上期我們一起聊了《拆解用戶生命周期，發(fā)現(xiàn)它與正態(tài)分布曲線之美》，同時(shí)筆者也預(yù)告了今天我們要聊的內(nèi)容——「用戶分層模型」，閑話小說，緊接著我們一起看看吧。

《笑傲江湖》里面，令狐沖說道：“我要退出江湖，從此不問江湖之事?！?/p>

任我行接著說了這么一句話：“你怎么退，這個(gè)世界有人的地方就有江湖?！?/p>

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)中用戶也有三、六、九等，這話怎么說？

江湖流派的三六九等有其等級(jí)分法，產(chǎn)品中的用戶同樣是要有區(qū)別用戶等級(jí)的方法，或者說尺度。

有些讀者可能會(huì)說，用戶分層這不就是老生常談嗎？

可以簡(jiǎn)單粗暴地利用用戶畫像加以區(qū)分，想做更精細(xì)的也可以用“AARRR模型/用戶生命周期/RFM用戶關(guān)鍵行為”方法區(qū)分，相信很多讀者都已經(jīng)看過相關(guān)的解釋或者案例分析。

筆者認(rèn)為面對(duì)不同類型的產(chǎn)品，要將用戶分層運(yùn)營(yíng)做得更精細(xì)，僅僅是采用用戶生命周期或者RFM用戶關(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)類產(chǎn)品運(yùn)營(yíng)，接下來筆者會(huì)以投資理財(cái)產(chǎn)品跟大家聊聊用戶分層的方法論。（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，大家要明確做用戶分層的目的和意義是啥？

一、運(yùn)營(yíng)效能最大化

或者你很早就聽說“分層運(yùn)營(yíng)”或者“精細(xì)化運(yùn)營(yíng)”這個(gè)詞語，可能也聽到不同的方法論，但“聽到”距離“做到”還有很長(zhǎng)的一段距離。

那么我們?yōu)樯兑芯坑脩?，為啥要將用戶分層?/p>

其實(shí)，就像上面所說用戶也有5個(gè)生命周期，一個(gè)運(yùn)營(yíng)策略往往是不能夠滿足所有生命周期的用戶需求。

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)死心塌地的決定買買買；而有些人根本不care優(yōu)惠多少，照樣原價(jià)購買。

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足了不同支付能力的用戶，最終的結(jié)果是GMV的最大化。

同樣，以用戶精細(xì)化分層為基礎(chǔ)，將運(yùn)營(yíng)手段專業(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。（這里是重點(diǎn)，大家可以思考下如何通過將用戶分層的模型系統(tǒng)化最終產(chǎn)品化，最后做成模塊化、甚至半自動(dòng)化？）

二、分層研究方法論

在用戶分層運(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)維度來區(qū)分用戶，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，筆者以互聯(lián)網(wǎng)理財(cái)產(chǎn)品為例，結(jié)合用戶成長(zhǎng)周期、用戶年齡段、RF值三個(gè)維度的不同階段的貢獻(xiàn)值進(jìn)行賦值（從1至5分取值），從而進(jìn)行建模。

• 不變量：用戶年齡段 （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：用戶成長(zhǎng)周期（用戶成長(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，綜合用戶投資數(shù)據(jù)發(fā)現(xiàn)，M值跟用戶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程。

不變量：用戶年齡段

變量1：用戶成長(zhǎng)周期

變量2：RF模型

兩變量合并

得出結(jié)果

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種不同類型的用戶，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、用戶生命周期、RF值都作變量，那可能會(huì)得出什么樣的結(jié)果？

變量1：用戶年齡段

變量2：成長(zhǎng)周期+RF值

得出結(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)用戶層級(jí)。

三、分層用戶的類型

綜上所述，我們根據(jù)年齡段、用戶生命周期、RF值這三個(gè)維度進(jìn)行賦值，然后變換變量得出的A、B兩種用戶分層模型。

模型A

模型B

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種類型的用戶，理論上能助力運(yùn)營(yíng)者更加直觀地更精準(zhǔn)對(duì)不同類型的用戶制定不同運(yùn)營(yíng)戰(zhàn)術(shù)。

四、小結(jié)

筆者認(rèn)為，一個(gè)好的用戶分層運(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)于用戶群的一種分層方法論就嘮嗑到這兒。

這是基于運(yùn)營(yíng)的角度結(jié)合用戶與產(chǎn)品之間的關(guān)系得出的用戶分層研究理論，這種基于行為數(shù)據(jù)的用戶分層模型，后臺(tái)的數(shù)據(jù)怎么跑，怎么根據(jù)用戶類型貼上用戶標(biāo)簽，甚至說怎么根據(jù)用戶標(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?；蛟S還有很多不嚴(yán)謹(jǐn)?shù)牡胤剑瑱?quán)當(dāng)給大家提供一種思路也好。

以用戶畫像為基礎(chǔ)，從人群細(xì)分、用戶觸達(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)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)。

下期預(yù)告

下期我們主要聊聊用戶精益運(yùn)營(yíng)，先上圖捋一捋先，欲知后事如何，請(qǐng)看下回分解。

作者：圣杰，一個(gè)樂觀而幽默的理想主義者。交流微信：heezha。

本文由 @圣杰 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖由正版圖庫 圖蟲創(chuàng)意 授權(quán)