如何通過用戶分層進(jìn)行精細(xì)化運(yùn)營?

11 評(píng)論 45599 瀏覽 224 收藏 9 分鐘

各個(gè)層級(jí)的用戶都有其不同的特點(diǎn),通過用戶分層我們可以有目的的制定出更精準(zhǔn)、更有針對(duì)性的運(yùn)營策略,避免浪費(fèi),使運(yùn)營資源高效化。

所謂的分層就像我們社會(huì)階層一樣,比如按社會(huì)經(jīng)濟(jì)地位劃分,可分為普通大眾、中產(chǎn)、精英、富豪。

只不過用戶分層沒那么復(fù)雜,用戶分層是進(jìn)行用戶高效管理的一種方式,即對(duì)用戶群組進(jìn)行劃分,通常用來描述用戶在產(chǎn)品上所處的狀態(tài)上。

用戶分層并不是什么神秘復(fù)雜的東西,其實(shí)不管是上市公司,還是創(chuàng)業(yè)公司,甚至大眾微商、實(shí)體店鋪,都有運(yùn)用到用戶分層管理。

最簡單的就是VIP會(huì)員卡,還有電商社群,某些商家會(huì)把消費(fèi)滿5萬的用戶拉到一個(gè)微信群,把消費(fèi)小白建立另外一個(gè)群,而在不同群之間,發(fā)不同的優(yōu)惠券。

用戶分層的作用顯而易見,根據(jù)各個(gè)層次用戶群體的不同,我們可以有目的的制定出更精準(zhǔn)、更有針對(duì)性的運(yùn)營策略,避免浪費(fèi)。

簡而言之,就是運(yùn)營資源高效化。

用戶分層是精準(zhǔn)化運(yùn)營的重要方式,也是建立用戶模型的一部分。

一、用戶分層方法步驟

1.對(duì)用戶進(jìn)行定性,創(chuàng)建特征用戶群體

對(duì)用戶分層,首先我們需要對(duì)用戶進(jìn)行定性。所謂的定性就是了解用戶做了什么,然后創(chuàng)建細(xì)分的用戶群體。通俗的說,就是建立群體標(biāo)簽。

以電商平臺(tái)為例:用戶分層一般呈金字塔形,上下層之間呈遞進(jìn)依賴關(guān)系。

電商用戶分層

這是一個(gè)理想的用戶行為,事實(shí)上新用戶到付費(fèi)用戶之間,用戶量是不斷流失的。

用戶分層并沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn),我們大致可以把所有產(chǎn)品的用戶分層為:潛在用戶(游客)、普通用戶、活躍用戶、核心用戶。

這就是對(duì)用戶的一個(gè)簡單定性。更為細(xì)致復(fù)雜的用戶分層方法,可以套用經(jīng)典的RFM用戶模型。

2.對(duì)具體用戶按標(biāo)準(zhǔn)分層,進(jìn)行聚類

對(duì)于具體某個(gè)用戶,當(dāng)然不能按照主觀感受去定性的。我們可以通過條件判斷劃分出來,然后進(jìn)行特征聚類。

通?;ヂ?lián)網(wǎng)產(chǎn)品關(guān)注的是用戶的點(diǎn)擊量、使用時(shí)長、使用頻率、產(chǎn)品貢獻(xiàn)率、忠誠度等指標(biāo),我們就可以通過這些維度去建立用戶分層標(biāo)準(zhǔn)。

以互聯(lián)網(wǎng)金融產(chǎn)品為例:

互聯(lián)網(wǎng)金融產(chǎn)品用戶分層

例:

訪客,即在10天內(nèi)至少啟動(dòng)1次應(yīng)用,且至少回訪1次,則標(biāo)記為訪客;否則標(biāo)記為流失訪客。

分檔之后,進(jìn)行聚類分析。這部分需要較強(qiáng)的數(shù)據(jù)分析能力,這里只討論分層方法,不討論具體的數(shù)據(jù)分析。

用戶分層步驟很簡單,最難的是該如何設(shè)定分層標(biāo)準(zhǔn)。建議初級(jí)運(yùn)營人員都看一下《網(wǎng)站分析實(shí)戰(zhàn) 如何以數(shù)據(jù)驅(qū)動(dòng)決策,提升網(wǎng)站價(jià)值》這本書,了解運(yùn)營人員應(yīng)該關(guān)注哪些數(shù)據(jù)。

二、雙向用戶分層

而產(chǎn)品不同,其分層方式也不一樣。下面要介紹一種常見的用戶分層方式——雙向用戶分層。

實(shí)際中很多產(chǎn)品的用戶并不是面向單方向用戶的,例如:對(duì)于電商平臺(tái),用戶是兩方向的,to B 和 to C,面向商戶和面向C端用戶,兩者的用戶行為狀態(tài)是不一致的,這就需要進(jìn)行雙向用戶分層。

這類雙向用戶的平臺(tái)非常多,我們常用的百度、微博、知乎、今日頭條、抖音等都屬于這一類。一般是規(guī)?;木揞^。

這類平臺(tái)的特點(diǎn)是擁有海量的用戶,用戶可以成為消費(fèi)者也可以成為服務(wù)者。在不同的角色中,用戶所處于的層次也不同。

知乎用戶分層

三、用戶分層在運(yùn)營工作中的作用

雖然我們前面說了用戶分層是為了高效、精準(zhǔn)化運(yùn)營,但具體運(yùn)用是什么樣的呢?下面以示例來說明。

1.對(duì)不同級(jí)別用戶提供不同的資源傾斜

現(xiàn)在,很多產(chǎn)品都設(shè)有等級(jí)制度,比如QQ等級(jí)、微博等級(jí)、貼吧等級(jí)等,不同等級(jí)的用戶可獲得不同的權(quán)限。這是一種自動(dòng)的用戶分級(jí),不需運(yùn)營人員處理,自動(dòng)獲得資源傾斜。

以貼吧為例,用戶簽到可以贏得升級(jí)經(jīng)驗(yàn),發(fā)帖留言也能獲得經(jīng)驗(yàn),有些大的貼吧,往往還有設(shè)置發(fā)帖留言門檻,入吧達(dá)到一定時(shí)長或等級(jí)才能參與進(jìn)來。

除此之外,還有隱性的資源傾斜,比如微博將明星大V和中小草根用戶區(qū)分開來,給優(yōu)質(zhì)用戶更多流量支持和運(yùn)營扶持,包括更多的曝光量、分發(fā)量,或者金錢、物質(zhì)、榮譽(yù)激勵(lì)(舉辦線上線下的微博活動(dòng)、人物評(píng)選等)。

這部分就是運(yùn)營人員所需做的工作了。

2.為不同級(jí)別的用戶推送不同的內(nèi)容

初級(jí)運(yùn)營最容易犯的錯(cuò)誤就是:一條PUSH走天下。

記得筆者在之前公司做線下活動(dòng)時(shí),為了召集更多的用戶來參加,經(jīng)常會(huì)短信推送活動(dòng)通知到所有注冊(cè)用戶。事實(shí)上,這種廣撒網(wǎng)的方式,經(jīng)常讓我有這樣的錯(cuò)覺:我是不是發(fā)了一個(gè)“假的推送”。

實(shí)際上,小型的線下活動(dòng)沙龍,本地用戶更有參加的意愿,外地用戶則因參加成本過高,大都不會(huì)來。

活動(dòng)主題也很重要,是分享會(huì),還是路演活動(dòng)。分享會(huì)則有更多愿意學(xué)習(xí)的普通群眾來,路演活動(dòng)更多做投資的專業(yè)人士參加。

對(duì)于資訊類、電商類產(chǎn)品也是如此,對(duì)于活躍用戶可以多加推送;對(duì)于不活躍用戶,則要適量,不然容易導(dǎo)致用戶反感,進(jìn)而流失。

現(xiàn)在的大數(shù)據(jù)推薦,也是根據(jù)建立的用戶模型來的推送的。比如說A瀏覽了更多的娛樂類新聞,且停留的時(shí)間較長,就會(huì)推送更多的娛樂類新聞到A。

當(dāng)然這是機(jī)器要做的事了,而運(yùn)營人員要做的事是設(shè)定優(yōu)化規(guī)則,做靈活性更強(qiáng)的工作。

本文主要目的也是為了讓更多初級(jí)運(yùn)營有區(qū)別對(duì)待用戶意識(shí),從不同用戶需求出發(fā),設(shè)計(jì)更多激勵(lì)方式,促進(jìn)用戶增長、留存、活躍。

 

本文由 @秋日里的貓 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。

題圖來自 Pexels,基于 CC0 協(xié)議

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 你這里的雙向用戶分層舉的淘寶的例子是不對(duì)的,因?yàn)樘詫毜暮诵臉I(yè)務(wù)是非常明確的,給用戶設(shè)定的主路徑也是明確的,分析C和B只需要用正常的單向分析就可以了,但是社區(qū)不一樣,比如知乎,用戶用同一個(gè)賬號(hào)可以做不同的事,要用身份來區(qū)分,所以是雙向

    回復(fù)
  2. 為什么圖片都不顯示呢?

    來自北京 回復(fù)
  3. 電商可以根據(jù)用戶的購買金額、購買頻率兩個(gè)維度將用戶分為:潛在用戶、核心用戶和粉絲用戶三層么? 然后對(duì)于粉絲用戶就是自己的重點(diǎn)關(guān)注用戶,

    來自廣東 回復(fù)
  4. 請(qǐng)教一下、rfm模型到底是做用戶分層使用還是用戶分群使用?

    回復(fù)
    1. 先說結(jié)論,RFM模型是用戶分群精細(xì)化運(yùn)營的一個(gè)有效分析工具。用戶分層與用戶分群的區(qū)別,用戶分層具有排他性,例如:他是活躍用戶就不是流失用戶;用戶分群是根據(jù)業(yè)務(wù)字段做區(qū)分的,他是高價(jià)值用戶同時(shí)也是男性。簡單的小例子,不知道講清楚沒 ??

      來自北京 回復(fù)
    2. 分層,他說的不對(duì)

      回復(fù)
  5. 請(qǐng)教下大神:如何確定用戶分層的臨界值呢?比如關(guān)注數(shù)>10的即為活躍用戶,這個(gè)10是怎么來的?

    來自廣東 回復(fù)
    1. 上圖是不嚴(yán)謹(jǐn)?shù)囊粋€(gè)分法,適用范圍很窄,數(shù)據(jù)多的話,一般會(huì)用算法,比如KMeans聚類算法。

      來自廣東 回復(fù)
  6. 請(qǐng)教一下大佬,運(yùn)營最本質(zhì)核心的內(nèi)容是什么?

    回復(fù)
    1. 流量建設(shè)和用戶維系。

      來自廣東 回復(fù)
    2. 通過一些特定的手段帶來更多的轉(zhuǎn)化

      回復(fù)