)來吸收高端用戶。只要我了解了他們的喜好、行為習(xí)慣，就能做的很精準(zhǔn)。

但是，全新設(shè)計(jì)的前提是該用戶有一定體量，值得我這么干。所以，做細(xì)分時就不能考慮非常多維度，切得特別細(xì)，搞得很促銷復(fù)雜無比。我要昭告天下，讓大家都知道我們在干這件事，才能形成從眾效應(yīng)，獲得更大效果。

推薦系統(tǒng)則不受此限制，推薦系統(tǒng)完全封閉了信息渠道，每個人看的都不一樣，只要能提高一點(diǎn)用戶響應(yīng)率就行。所以推薦的都是現(xiàn)有的，存量的產(chǎn)品，盡量實(shí)現(xiàn)用戶和產(chǎn)品的匹配。

推薦系統(tǒng)可不能產(chǎn)生新創(chuàng)意和新效果，也設(shè)計(jì)不出新產(chǎn)品。所以完全不用糾結(jié)：我拆分的到底細(xì)不細(xì)，只要能達(dá)成業(yè)務(wù)目標(biāo)就行。

四、小結(jié)：用戶細(xì)分的真正難點(diǎn)

看完整個過程，大家會發(fā)現(xiàn)用戶細(xì)分，是個原理簡單，操作復(fù)雜的東西。操作復(fù)雜，完全不是建模過程，而是對目標(biāo)的把握，對維度篩選，對切分大小的把握，都得考慮業(yè)務(wù)上需求。

雖然數(shù)據(jù)、統(tǒng)計(jì)學(xué)給我們提供了很多工具（分類工具、降維工具）可真正用到實(shí)處還是得考慮具體業(yè)務(wù)場景。我們從來都不缺少會背課本的學(xué)生，我們?nèi)鄙俚氖菚紤]實(shí)際場景的分析人員。

很多新人上路不明白這點(diǎn)，你問他：

• 用戶細(xì)分服務(wù)什么目標(biāo)？
• 運(yùn)營口中的“核心用戶”指的是消費(fèi)高？活躍多？有轉(zhuǎn)介紹行為？
• 知道了“男/女”運(yùn)營又能做什么事情？
• 運(yùn)營有幾種手段能達(dá)成目標(biāo)？
• 如果只有200元消費(fèi)差距，運(yùn)營有多少空間做事？

他們的回答當(dāng)然是：通通不知道。

然后還倔強(qiáng)的反問：你管這干啥?。?！我就想知道，就沒有一個電商行業(yè)做Kmean聚類權(quán)威標(biāo)準(zhǔn)的分類數(shù)量嗎?。?！到底是5還是8?。?！

特別提醒，活在學(xué)校圖書館的書本里，是無法解決企業(yè)實(shí)際問題的。