今天我們要聊的內(nèi)容——「用戶(hù)分層模型」，閑話少說(shuō)，一起看看吧。
《笑傲江湖》里面，令狐沖說(shuō)道：“我要退出江湖，從此不問(wèn)江湖之事。” 任我行接著說(shuō)了這么一句話：“你怎么退，這個(gè)世界有人的地方就有江湖。” 好一句“有人在的地方就是江湖”。
江湖有流派，更有三六九等，其實(shí)在一個(gè)產(chǎn)品運(yùn)營(yíng)生態(tài)中用戶(hù)也有三、六、九等。這話怎么說(shuō)？
江湖流派的三六九等有其等級(jí)分法，產(chǎn)品中的用戶(hù)同樣是要有區(qū)別用戶(hù)等級(jí)的方法，或者說(shuō)尺度。
有些讀者可能會(huì)說(shuō)，用戶(hù)分層這不就是老生常談嗎？可以簡(jiǎn)單粗暴地利用用戶(hù)畫(huà)像加以區(qū)分，想做更精細(xì)的也可以用“用戶(hù)生命周期/RFM用戶(hù)關(guān)鍵行為”方法區(qū)分，相信很多讀者都已經(jīng)看過(guò)相關(guān)的解釋或者案例分析。
筆者認(rèn)為要將用戶(hù)分層運(yùn)營(yíng)做得更精細(xì)，僅僅是采用用戶(hù)生命周期或者RFM用戶(hù)關(guān)鍵行為是不夠好的。
由于筆者之前是負(fù)責(zé)互聯(lián)網(wǎng)金融投資理財(cái)類(lèi)產(chǎn)品運(yùn)營(yíng)，接下來(lái)筆者會(huì)以投資理財(cái)產(chǎn)品跟大家聊聊用戶(hù)分層的方法論。（一個(gè)思維模型，思維模型指人憑借外部活動(dòng)逐步建立起來(lái)并不斷完善著的基本的概念框架、概念網(wǎng)絡(luò)。）
首先大家要明確做用戶(hù)分層的目的和意義是什么？
或者你很早就聽(tīng)說(shuō)“分層運(yùn)營(yíng)”或者“精細(xì)化運(yùn)營(yíng)”這個(gè)詞語(yǔ)，可能也聽(tīng)到不同的方法論，但“聽(tīng)到”距離“做到”還有很長(zhǎng)的一段距離。
那么我們?yōu)樯兑芯坑脩?hù)，為啥要將用戶(hù)分層？
其實(shí)就像上面所說(shuō)用戶(hù)也有5個(gè)生命周期，一個(gè)運(yùn)營(yíng)策略往往是不能夠滿(mǎn)足所有生命周期的用戶(hù)需求。
舉個(gè)簡(jiǎn)單的例子：一般線上的商品其實(shí)都不止一個(gè)價(jià)格，聰明的人會(huì)領(lǐng)取店鋪的優(yōu)惠卡、或者打折券才會(huì)死心塌地的決定買(mǎi)買(mǎi)買(mǎi)；而有些人根本不care優(yōu)惠多少，照樣原價(jià)購(gòu)買(mǎi)。其實(shí)這里還用到經(jīng)濟(jì)學(xué)中的“價(jià)格歧視”策略，目的是同一件商品滿(mǎn)足了不同支付能力的用戶(hù)，最終的結(jié)果是GMV的最大化。
同樣，以用戶(hù)精細(xì)化分層為基礎(chǔ)，將運(yùn)營(yíng)手段專(zhuān)業(yè)化、模塊化，甚至半自動(dòng)化執(zhí)行，而從本質(zhì)上提升運(yùn)營(yíng)工作效率，最終提升產(chǎn)品整體創(chuàng)收。
在用戶(hù)分層運(yùn)營(yíng)模型中，RFM模型早已被廣泛深入運(yùn)用在互聯(lián)網(wǎng)公司里，它主要運(yùn)用三個(gè)維度來(lái)區(qū)分用戶(hù)，分別是：
R（Recency）：離某個(gè)時(shí)間點(diǎn)最近的一次消費(fèi)，為「近度」維度；
F（Frequency）：一段時(shí)間內(nèi)的消費(fèi)頻次，為「頻度」維度；
M（Monetary）：對(duì)應(yīng)這段時(shí)間內(nèi)的消費(fèi)金額，為「額度」維度。
但這并不一定適合每一個(gè)產(chǎn)品，也不能最大限度地提升運(yùn)營(yíng)效率以及產(chǎn)品創(chuàng)收。
接下來(lái)筆者以互聯(lián)網(wǎng)理財(cái)產(chǎn)品為例，結(jié)合用戶(hù)成長(zhǎng)周期、用戶(hù)年齡段、RF值三個(gè)維度的不同階段的貢獻(xiàn)值進(jìn)行賦值（1-5分），從而進(jìn)行建模。
不變量：用戶(hù)年齡段 （綜合運(yùn)營(yíng)效率、建模復(fù)雜程度等因素，選取年齡段為不變量）
變量1：用戶(hù)成長(zhǎng)周期（用戶(hù)成長(zhǎng)周期的不同，對(duì)運(yùn)營(yíng)戰(zhàn)術(shù)的考驗(yàn)關(guān)聯(lián)較大）
變量2：RF值（基于RFM模型，M值即投資金額，綜合用戶(hù)投資數(shù)據(jù)發(fā)現(xiàn)，M值跟用戶(hù)的年齡段基本呈正比例關(guān)系，故其衡量的維度放在了年齡段）
下面給大家分享賦值過(guò)程。
如果根據(jù)年齡為不變量，那么可以得出一下5組20個(gè)用戶(hù)層級(jí)
這樣便可以區(qū)分每個(gè)年齡段的“流失、被動(dòng)、疲軟、進(jìn)步、高價(jià)值”5種不同類(lèi)型的用戶(hù)，理論上能夠助力運(yùn)營(yíng)者實(shí)現(xiàn)更精準(zhǔn)地施展運(yùn)營(yíng)戰(zhàn)術(shù)。
那么，如果根據(jù)年齡段、用戶(hù)生命周期、RF值都作變量，那可能會(huì)得出什么樣的結(jié)果？
根據(jù)年齡段、成長(zhǎng)周期、RF值三個(gè)作為變量，得出以下5組44個(gè)用戶(hù)層級(jí)
綜上所述，我們根據(jù)年齡段、用戶(hù)生命周期、RF值這三個(gè)維度進(jìn)行賦值，然后變換變量得出的A、B兩種用戶(hù)分層模型。
到這兒，我們得出了貢獻(xiàn)程度高低的“流失、被動(dòng)、疲軟、進(jìn)步、活躍”5種類(lèi)型的用戶(hù)，理論上能助力運(yùn)營(yíng)者更加直觀地更精準(zhǔn)對(duì)不同類(lèi)型的用戶(hù)制定不同運(yùn)營(yíng)戰(zhàn)術(shù)。
筆者認(rèn)為，一個(gè)好的用戶(hù)分層運(yùn)營(yíng)機(jī)制應(yīng)該是自定義的，既可以根據(jù)用戶(hù)的單一特性進(jìn)行運(yùn)營(yíng)，又可以多維度的自定義選擇多個(gè)變量進(jìn)行運(yùn)營(yíng)。
好啦，關(guān)于用戶(hù)群的一種分層方法論就嘮嗑到這兒。（有木有腦子缺氧的感覺(jué)～）這是基于運(yùn)營(yíng)的角度結(jié)合用戶(hù)與產(chǎn)品之間的關(guān)系得出的用戶(hù)分層研究理論，這種基于行為數(shù)據(jù)的用戶(hù)分層模型，后臺(tái)的數(shù)據(jù)怎么跑，怎么根據(jù)用戶(hù)類(lèi)型貼上用戶(hù)標(biāo)簽，甚至說(shuō)怎么根據(jù)用戶(hù)標(biāo)簽去將運(yùn)營(yíng)戰(zhàn)術(shù)模塊化，半自動(dòng)化等等就先不在這里討論。
或許還有很多不嚴(yán)謹(jǐn)?shù)牡胤?，?quán)當(dāng)給大家提供一種思路也好。
以用戶(hù)畫(huà)像為基礎(chǔ)，從人群細(xì)分、用戶(hù)觸達(dá)再到運(yùn)營(yíng)決策以及后面效果分析的鏈路閉環(huán)中，運(yùn)營(yíng)圈內(nèi)通過(guò)數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)及決策支持已成為共識(shí)。
而在數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)方面，用戶(hù)分層只是數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)的一個(gè)縮影，一個(gè)基點(diǎn)。筆者相信，在逐步成熟的大數(shù)據(jù)發(fā)展環(huán)境下，數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)將會(huì)全景展示用戶(hù)的發(fā)展軌跡與階段特征，能夠獲得更快速和精準(zhǔn)的結(jié)果，能夠有效地幫助企業(yè)最大限度挖掘用戶(hù)價(jià)值，驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)，實(shí)現(xiàn)企業(yè)的精益成長(zhǎng)。
