用戶畫像、用戶分層、用戶分群:精細化運營的萬川之源

10 評論 24878 瀏覽 157 收藏 9 分鐘

編輯導語:各個層級的用戶都有其不同的特點,通過用戶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于用戶,所以用戶的需求以及痛點等是最為重要的,本文作者對用戶研究的幾個概念進行了梳理說明,與大家分享。

在用戶數量較低時,粗曠式運營也許能夠滿足日常的運營需求。

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

在搭建用戶運營體系時,應按照以下步驟進行:

  1. 針對不同階段目標,制定相應用戶分群分層模型與指標;
  2. 通過數據分析制定相應運營策略,包括運營周期、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。

注冊用戶精細分群分層,顧名思義,就是進行用戶分層并標記各種標簽。一千個讀者就有一千個哈姆雷特,同樣是使用產品,但用戶使用產品的理由、滿足的需求間存在各種不同的差異。也許A 用戶看中了品牌情懷,B用戶看中了產品性價比高,C用戶看中了產品的服務好。

如果不進行用戶分群分層,又怎么針對用戶的不同需求提供服務呢?

因此,在用戶運營的過程中,用戶分群分層的作用很明顯,它幫助我們把用戶分成各個層級和群體,然后我們根據各個層級和群體的不同,制定出更精準、更有針對性的運營策略。在這里有幾個概念需要明確,即「用戶畫像」、「用戶分層」、「用戶分群」,為了保持概念的準確性,在此我們進行簡單解釋。

01 用戶畫像

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

02 用戶分層

一般來說,我們結合用戶在產品上所處狀態作為用戶分層的依據,比如我們最常見的RFM模型,依托于用戶最近一次購買時間、消費頻次以及消費金額,通過衡量用戶價值與用戶創利能力,對用戶進行分層。

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

RFM模型

這里解釋一下RFM模型的構成:

  • Recency:最近一次消費,即用戶距離當前最后一次消費的時間。最近一次消費的時間距今越短,對我們來說更有價值,更可能有效地去觸達他們。
  • Frequency:消費頻次,用戶在一段時間內,在產品內的消費頻次。
  • Monetary:消費金額,即用戶的價值貢獻。

基于這三個維度,我們將每個維度劃分為高、中、低三種情況,并構建出完整的用戶價值象限。

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

比如某用戶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,說明這個用戶曾經很有運營價值(屬于 “重要保持客戶”),我們不希望流失。所以,運營人員就需要專門針對這類型用戶,設計召回用戶運營策略,這也是RFM模型的核心價值。

在劃分完不同層級后,最困難的事情在于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戶分布情況。進行確定評判標準時,盡可能的將密集部分劃分在一起,促使用戶群體的行為共性更大。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 用戶分群

相較于用戶分層,用戶分群更加聚焦于用戶行為表現,。例如,高消費頻次+低消費額、低消費頻次+ 高消費額,這兩類用戶可能都是某種意義上的高消費用戶,但行為特征會存在很大差異,所對應的運營策略也不一樣。

其實也可以這么理解,用戶分群是用戶分層的進一步精細化劃分。ARGO成長模型的相關指標有著明顯的遞進關系,而RFM模型則相互獨立。

解釋清楚上述關鍵詞,那么我們繼續講下注冊用戶精細分群分層。

因為不同行業中,用戶分群分層可能是多樣性的,用戶分群分層在產品發展的不同階段也有不同的變化,且用戶分群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戶分群分層:

1. 精細分群分層,遵循 MECE 原則

在進行注冊用戶精細分群分層的過程中,我們遵循由麥肯錫提出的MECE分析法,這不僅僅是幫助用戶運營找到所有影響預期目標的關鍵因素,并找到所有可能的解決辦法,而且有助于對用戶、問題或解決方案進行排序、分析,并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”。也就是對于一個重大的議 題,能夠做到不重疊、不遺漏的分類,而且能夠借此有效把握問題的核心,并成 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,分析出用戶的關鍵行為與目標間的關聯。

2. 明確階段目標,讓分群分層更簡單

正如用戶有生命周期一樣,產品與用戶運營也有著明顯階段性的目標和策略。產品所處的生命周期階段不同,對用戶運營的要求也不盡相同。

對用戶進行分群分層只是用戶運營的其中一個環節,想要系統全面地了解如何精細化地智能用戶運營,實現用戶生命全周期監測以及營銷閉環。

 

本文由 @酒仙橋石原里美 原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自 Unsplash,基于CC0協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 才看了易觀方舟的用戶運營,兩個不能說毫無關系,只能說一模一樣了

    來自上海 回復
    1. 所以有沒有可能就是一個作者

      來自遼寧 回復
  2. 你這洗稿件能力可以啊,你和易觀方舟,是誰在洗誰的稿?來解釋一下

    來自浙江 回復
    1. 本來沒有義務解釋,但是從業者有權利將自己的文章發布到個人平臺,也可以給公司供稿

      來自遼寧 回復
  3. 聽君一席話,如一席話

    來自北京 回復
  4. 這還沒說完怎么就沒了呀

    回復
    1. 因為不知道該怎么洗了

      來自浙江 回復
  5. 干貨

    回復
  6. 優秀

    回復
  7. 有公眾號嗎

    來自北京 回復