▲木木自由/数据分析·领地，一起学习数据分析，持续更新数据分析学习路径相关资料~更多产品、运营与数据分析、数据治理、数据资产干货以及经验分享（精彩数据观点、学习资料、数据课程分享、读书会、分享会等你一起来乘风破浪~![]()
）![]()
用户分层的本质是一种以用户特征、用户行为等为中心对用户进行细分的精细化运营的策略，用户分层不只是简单的分群，而是要区分出价值的高中低，从而更进一步地进行服务。里面核心会涉及到用户行为\属性、标签特征以及业务经验。纵向来看用户分层常见的一般方式就是通过专家经验的规则设定结合一些常见用户模型进行分层。本文介绍一些常见的用户分层模型
在此，【数据分析·领地】也整理了《用户分层指南》“供大家更好的学习了解用户分层~
![]()
用户分层，是指认识用户之间的个体差异性，并对用户进行分类。然后可以根据用户不同的社会特征、消费倾向或行为偏好，针对性地进行运营引导，以帮助用户获得更多产品价值。用户分层的方法，有一维分层、二维分层、三维分层等。•一维分层，即根据单一维度的用户特征来分层。比如金字塔分层，大都根据用户对业务的价值贡献大小这一个维度来分层，或根据行为频次这一个维度来分层。层数可以为三层、四层等，如果用户量庞大，也可以分为五层、六层。（用户价值分层）• 二维分层，即根据两个维度的用户特征来分层。比如四象限法分层，横向坐标是时间或成本维度，纵向坐标是用户价值维度，可以得到四个象限的分层。（用户行为分层）• 三维分层，即根据三个维度的用户特征来分层。比如RFM模型分层，根据用户的交易行为时间、交易频次、交易金额三个维度进行分层，每个维度分为高和低，根据三个维度就可以将用户分为8层。（用户行为分层）用户分层后，可以挖掘潜在的个性化需求，实施差异化的运营引导策略，加速低层用户不断地向高层流动。其本质：根据用户特征的差异性，制定不同的运营策略，以实现企业资源的最大效率利用；![]()
→如何构建用户分层体系
在着手构建用户分层体系之前，需要明确构建用户分层体系的必要性及可行性。只用当用户基数达到一定量级，才能构建有效的用户分层，因为只有足够大的样本量，才能提取用户的一般性特征，才能基于用户特征去输出差异性用户策略；另一方面，如果用户量级不够大，完全可以通过一对一来实现用户的更加精细化的运营。用户分层是用户画像的总结归纳及分类，用户画像体现在不同维度的用户数据上；所以对用户数据的沉淀获取分析是用户分层的前提，而在具体的操作中，普遍存在数据口径不统一，数据孤岛等的问题，这也为用户分层增加了难度。像金字塔模型，AARRR模型（又叫海盗模型），用户生命周期模型等都是非常经典的用户分层模型；不管什么类型的分层模型，其本质都是如上文所讲，都是为了企业资源利用效率的最大化。所以分层的底层逻辑都是一样：基于分层目标，选取分层维度，通过不同维度的联合评估，划分用户层级，并根据不同层级用户的差异性特征，针对性的制定运营策略，并不断的通过反馈优化迭代。
其中关键点是分层维度的选择和每个分层维度下的分类标准的制定。假设以消费金额这一单一维度作为分层维度，那么以多少的消费区间作为一个分层层级呢？是以1000-5000作为一个层级，还是以1000-9000作为一个分层层级？这里绝不是拍脑袋决定的，也不是取平均值，需要通过业务洞察及数据分析，来验证这个标准的合理性，而是否合理的判断依据是：层级的制定，是否可以把用户特征明显区隔开来。假设我们通过数据验证，以1000-5000作为一个分层层级更合理，因为消费金额在5000以上的用户相较于消费金额在1000-5000的用户而言，有过跨品类消费行为，所以，“跨品类消费行为”就是用户特征，而5000这个值，可以把是否具有这个特征的大部分用户区隔开来，所以取1000-5000这一消费区间作为分层层级就是合理的；而下一步对于无跨品类消费行为的用户的运营策略就是进行品类渗透。用户生命周期是指从用户初始感知产品到离开产品的整个过程。根据用户与产品发生互动行为的频次、深度或价值贡献大小的分布，一般将用户生命周期划分为引入期、成长期、成熟期、休眠期、流失期五个阶段，如图所示。![]()
通过用户生命周期模型对用户行为进行引导，就是在知道用户必然流失这个规律的情况下，采用必要策略，尽可能延长用户与产品互动的时长、互动频次和深度，以促进用户尽可能多地获得产品价值，从而带来更多的商业价值。
用户生命周期模型的DSS方法如下。
用户生命周期模型分层的维度可以是频次，比如有些金融交易型产品，主要考虑用户累计交易多少次，尽可能多地让用户交易；也可以是时长，比如有些内容资讯型产品，主要考虑用户使用时长；也可以是价值贡献，比如有些社交工具型产品，则直接考虑用户当前的消费贡献值。2）各维度的“切分”标准(Segmentation)确定了分层的维度，接着要确定“切分”的标准，然后才能真正将一些用户归属到相应的阶段。如图所示，将某行为发生次数小于3的用户划分为引入期群体；将行为次数大于或等于3、小于或等于5的用户划分为成长期群体；将行为次数大于5、小于或等于1000的用户划分为成熟期群体。![]()
运营引导策略贯穿于用户生命周期的每个阶段。比如，在潜在用户还没有感知到产品时，要采取策略拓展媒体渠道，获得在潜在用户面前曝光产品的机会。然后通过活动营销引导用户接触产品。当潜在用户来到产品面前时，则采取策略引导潜在用户注册成为新用户。就算在用户离开产品后，也要尽可能采取策略唤回用户，比如进行老用户回馈活动、推送社交好友动态等。下面我们分别看看不同用户生命周期阶段的不同运营策略。引入期的主要目标是“拉新”，要引导潜在用户注册成为新用户。常见的运营引导策略有：发掘各种渠道获得曝光机会，通过SEM、SEO、CPS、ASO、换量、积分墙及线下渠道，在潜在用户聚集的地方曝光产品，获得潜在用户对产品价值的感知，引导其下载、注册，达到“拉新”的目的。成长期的重点是促进用户对平台形成习惯甚至依赖，常见的运营引导策略有：• 利益激励。通过持续刺激用户，比如提供针对性的产品和服务、爆款、阶梯式卡券等，提高用户采取互动行为的动力。• 持续的情感维系。通过个性化推送，必要时通过客服顾问的持续沟通、运营活动等情感联系策略，增加用户互动行为的频次。• 反向优化“拉新”渠道。根据成长期的数据表现，反馈渠道流量部门的投放策略的优劣，进而引入更精准的用户。• 及时做好新用户转化，召回这个阶段的休眠、流失用户，利用电话回访、短信或PUSH促进新用户激活或活跃。成熟期重点在增加用户“消费”的频次、在线时长、付费贡献上，比如引导复购、引导传播分享。常见的运营引导策略有：• 开展促进活跃类活动，比如利益分发、特权发放类活动。• 增加多样化、个性化产品使用和消费场景，增加匹配的PUSH、短信、邮件、站内信等推送或产品内外渠道的互动。• 周期性的活动或互动，如节日或店庆的大促、专享活动、行业会议、线下沙龙、直播等。休眠期重点是及时做好用户流失预警，并通过各种个性化的活动、权益等利益刺激，改善服务、推送优质内容等，唤起用户的使用欲望，促进二次激活。流失期重点是对用户进行重新召回。需要做好流失用户分类、差异化的原因分析，根据不同原因制定合理的差异化召回策略，重新激活用户。运营策略与休眠期类似，有利益刺激、精品内容推送、产品功能完善、社交关系挽留等。
留住一个老用户的成本远比获取一个新用户的成本低。在很多业务场景下，都可以用用户生命周期模型来增加用户的留存时长。特别是当用户体量较大、用户量趋近饱和时，或者处于竞争红海，获取客户的成本越来越高时，通过用户生命周期模型对用户的价值进行进一步挖掘至关重要。用户金字塔模型是典型的依据用户对产品或业务贡献的重要程度进行的一维用户分层模型。常见于需要用户来协作塑造产品价值的产品中。如论坛类产品，需要用户生产论坛帖子内容(UGC)，又如新闻资讯类产品，需要用户发布新闻资讯。使用用户金字塔模型分层后，运营人员可以把运营工作的多数时间和精力放在金字塔顶端的那些重要价值贡献者的身上。如图所示是某个To B电商网站的用户金字塔模型。
![]()
2）各维度的“切分”标准(Segmentation)• 金牌用户是年度付费大于100万美元的几十个用户。• 银牌用户是年度付费大于或等于10万美元的几百个用户。• 铜牌用户是年度付费大于或等于1万美元的几千个用户。• 注册用户是剩下的近一年内都没有交易的新老用户。• 金牌用户，享受专属的商务小组对接服务。包括商务政策定制、客服、技术专属对接支持、定制化的产品和包装。• 交易用户，自动化客服对接，自助式服务，加上必要时的人工支持。RFM用户分层模型是典型的三维分层模型。其中，R(Recency)是最近一次消费，是指上一次购买距离当前的时间长短，如30天还是10天。F(Frequency)是消费频率，是指消费购买的次数，购买频率越高，忠诚度也就越高。M(Monetary)是消费金额，理论上M值和F值是一样的，都带有时间范围，指的是一段时间（通常是1年或1个月）内的消费金额、消费频次。RFM用户分层模型如图3-19所示。2）各维度的“切分”标准(Segmentation)第一步，统计出某一时间内（如1年内）各用户的R、F、M的值。即计算出每个用户最近一次交易至今有多少天，计算出每个用户的累计成交次数，计算出每个用户的累计成交额。![]()
第二步，确定切分方法，例如可以采用平均值或中位数。如果采用平均值，则计算R、F、M每一项的平均值。第三步，判断用户在每一项上是高于平均值还是低于平均值，通过比较结果对用户进行分类，如果用户的某一项数值高于平均值，则标记1或+，否则标记0或-。最后，根据分层采取相应的策略，引导用户发生特定的行为。
根据RFM用户分层模型，可以将用户群体划分为重要价值用户、重要召回用户、重要维护用户、重要挽留用户、潜力用户、新用户、一般维持用户和流失用户。每层的应对策略如图所示。![]()
文│来源于网络整理，【数据分析·领地】星球一起学习数据相关资料~附1：用户分层和流失预警模型
![]()
···
（进星球查看完整版）
附2：《用户分析入门指南》
包括：建立系统的用户行为数据分析知识体系、大数据下的用户分析、用户行为研究、大规模用户运营体系搭建···等内容，供大家更好的理解商业分析，仅供学习交流！
数字营销用户分析完整全套（221页 PPT）.pptx
建立系统的用户行为数据分析知识体系（286页）.pdf
【数据分析·领地】梳理了《用户画像学习指南》材料，了解经营分析整体流程以及相关学习指南，包括用户画像概述、如何构建用户画像、用户画像系统构建、用户画像场景应用、案例···等内容，希望对于用户画像分析，并给做数据分析的人员提供一些思路，有任何问题都可以随时交流哦！
用户画像构建及应用场景（46页 PPT）.pptx互联网大数据分析之《用户画像分析》（60页）.ppt《用户运营的用户画像最全解析学习教程》（64页）.pdf用户画像标签体系与数据建模整体解决方案48页.ppt
【数据分析·领地】还整理了《各大汽车厂商用户画像应用案例》，包括新岚图梦想家小鹏G6、阿维塔11、理想L7、比亚迪···等用户研究报告··等报告，仅供参考~
阿维塔11用户研究报告（用户画像、购车、满意度等）比亚迪宋PLUS DM-i冠军版用户报告（用户画像、购车、满意度等）埃安AION Y Plus用户报告（用户画像、购车、满意度等）.小米汽车产业链动态报告（用户画像、管理及战略、市场竞争、技术、供产销等）
·····
获取全套资料，请在公号后台回复“8”，加入数据分析·领地知识星球，或扫描下方文末二维码进入星球下载。
「完」
版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。
（点击阅读原文进数据分析星球，领取数据指标搭建、案例、方案、方法相关资料等相关分析资料~）
![]()
![]()
#数据分析相关课程# 从零开始学数据分析25讲
![]()
![]()
#数据分析相关课程# 数据分析思维与实战23讲
![]()
![]()
···
#数据分析入门级别资料# 数据分析基础分享讲解（1-6）（附数据分析报告）
![]()
·····
![]()
![]()
![]()
····
![]()
立即扫码![]()
即可各种数据分析思维、工具、课程、书籍、项目、运营、产品相关结构化体系资料~![]()
在后续也会在【数据分析·领地】中，组织读书会，分享会等专项活动，读书会主要学习技术类的书籍领读，分享会主要以数据分析思维分享，案例复盘分享等~
部分图片来源于网络，使用图片、文字等均不作为商业用途使用，如有侵权，请联系删除~
