用户体系搭建(一):用户分群方法论剖析

18 评论 3.2万 浏览 320 收藏 12 分钟

用户分群里最常见的是基于RFM模型的用户分群研究,本文主要跟大家分享用户分群的详细方法论。一起来看看~

用户分群是用户体系搭建的基础,而常见的用户分群方式是:基于用户生命周期分群,即界定新用户、成长用户、成熟用户和流失用户,再在这个基础上根据用户的不同行为标签做精细化拆分。

用户分群里最常见的是基于RFM模型的用户分群研究,通过以下介绍,即可掌握用户分群的详细方法论。

一、用户分群“三步走”方法论

首先,跟大家介绍下用户分群“三步走”方法论

(1)RFM模型应用,根据用户历史行为(访问频次、间隔、时长、最近1次访问距今),对用户生命周期进行划分,将用户划分为新用户、成长用户、成熟用户、衰退用户和流失用户;

目的:初步确认用户分级与用户分群运营思路。

(2)以今日头条极速版为例,跟据用户访问的页面、消费、金币赚取、提现、分享和其他行为,对用户类型进行划分; 对不同类型的用户群进行有针对性的运营。

目的:为后续用户权益设计留作参考。

(3)输出用户行为占比分布表(如下展示,以今日头条极速版为例)

目的:聚类用户,做更精细化拆分,重点提升留存或其他运营指标(视实际情况而定)。

二、基于RFM模型确认用户生命周期分布的取数逻辑

其次,详细介绍下基于RFM模型确认用户生命周期分布的取数逻辑,大多数公司对运营的数据分析能力要求比较高,建议可以去学习下RFM模型的基础原理。

其中最重要一步,拉取当前用户数据,根据数据划分用户生命周期,大体需求是形成如下这张表:

协同BI侧,我们需要做以下准备:

  1. 确认取数维度:用户userid,取2017&2018同一时间段用户,如2017.1.1~7.1的用户&2018.1.1~7.1的用户(共两段用户,同比验证分层数据的准确性),用户访问行为进行分析,得出用户生命周期阈值后,套用在另一段用户中进行验证。
  2. 跑取以下几个数据指标:90天内单个用户的pv总数、访问了X天、访问页面数(按天去重累加)、停留时长(90天内所有的停留时长)、访问天数(平均间隔、最近1次浏览距今X天)、访问天次(90内该用户来了几次)。
  3. 分别匹配:所有页面(去除阶段性活动页面)、所有常规详情页。

三、户生命周期划分逻辑

以上说了太多的方法论和需求,这里面最重要也是最核心的一件事是确定用户生命周期划分逻辑,大致画了一张思维导图:

以下是详细的数据分析逻辑介绍,可能需要一些时间领悟,建议日常工作中多多与BI沟通,本人在日常团队管理中,需要运营同学具备数据分析、处理的基本能力,也会注重培养团队对于数据业务领悟能力。

(1)根据2017年用户访问页面的天数,划分为:访问天数=1的用户(用户群A),访问天数>1的用户(用户群B)

(2)根据用户群B全体用户的平均访问间隔天数,得出用户的“访问周期”。

访问间隔公式:(最晚1次访问-最早1次访问)/(访问次数-1);访问平均间隔公式:访问间隔总和 / 用户数=用户访问周期

由此得出用户访问周期值,假设:周期为20。

(3)根据用户最后一次访问时间的分布情况,划定“活跃用户”

  • 用户群B中,80%(二八原则)的用户的平均访问间隔在30天以内。均正好为1.5个访问周期,即80%的用户的活跃周期是1.5个访问周期。由此得出:将1.5个访问周期作为阈值划分的界限,最后访问时间在1.5个周期内的用户,统称为“活跃用户”。
  • 用户群B中,当访问间隔达到60天时,曲线斜率趋于0,此时用户量达到95%。由此得出:将3个访问周期作为阈值划分的界限,最后访问时间在3个周期内的用户,统称为“流失用户”。
  • 介于“活跃用户”和“流失用户”之间的用户,即最后一次访问时间在1.5-3个访问周期内的用户,为“沉睡用户”。

(4)在活跃用户中,再根据留存率高低,将用户划分为成长用户和成熟用户

以17年12月31日为限,求出当时的活跃用户下一个活跃周期内的留存率。又因,活跃用户中,活跃周期内留存率高于80%(二八原则)的用户,全年访问天数大于25天。因此,将最后访问时间在1.5个活跃周期内,且访问天数大于25天的用户定为成熟用户。

在1.5个访问周期内,仅访问过1次的用户,定为成长I型用户(新用户)。在1.5个访问周期内,且访问天数在2-25天,定为成长II型用户。

(5)最后一步,验证用户分群的合理性(以上“三步走”提及)

在这个划分逻辑下,得出18年1.1~18.7.1不同生命周期的用户占比数:同比17年1.1~17.7.1用户占比是否一致,一致说明分群基本得以验证,用户分群数据置信度高(输出以下表格用作验证)。

可得大致结论:

  1. 2017占比VS2018占比,验证占比的吻合度。
  2. 经验证,用户占比基本吻合,、如若趋于稳定,该划分方式则成立。
  3. 得出18年用户不同层级占比,结合用户占比,拉出重点用户,进行用户行为研究~

四、下一阶段的运营重点

通过全体用户访问天数分布情况,判断下一阶段的运营重点。

需要注意的是:选取访问天数少&占比较高的典型用户,以新用户、成长用户、流失用户为主,调研其活跃天数少的原因,找到运营改进方案。(如果日活是千万级用户,基本上超过5%就要拿出来研究了)

根据用户流失情况占比进行运营策略制定,需进一步挖掘的问题:

  • 用户浏览过多少页面可以形成高留存(可将高留存的前10%用户进行针对性分析)?
  • 用户产生哪些行为可以形成高留存?
  • 用户留存占比与访问天数的关系?

如果项目时间允许的话,建议选取典型用户,进行电话访谈调研,按照 认知——访问——动机 的用户行为路径,暂拟以下几个核心问题:

  1. 不同阶段的用户,对于**APP的认知?
  2. 为什么来?来的动机和诉求?用户是主动来到(通过分享、应用市场下载)还是被利益诱导?
  3. 为什么又不来了?是需求已得到满足or需求得不到满足?
  4. 除进行**行为外(核心行为之一),平时是否参加别的活动?(除核心行为之外你想探究的点)
  5. 成长和成熟用户的频次、习惯(是否会受活动、福利影响,是否受内容影响、场景影响)?

选取用研人群输出用户调研表(以今日头条极速版为例):

最后进行调研结论输出,形成可视化的调研结论:

  1. 输出不同层级用户的调研结论;
  2. 梳理当前已有的用户运营策略,匹配到不同的用户生命周期;
  3. 根据用户调研结果,结合用户生命周期,调整用户分群维度,优化运营模型;
  4. 确认优先运营的用户群(提升留存or流失召回),并针对不同类型用户制定运营策略。

做完了最基础的用户分群,下一步即可根据不同生命周期的用户行为做进一步分层拆解,如若想搭建大等级体系,则需要对每一个生命周期的用户做进一步分层。而对于各个生命周期的用户研究结论,则能更好地辅助我们制定用户分层运营策略,进而进一步验证策略的可行性。

以上,即用户体系搭建第一步,用户分群方式,下一篇《用户体系搭建之用户精神激励体系》

#专栏作家#

曹烨,微信公众号:烨子的城堡。人人都是产品经理专栏作家,知名互联网企业资深运营经理。

本文原创发布于人人都是产品经理,未经许可,不得转载

题图来自Unsplash,基于CCO协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 这个完全看不出来是基于RFM模型,是你自己的方法论吧

    回复
    1. 可以这么理解,重新基于业务定义的字段

      回复
  2. 阈值取数如果用散点图来取是否可行?

    回复
  3. 催更~

    回复
  4. 啥时候更新哇

    回复
  5. 访问天数对应人群的留存率是指什么留存率啊?

    回复
  6. 三(3)是不是写错了?最后访问时间在三个周期内的用户为流失用户?

    回复
  7. 作者你好!请问在生命周期划分逻辑中的第三条,关于活跃用户的划分部分,用户群B中,80%(二八原则)的用户的平均访问间隔在30天以内。这个平均访问间隔30天以内是如何得来的呀,没理解。然后我想问二八法则是如何体现在这一点上呀。运营新手,看的有点生涩,期待作者解惑!

    回复
  8. 期待(二)(三)……😛😛😛

    回复
  9. 方法论的文章总是极好的

    回复
  10. 之前自己也在摸索如何进行用户分群,我使用自己摸索的比较糙的方法,也用到28定律,看完作者写这么完整的思路。发现自己之前的有些想法也是对的,但没想到可以用到如此极致,期待你后面的文章

    回复
  11. 顺便说一句,本人团队正在招人,有意向的请添加微信 cherrycaoye

    回复
  12. 思路很全面了,不过有一个地方想追问下,文章中提到的28原则,是这么用的吗?以二八原则来说,不是20%的人群更值得关注,为什么在文章里把80%的都定义为活跃用户了。

    回复
    1. 这里的二八原则为了划定大部分人的生命周期哈,先得到一个生命周期的阀值,生命周期反映了绝大多数用户的成长规律,所以取了百八用户。
      然后基于生命周期,去拆分新用户,成长,成熟用户。

      回复
  13. 真的学习到了,正好最近在研究用户运营方面!感谢!期待后面的文章!

    回复
  14. 数据指导运营,从量化到策略,作者对数据理解非常深入,是否方便加一个微信交流(zhusiyuan574632347)

    回复
  15. 公众号更改为“冷静的曹爷”~

    回复
    1. 已围观,很细致了

      回复