用户分层运营
2022-04-24 13:09:58 0 举报AI智能生成
用户运营
作者其他创作
大纲/内容
本质
A.产品各种用户角色的差异
B端/C端用户
贡献/消费内容用户
PGC-UGC
商家-消费者
B.产品中的用户行为差异
付费用户
活跃用户
注册用户
下载用户
业内的另一种解读
前提
用户细分
用户分层
以用户价值为中心
用户分群
以用户属性为中心进行划分
最简单的用户分层
以用户成长路径为中心
购买（付费用户））
进一步分为群体A/B/C
下单（兴趣用户）
使用（活跃用户）
下载（下载用户）
注册（新用户）
四类常见的方式
用户价值区隔分层
做法1：依靠用户生命周期定义对用户进行价值区隔
付费类产品
导入期用户
成长期用户
成熟期用户
休眠期
流失期
做法2：通过关键用户行为对用户进行价值区隔
常见的RFM模型操作步骤
抓取用户R/F/M三个维度下的原始数据
定义R/F/M的评估模型与中值
进行数据的处理，获取用户的R/F/M值
参照评估模型与中值，对用户进行分层
针对不用层级用户制定运营策略，推进落地
RMF模型在不同行业的典型变种和扩展
金融：投资金额、投资频率、最近一次投资时间
直播：观看直播时长、最近一次观看时间、打赏金额；
内容：评论次数、评论字数、评论被点赞数
网站：登录次数、登录时长、最近一次登录时间
游戏：等级、游戏市场、游戏充值金额
更简单的变种
行为A次数（月登录次数）
行为B次数（月发帖次数）
最简单的锚定：28法则
AARRR模型分型
第一种
用户获取
用户激活
留存
传播
收入
第二种
获取用户Acquisition
用户激活Activation
提高留存Retention
增加收入Revenue
病毒传播Referral
总结
对于指导用户分层，AARRR是一种较为轻快简单的模型，无需抓取大量用户数据和定义大量用户数据就可往前推进。
某种意义上，可以把它视为用户价值区隔分层的简单弱化版本。在人力、资源有限，希望快速产出一些东西提升整体用户价值时可以考虑。
用户身份区隔
用户金字塔模型
如何梳理
先理出产品的业务逻辑，然后逐次思考
是否存在用户之前发生关系
是
某类用户是否会因贡献、活跃、稀缺性而产生阶层
是
在该类用户内依贡献度、稀缺性等搭建分层
否
用户之间是否可以在自然状态下实现角色演化或进阶？
是
把不同用户的分层进行对接，被进阶的一方处于金字塔上方
否
不适合金字塔模型
用户个性化特质&需求区隔分层
区隔维度
自然属性
个人自然
渠道来源
个性化需求
个人隐形消费偏好
个人使用医院/专业度强弱
个人显性消费偏好
对A功能/A类商品更感兴趣的用户
对B功能/B类商品更感兴趣的用户
场景（如通勤、睡前、周末家中等）
分层依据
两种方法
选择一个维度进行划分
案例：美柚（三个身份状态分层）
正常
备孕
产后
选择两个维度通过交叉区隔
案例：某基金理财APP
用户投资意愿强用户属性为小白
用户投资意愿强用户属性为专业
用户投资意愿弱用户属性为小白
用户投资意愿弱用户属性为小白
总结
产品内一定要能够通过行为数据或基础数据或标签等，来为用户的个性化需求定性。
多种用户分层策略的叠加使用参考
新手用户 再按渠道区分进行精细化运营
成长型和高净值按用户价值进一步细分进行精细化运营
或按用户身份区分对用户进行分层运营（如果需要的话）
新手+成长+高净值
按用户个性化需求/消费偏好进行精细化
如何在产品中实施（豆瓣为例）
梳理产品业务逻辑
结合资源、问题和现状，选择更适用的用户分层模型
判断业务
锚定用户价值
28法则
关键行为对比进行用户区分
行为A次数
同一周期内的内容发布次数
行为B次数
一段周期内的登录次数
结合数据爬取，完成用户层次的划分
需要先做好界定
面向什么样的用户去抓取关键行为数据？
“一段周期”到底该被定义为多久？
数据获取+数据处理
用户层次的定义+划分
制定分层运营策略
针对每类用户，明确我们希望其稳定化发生的行为
针对每类用户，明确希望引导其完成的重点行为，或是引导其进行身份进阶的路径
通过模型来匹配运营方法与策略
检验+迭代
尽量优先做那种“一个机制就能影响好多人”的运营工作，或优先做解决那种“用户基数最大”的问题；
尽量不要同时上多个链条厂、复杂度高的分层运营方案；
切记，尽量追求让自己的运营方案要“可被监测+可被评估”
一个没有“跟到底”或“结论产出”的运营方案，等于资源浪费
职业：HRBP
0 条评论
下一页
