2）可行性

用戶分層是用戶畫像的總結(jié)歸納及分類，用戶畫像體現(xiàn)在不同維度的用戶數(shù)據(jù)上，所以對(duì)用戶數(shù)據(jù)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(shù)據(jù)口徑不統(tǒng)一，數(shù)據(jù)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(jīng)典的用戶分層模型，不管什么類型的分層模型，其本質(zhì)都是如上文所講，都是為了企業(yè)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(biāo)，選取分層維度，通過不同維度的聯(lián)合評(píng)估，劃分用戶層級(jí)，并根據(jù)不同層級(jí)用戶的差異性特征，針對(duì)性的制定運(yùn)營策略，并不斷的通過反饋優(yōu)化迭代。

具體的操作步驟如下：

1. 明確分層目標(biāo)/解決的問題
2. 選擇分層維度
3. 制定不同維度的分類標(biāo)準(zhǔn)
4. 不同維度聯(lián)合評(píng)估，劃分用戶層級(jí)
5. 策略輸出，驗(yàn)證反饋，優(yōu)化迭代

其中關(guān)鍵點(diǎn)是分層維度的選擇和每個(gè)分層維度下的分類標(biāo)準(zhǔn)的制定。

“每個(gè)分層維度下分類標(biāo)準(zhǔn)的制定”是什么意思？

舉個(gè)例子：

假設(shè)以消費(fèi)金額這一單一維度作為分層維度，那么以多少的消費(fèi)區(qū)間作為一個(gè)分層層級(jí)呢？ 是以1000-5000作為一個(gè)層級(jí)，還是以1000-9000作為一個(gè)分層層級(jí)？

這里絕不是拍腦袋決定的，也不是取平均值，需要通過業(yè)務(wù)洞察及數(shù)據(jù)分析，來驗(yàn)證這個(gè)標(biāo)準(zhǔn)的合理性，而是否合理的判斷依據(jù)是：層級(jí)的制定，是否可以把用戶特征明顯區(qū)隔開來。

假設(shè)我們通過數(shù)據(jù)驗(yàn)證，以1000-5000作為一個(gè)分層層級(jí)更合理，因?yàn)橄M(fèi)金額在5000以上的用戶相較于消費(fèi)金額在1000-5000的用戶而言，有過跨品類消費(fèi)行為，所以，“跨品類消費(fèi)行為”就是用戶特征，而5000這個(gè)值，可以把是否具有這個(gè)特征的大部分用戶區(qū)隔開來，所以取1000-5000這一消費(fèi)區(qū)間作為分層層級(jí)就是合理的； 而下一步對(duì)于無跨品類消費(fèi)行為的用戶的運(yùn)營策略就是進(jìn)行品類滲透。

3. 案例實(shí)操

下面結(jié)合一個(gè)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(gè)用戶觸達(dá)策略進(jìn)行預(yù)熱，以實(shí)現(xiàn)在雙十一當(dāng)天銷量的爆發(fā)。

1）明確分層目標(biāo)/解決的問題

在這個(gè)案例中，前期的觸達(dá)方案起到提醒用戶，占領(lǐng)用戶心智，并通過一些補(bǔ)貼（比如紅包券）提前鎖住用戶的作用，所以需要針對(duì)不同特征的用戶制定差異性的觸達(dá)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(dá)方案服務(wù)的。

2）選擇分層維度

分層維度的選擇，關(guān)乎用戶畫像的表達(dá)，并直接影響后續(xù)的觸達(dá)策略，所以需要考慮業(yè)務(wù)場景和分層目標(biāo)。

在這個(gè)案例中，選取用戶歷史成交金額和“末次成交時(shí)間距現(xiàn)在的時(shí)間”兩個(gè)維度來作為分層維度。

3）制定不同維度的分類標(biāo)準(zhǔn)

前文已經(jīng)說明，不同維度的分類標(biāo)準(zhǔn)不是拍腦袋決定的，需要通過業(yè)務(wù)洞察及數(shù)據(jù)分析，來驗(yàn)證這個(gè)標(biāo)準(zhǔn)的合理性：即能否明顯區(qū)隔不同特征的用戶。

首先看歷史成交金額這個(gè)維度，現(xiàn)在需要確定不同的消費(fèi)區(qū)間，來區(qū)隔不同特征的用戶。

下圖是用戶歷史成交金額人數(shù)分布散點(diǎn)圖，橫軸為成交金額，縱軸為對(duì)應(yīng)人數(shù)。

我們需要通過這張圖，為消費(fèi)區(qū)間的劃分提供依據(jù)：

在這個(gè)圖中，消費(fèi)金額在人數(shù)分布上相似的值，即可以作為劃分“連續(xù)消費(fèi)金額”的分割點(diǎn)。

如下圖：區(qū)域1 和區(qū)域2 都為量級(jí)三萬左右，區(qū)域3為一萬左右，區(qū)域4在兩千這個(gè)水平上下浮動(dòng)，區(qū)域5在五十這個(gè)水平上徘徊；

所以 可以把消費(fèi)金額分為5個(gè)區(qū)間，分別是：

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

同時(shí)，根據(jù)具體業(yè)務(wù)場景，區(qū)域一和區(qū)域二在人數(shù)上相近，但需要區(qū)分開來，因?yàn)閰^(qū)域一代表未購用戶，用戶從未購變?yōu)橐奄?，在電商場景中，是身份上一個(gè)很大的區(qū)別。

根據(jù)同樣的數(shù)據(jù)分析方法，并結(jié)合產(chǎn)品的回購頻次等實(shí)際的業(yè)務(wù)場景，把“末次成交時(shí)間距現(xiàn)在的時(shí)間（天）”，劃分為如下區(qū)間：

(0，30]，(30，60]，(60，90]，(90，150]，150+；

4）不同維度的聯(lián)合，劃分用戶層級(jí)

如果分層維度為N，每個(gè)維度下面分為M個(gè)標(biāo)準(zhǔn)，則可以把用戶分為“M的N次方”個(gè)層級(jí)。

這個(gè)案例中，總共2個(gè)分層維度，每個(gè)維度5個(gè)區(qū)間標(biāo)準(zhǔn)，則可以把用戶分為“5的2次方”25個(gè)層級(jí)，這里把所有未購用戶劃分為一個(gè)層級(jí)（根據(jù)實(shí)際情況，可以根據(jù)活躍情況進(jìn)一步細(xì)分），總共分成21個(gè)用戶層級(jí)。

如下圖：

5）策略輸出，驗(yàn)證反饋，優(yōu)化迭代

用戶層級(jí)分好后，即根據(jù)分層目標(biāo)，然后輸出針對(duì)性的運(yùn)營策略。

在這個(gè)案例中，對(duì)于層級(jí)0用戶，其特征為：對(duì)于產(chǎn)品有感知，已經(jīng)留下了基本的資料，但沒有發(fā)生購買行為。

這類型的用戶的運(yùn)營目標(biāo)是使其轉(zhuǎn)化為已購用戶，可以針對(duì)性的發(fā)放較大金額的新人紅包券，和產(chǎn)品試用等活動(dòng)，以提高其轉(zhuǎn)化率。

對(duì)于層級(jí)21用戶，購買金額比較大，上一次購買時(shí)間距現(xiàn)在也比較近，這類用戶已經(jīng)對(duì)產(chǎn)品產(chǎn)生了信任，可以看作是產(chǎn)品的核心用戶，針對(duì)這部分用戶，除了希望其繼續(xù)保持對(duì)產(chǎn)品的直接貢獻(xiàn)外，這希望能裂變新用戶，產(chǎn)生更大的價(jià)值。

所以針對(duì)這部分用戶，可以設(shè)置老客關(guān)懷，以保持其粘性，比如老客關(guān)懷計(jì)劃，生日禮，周年禮等運(yùn)營手段；以及開放裂變資格，拉新有價(jià)值新用戶等。

其他不同層級(jí)的用戶，同樣根據(jù)其層級(jí)特征，制定差異化的運(yùn)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(duì)用戶的運(yùn)營策略的制定，都需要刷新用戶層級(jí)，以獲取到最新的用戶特征。

這里其實(shí)就涉及到動(dòng)態(tài)標(biāo)簽的建立的問題，不再展開，但其本質(zhì)也是用戶分層。

小結(jié)

用戶分層是為了最大效率的利用企業(yè)資源，關(guān)鍵點(diǎn)是分層維度的選取，和每個(gè)維度下標(biāo)準(zhǔn)的建立，另外，需要用動(dòng)態(tài)的眼光去看待用戶分層，不斷優(yōu)化更新；