<tt id="okiwm"><wbr id="okiwm"><big id="okiwm"></big></wbr></tt>

    <tt id="okiwm"><wbr id="okiwm"></wbr></tt>
    <tt id="okiwm"><pre id="okiwm"></pre></tt>

    <listing id="okiwm"></listing>
  1. <tt id="okiwm"><wbr id="okiwm"><small id="okiwm"></small></wbr></tt>

    <bdo id="okiwm"><menu id="okiwm"></menu></bdo>
  2. 用戶體系搭建(一):用戶分群方法論剖析

    零基礎學產品,BAT產品總監帶,2天線下集訓+1年在線課程,全面掌握優秀產品經理必備技能。了解詳情

    用戶分群里最常見的是基于RFM模型的用戶分群研究,本文主要跟大家分享用戶分群的詳細方法論。一起來看看~

    用戶分群是用戶體系搭建的基礎,而常見的用戶分群方式是:基于用戶生命周期分群,即界定新用戶、成長用戶、成熟用戶和流失用戶,再在這個基礎上根據用戶的不同行為標簽做精細化拆分。

    用戶分群里最常見的是基于RFM模型的用戶分群研究,通過以下介紹,即可掌握用戶分群的詳細方法論。

    一、用戶分群“三步走”方法論

    首先,跟大家介紹下用戶分群“三步走”方法論

    (1)RFM模型應用,根據用戶歷史行為(訪問頻次、間隔、時長、最近1次訪問距今),對用戶生命周期進行劃分,將用戶劃分為新用戶、成長用戶、成熟用戶、衰退用戶和流失用戶;

    目的:初步確認用戶分級與用戶分群運營思路。

    (2)以今日頭條極速版為例,跟據用戶訪問的頁面、消費、金幣賺取、提現、分享和其他行為,對用戶類型進行劃分; 對不同類型的用戶群進行有針對性的運營。

    目的:為后續用戶權益設計留作參考。

    (3)輸出用戶行為占比分布表(如下展示,以今日頭條極速版為例)

    目的:聚類用戶,做更精細化拆分,重點提升留存或其他運營指標(視實際情況而定)。

    二、基于RFM模型確認用戶生命周期分布的取數邏輯

    其次,詳細介紹下基于RFM模型確認用戶生命周期分布的取數邏輯,大多數公司對運營的數據分析能力要求比較高,建議可以去學習下RFM模型的基礎原理。

    其中最重要一步,拉取當前用戶數據,根據數據劃分用戶生命周期,大體需求是形成如下這張表:

    協同BI側,我們需要做以下準備:

    1. 確認取數維度:用戶userid,取2017&2018同一時間段用戶,如2017.1.1~7.1的用戶&2018.1.1~7.1的用戶(共兩段用戶,同比驗證分層數據的準確性),用戶訪問行為進行分析,得出用戶生命周期閾值后,套用在另一段用戶中進行驗證。
    2. 跑取以下幾個數據指標:90天內單個用戶的pv總數、訪問了X天、訪問頁面數(按天去重累加)、停留時長(90天內所有的停留時長)、訪問天數(平均間隔、最近1次瀏覽距今X天)、訪問天次(90內該用戶來了幾次)。
    3. 分別匹配:所有頁面(去除階段性活動頁面)、所有常規詳情頁。

    三、戶生命周期劃分邏輯

    以上說了太多的方法論和需求,這里面最重要也是最核心的一件事是確定用戶生命周期劃分邏輯,大致畫了一張思維導圖:

    以下是詳細的數據分析邏輯介紹,可能需要一些時間領悟,建議日常工作中多多與BI溝通,本人在日常團隊管理中,需要運營同學具備數據分析、處理的基本能力,也會注重培養團隊對于數據業務領悟能力。

    (1)根據2017年用戶訪問頁面的天數,劃分為:訪問天數=1的用戶(用戶群A),訪問天數>1的用戶(用戶群B)

    (2)根據用戶群B全體用戶的平均訪問間隔天數,得出用戶的“訪問周期”。

    訪問間隔公式:(最晚1次訪問-最早1次訪問)/(訪問次數-1);訪問平均間隔公式:訪問間隔總和?/?用戶數=用戶訪問周期

    由此得出用戶訪問周期值,假設:周期為20。

    (3)根據用戶最后一次訪問時間的分布情況,劃定“活躍用戶”

    • 用戶群B中,80%(二八原則)的用戶的平均訪問間隔在30天以內。均正好為1.5個訪問周期,即80%的用戶的活躍周期是1.5個訪問周期。由此得出:將1.5個訪問周期作為閾值劃分的界限,最后訪問時間在1.5個周期內的用戶,統稱為“活躍用戶”。
    • 用戶群B中,當訪問間隔達到60天時,曲線斜率趨于0,此時用戶量達到95%。由此得出:將3個訪問周期作為閾值劃分的界限,最后訪問時間在3個周期內的用戶,統稱為“流失用戶”。
    • 介于“活躍用戶”和“流失用戶”之間的用戶,即最后一次訪問時間在1.5-3個訪問周期內的用戶,為“沉睡用戶”。

    (4)在活躍用戶中,再根據留存率高低,將用戶劃分為成長用戶和成熟用戶

    以17年12月31日為限,求出當時的活躍用戶下一個活躍周期內的留存率。又因,活躍用戶中,活躍周期內留存率高于80%(二八原則)的用戶,全年訪問天數大于25天。因此,將最后訪問時間在1.5個活躍周期內,且訪問天數大于25天的用戶定為成熟用戶。

    在1.5個訪問周期內,僅訪問過1次的用戶,定為成長I型用戶(新用戶)。在1.5個訪問周期內,且訪問天數在2-25天,定為成長II型用戶。

    (5)最后一步,驗證用戶分群的合理性(以上“三步走”提及)

    在這個劃分邏輯下,得出18年1.1~18.7.1不同生命周期的用戶占比數:同比17年1.1~17.7.1用戶占比是否一致,一致說明分群基本得以驗證,用戶分群數據置信度高(輸出以下表格用作驗證)。

    可得大致結論:

    1. 2017占比VS2018占比,驗證占比的吻合度。
    2. 經驗證,用戶占比基本吻合,、如若趨于穩定,該劃分方式則成立。
    3. 得出18年用戶不同層級占比,結合用戶占比,拉出重點用戶,進行用戶行為研究~

    四、下一階段的運營重點

    通過全體用戶訪問天數分布情況,判斷下一階段的運營重點。

    需要注意的是:選取訪問天數少&占比較高的典型用戶,以新用戶、成長用戶、流失用戶為主,調研其活躍天數少的原因,找到運營改進方案。(如果日活是千萬級用戶,基本上超過5%就要拿出來研究了)

    根據用戶流失情況占比進行運營策略制定,需進一步挖掘的問題:

    • 用戶瀏覽過多少頁面可以形成高留存(可將高留存的前10%用戶進行針對性分析)?
    • 用戶產生哪些行為可以形成高留存?
    • 用戶留存占比與訪問天數的關系?

    如果項目時間允許的話,建議選取典型用戶,進行電話訪談調研,按照 認知——訪問——動機 的用戶行為路徑,暫擬以下幾個核心問題:

    1. 不同階段的用戶,對于**APP的認知?
    2. 為什么來?來的動機和訴求?用戶是主動來到(通過分享、應用市場下載)還是被利益誘導?
    3. 為什么又不來了?是需求已得到滿足or需求得不到滿足?
    4. 除進行**行為外(核心行為之一),平時是否參加別的活動?(除核心行為之外你想探究的點)
    5. 成長和成熟用戶的頻次、習慣(是否會受活動、福利影響,是否受內容影響、場景影響)?

    選取用研人群輸出用戶調研表(以今日頭條極速版為例):

    最后進行調研結論輸出,形成可視化的調研結論:

    1. 輸出不同層級用戶的調研結論;
    2. 梳理當前已有的用戶運營策略,匹配到不同的用戶生命周期;
    3. 根據用戶調研結果,結合用戶生命周期,調整用戶分群維度,優化運營模型;
    4. 確認優先運營的用戶群(提升留存or流失召回),并針對不同類型用戶制定運營策略。

    做完了最基礎的用戶分群,下一步即可根據不同生命周期的用戶行為做進一步分層拆解,如若想搭建大等級體系,則需要對每一個生命周期的用戶做進一步分層。而對于各個生命周期的用戶研究結論,則能更好地輔助我們制定用戶分層運營策略,進而進一步驗證策略的可行性。

    以上,即用戶體系搭建第一步,用戶分群方式,下一篇《用戶體系搭建之用戶精神激勵體系》

    #專欄作家#

    曹燁,微信公眾號:燁子的城堡。人人都是產品經理專欄作家,知名互聯網企業資深運營經理。

    本文原創發布于人人都是產品經理,未經許可,不得轉載

    題圖來自Unsplash,基于CCO協議

    給作者打賞,鼓勵TA抓緊創作!
    評論
    歡迎留言討論~!
    1. 訪問天數對應人群的留存率是指什么留存率啊?

      回復
    2. 三(3)是不是寫錯了?最后訪問時間在三個周期內的用戶為流失用戶?

      回復
    3. 作者你好!請問在生命周期劃分邏輯中的第三條,關于活躍用戶的劃分部分,用戶群B中,80%(二八原則)的用戶的平均訪問間隔在30天以內。這個平均訪問間隔30天以內是如何得來的呀,沒理解。然后我想問二八法則是如何體現在這一點上呀。運營新手,看的有點生澀,期待作者解惑!

      回復
    4. 期待(二)(三)……??????

      回復
    5. 方法論的文章總是極好的

      回復
    6. 之前自己也在摸索如何進行用戶分群,我使用自己摸索的比較糙的方法,也用到28定律,看完作者寫這么完整的思路。發現自己之前的有些想法也是對的,但沒想到可以用到如此極致,期待你后面的文章

      回復
    7. 順便說一句,本人團隊正在招人,有意向的請添加微信 cherrycaoye

      回復
    8. 思路很全面了,不過有一個地方想追問下,文章中提到的28原則,是這么用的嗎?以二八原則來說,不是20%的人群更值得關注,為什么在文章里把80%的都定義為活躍用戶了。

      回復
      1. 這里的二八原則為了劃定大部分人的生命周期哈,先得到一個生命周期的閥值,生命周期反映了絕大多數用戶的成長規律,所以取了百八用戶。
        然后基于生命周期,去拆分新用戶,成長,成熟用戶。

        回復
    9. 真的學習到了,正好最近在研究用戶運營方面!感謝!期待后面的文章!

      回復
    10. 數據指導運營,從量化到策略,作者對數據理解非常深入,是否方便加一個微信交流(zhusiyuan574632347)

      回復
    11. 公眾號更改為“冷靜的曹爺”~

      回復
    江苏11选5开奖走势图