今天我們(men)要聊的內容——「用戶分層模型」，閑話少說，一起看看吧。
《笑傲江湖(hu)》里(li)面(mian)，令(ling)狐沖(chong)說道(dao)：“我要退出江湖(hu)，從此不(bu)問江湖(hu)之事。” 任我行(xing)接著(zhu)說了這么一(yi)句(ju)話：“你(ni)怎么退，這個世界有人(ren)的地方就(jiu)有江湖(hu)。” 好一(yi)句(ju)“有人(ren)在的地方就(jiu)是(shi)江湖(hu)”。
江湖有流(liu)派(pai)，更有三六九等(deng)，其實在一個(ge)產(chan)品運營生態中用戶也有三、六、九等(deng)。這話怎么說？
江湖流(liu)派(pai)的三(san)六九等有其等級(ji)分(fen)法，產品中的用(yong)戶同樣是要有區別用(yong)戶等級(ji)的方法，或者(zhe)說(shuo)尺度(du)。
有些讀者(zhe)可能會說，用戶分層(ceng)這不就是老生常談(tan)嗎？可以簡單(dan)粗暴地利用用戶畫像加以區分，想做更(geng)精細的(de)也可以用“用戶生命周期/RFM用戶關(guan)(guan)鍵行為(wei)”方(fang)法(fa)區分，相信很多讀者(zhe)都已經(jing)看過(guo)相關(guan)(guan)的(de)解(jie)釋或者(zhe)案(an)例分析。
筆者認為要將用(yong)(yong)戶(hu)分層運營做得更精細，僅(jin)僅(jin)是(shi)采用(yong)(yong)用(yong)(yong)戶(hu)生命周期或者RFM用(yong)(yong)戶(hu)關(guan)鍵行為是(shi)不夠好的。
由于筆者(zhe)之前是負(fu)責互聯網金融投資(zi)理(li)(li)財類產(chan)品(pin)運(yun)營，接下來筆者(zhe)會以投資(zi)理(li)(li)財產(chan)品(pin)跟大(da)家聊聊用戶分層的方法論。（一個思維(wei)模型，思維(wei)模型指人(ren)憑借外(wai)部活動(dong)逐步建立起來并不(bu)斷完(wan)善著的基本的概念框架、概念網絡(luo)。）
首先大家要明確做用戶分層(ceng)的目的和(he)意義是(shi)什(shen)么？
或者你很(hen)早就聽(ting)(ting)(ting)說“分層運營”或者“精細化運營”這個詞語(yu)，可能也聽(ting)(ting)(ting)到不同的方法論(lun)，但“聽(ting)(ting)(ting)到”距離(li)“做到”還有很(hen)長(chang)的一(yi)段(duan)距離(li)。
那(nei)么我(wo)們為啥(sha)要(yao)研究(jiu)用(yong)戶(hu)，為啥(sha)要(yao)將用(yong)戶(hu)分(fen)層(ceng)？
其實(shi)就像(xiang)上面所說用(yong)戶(hu)也有(you)5個生命周期(qi)，一個運(yun)營策(ce)略(lve)往往是不能夠滿足所有(you)生命周期(qi)的用(yong)戶(hu)需(xu)求。
舉個簡單的(de)例子：一般線上的(de)商品(pin)(pin)其實(shi)都不止一個價(jia)格，聰明的(de)人會領(ling)取店(dian)鋪的(de)優(you)惠卡、或者(zhe)打折券(quan)才會死心塌(ta)地的(de)決(jue)定買(mai)買(mai)買(mai)；而(er)有些(xie)人根本不care優(you)惠多少，照樣原價(jia)購買(mai)。其實(shi)這里(li)還(huan)用到(dao)經(jing)濟學中(zhong)的(de)“價(jia)格歧視(shi)”策略，目的(de)是同一件商品(pin)(pin)滿足了不同支(zhi)付能(neng)力的(de)用戶，最終的(de)結果是GMV的(de)最大化。
同樣，以用戶精細化(hua)分層(ceng)為基礎，將運(yun)營手段專業(ye)化(hua)、模(mo)塊化(hua)，甚(shen)至半自動化(hua)執(zhi)行，而從(cong)本質上提(ti)升運(yun)營工作效(xiao)率，最終提(ti)升產品整體(ti)創(chuang)收。
在用(yong)(yong)戶分(fen)(fen)層運營模型中，RFM模型早已被廣泛(fan)深入運用(yong)(yong)在互聯網公司里，它(ta)主要運用(yong)(yong)三(san)個維度(du)來(lai)區分(fen)(fen)用(yong)(yong)戶，分(fen)(fen)別(bie)是：
R（Recency）：離某個時間(jian)點最近(jin)的一次消(xiao)費(fei)，為「近(jin)度」維度；
F（Frequency）：一段時(shi)間(jian)內的消費頻(pin)次，為「頻(pin)度」維(wei)度；
M（Monetary）：對應這(zhe)段時間內的消(xiao)費金額，為「額度」維(wei)度。
但這并不(bu)一定適(shi)合每一個產品(pin)(pin)，也不(bu)能最大限度地提升運(yun)營(ying)效率以及產品(pin)(pin)創收。
接下來筆者以互聯網(wang)理財產品(pin)為(wei)例，結合用(yong)戶成長周期(qi)、用(yong)戶年齡段、RF值(zhi)(zhi)三(san)個維度的不同階段的貢獻值(zhi)(zhi)進(jin)行(xing)賦(fu)值(zhi)(zhi)（1-5分），從而進(jin)行(xing)建模。
不(bu)變(bian)量：用戶年(nian)齡(ling)段 （綜合運營效率、建模復雜程度等因(yin)素，選取年(nian)齡(ling)段為不(bu)變(bian)量）
變(bian)量1：用戶(hu)成長(chang)周期（用戶(hu)成長(chang)周期的不同，對(dui)運營戰術的考驗關聯較大）
變量2：RF值（基于(yu)RFM模(mo)型，M值即投資金額(e)，綜(zong)合用(yong)戶投資數據發現，M值跟用(yong)戶的(de)年齡段基本(ben)呈正比例關系，故其衡量的(de)維(wei)度放在(zai)了年齡段）
下面(mian)給大家分享賦值過程。
如果根(gen)據年齡為(wei)不(bu)變(bian)量，那么可以得(de)出(chu)一下(xia)5組20個(ge)用戶層級
這(zhe)樣便可以(yi)區分每個年齡段的(de)“流(liu)失(shi)、被動、疲軟、進步(bu)、高價(jia)值”5種(zhong)不同類(lei)型的(de)用戶，理論(lun)上能夠(gou)助力運營(ying)者實現更精準地(di)施展運營(ying)戰術(shu)。
那么，如果(guo)根據(ju)年齡段、用(yong)戶生(sheng)命周期(qi)、RF值都作變量，那可能(neng)會得出什(shen)么樣的結果(guo)？
根據年齡段(duan)、成(cheng)長(chang)周(zhou)期(qi)、RF值三個作為變量(liang)，得出以下5組(zu)44個用戶層級
綜上所述，我們根(gen)據年齡段、用戶生命周(zhou)期、RF值(zhi)(zhi)這三個維度(du)進行賦值(zhi)(zhi)，然后變換變量得出的A、B兩種用戶分層模型。
到這兒，我(wo)們得出了貢獻(xian)程度(du)高低(di)的(de)(de)“流失、被動、疲(pi)軟、進步、活躍”5種類型(xing)的(de)(de)用(yong)戶，理(li)論(lun)上(shang)能(neng)助(zhu)力運營者(zhe)更加直觀(guan)地更精準對(dui)不(bu)同類型(xing)的(de)(de)用(yong)戶制(zhi)定不(bu)同運營戰術。
筆者認為，一(yi)個(ge)好的(de)(de)(de)用戶(hu)分(fen)層(ceng)運營(ying)(ying)機制應該是自定義的(de)(de)(de)，既可以(yi)根據用戶(hu)的(de)(de)(de)單一(yi)特性進(jin)行運營(ying)(ying)，又可以(yi)多(duo)維度的(de)(de)(de)自定義選(xuan)擇多(duo)個(ge)變量進(jin)行運營(ying)(ying)。
好(hao)啦(la)，關(guan)于用(yong)(yong)戶(hu)群的(de)一(yi)種分(fen)層方法論(lun)(lun)就(jiu)嘮嗑(ke)到這(zhe)(zhe)兒。（有木有腦(nao)子缺氧的(de)感覺(jue)～）這(zhe)(zhe)是(shi)基(ji)于運(yun)(yun)營(ying)的(de)角度結合用(yong)(yong)戶(hu)與產品之間的(de)關(guan)系得出的(de)用(yong)(yong)戶(hu)分(fen)層研(yan)究(jiu)理(li)論(lun)(lun)，這(zhe)(zhe)種基(ji)于行(xing)為數據的(de)用(yong)(yong)戶(hu)分(fen)層模(mo)型，后(hou)臺的(de)數據怎么(me)(me)跑，怎么(me)(me)根據用(yong)(yong)戶(hu)類型貼上用(yong)(yong)戶(hu)標簽，甚至說怎么(me)(me)根據用(yong)(yong)戶(hu)標簽去將運(yun)(yun)營(ying)戰(zhan)術模(mo)塊(kuai)化，半(ban)自動化等等就(jiu)先不在這(zhe)(zhe)里(li)討論(lun)(lun)。
或許還有很(hen)多不嚴謹的地方(fang)，權當給大(da)家提供一(yi)種思路也好。
以用(yong)戶畫像為(wei)(wei)基(ji)礎，從人群(qun)細(xi)分、用(yong)戶觸(chu)達(da)再到運(yun)營決策以及(ji)后(hou)面效果分析的(de)鏈(lian)路(lu)閉環中(zhong)，運(yun)營圈內(nei)通過(guo)數(shu)據驅動運(yun)營及(ji)決策支持已成(cheng)為(wei)(wei)共識。
而在數(shu)據(ju)驅動運(yun)營(ying)(ying)方(fang)面，用(yong)(yong)戶分層只是數(shu)據(ju)驅動運(yun)營(ying)(ying)的一個縮影(ying)，一個基點。筆者相信，在逐步成(cheng)熟的大數(shu)據(ju)發展環境下，數(shu)據(ju)驅動運(yun)營(ying)(ying)將會全景展示用(yong)(yong)戶的發展軌跡與階段(duan)特征(zheng)，能夠獲(huo)得(de)更快(kuai)速(su)和精準(zhun)的結果，能夠有效(xiao)地(di)幫(bang)助企業(ye)最大限度(du)挖掘(jue)用(yong)(yong)戶價值，驅動業(ye)務增(zeng)長(chang)，實現企業(ye)的精益成(cheng)長(chang)。
