对于用户分层构建运营策略,我们要了解用户分层的三种模型,下文来给大家做详细的介绍。

一、用户分层的三种模型

那么,具体到如何进行用户分层,我们可以根据以下三种模型进行。

1.1 一维用户分层模型

一维用户分层模型,基于一个最核心的维度进行用户分层,以一个维度去设计整个用户分层对应的口径。

核心即是关键事件,围绕关键事件我们一般可以将用户分为五个层次。一维用户分层模型也大多成金字塔、漏斗、或者纺锥体形状。

1.png

——维用户分层模型举例

在一维用户分层模型里,用户从一层到另一层流动的过程一般都是线性的。从潜在用户、到新用户、到活跃用户、然后到成熟用户、再到衰退用户,是线性变化的过程。

但有时会出现一种情况,经过一段时间的数据监测,会发现有一些用户中间没有经历过激活用户阶段,直接迅速从新用户跳转到成熟用户阶段。这时候就需要我们重新审视用户分层的口径是否合适。

例如,我们把新用户定义为完成注册;把激活用户定义为3天内有回访;把成熟用户定义为完成订单笔数大于3笔。这时候我们会发现,有一部分用户在3天内没有回访,但在已经完成了4笔订单。那么这部分用户就会跳过激活用户,直接成为成熟用户。

原因就在于我们选择核心维度时,引入了两个关键的维度,一个是访问,一个是完成订单。这两个关键事件的设定,就会导致用户出现跳层的情况。如果出现跳层,需要我们重新审视口径,选择同一个维度。

1.2 二维用户分层模型

二维用户分层模型基于两个核心维度进行用户分层,最常用的就是四象限模型。

相比一维用户分层模型,二维用户分层模型有一个优势。即分层后的用户会落到不同的象限里,我们就能非常清晰地知道整个运营的重点,即把其他象限的用户往高维度的两个方向迁移。

例如,通过用户购买力和用户渗透力进行用户分层,建立坐标轴,划分为四个象限。运营重点就是把用户往高用户渗透力和高用户购买力的两个方向迁移,到第一象限。

2.png

——二维用户分层模型举例


在这个二维用户分层模型中,我们需要找到衡量用户购买力的指标是什么?衡量用户渗透力的指标又是什么?指标可能是一个,也可能是一组。

这里的核心难点就在于临界值的选取。由于我们定义了两个维度,然后选取了衡量这两个维度的一系列的指标,那指标之间的临界值该如何确定?像用户购买力,我们把它定义为客单价乘以复购的频率。那么当客单价达到什么临界点时,用户就该从第三象限上升到第二象限呢?

这就需要运营团队与数据团队、分析团队紧密配合。利用现有的历史用户数据,通过二八法则、正态分布等统计学方法,不断挖掘两个维度之间迁移的临界点。

临界点的定义也并不是一次性的,而是动态变化的,是需要我们不断测试、验证、和调优的过程。只有各个团队充分配合,我们才能合适地把不同的用户,归类到不同的象限,再针对不同的象限,去制定不同的运营策略。

1.3 三维的用户分层模型

三维用户分层模型基于三个核心维度进行用户分层。相比一维、二维用户分层模型都更复杂一些。最常见就是RFM模型。

例如,根据交易类相关的业务定义RFM模型,我们可以选取三个维度:最近一次消费、消费频率、以及消费金额。不同的业务类型,需要我们举一反三,选取合适的RFM指标。

3.png

通过这三个维度两两交叉,就可以将用户划分为8个分层:重要价值客户、重要发展客户、重要挽留客户、重要保持客户、一般发展客户、一般价值客户、一般挽留客户、一般保持客户。三维用户分层模型将用户分层又逐渐地去做了一些细化。

通过以上三种用户分层模型,就基本能满足我们日常运营工作中的用户分层需求。 

越往后可能还会有四维、五维用户分层模型,但通过人工的方式往往很难处理这么多维度的数据。例如在推荐场景下,可能会选取十几个用户特征制定推荐算法,这时候就更依赖机器学习和数据团队的能力,而不是运营团队所能解决的了。