挖掘數據價值，從用戶分群開始

隨著產品功能的增加和用戶的增多，新用戶的選擇，老用戶的活躍與流失，究其原因愈發趨於多元化。而精細化運營的核心思維和策略就是用戶分群，對不同需求的用戶匹配不同的服務和內容，那麼，如何劃分用戶群，如何基於特定用戶群開展運營工作呢？本文從用戶分群的4個維度以及如何將用戶分群應用於業務增長進行了詳細介紹，內容為諸葛君原創，如果想深入探討可以添加微信（zhugeio2016）。

用戶分群：採集數據 篩選歸類

用戶分群的依據主要有兩個方面：用戶屬性（性別、年齡、地域等）和用戶行為（訪問時間/訪問時長/瀏覽歷史/訂單記錄等用戶在產品內的一切交互行為），因此，採集數據是用戶分群的第一步，先確定我們需要哪些數據，然後做好數據埋點，建立基礎的用戶行為數據監控機制，為用戶貼上標籤。

說明：對於互金類產品來說，通過數據埋點和採集，我們可以知道：在深圳某女性用戶，在9月24日13點17分時將起投金額為5000元，年化收益率為8.47%的中期理財產品「雙季度計劃」加入心愿單。

通過數據採集，建立客戶360度視圖的目的其實就是為了更直觀的洞察用戶價值。為了快速且高效的將用戶分群和用戶洞察，我們通常以4個篩選條件作為用戶分群的依據：用戶屬性、觸發行為、新增於、活躍於。

1、用戶屬性

所謂人物基礎屬性指的是：用戶客觀的屬性，描述用戶真實人口屬性的標籤，比如：年齡、性別、城市、瀏覽器版本、系統版本、操作版本、渠道來源等就是用戶屬性。

關於屬性的重要性呢，咱們就以「城市」為例來說明吧，上圖是中國（吃貨）地圖，每個地區都有不同的飲食偏好，那麼對於同一款產品來說的，針對不同城市的用戶，在運營方面也是有很大差異噠~

比如：某天氣類工具型產品，在北京進入霧霾季時，可針對北京地區的用戶推送防霾關懷，提供防霾用品信息，一方面比起向全量用戶推送一定會打擾到「清新」地區的用戶，另一方面讓「霾區」用戶獲得了一種「寶寶被重視了」的貼心體驗。

另外，對於一個產品來講，迭代是產品成長的必經之路，因此根據用戶所使用的「系統版本」將用戶進行分群，即可實現衡量改版前後的用戶行為差異及改版效果。

2、活躍於

活躍用戶是用戶運營的重點，「伺候」不好，很容易就會流失掉，「伺候」到位了呢？也很容易轉化為忠實用戶，因此對於活躍於某一特定時段（比如：新舊版本迭代/暑假/節假日）或者最近*天（比如：近期有功能上線）。

說明：通過「活躍於」這個維度，我們可以快速找到最近7天活躍的用戶，並可觀察這一用戶群「微信支付購買轉化率」的情況，在1518名查看商品的用戶中，最終只有178人完成微信支付，流失率達36.9%，故這一轉化有待提高。

說明：通過進一步下鑽洞察單體用戶未完成付款的原因，發現大部分是「餘額不足」導致，故可以每月發薪日，為用戶推送相關商品信息，提醒用戶完成支付。

3、做過/沒做過

這個維度，諸葛君要重點念叨念叨，首先用戶行為就是觸發過某一事件或者沒觸發過某一事件，比如，對於互金類產品，完成「綁卡」的用戶對平台的信任度一定高於「未綁卡」用戶，因此觸髮指定事件的用戶可作為用戶分群的重要維度。

說明：在諸葛io平台中關於「做過/沒做過」篩選條件中，支持4個維度：

任意時間

新增後：超好用的維度，下文重點介紹

最近

固定時段

場景舉例：

說明：以互聯網金融產品為例，將最近30天內成功支付起投金額為1000元的理財產品大於等於1次，且查看理財產品詳情大於等於5次的用戶定義為高價值用戶，如果最近恰好有某起投金額在1000的理財產品上線，即可通過精準觸達這部分用戶群持續挖掘用戶價值。

用戶視角之「新增後」場景舉例：

「新增後」這個概念是以用戶「路轉粉」為起點的時間周期，而不是傳統的自然月/自然周為時間周期，因為每個用戶的新增時間都不相同，在這種條件下，我們會逐個用戶單獨計算，確定每一個用戶是否在其新增後的 N 天內做過某事。

這個維度的好處，就是以用戶視角洞察用戶行為，用戶新增後*天完成核心轉化，用戶新增*天使用產品的頻次如何？咱們舉個例子來說明。

說明：諸葛io支持多條件篩選用戶（並且+並且+並且···），比如將首次來源的廣告關鍵詞是華為手機和網上購物，首次來源域名是百度，這是對於用戶渠道來源的篩選。此外，將新增後1天內就完成註冊且查看了「耳機」類商品大於等於3次的用戶，定義為「耳機」潛在消費用戶，通過新增後1天這一篩選條件，即可快速精準定位出潛在用戶群，通過這樣的篩選，便可實現有針對性的觸達，將耳機品類的專題活動發送給這些潛在用戶，引發用戶下單的慾望，提升購買轉化率。相較於傳統意義上的產品視角——以自然月維度來計算的新增來說，更科學，更具有指導意義。

4、新增於

說明：新增於這個維度，同樣有2個條件可選擇：最近/固定時段，以此精確篩選出新增用戶的時間範圍，靈活找到特定時間段內的特定用戶群中。以電商類產品為例，如果你在8月1日-8月15日發起了一次大規模的市場拉新活動，那麼上圖的篩選即可找到活動期間新增用戶群，進而評估活動效果及後續轉化情況。

用戶分群是精細化運營的基礎

用戶分群是手段和工具，簡單來說，分群分析就是通過聚類的方式，把相似的人群合併，考察同一事件或同一指標在不同人群上的表現，以推斷並定位對該事件/指標有明顯影響的因子，以此來幫助我們更好地了解用戶需求，進行針對性運營。用戶分群能幫助企業更加了解用戶，分析不同群組的人群屬性、行為特點，可以幫助運營人員更好地發掘產品問題的背後的原因，並從中發現產品有效改進優化的方向。

只有將用戶精細分群與用戶畫像結合起來，才能提高精益化運營的深度與精度，那麼如何將用戶分群與用戶畫像如何結合使用？

接下來，我們舉個例進行說明：某工具類App，購買轉化不高怎麼辦？

這個問題，我們應該如何分析？首先我們通過「用戶分群」來針對不同的可能性做實驗：對比「沒付費的用戶」與「購買」的次日留存時會發現：

「所有用戶」與「購買用戶」在7天里的留存情況對比：

在30天後，「購買用戶」的留存率是29.7%，「所有用戶」的是12.7%。這可能看起來不是那麼顯著，但在長期留存上，即便是一個小凸起，對你來說也是意義重大。

通過用戶畫像，我們將「沒付費的用戶」與「購買用戶」進行分群對比後已經識別出了一個提高留存的因素，現在你可以尋找更多。一個可行的方法是，你現在可以把「購買」不是「註冊」設為起點。也就是說，你之前分析的是「註冊」之後的留存情況，而下一步，你可以分析「購買」之後的留存情況。這就是在你重新設計了引導流程以促進用戶關注他人之後，接下來你應該努力提升什麼。

然後，你可以看到其它因素是怎樣促進留存的。通過諸葛io的粘性及自定義留存功能，你可以比較「沒付費用戶」與「購買用戶」，比較兩個用戶群在「查看天氣」後的留存情況。

當你搞清楚了哪些行為導致你的用戶繼續回來使用你的產品之後，你就需要把這些行為的用戶體驗放在首位。在早期粘住你的用戶，他們就會很難離開你的產品。

獲客成本越來越高，因此需要對用戶行為進行分析，做群體劃分，構建用戶行為模型，形成一套高效且有針對性的運營方案。通過對用戶數據的採集，挖掘分析用戶的行為習慣和喜好，找到更符合用戶「口味」的產品和服務，並結合用戶需求有針對的調整和優化，這就最大化用戶數據的價值。

本文首發微信公眾號 諸葛io（ID:zhugeio1）

諸葛io，你身邊的數據驅動教練

歡迎添加微信：zhugeio2016一起探討交流