如何做用戶分層或用戶分群
技術(shù)角度下的用戶分群
單維度的組別劃分
多維度的類別組合
聚類算法得到的分類
業(yè)務(wù)角度下的用戶分群
用戶屬性
用戶行為
用戶價(jià)值
生命周期
其他補(bǔ)充
用戶分層和用戶分群是經(jīng)常在工作中被提到的兩個(gè)詞，有的場(chǎng)景下這兩個(gè)詞的可以理解為同一含義，不過(guò)嚴(yán)謹(jǐn)來(lái)說(shuō)：
“分層”有順序或者嵌套的關(guān)系； “分群”則更多是“分類”的含義，類似于MECE的平級(jí)并列關(guān)系；
為了方便討論，本文主要以“用戶分群”的概念來(lái)進(jìn)行討論。另，本文只能算作一個(gè)綱要，“用戶分群”的內(nèi)容包含但不限于文中所及。
可以從兩個(gè)角度來(lái)看“用戶分群”：
技術(shù)角度，從數(shù)據(jù)上來(lái)看是怎么做的； 業(yè)務(wù)角度，即業(yè)務(wù)上對(duì)用戶進(jìn)行劃分方法；
技術(shù)角度下的用戶分群
主要有如下3類方法：
單維度的組別劃分； 多維度的組合，再劃分組別； 使用聚類算法來(lái)得到分組；
單維度的組別劃分
用戶的一系列屬性值可以看做一個(gè)個(gè)變量。變量取值可能存在兩種情況：
離散值，常見(jiàn)的是是否標(biāo)記(e.g. 是否為付費(fèi)用戶)、類別歸屬(e.g. 收貨所在省、支付狀態(tài))、等級(jí)順序(e.g.會(huì)員等級(jí))；連續(xù)值，常見(jiàn)的有時(shí)間(e.g. 注冊(cè)時(shí)長(zhǎng)、使用時(shí)長(zhǎng))、金錢(e.g.交易金額)、頻次(e.g.訂單數(shù)量)，連續(xù)值可以進(jìn)行二值化或者分箱得到組別劃分，比如考試成績(jī)?cè)O(shè)定分?jǐn)?shù)線來(lái)判定合格或不合格；
多維度的類別組合
多維度下的分組是可以通過(guò)多個(gè)已經(jīng)分類的維度進(jìn)行排列組合得到。
e.g. 兩個(gè)維度進(jìn)行組合得到的BCG/GE矩陣
e.g. 3個(gè)維度進(jìn)行組合得到的RFM模型。
聚類算法得到的分類
前兩者更依賴于先驗(yàn)的業(yè)務(wù)知識(shí)來(lái)進(jìn)行劃分，聚類算法則是從底層數(shù)據(jù)發(fā)現(xiàn)規(guī)律，可能會(huì)得到業(yè)務(wù)上可能不能解釋但是卻能帶來(lái)業(yè)務(wù)價(jià)值的分組。?
從技術(shù)上講，聚類算法也是多個(gè)維度的數(shù)據(jù)衍生出一個(gè)新的分類字段，但是不同于多維度的組別劃分那樣，所使用的多個(gè)維度本來(lái)就是分組的，只是對(duì)分組進(jìn)行組合即可。而聚類算法對(duì)于所使用的原始的多個(gè)變量并不在乎其取值是連續(xù)還是離散的，最終輸出的是離散的類別就行。
業(yè)務(wù)角度下的用戶分群
主要方法如下：
用戶屬性，e.g. 用戶在產(chǎn)品中扮演的角色、用戶的產(chǎn)品屬性、社會(huì)屬性等； 用戶價(jià)值，通常和用戶能帶給產(chǎn)品的收入有關(guān)，28法則或者金字塔法則是用戶價(jià)值的劃分的兩個(gè)常用規(guī)則； 用戶行為，用戶對(duì)產(chǎn)品的認(rèn)知、選擇產(chǎn)品的決策過(guò)程、用戶從新手到忠誠(chéng)發(fā)生的變化等都可以從用戶的行為上得到洞察； 生命周期，這個(gè)生命周期是相對(duì)于用戶在產(chǎn)品中的經(jīng)歷而言，從不知道某個(gè)產(chǎn)品->初次使用->建立信任->成為忠誠(chéng)用戶->流失，這個(gè)過(guò)程中體現(xiàn)了用戶認(rèn)知的變化，還涉及用戶的決策過(guò)程的循序漸進(jìn)以及用戶需求的衰退或者轉(zhuǎn)移；
用戶屬性
用戶屬性可以大致分為兩類：
依托于產(chǎn)品的屬性，也就是這個(gè)屬性只是針對(duì)當(dāng)前的產(chǎn)品或者平臺(tái)而定義，e.g. 用戶的角色，會(huì)員層級(jí)，是否開(kāi)通或使用某產(chǎn)品服務(wù)；獨(dú)立于產(chǎn)品的屬性，用戶作為自然人具有的屬性，e.g. 性別、年齡、所在地、職業(yè)、收入等；
依托于產(chǎn)品的屬性，用戶在產(chǎn)品中的
角色(role) ，e.g. 授課平臺(tái)上的講師、學(xué)生；打車平臺(tái)上的司機(jī)、乘客；電商平臺(tái)上的賣家、賣家；外賣平臺(tái)上的商鋪、訂餐用戶、送餐員； 狀態(tài)(status) ，一般是從初始(默認(rèn))狀態(tài)發(fā)生變化，狀態(tài)相對(duì)穩(wěn)定且有些條件下不可逆，比如對(duì)特定行為的標(biāo)記，e.g.是否付費(fèi)、是否購(gòu)買了某服務(wù)、是否使用了某功能、是否開(kāi)通會(huì)員等； 類型(type) ，e.g. 登陸設(shè)備類型、操作系統(tǒng)類型、登陸賬號(hào)類型、會(huì)員類型等； 標(biāo)記(stamp) ，e.g. 注冊(cè)標(biāo)記(日期、來(lái)源的渠道、活動(dòng)等)，“首次”標(biāo)記(首單日期、金額)，“上次”標(biāo)記，“最”大(小)標(biāo)記等；
獨(dú)立于產(chǎn)品的屬性，這些用戶屬性不以產(chǎn)品的不同而轉(zhuǎn)移；
作為“自然”人，具有種族、性別、年齡、婚育、所在地等特征； 作為“社會(huì)”人，則和用戶在社會(huì)生活中扮演的角色有關(guān)，e.g.教育(專業(yè)、學(xué)歷等)、職業(yè)(行業(yè)、職位、收入、工作年限等)、家庭(人口、資產(chǎn)、住房等)、興趣愛(ài)好等；
用戶行為
對(duì)于用戶的行為，需要關(guān)注如下方面：
有業(yè)務(wù)價(jià)值的行為，包括有直接價(jià)值(帶來(lái)收入)的行為(頁(yè)面瀏覽、付費(fèi)交易等)，也包括有潛在價(jià)值的行為，e.g. 注冊(cè)、登陸、瀏覽、發(fā)表、點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等，作為“輔助”，這些行為不一定能直接帶來(lái)收入，但是可能拼成“藏寶圖”，通過(guò)對(duì)這些行為的分析能發(fā)現(xiàn)潛在價(jià)值高、成長(zhǎng)空間大的用戶。另外，需要注意的是，不同的業(yè)務(wù)形態(tài)，關(guān)注的用戶行為是有較大差異的。 用戶行為的質(zhì)量，比如那些行為指標(biāo)數(shù)值越大越好(e.g.頁(yè)面訪問(wèn)深度、停留時(shí)長(zhǎng)、轉(zhuǎn)化率等)，或者反之越小越好的(e.g.頁(yè)面跳出、訪問(wèn)時(shí)間間隔)，此外，在某些業(yè)務(wù)場(chǎng)景下，用戶有較好的行為周期也是行為質(zhì)量高的表現(xiàn)，e.g.每天訪問(wèn)app，每隔一段時(shí)間就到平臺(tái)上來(lái)買米面糧油等； 用戶行為的偏好，這里是指業(yè)務(wù)上的行為，用戶可以在產(chǎn)品定義的范圍內(nèi)執(zhí)行的行為可以看做一個(gè)集合，每個(gè)特定的行為相當(dāng)于其中的元素，不同用戶的行為偏好會(huì)有差異e.g. 讀到好文章，有的用戶傾向“點(diǎn)贊”，有的用戶則是“收藏”或“轉(zhuǎn)發(fā)”； 行為對(duì)象的偏好，“行為對(duì)象”就是用戶行為的指向物，比如購(gòu)買的商品(包括商品的品類、品牌、價(jià)格、優(yōu)惠等)、瀏覽的內(nèi)容(包括類型、風(fēng)格、作者、排版等)，e.g. 我買書的時(shí)候基本只看當(dāng)當(dāng)或京東，日用百貨就去京東，購(gòu)買服飾類就去唯品會(huì)；e.g. 大家都在同一平臺(tái)上看視頻，有的用戶主要看電影、有的是看動(dòng)漫，其他一些用戶則是來(lái)追電視劇; 用戶行為的變化，e.g. 曾經(jīng)買買買，如今則只逛不買，用戶行為的變化和業(yè)務(wù)指標(biāo)的波動(dòng)高度關(guān)聯(lián)，指標(biāo)波動(dòng)歸因是數(shù)據(jù)分析任務(wù)中的常見(jiàn)場(chǎng)景，所以做好對(duì)用戶行為變化的監(jiān)控，是非?；A(chǔ)的工作。用戶行為的變化分可以按空間和時(shí)間上去劃分： 空間上關(guān)注具體的用戶群以及業(yè)務(wù)場(chǎng)景； 時(shí)間上則關(guān)注用戶群體行為變化的時(shí)間點(diǎn)，看是“臨時(shí)突變”，還是“持續(xù)變化”； 行為背后的認(rèn)知，可能除了用戶調(diào)研、產(chǎn)品反饋、客服投訴這3類渠道外，用戶很難親口說(shuō)出自己的需求，大部分時(shí)候需要從用戶的行為數(shù)據(jù)中去揭示更深層的用戶認(rèn)知。e.g. 品牌忠誠(chéng)、價(jià)格敏感、容易投訴、沖動(dòng)消費(fèi)。
用戶價(jià)值
用戶價(jià)值的高低和用戶屬性以及用戶行為都有高度的關(guān)聯(lián)，所以對(duì)用戶的價(jià)值的評(píng)估可以看做是多個(gè)維度的綜合指標(biāo)。
用戶價(jià)值的考量基礎(chǔ)是這個(gè)用戶能為平臺(tái)帶來(lái)多大收益(潛在收益)，換句話說(shuō)我們能通過(guò)這個(gè)用戶獲得多少收入。
對(duì)于用戶帶來(lái)的收入而言包含以下含義：
對(duì)于每個(gè)用戶而言，從對(duì)方進(jìn)入平臺(tái)到流失這個(gè)過(guò)程獲得收入的期望值是多少，這個(gè)值也就是用戶生命周期價(jià)值(Customer Lifetime Value, CLV)； 考量用戶價(jià)值時(shí)，除了其潛在的收入有多少外，還會(huì)考慮獲得收入的可能性，也就是“從哪些用戶那里更容易獲得收入(或者獲得收入的概率更高)”； 通過(guò)用戶獲得的收入不一定是用戶付費(fèi)，要看具體的商業(yè)模式，對(duì)于很大一部分產(chǎn)品而言，廣告才是收入的大頭，除了向用戶兜售商品、服務(wù)或功能外，用戶的注意力也可以被賣錢；
生命周期
用戶的生命周期是理論上的一個(gè)從新客到老客再到過(guò)客的完整流程。
用戶生命周期的劃分需要注意的是：
處于不同生命周期在用戶行為上會(huì)有什么表現(xiàn)？ 生命周期在不同的用戶身上表現(xiàn)是有差異的，有的用戶在平臺(tái)待的時(shí)間可能很長(zhǎng)，有的就比較短，有的用戶并沒(méi)有經(jīng)歷完整的生命周期就流失掉了。
其他補(bǔ)充
如何選擇維度？
首先要看你要解決的問(wèn)題是什么？或者你的業(yè)務(wù)目標(biāo)是什么？ 選擇的維度要和業(yè)務(wù)目標(biāo)高度關(guān)聯(lián)； 維度不一定要很多，達(dá)到一定的效度就可以，太復(fù)雜反而不利于操作；
分群的注意事項(xiàng)
厘清分群的目的 可以是簡(jiǎn)單地對(duì)用戶特征進(jìn)行描述，以便于了解用戶； 可以是對(duì)用戶的價(jià)值判斷然后分群排序(分層)，便于資源的傾斜和分配，e.g.有人吐槽“RFM模型”沒(méi)啥價(jià)值，這個(gè)模型用來(lái)確定群體優(yōu)先級(jí)還是很好用的，此外，如果跨時(shí)間周期對(duì)比RFM矩陣中的變化，也可以檢查業(yè)務(wù)是否健康； 也可以是基于產(chǎn)品、運(yùn)營(yíng)活動(dòng)的前提，要對(duì)不同的用戶群進(jìn)行不同的操作，那么分群應(yīng)該能指明操作的方向，比如促銷選擇那些人群？如何配置優(yōu)惠力度？選擇哪些商品？等等 既然是分組，就要保證組間的差異足夠顯著，這個(gè)涉及到分組的規(guī)則，要看具體業(yè)務(wù)場(chǎng)景。