我們都知道，所有的運(yùn)營(yíng)工作都是圍繞著用戶(hù)展開(kāi)的。運(yùn)營(yíng)策略從某種程度來(lái)說(shuō)，就是資源對(duì)用戶(hù)的有效分配。那么，知道什么用戶(hù)應(yīng)該制定什么樣的運(yùn)營(yíng)策略，就尤為重要了，而這就要依賴(lài)于我們的用戶(hù)分層了。

通過(guò)我們此系列文章的《思維篇》《結(jié)構(gòu)篇》《數(shù)據(jù)篇》，我們終于來(lái)到了我們最后落地的《方法篇》了。如果說(shuō)思維篇給了我們思考的角度，結(jié)構(gòu)篇給了我們實(shí)現(xiàn)的路徑，數(shù)據(jù)篇給了我們科學(xué)的手段，那么方法篇就給了我們執(zhí)行的效率。還是建議如果沒(méi)有看過(guò)前面幾篇章的同學(xué)可以先去看一下，這樣對(duì)后面的理解也會(huì)更深刻。借用一位朋友說(shuō)的話“有道無(wú)術(shù)術(shù)尚可求，有術(shù)無(wú)道止于術(shù)”。

我們的《方法篇》不會(huì)專(zhuān)門(mén)去提運(yùn)營(yíng)過(guò)程中某件事上某個(gè)點(diǎn)的技巧或者創(chuàng)意什么。主要是指在整個(gè)運(yùn)營(yíng)體系中，必須要做的事情；或者是整個(gè)運(yùn)營(yíng)過(guò)程中，很多地方都會(huì)用到的同一種方法。而本篇說(shuō)的“用戶(hù)分層”，就是運(yùn)營(yíng)體系中，必須要做的事情。

在運(yùn)營(yíng)過(guò)程中，用戶(hù)分層的作用很明顯，它能幫助我們把用戶(hù)分成各個(gè)層次和群體，然后我們根據(jù)各個(gè)層次和群體的不同，才能有的放矢的制定出更精準(zhǔn)、更有針對(duì)性的運(yùn)營(yíng)策略。

我們?cè)谶\(yùn)營(yíng)工作中，經(jīng)常會(huì)聽(tīng)到“用戶(hù)畫(huà)像”、“用戶(hù)分層”、“用戶(hù)分群”這幾個(gè)詞，貌似有些類(lèi)似特別是后面兩個(gè)，但如果嚴(yán)格說(shuō)的話，還是有區(qū)別的。

• 用戶(hù)畫(huà)像：一般體現(xiàn)的是用戶(hù)的客觀屬性。如性別、年齡、職業(yè)等，一般是不以用戶(hù)的主觀意愿所轉(zhuǎn)移的。
• 用戶(hù)分層：一般體現(xiàn)的是用戶(hù)在產(chǎn)品上所處的狀態(tài)。比如免費(fèi)用戶(hù)、活躍用戶(hù)、付費(fèi)用戶(hù)、高額付費(fèi)用戶(hù)等，由于是“層”嘛，所以它有一個(gè)層級(jí)的概念，有一個(gè)狀態(tài)遞進(jìn)的過(guò)程，大多是呈漏斗形的形狀。而且用戶(hù)的層級(jí)一般不會(huì)分的太多。
• 用戶(hù)分群：一般體現(xiàn)的是用戶(hù)的行為表現(xiàn)上。比如說(shuō)頻次低單價(jià)高、頻次高單價(jià)低，這兩種用戶(hù)可能都屬于高額付費(fèi)用戶(hù)，但表現(xiàn)形式不一樣，所以所處的群也是不一樣，所對(duì)應(yīng)的運(yùn)營(yíng)策略也是不一樣的。也可以認(rèn)為用戶(hù)分群是用戶(hù)分層的進(jìn)一步精細(xì)化過(guò)程。

本篇準(zhǔn)確地說(shuō)應(yīng)該是包括了“用戶(hù)分層+用戶(hù)分群”，這里就統(tǒng)稱(chēng)為用戶(hù)分層了。而本篇我們也會(huì)通過(guò)一個(gè)實(shí)例，用一張Excel表作為工具，從零開(kāi)始一步一步的完成一次用戶(hù)分層過(guò)程。

關(guān)于用戶(hù)分層，我們需先明白以下幾點(diǎn)：

一、用戶(hù)分層在不同的行業(yè)中是不一樣的，而且可能是多樣化的。

看過(guò)我們之前《思維篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（二）：運(yùn)營(yíng)立方體》的同學(xué)，大家應(yīng)該都記得，當(dāng)時(shí)提過(guò)一個(gè)用戶(hù)和客戶(hù)的概念。

比如滴滴打車(chē)，用軟件打車(chē)的人是一種用戶(hù)；司機(jī)也是一種用戶(hù)；廣告商也是一種用戶(hù)。如果要做用戶(hù)分層的話，就需要對(duì)這三種類(lèi)型的用戶(hù)分別做一套不同的用戶(hù)分層體系。

二、用戶(hù)分層在產(chǎn)品發(fā)展的不同階段會(huì)有不同的變化。

比如我們區(qū)分價(jià)值用戶(hù)和一般用戶(hù)，

初期我們產(chǎn)品少，一個(gè)月買(mǎi)2次化200元錢(qián)可能就是我們的價(jià)值用戶(hù)了。

隨著公司的發(fā)展我們產(chǎn)品的不斷增多，需要一個(gè)月買(mǎi)10次化5000元才有能算是我們的價(jià)值用戶(hù)了。

三、用戶(hù)分層需要定性和定量

如上面的例子一樣，我們需要對(duì)用戶(hù)有一個(gè)定性的過(guò)程，如價(jià)值用戶(hù)、一般用戶(hù)，或者VIP，超級(jí)VIP等等；然后必須要對(duì)此進(jìn)行定量，比如消費(fèi)多少金額才能算價(jià)值用戶(hù)。

那么如何用科學(xué)化的手段進(jìn)行一次用戶(hù)分析，以確定各用戶(hù)群體的行為特征，完成一次用戶(hù)分層的過(guò)程，就必須要說(shuō)到經(jīng)典的RFM用戶(hù)模型了。如下圖：

RFM模型歷史悠久，其理論知識(shí)這里就不闡述了，簡(jiǎn)單的說(shuō)就是通過(guò)最近一次消費(fèi)(Recency)、消費(fèi)頻率(Frequency)、消費(fèi)金額(Monetary)這三個(gè)指標(biāo)，然后把每個(gè)指標(biāo)按照實(shí)際的情況，分成5檔，一共形成了125類(lèi)的用戶(hù)。然后為了執(zhí)行方便，把125類(lèi)的用戶(hù)歸納成8大類(lèi)，如下圖，最后根據(jù)這8大類(lèi)用戶(hù)的情況制定運(yùn)營(yíng)策略。

這里要說(shuō)明的一點(diǎn)是，RFM模型不是互聯(lián)網(wǎng)時(shí)代的產(chǎn)物，事實(shí)上在傳統(tǒng)行業(yè)里也用的很廣，所以其指標(biāo)主要針對(duì)的是付費(fèi)用戶(hù)。如果我們的互聯(lián)網(wǎng)產(chǎn)品用戶(hù)人群是免費(fèi)用戶(hù)，一樣可以用這個(gè)RFM模型并使用它的方法，只是指標(biāo)換成了最后一次登錄、登錄頻率、產(chǎn)品使用時(shí)間。

接下來(lái)我們就用實(shí)例來(lái)操作一遍：

我們現(xiàn)在手上有500份付費(fèi)用戶(hù)數(shù)據(jù)，包含（用戶(hù)、最后一次消費(fèi)時(shí)間間隔、消費(fèi)頻率、消費(fèi)金額）四個(gè)字段，我們?nèi)绾芜M(jìn)行用戶(hù)分層并制定有效運(yùn)營(yíng)策略呢？

第一步：我們把數(shù)據(jù)導(dǎo)入或粘貼到Excel當(dāng)中，再原有的4個(gè)表頭基礎(chǔ)上，再增加R值、F值、M值三個(gè)表頭。做好這樣一張Excel表，如下圖：

（此處只選10條數(shù)據(jù)做實(shí)例）

第二步：分別確定好RFM這三個(gè)指標(biāo)五檔的標(biāo)準(zhǔn)。

這是比較難的一步，因?yàn)椴煌男袠I(yè)不同的產(chǎn)品不同的階段都有不同的劃分標(biāo)準(zhǔn)。比如消費(fèi)金額，1000個(gè)用戶(hù)里面，最低1元，最高10000元。大部分情況下，20%的用戶(hù)占據(jù)了80%的金額，而80%的用戶(hù)占了20%的金額，是一個(gè)長(zhǎng)尾的分布效果。所以我們不能簡(jiǎn)單的用最高金額/5，或者用戶(hù)總數(shù)/5的平均分法，這樣分出來(lái)的結(jié)果不能代表一個(gè)擁有類(lèi)似行為表現(xiàn)的群體。

這個(gè)主要還是依靠大家在本身各自行業(yè)中的理解和實(shí)際場(chǎng)景需求來(lái)確定了。當(dāng)然，如果我們實(shí)在沒(méi)有什么頭緒的話，我們可以通過(guò)散點(diǎn)圖大致分辨一下，如下圖：

大家可以看到，通過(guò)散點(diǎn)圖，我們可以比較直觀的看清用戶(hù)的分布（上圖為用戶(hù)的消費(fèi)金額分布）。我們?nèi)シ謾n的時(shí)候就盡可能的將密集的一部分分在一起，這樣，該檔用戶(hù)群體的行為共性也就更大一點(diǎn)。

需要說(shuō)明的是，這不是一個(gè)很?chē)?yán)謹(jǐn)?shù)姆址?，需要大家在?shí)際過(guò)程中進(jìn)行不斷的調(diào)整。而如果我們面臨海量數(shù)據(jù)的時(shí)候，最好是通過(guò)聚類(lèi)算法等技術(shù)手段，才能更加科學(xué)精準(zhǔn)的幫助我們進(jìn)行判斷。

以本例來(lái)說(shuō)，我們最后定下了RFM各個(gè)指標(biāo)下的五個(gè)分檔標(biāo)準(zhǔn)。如圖：

第三步：分別計(jì)算出每條記錄的R、F、M值。

我們通過(guò)在Excel里面加入if判斷，自動(dòng)計(jì)算出該記錄對(duì)應(yīng)的R、F、M值，比如我們RFM分層表中，0001用戶(hù)對(duì)應(yīng)的R值，

即單元格E3：=IF(B3>10,1,IF(B3>8,2,IF(B3>5,3, IF(B3>3,4,5))))

我們來(lái)解釋一下這條if判斷語(yǔ)句：

• 如果B3>10,那么其R值為1，否則進(jìn)入下一個(gè)判斷；
• 如果B3>8,那么其R值為2，否則進(jìn)入下一個(gè)判斷；
• 如果B3>5,那么其R值為3，否則進(jìn)入下一個(gè)判斷；
• 如果B3>3,那么其R值為4，否則為5；

同樣的算法，我們寫(xiě)出計(jì)算每一條記錄F值和M值的判斷條件。

F3=IF(C3>10,5,IF(C3>8,4,IF(C3>6,3, IF(C3>3,2,1))))

G3= =IF(D3>5000,5,IF(D3>3000,4,IF(D3>2000,3, IF(D3>800,2,1))))

然后，我們把Excel的單元格往下拉，最后形成這樣的圖：

第四步：分別算出總的R、F、M的平均值。

這一步比較簡(jiǎn)單，我們以上全部算完之后，再最下面增加一行，用AVERAGE（）計(jì)算出以上所有行數(shù)的平均值。如圖：

第五步：根據(jù)每條記錄的R、F、M值和所有記錄的平均值，判斷出每條記錄的R、F、M值是在平均值之上，還是平均值之下。

首選，我們先增加三個(gè)表頭，如圖：

然后，我們用每一條記錄的R值來(lái)R的平均值進(jìn)行比較，如果<平均值則顯示“低”，如果大于等于則顯示“高”。

我們還是用If判斷語(yǔ)句進(jìn)行自動(dòng)判斷，以上圖為例，用戶(hù)0001的“R高低值”即：

• H3=IF(E3<E13,”低”,”高”)，同理，
• F高低值I3=IF(F3<F13,”低”,”高”)
• M高低值J3=IF(G3<G13,”低”,”高”)

這樣，我們就變成了下圖：

這個(gè)時(shí)候，我們發(fā)現(xiàn)了一個(gè)問(wèn)題，當(dāng)我們把單元格往下拉的時(shí)候，E3固然變成了E4，但E13也變成了E14，由于E13是一個(gè)固定格子的數(shù)字，我們不希望它隨著單元格的下拉而改變。我們就需要在if語(yǔ)句中在E13兩邊加上“$”這個(gè)符號(hào)了。

如下：

• R高低值H3=IF(E3< $E $13,”低”,”高”)
• F高低值I3=IF(F3< $F $13,”低”,”高”)
• M高低值J3=IF(G3< $G $13,”低”,”高”)

同時(shí)，為了更直觀，我們?cè)O(shè)置一個(gè)條件格式，若文本中含有“高”則背景色為紅色，若含有“低”則背景色為綠色。這時(shí)候再往下拖一下單元格，就變成這樣拉，如圖：

第六步：根據(jù)比較值，進(jìn)行八大類(lèi)的歸類(lèi)。

?接下來(lái)，我們就要根據(jù)我們的“R高低值”“F高低值”“M高低值”，自動(dòng)計(jì)算出我們的用戶(hù)層級(jí)拉。我們先加個(gè)表頭“用戶(hù)層級(jí)”。

這一次，我們要寫(xiě)一串稍微長(zhǎng)一點(diǎn)的IF判斷語(yǔ)句，如下：

• K3=IF(AND(H3=”高”,I3=”高”,J3=”高”),”重要價(jià)值用戶(hù)”, IF(AND(H3=”高”,I3=”低”,J3=”高”),”重要發(fā)展用戶(hù)”,
• IF(AND(H3=”低”,I3=”高”,J3=”高”),”重要保持用戶(hù)”, IF(AND(H3=”低”,I3=”低”,J3=”高”),”重要挽留用戶(hù)”,
• IF(AND(H3=”高”,I3=”高”,J3=”低”),”一般價(jià)值用戶(hù)”, IF(AND(H3=”高”,I3=”低”,J3=”低”),”一般發(fā)展用戶(hù)”,
• IF(AND(H3=”低”,I3=”高”,J3=”低”),”一般保持用戶(hù)”,”一般挽留用戶(hù)”)))))))

本文所寫(xiě)的都是在Excel里面的IF判斷語(yǔ)句，建議大家能夠自己寫(xiě)一下，不想寫(xiě)或?qū)懖怀鲆矝](méi)關(guān)系，直接保存好上面的if語(yǔ)句Copy一下直接用就行了（修改一下單元格的序號(hào)就可以了）。

最后，如下圖：

當(dāng)然，我們還可以在用戶(hù)層級(jí)的表頭上加上“篩選”功能，可以直接搜索到我們需要的那些用戶(hù)。大家也可以通過(guò)不同的顏色來(lái)區(qū)分不同的用戶(hù)層級(jí)，這個(gè)就自由發(fā)揮拉。

好了，到這里，我們就已經(jīng)通過(guò)用一張Excel表，完成了一次用戶(hù)分層的全過(guò)程。這張表最后的效果是，就像一個(gè)程序一樣，我們?nèi)我廨斎肴齻€(gè)RFM數(shù)字，表格將自動(dòng)會(huì)跳出這個(gè)用戶(hù)的層級(jí)。 大家保存好這張excel表，以后用起來(lái)套一下就可以了，效率是相當(dāng)快的。大家可以嘗試自己從頭做一遍，若有需要的話可在留言區(qū)留下郵箱，我會(huì)發(fā)送給大家。

第七步：形成圖表

?完成后上面六步之后，我們已經(jīng)得到了完成用戶(hù)分層之后的所有用戶(hù)記錄，這時(shí)我們需要做成圖表的形式，開(kāi)個(gè)會(huì)、做個(gè)匯報(bào)啥的，如下圖：

第八步：制定運(yùn)營(yíng)策略

回到我們上面說(shuō)的，做用戶(hù)分層的目的是為了有的放矢的制定出更精準(zhǔn)、更有針對(duì)性的運(yùn)營(yíng)策略。所以，我們最終我們還是回到制定運(yùn)營(yíng)策略上來(lái)。我們的例子可參考下圖：

再接下來(lái)要如何具體實(shí)施和執(zhí)行，就不在本篇文章的范疇里了，這里就不多加闡述拉，敬請(qǐng)關(guān)注其他文章。

小結(jié)

用戶(hù)分層是運(yùn)營(yíng)過(guò)程中非常重要的一個(gè)環(huán)節(jié)，快速的進(jìn)行用戶(hù)分層也是我們必備的一個(gè)方法。我們把用戶(hù)分的層，其實(shí)用戶(hù)本身是不知道的。如果我們分一個(gè)層級(jí)讓用戶(hù)知道，不僅知道而且還非常喜歡，以此來(lái)不斷引導(dǎo)用戶(hù)進(jìn)行自我層級(jí)的上升，那效果會(huì)不會(huì)不錯(cuò)呢？ 敬請(qǐng)關(guān)注下一篇 ：如何成為一個(gè)運(yùn)營(yíng)大牛-方法篇（二）：用戶(hù)成長(zhǎng)體系

相關(guān)閱讀

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（二）：用戶(hù)成長(zhǎng)體系

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（三）：社群

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（四）：裂變

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（五）：UGC的使用

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（六）：追熱點(diǎn)

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（七）：優(yōu)惠券的使用

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（八）：“托”之十計(jì)

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（九）：運(yùn)營(yíng)中的用戶(hù)心理學(xué)

方法篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（十）：取勢(shì)和做局

作者：致遠(yuǎn)，連續(xù)創(chuàng)業(yè)者，曾為多家上市公司提供過(guò)運(yùn)營(yíng)整案服務(wù)，曾任 Mr&Mrs 連鎖健身互聯(lián)網(wǎng)中心總經(jīng)理，現(xiàn)任 Muma 兒童藝術(shù)聯(lián)合創(chuàng)始人兼運(yùn)營(yíng)顧問(wèn)，膚智 COO 兼聯(lián)合創(chuàng)始人。

本文由 @致遠(yuǎn) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 unsplash，基于 CC0 協(xié)議