用戶分群的4個維度，以及將用戶分群應用于業(yè)務增長

用戶分群：采集數據 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，采集數據是用戶分群的第一步，先確定我們需要哪些數據，然后做好數據埋點，建立基礎的用戶行為數據監(jiān)控機制，為用戶貼上標簽。PS：所有圖片均可點擊放大

諸葛io官網中互聯(lián)網金融類DEMO虛擬數據說明：對于互金類產品來說，通過數據埋點和采集，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。通過數據采集，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(fā)行為、新增于、活躍于。

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簽，比如：年齡、性別、城市、瀏覽器版本、系統(tǒng)版本、操作版本、渠道來源等就是用戶屬性。

圖片來源于網絡關于屬性的重要性呢，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(qū)都有不同的飲食偏好，那么對于同一款產品來說的，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(qū)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(qū)的用戶，另一方面讓“霾區(qū)”用戶獲得了一種“寶寶被重視了”的貼心體驗。另外，對于一個產品來講，迭代是產品成長的必經之路，因此根據用戶所使用的“系統(tǒng)版本”將用戶進行分群，即可實現衡量改版前后的用戶行為差異及改版效果。2、活躍于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，因此對于活躍于某一特定時段（比如：新舊版本迭代/暑假/節(jié)假日）或者最近*天（比如：近期有功能上線）。

諸葛io官網中電商類DEMO虛擬數據說明：通過“活躍于”這個維度，我們可以快速找到最近7天活躍的用戶，并可觀察這一用戶群「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。

諸葛io官網中電商類DEMO虛擬數據說明：通過進一步下鉆洞察單體用戶未完成付款的原因，發(fā)現大部分是“余額不足”導致，故可以每月發(fā)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(fā)過某一事件或者沒觸發(fā)過某一事件，比如，對于互金類產品，完成“綁卡”的用戶對平臺的信任度一定高于“未綁卡”用戶，因此觸發(fā)指定事件的用戶可作為用戶分群的重要維度。

諸葛io-用戶模塊說明：在諸葛io平臺中關于“做過/沒做過”篩選條件中，支持4個維度：

• 任意時間
• 新增后：超好用的維度，下文重點介紹
• 最近
• 固定時段

場景舉例：

諸葛io-用戶模塊說明：以互聯(lián)網金融產品為例，將最近30天內成功支付起投金額為1000元的理財產品大于等于1次，且查看理財產品詳情大于等于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(xù)挖掘用戶價值。用戶視角之「新增后」場景舉例：「新增后」這個概念是以用戶“路轉粉”為起點的時間周期，而不是傳統(tǒng)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后的 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，用戶新增后*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。

諸葛io-用戶模塊說明：諸葛io支持多條件篩選用戶（并且+并且+并且···），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，這是對于用戶渠道來源的篩選。此外，將新增后1天內就完成注冊且查看了“耳機”類商品大于等于3次的用戶，定義為“耳機”潛在消費用戶，通過新增后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(fā)送給這些潛在用戶，引發(fā)用戶下單的欲望，提升購買轉化率。相較于傳統(tǒng)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、新增于

諸葛io-用戶模塊說明：新增于這個維度，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范圍，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(fā)起了一次大規(guī)模的市場拉新活動，那么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后續(xù)轉化情況。

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，把相似的人群合并，考察同一事件或同一指標在不同人群上的表現，以推斷并定位對該事件/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(yè)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(fā)掘產品問題的背后的原因，并從中發(fā)現產品有效改進優(yōu)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，那么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，購買轉化不高怎么辦？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(fā)現：

諸葛io官網中工具類demo虛擬數據「所有用戶」與「購買用戶」在7天里的留存情況對比：

在30天后，「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么顯著，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」進行分群對比后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「注冊」設為起點。也就是說，你之前分析的是「注冊」之后的留存情況，而下一步，你可以分析「購買」之后的留存情況。這就是在你重新設計了引導流程以促進用戶關注他人之后，接下來你應該努力提升什么。然后，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」后的留存情況。當你搞清楚了哪些行為導致你的用戶繼續(xù)回來使用你的產品之后，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。通過對用戶數據的采集，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，并結合用戶需求有針對的調整和優(yōu)化，這就最大化用戶數據的價值。