用户系统搭建(一):用户分群办法论阐发
本文摘要:订阅专栏撤销订阅 互联网IT干货分享,酷爱健身、游览&美食。2.4万23852用户分群里最多见的是基于RFM模型的用户分群研讨,本文主要跟我们分享用户分群的详细方法论。一同来看看~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,
订阅专栏撤销订阅 互联网IT干货分享,酷爱健身、游览&美食。

2.4万

238

52

用户分群里最多见的是基于RFM模型的用户分群研讨,本文主要跟我们分享用户分群的详细方法论。一同来看看~

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、生长用户、成熟用户和流失用户,再在这个基础上依据用户的不同行为标签做精密化拆分。

用户分群里最多见的是基于RFM模型的用户分群研讨,通过以下介绍,即可把握用户分群的详细方法论。

一、用户分群“三步走”方法论

首要,跟我们介绍下用户分群“三步走”方法论

(1)RFM模型应用,依据用户前史行为(拜访频次、间隔、时长、最近1次拜访距今),对用户生命周期进行划分,将用户划分为新用户、生长用户、成熟用户、衰退用户和流失用户;

意图:开始确认用户分级与用户分群运营思路。

(2)以今天头条极速版为例,跟据用户拜访的页面、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。

意图:为后续用户权益设计留作参考。

(3)输出用户行为占比散布表(如下展示,以今天头条极速版为例)

意图:聚类用户,做更精密化拆分,重点提高留存或其他运营指标(视实践状况而定)。

二、基于RFM模型确认用户生命周期散布的取数逻辑

其次,详细介绍下基于RFM模型确认用户生命周期散布的取数逻辑,大大都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。

其间最重要一步,拉取其时用户数据,依据数据划分用户生命周期,大体需求是构成如下这张表:

协同BI侧,我们需要做以下准备:

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精确性),用户拜访行为进行分析,得出用户生命周期阈值后,套用在另外一段用户中进行验证。 跑取以下几个数据指标:90天内单个用户的pv总数、拜访了X天、拜访页面数(按天去重累加)、停留时长(90天内所有的停留时长)、拜访天数(均匀间隔、最近1次阅读距今X天)、拜访天次(90内该用户来了几回)。 分别匹配:所有页面(去除阶段性活动页面)、所有常规概况页。 三、户生命周期划分逻辑

以上说了太多的方法论和需求,这里边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会,建议日常工作中多多与BI交流,自己在日常团队管理中,需要运营同学具备数据分析、处理的根本能力,也会注重培育团队关于数据事务领会能力。

(1)依据2017年用户拜访页面的天数,划分为:拜访天数=1的用户(用户群A),拜访天数 1的用户(用户群B)

(2)依据用户群B全体用户的均匀拜访间隔天数,得出用户的“拜访周期”。

拜访间隔公式:(最晚1次拜访-最早1次拜访)/(拜访次数-1);拜访均匀间隔公式:拜访间隔总和?/?用户数=用户拜访周期

由此得出用户拜访周期值,假设:周期为20。

(3)依据用户终究一次拜访时间的散布状况,划定“活跃用户”

用户群B中,80%(二八原则)的用户的均匀拜访间隔在30天以内。均正好为1.5个拜访周期,即80%的用户的活跃周期是1.5个拜访周期。由此得出:将1.5个拜访周期作为阈值划分的界限,终究拜访时间在1.5个周期内的用户,统称为“活跃用户”。 用户群B中,当拜访间隔达到60地利,曲线斜率趋于0,此时用户量达到95%。由此得出:将3个拜访周期作为阈值划分的界限,终究拜访时间在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,即终究一次拜访时间在1.5-3个拜访周期内的用户,为“熟睡用户”。

(4)在活跃用户中,再依据留存率凹凸,将用户划分为生长用户和成熟用户

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,全年拜访天数大于25天。因此,将终究拜访时间在1.5个活跃周期内,且拜访天数大于25天的用户定为成熟用户。

在1.5个拜访周期内,仅拜访过1次的用户,定为生长I型用户(新用户)。在1.5个拜访周期内,且拜访天数在2-25天,定为生长II型用户。

(5)终究一步,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,一致说明分群根本得以验证,用户分群数据相信度高(输出以下表格用作验证)。

可得大致结论:

2017占比VS2018占比,验证占比的吻合度。 经历证,用户占比根本吻合,、如若趋于安稳,该划分方式则建立。 得出18年用户不同层级占比,结合用户占比,拉出重点用户,进行用户行为研讨~ 四、下一阶段的运营重点

通过全体用户拜访天数散布状况,判断下一阶段的运营重点。

需要留意的是:选取拜访天数少 占比较高的典型用户,以新用户、生长用户、流失用户为主,调研其活跃天数少的原因,找到运营改善方案。(假如日活是千万级用户,根本上超过5%就要拿出来研讨了)

依据用户流失状况占比进行运营策略制定,需进一步发掘的问题:

用户阅读过多少页面可以构成高留存(可将高留存的前10%用户进行针对性分析)? 用户发生哪些行为可以构成高留存? 用户留存占比与拜访天数的关系?

假如项目时间允许的话,建议选取典型用户,进行手机访谈调研,依照 认知——拜访——动机 的用户行为途径,暂拟以下几个核心问题:

不同阶段的用户,关于**APP的认知? 为何来?来的动机和诉求?用户是主动来到(通过火享、应用市场下载)仍是被利益诱导? 为何又不来了?是需求已得到满足or需求得不到满足? 除进行**行为外(核心行为之一),平时是否参加其他活动?(除核心行为之外你想根究的点) 生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(以今天头条极速版为例):

终究进行调研结论输出,构成可视化的调研结论:

输出不同层级用户的调研结论; 梳理其时已有的用户运营策略,匹配到不同的用户生命周期; 依据用户调研成果,结合用户生命周期,调整用户分群维度,优化运营模型; 确认优先运营的用户群(提高留存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,下一步即可依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,则需要对每个生命周期的用户做进一步分层。而关于各个生命周期的用户研讨结论,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,《用户体系搭建之用户精力激励体系》

#专栏作家#

曹烨,微信大众号:烨子的城堡。人人都是产品主管专栏作家,知名互联网企业资深运营主管。

本文原创发布于人人都是产品主管,未经答应,不得转载

题图来自Unsplash,基于CCO协议


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)的用户的均匀拜访间隔在30天以内。这个均匀拜访间隔30天以内是怎么得来的呀,没了解。然后我想问二八法则是怎么体现在这一点上呀。运营新手,看的有点生涩,期待作者解惑!


之前自己也在探索怎么进行用户分群,我使用自己探索的比较糙的方法,也用到28定律,看完作者写这么完好的思路。发现自己之前的有些主见也是对的,但没想到可以用到如此极致,期待你后边的文章


思路很全面了,不过有一个当地想诘问下,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%的人群更值得重视,为何在文章里把80%的都界说为活跃用户了。


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大都用户的生长规律,所以取了百八用户。
然后基于生命周期,去拆分新用户,生长,成熟用户。


数据辅导运营,从量化到策略,作者对数据了解十分深化,是否便利加一个微信交流(zhusiyuan7)


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。

相关内容