當(dāng)一款互聯(lián)網(wǎng)產(chǎn)品用戶量比較大的時候，一般都會對用戶進(jìn)行分層，以便更好的根據(jù)用戶特征精細(xì)化運(yùn)營。本文作者介紹了4種用戶分層的方法，供大家參考和學(xué)習(xí)。

為什么幾乎所有的互聯(lián)網(wǎng)產(chǎn)品，當(dāng)用戶量比較大的時候，都會進(jìn)行用戶分層？

主要是因?yàn)椋?strong>用戶量大的時候，千人千面的個性化需求和普適的運(yùn)營策略的矛盾就會成為當(dāng)前產(chǎn)品的主要矛盾。用戶特征的差異導(dǎo)致了用戶個性化訴求，也催生了精細(xì)化運(yùn)營的需求。

一談到用戶分層，大家的腦海中可能會浮現(xiàn)出這些詞匯：核心用戶，種子用戶，氪金用戶，白嫖用戶，活躍用戶，流失用戶，內(nèi)容創(chuàng)作用戶及內(nèi)容消費(fèi)用戶。

例如，抖音的用戶，就可以粗略劃分為內(nèi)容創(chuàng)作者和內(nèi)容消費(fèi)者，當(dāng)然這兩者還可以繼續(xù)細(xì)分。

產(chǎn)品最核心的利益訴求是盈利，這個利不管是金錢還是流量，都需要進(jìn)行用戶分層，對不同層級的用戶采用不同的運(yùn)營策略，進(jìn)行精細(xì)化運(yùn)營，才能達(dá)到運(yùn)營資源的最大化利用和產(chǎn)品效益的最大化。

用戶分層的本質(zhì)是一種以用戶特征、用戶行為等為中心對用戶進(jìn)行細(xì)分的精細(xì)化運(yùn)營的手段。

下面來分別介紹下4種常見的用戶分層的方法。

一、用戶價值區(qū)隔分層

用戶價值區(qū)隔分層，又分為兩個維度：第一，依靠用戶生命周期定義對用戶進(jìn)行價值區(qū)隔；第二，依靠用戶關(guān)鍵行為對用戶進(jìn)行價值區(qū)隔。

用戶生命周期定義必然與用戶價值成長路徑有關(guān)。不同類型的產(chǎn)品有不同的價值成長路徑。按照產(chǎn)品是否付費(fèi)及產(chǎn)品的使用頻率，可以將不同產(chǎn)品的價值成長路徑劃分為四個象限：

用戶生命周期模型大家應(yīng)該都不陌生，一般用戶的生命周期會分為5個階段，當(dāng)然不是說每個用戶都會經(jīng)歷完整的生命周期，這只是一個一般模型。

（1）導(dǎo)入期：用戶注冊后，剛剛上手，對產(chǎn)品還不熟悉，對產(chǎn)品能帶來什么價值也還不熟悉。在數(shù)據(jù)上的定義是，剛剛注冊，尚未體驗(yàn)核心功能流程（核心功能流程需要事先定義并埋點(diǎn)做統(tǒng)計(jì)）

（2）成長期：對產(chǎn)品有了一定的了解，對產(chǎn)品提供的用戶價值比較認(rèn)可，已經(jīng)建立起了初步的使用習(xí)慣，會定期使用產(chǎn)品。在數(shù)據(jù)上的定義是，已經(jīng)體驗(yàn)過核心功能流程，使用頻率和使用時長大于或等于定義的最小閾值，例如，每周登錄三次，每次使用時長10分鐘。

（3）成熟期：對產(chǎn)品已經(jīng)形成了高度的使用依賴和習(xí)慣，使用頻率和使用時長顯著高，能夠貢獻(xiàn)較高的價值。數(shù)據(jù)上的定位為，使用頻率，使用時長大于或等于某個閾值（根據(jù)產(chǎn)品來定），或者付費(fèi)頻率和價值達(dá)到一定閾值

（4）休眠期：曾經(jīng)是成熟期用戶，但是現(xiàn)在已經(jīng)不再訪問或使用產(chǎn)品，或者訪問頻次越來越低。數(shù)據(jù)上的定義為，超過10天（具體情況具體分析）未使用產(chǎn)品。

（5）流失期：已經(jīng)長時間不登錄產(chǎn)品，甚至已經(jīng)卸載產(chǎn)品的用戶。數(shù)據(jù)上的定義為，超過30天（自定義）未使用產(chǎn)品的用戶。

另一種，用戶價值區(qū)隔分層的方法是根據(jù)用戶的關(guān)鍵行為來進(jìn)行劃分。最典型且常用的方法是RFM方法。RFM分別代表用戶三種關(guān)鍵行為：

1. R（Recency），距離最近一次交易
2. F（Frequency），交易頻次
3. M（Monetary），交易金額

通過RFM方法可以將用戶分成8大類型

（圖片不太高清，湊合著看哈）

我們需要對每個用戶分析他的RFM值，然后確定用戶的類型。使用RFM方法進(jìn)行分層主要分為以下步驟：

抓取數(shù)據(jù)，只需要定好RFM三個維度的抓取原則，然后麻煩開發(fā)小哥或者數(shù)據(jù)分析師小姐姐就可以了。

定義RFM三個維度的中值，一般有三個常見的方法：

1. 所有數(shù)據(jù)的平均值或中值
2. 基于一個業(yè)務(wù)節(jié)點(diǎn)的重要值，例如投資理財(cái)類的R值，一般是1個月，因?yàn)榘l(fā)工資才有錢投資
3. 以二八法則進(jìn)行推算，80%的用戶集中在低頻低金額區(qū)間，20%的用戶集中在高頻高金額區(qū)間
4. Means聚類算法，這個如果數(shù)據(jù)分析師小姐姐懂得話，就最好了

后面如何進(jìn)行數(shù)據(jù)分析的方法，在這里就不細(xì)說了，在網(wǎng)上有很多教大家使用RFM的文章。

RFM方法的核心邏輯是找出影響用戶價值高低的關(guān)鍵行為，然后進(jìn)行交叉分析和用戶劃分。所以RFM模型并不一定就是上述的含義，在不同領(lǐng)域可以是不同的定義。例如：

1. 金融領(lǐng)域，R代表最近一次投資的時間，F(xiàn)代表投資頻率，M代表投資金額；
2. 直播領(lǐng)域，R代表最近一次觀看直播的時間，F(xiàn)代表觀看頻次，M代表觀看總時長；
3. 游戲領(lǐng)域，R代表最近一次玩游戲的時間，F(xiàn)代表游戲頻次，M代表游戲時長。還可以定義為，R代表最近一次游戲充值的時間，F(xiàn)代表充值頻率，M代表充值金額。

RFM只是代表一種分層的思維方式，任何產(chǎn)品，我們都可以定義影響用戶的關(guān)鍵行為，然后定義出這些行為的指標(biāo)，再對這些指標(biāo)進(jìn)行交叉分析，來完成對用戶的分層。

二、AARRR模型分層

聽說過增長黑客的同學(xué)，對這個模型肯定不陌生。AARRR模型不僅可以用來做增長，也可以用來做用戶分層。

1. 獲取用戶：下載未注冊，或完成注冊但無進(jìn)一步行為。這一階段要關(guān)注不同渠道的注冊轉(zhuǎn)化率，優(yōu)化渠道資源投放。
2. 提高活躍度：已注冊，但是未完成產(chǎn)品的核心流程體驗(yàn)。這一階段需要加強(qiáng)引導(dǎo)用戶完成核心流程。
3. 提高留存率：體驗(yàn)了核心流程，但是持續(xù)留存時長不高。針對留存問題進(jìn)行分析，然后給出具體的運(yùn)營策略。
4. 病毒式傳播：活躍頻次超過一定閾值的用戶。通過工具優(yōu)化，刺激用戶進(jìn)行傳播
5. 獲取收入：活躍度和留存時長超過一定閾值的用戶，針對特定用戶，結(jié)合特定的場景加強(qiáng)對于付費(fèi)的引導(dǎo)

AARRR是一個比較粗略的用戶分層模型，適用于產(chǎn)品比較初級的階段，這個階段用戶量說大不大，說小不小，且公司的數(shù)據(jù)體系可能尚未搭建起來的階段。

三、用戶身份區(qū)隔分層

一說到用戶身份，大家第一時間聯(lián)想到的詞，是不是KOL。在內(nèi)容社區(qū)，用戶的身份一般都會至少分為KOL和普通用戶兩種，對于這兩種用戶，運(yùn)營的策略肯定不同。

只有當(dāng)產(chǎn)品所在的領(lǐng)域中，用戶的行為特征和訴求差異較大時，使用身份區(qū)隔的方式進(jìn)行分層就會比較合適。例如，微博，至少就能分為：明星用戶，KOL用戶，活躍用戶和普通用戶。

如何梳理產(chǎn)品的用戶身份區(qū)隔模型？問自己三個問題：

1. 用戶之間是否存在關(guān)系？
2. 某類用戶是否會因貢獻(xiàn)的內(nèi)容，稀缺性而產(chǎn)生用戶階層
3. 用戶之間是否可以在自然狀態(tài)下實(shí)現(xiàn)階層的進(jìn)階。

如果用戶之間不存在關(guān)系，那么不適用身份區(qū)隔分層模型。

如果存在關(guān)系，并且會因?yàn)樨暙I(xiàn)內(nèi)容或稀缺性產(chǎn)生用戶階層，那么就根據(jù)貢獻(xiàn)度或稀缺性搭建用戶分層模型。

如果不同階層的用戶可以自然進(jìn)階，那么就根據(jù)進(jìn)階的階層搭建用戶分層模型。

四、用戶需求區(qū)隔分層

用戶需求區(qū)隔分層，主要分為兩個維度：

1. 用戶自然屬性，主要依賴用戶的基礎(chǔ)數(shù)據(jù)，包括性別，年齡，職業(yè)，收入等；
2. 用戶個性化需求，主要依賴用戶的行為數(shù)據(jù)，個人消費(fèi)偏好，個人場景偏好。

所以，用戶需求區(qū)隔分層，主要就是通過分析用戶是否在這兩個維度上，用戶的需求有明顯的差異，判斷的方法兩種，經(jīng)驗(yàn)洞察和數(shù)據(jù)說話。

在具體操作時，可以使用單個維度進(jìn)行區(qū)分，也可以使用兩個維度進(jìn)行交叉分析。

選擇一個維度進(jìn)行區(qū)分，例如，典型的產(chǎn)品美柚，在用戶不同的狀態(tài)下，備孕，懷孕，辣媽，會推送不同的內(nèi)容。例如，婚介類產(chǎn)品，針對不同年齡層次，不同性別的用戶也會進(jìn)行用戶需求的區(qū)隔分層。

選擇兩個維度進(jìn)行交叉分析，例如購物類產(chǎn)品，就會根據(jù)用戶的性別，年齡和消費(fèi)偏好的屬性，給用戶推送不同的產(chǎn)品。

用戶分層的主要目的是為了后面的用戶精細(xì)化運(yùn)營，最終要實(shí)現(xiàn)的目標(biāo)是以最小的運(yùn)營成本實(shí)現(xiàn)產(chǎn)品收益的最大化。

用戶分層的兩大核心：一是不同層級的用戶可以用明確的數(shù)據(jù)標(biāo)簽，屬性標(biāo)簽定義出來，這樣才能實(shí)現(xiàn)用戶標(biāo)簽自動化；二是不同層級的用戶運(yùn)營的策略是有針對性且穩(wěn)定的。

用戶分層常用的4大方法：

1. 用戶價值區(qū)隔分層，包括用戶生命周期和RFM方法
2. AARRR模型，適用于產(chǎn)品比較初級的階段，是一種簡單粗略的分層方法
3. 用戶身份區(qū)隔分層，適用于產(chǎn)品的用戶有聯(lián)系，并且會因?yàn)樨暙I(xiàn)度或稀缺性而產(chǎn)生明顯的階層區(qū)隔的產(chǎn)品
4. 用戶需求區(qū)隔分層，簡答的說就是用戶在產(chǎn)品的需求是否會因?yàn)橛脩籼卣鞯牟煌煌?/li>

作者：Jarvan

來源：Jarvan