運(yùn)營(yíng)用戶分層和分群

經(jīng)典word整理文檔，僅參考，轉(zhuǎn)Word此處可刪除頁(yè)眉頁(yè)腳。本資料屬于網(wǎng)絡(luò)整理，如有侵權(quán)，請(qǐng)聯(lián)系刪除，謝謝！成的。費(fèi)指標(biāo)。在用戶運(yùn)營(yíng)體系中，有一個(gè)經(jīng)典的框架叫做AARRR，即新增、留存、活躍、傳播、盈利（歷史文章已經(jīng)涉及了）。然而，從用戶活躍到盈利，不是兩個(gè)簡(jiǎn)單的步驟。如果用戶打開(kāi)產(chǎn)品既算活躍，就一定能保證商業(yè)模式盈利？?jī)?yōu)秀的用戶運(yùn)營(yíng)體系，應(yīng)該是動(dòng)態(tài)的演進(jìn)。演進(jìn)是一種金字塔層級(jí)的用戶群體劃分，上下層呈依賴關(guān)系。會(huì)推薦，評(píng)價(jià)，購(gòu)買以及付費(fèi)，也會(huì)注銷、卸載、和流失。從運(yùn)營(yíng)角度看，我們會(huì)引導(dǎo)用戶做我們想要他做的事（這里是付費(fèi)），這件事叫核心目標(biāo)。核心目標(biāo)當(dāng)然不是一蹴而就的，用戶要經(jīng)歷一系列的過(guò)程。把整個(gè)環(huán)節(jié)看作用戶群體的演進(jìn)。上圖就是一個(gè)典型的自下而上的演進(jìn)，概括了用戶群體的理想行為。既然用戶群體是不再是一個(gè)簡(jiǎn)單的整體，運(yùn)營(yíng)們也就無(wú)法一刀切的粗暴運(yùn)營(yíng)了，而是需要根據(jù)不同人群針對(duì)性運(yùn)營(yíng)。這既叫精細(xì)化策略，也叫做用戶分層。它對(duì)運(yùn)營(yíng)們的最大價(jià)值，就是通過(guò)分層使用不同策略。新用戶：我希望他們能下載產(chǎn)品，常用的策略是新用戶福利；下載用戶：我希望他們能使用產(chǎn)品，此時(shí)應(yīng)該用新手引導(dǎo)，讓他熟悉。固化用戶的使用習(xí)慣，并且對(duì)產(chǎn)品內(nèi)容感興趣；???興趣用戶銷和營(yíng)銷手段；??付費(fèi)用戶：這是我的目標(biāo)用戶，我也希望用戶能一直維持這狀態(tài)。則，只有核心群體能貢獻(xiàn)最大的價(jià)值。玩家，聲音甜美。普通玩家可能是萬(wàn)年不變的自動(dòng)回復(fù)。想必大家已經(jīng)了解分層，那么應(yīng)該怎么劃分？人員的經(jīng)驗(yàn)直覺(jué)。RMB時(shí)，應(yīng)該把結(jié)果中包含的上兩層排除，這樣運(yùn)營(yíng)的針對(duì)性才強(qiáng)。接下來(lái)，我們想一下知乎的用戶分層是什么樣的形式？它的核心是大V生產(chǎn)內(nèi)容？還是更多用戶參與Live獲得營(yíng)收？挺難決斷的，其實(shí)很多運(yùn)營(yíng)體系，用戶分層是兩層結(jié)構(gòu)。它以兩個(gè)相輔相成的核心作目標(biāo)，以此形成雙金字塔分層。V，又有消費(fèi)方向的忠實(shí)粉絲，它們代表的是兩類運(yùn)營(yíng)策略：..系關(guān)系，并且鼓勵(lì)生產(chǎn)內(nèi)容。產(chǎn)品的機(jī)制也會(huì)激勵(lì)大V更好的創(chuàng)作和生產(chǎn)。內(nèi)容消費(fèi)方向費(fèi)習(xí)慣。增加Live、值乎、電子書(shū)的曝光，設(shè)計(jì)各類優(yōu)惠券促進(jìn)用戶使用。性循環(huán)：大V創(chuàng)作內(nèi)容，吸引普通人，普通人為內(nèi)容付費(fèi)，大V獲得收益。有賣家。買家的運(yùn)營(yíng)方式已經(jīng)耳熟能詳，賣家呢？開(kāi)店教程、賣家大學(xué)、店鋪裝修、曝光位展示、店鋪后臺(tái)、各類輔助產(chǎn)品運(yùn)營(yíng)同樣需要幫助賣家成長(zhǎng)，于是賣家也可以劃分成普通賣家、高級(jí)賣家、大客戶、超級(jí)金主這些等級(jí)。O2O是不是雙層結(jié)構(gòu)？當(dāng)然是。online是用戶，offline則是各類線下或者服層的思想去運(yùn)營(yíng)。其他還有視頻直播的網(wǎng)紅和群眾，微博的大V和草根，招聘APP的企業(yè)和員工等等?？町a(chǎn)品早期，用戶分層的目標(biāo)是更多的用戶和，后期，會(huì)更貼近商業(yè)方向，這就需要運(yùn)營(yíng)設(shè)立靈活的分層了。的執(zhí)行。用戶運(yùn)營(yíng)體系是否只有用戶分層？不完全是。金，有用戶高頻購(gòu)買，有用戶曾經(jīng)購(gòu)買但是現(xiàn)在不買了，這該怎么細(xì)分？如果繼續(xù)增加層數(shù)，條件會(huì)變得復(fù)雜，也解決不了業(yè)務(wù)需求。高的精細(xì)化需要。怎么理解用戶分群，我們拿下面的案例說(shuō)明。男女性別在以消費(fèi)為核心的產(chǎn)品中會(huì)呈現(xiàn)顯著的區(qū)別，它就是兩個(gè)相異的群體。分男女很正常，但是在工具類的APP中，或許就沒(méi)有必要性了。接下來(lái)是分群的實(shí)際應(yīng)用。RFM模型是客戶管理中的經(jīng)典方法，它用以衡量消費(fèi)用戶的價(jià)值和創(chuàng)利能力，是一個(gè)典型的分群。構(gòu)建消費(fèi)模型。.消費(fèi)金額Monetary80%的收入來(lái)自20%的用戶，該指標(biāo)直接反應(yīng)用戶的對(duì)企業(yè)利潤(rùn)的貢獻(xiàn)。..消費(fèi)頻率Frequency：消費(fèi)頻率是用戶在限定的期間內(nèi)購(gòu)買的次數(shù)，最常購(gòu)買的用戶，忠誠(chéng)度也越高。最近一次消費(fèi)時(shí)間：衡量用戶的流失，消費(fèi)時(shí)間越接近當(dāng)前的1年前消費(fèi)的用戶價(jià)值肯定不如一個(gè)月才消費(fèi)的用戶。標(biāo)形成一個(gè)數(shù)據(jù)立方體：坐標(biāo)系上，三個(gè)坐標(biāo)軸的兩端代表消費(fèi)水平從低到高，用戶會(huì)根據(jù)其消費(fèi)水平，落到坐標(biāo)系內(nèi)。當(dāng)有足夠多的用戶數(shù)據(jù)，我們就能以此劃分大約八個(gè)用戶群體。重要價(jià)值用戶。人員可以專門針對(duì)這一類人群?jiǎn)净?。營(yíng)，還是根據(jù)人群區(qū)別對(duì)待呢？這就是RFMCRM心。RFM模型的主流分群方式有兩種。一種是建立指標(biāo)，以指標(biāo)作為劃分依據(jù)，和用戶分層差不多。低，消費(fèi)多少金額算有價(jià)值，這些都是學(xué)問(wèn)。并且需要不斷修正和改進(jìn)。費(fèi)相關(guān)的數(shù)據(jù)，都會(huì)呈長(zhǎng)尾分布，80%用戶都集中在低頻低金額的區(qū)間，20%的用戶卻又創(chuàng)造了大部分營(yíng)收，這是劃分的難點(diǎn)。分。法叫KMeans聚類算法，核心思想是「物以類聚，人以群分」。我們以網(wǎng)上某公司的數(shù)據(jù)進(jìn)行Python(z-score)處理，并且清洗掉異常極值。0越近。r值因?yàn)槭亲罱淮蜗M(fèi)時(shí)間，所以值越小，說(shuō)明時(shí)間越接近，值越大，說(shuō)明消費(fèi)越久遠(yuǎn)。通過(guò)RFM三個(gè)指標(biāo)（在機(jī)器學(xué)習(xí)中叫做特征），先建立可視化的散點(diǎn)圖。下圖是最近一次收費(fèi)R和收費(fèi)金額M相關(guān)數(shù)據(jù)。既然KMeans算法的核心思想是「物以類聚，人以群分」，它就是以距離作為目標(biāo)函數(shù)。簡(jiǎn)而言之，在距離上越接近的兩個(gè)用戶，其相似的可能性也越大，于是KMeans就把相似的群體找出來(lái)，叫做簇。簇與簇之間的距離越大，用戶群體間越獨(dú)立，這叫群分；簇內(nèi)的距離越緊湊，說(shuō)明用戶們?cè)较嗨?，這叫類聚。通過(guò)圖表說(shuō)話：紅圈標(biāo)出的這些用戶，更有可能相似，屬于同一個(gè)用戶群體。因?yàn)樗麄冊(cè)赗和M這兩個(gè)指標(biāo)上，數(shù)據(jù)接近，都處于消費(fèi)金額較低，且近期有消費(fèi)的人群。分出五類用戶群體，然后看下這些人群是什么樣的。上圖的不同顏色，就是算法計(jì)算出的用戶群體。紅色用戶群體費(fèi)時(shí)間上沒(méi)有明顯區(qū)分，不過(guò)并不久遠(yuǎn)。這些都是產(chǎn)品的爸爸和金主。綠色用戶群體：代表的是有流失傾向的用戶，這些用戶消費(fèi)金額不太多，運(yùn)營(yíng)可以采取適當(dāng)?shù)耐旎夭呗浴???紫色用戶群體他們的價(jià)值，去發(fā)展和培養(yǎng)。青色和藍(lán)色似乎不能明顯區(qū)分。那我們改一下散點(diǎn)圖的維度呢？改用指標(biāo)R和F后，則是另外一種視角。青色用戶群體比藍(lán)色用戶群體有過(guò)更當(dāng)高的消費(fèi)頻率。出相應(yīng)的運(yùn)營(yíng)手段。通過(guò)散點(diǎn)圖矩陣觀察最終的結(jié)果圖片可能清晰度不佳：以上就是RFM模型的內(nèi)容。它能動(dòng)態(tài)的提供用戶的消費(fèi)輪廓，給市場(chǎng)、銷售、產(chǎn)品和運(yùn)營(yíng)人員提供精細(xì)化運(yùn)營(yíng)的依據(jù)。這也是數(shù)據(jù)挖掘在用戶運(yùn)營(yíng)的應(yīng)用之一，大家要了解。怎么劃分群體是一門學(xué)問(wèn)，劃分的群體少了，區(qū)分度不明顯；劃分的多了，則沒(méi)平衡。值。我們可以用RFM模型，試著將思維更開(kāi)闊一下，能不能玩出新花樣？完全可以嘗試。金融：投資金額、投資頻率、最近一次投資時(shí)間；直播：觀看直播時(shí)長(zhǎng)、最近一次觀看時(shí)間、打賞金額；內(nèi)容：評(píng)論次數(shù)、評(píng)論字?jǐn)?shù)、評(píng)論被點(diǎn)贊數(shù)；?????網(wǎng)站：登錄次數(shù)、登錄時(shí)長(zhǎng)、最近一次登錄時(shí)間；游戲：等級(jí)、游戲時(shí)長(zhǎng)、游戲充值金額。的維度呢？也許住宿條件會(huì)更好分群。需要注意的是，群體數(shù)量并不固定