想做好用户运营？这3个用户分层、分群方法必须掌握！

用户运营是指通过各种手段来引导用户，做我们想要他做的事（也称之为最大化提升用户价值）。

如果你是电商产品的运营，最需要做的事就是让用户付费购买商品，如果你是社区产品的运营，最需要做的事就是让用户贡献和传播内容。

那么，如何知道用户中哪些人最值得你去“套路”。比如你拿到下边这些用户数据字段，你知道谁最需要你进行召回嘛？

想要知道问题的答案，那就要用到本篇图文，重点详解常用的 3 种用户运营数据分析思路了。

Ps.本图文案例背景描述：

01 用户分层数据分析

用户分层的意义在于帮助运营人员，更好地梳理用户所处的流程状态，进而可以针对不同状态的用户，制定不同的运营策略。

用户分层没有固定的方式，只能根据产品形态和业务流程设立因地制宜的体系，不过它有一个中心思想：根据核心业务流程进行划分。

这里我们依旧以宠物社群为例，按照业务流程可以划分出如下用户层级结构，并且对每个层级用户给出了明确的用户行为字段要求。

有用户分层结构以及每个层级的字段要求后，接下来的数据分析工作就很清晰了，按照各个层级的字段要求来筛选用户行为数据字段，把符合各个层级要求的用户都找出来。

下图是用 Excel 透视表功能，根据层级要求做出来的用户分层表。（用户数据量大的话，还需要求助技术同学来给你做分层处理。）

 Excel 透视表功能

当我们知道了每个用户所处的层级状态后，在提升宠物社群的交易额这件事上，咱们就有方向了。

比如，同样是发优惠券，以前可能是全站发放统一的优惠券。（成本浪费，且核销率非常低）

现在则是可以差异化的向@班主任佳丽 和@加班狗儿 提供满减优惠券，来尝试提升他们的购买客单价了，给@隔壁老王  提供他曾经购买的宠物零食折扣券来进行用户召回….

这种根据用户所处层级的差异，提供不同的引导策略，就是精细化运营的过程。

不过以上提到的分层运营策略可能并不是最好的，因为有可能出现是你给@班主任佳丽 提供满减优惠券，但是她养的是猫，那么狗这个品类的券对她来说就没吸引力了。

那怎么避免出现这种“不太精准”的情况呢？就是我们下面要讲的用户分群！

02 用户分群数据分析

用户分群可以理解为是对用户分层的补充，当你在用户层级上不能再做用户细分时，可以考虑将同一个分层内的群体继续切分，满足更高的精细化运营需要。

怎么理解用户分群，我们还是继续拿宠物社群案例进行说明。

比如宠物社群在付费用户这一层里，可以根据用户的消费金额、养宠品类、用户性别进行再区分。

1）基于消费金额的分群

根据下边基于消费金额的付费用户分群，你可以知道付费用户中有 100 人的消费金额是 150~300 元，有 200 人月消费 50~150元，有 500 人月消费在 0~50 元。

2）基于消费品类的分群

根据下边基于养宠品类的付费用户分群，你可以知道付费用户中养猫的用户有 320 人，养狗的用户 480 人。

3）基于用户性别的分群

根据下边基于用户性别的付费用户分群，你可以知道付费用户中男性的用户有 340 人，女性的用户 460 人。

有时候我们做用户分群是为了解决一个具体的业务问题，比如你想知道在付费用户中，什么样的宠物品类月消费客高，什么性别的用户月消费高，那这时候就可以把 3 个分群维度进行交叉分析。

把分群维度切得更细后，会得出更精彩的数据结论。

通过对付费用户进行分群处理后，我们发现女性在宠物的消费意愿度上比男性强，同时养狗用户的消费金额比养猫用户多（因为狗吃得多，用得多）。

而再往下深扒用户消费数据后，确实会发现养狗用户购买的主粮和零食明显比养猫用户要多。

所以在针对养不同宠物品种的用户，我们可以制定不同的优惠促销策略，比如针对养狗的用户我们提供满减门槛更高的优惠券，为了提升转化率重点对女性用户进行营销推送。

 03  RFM用户价值数据分析

这是运营同学经常会面临的用户召回问题，关于哪个用户才是最值得被你投入精力进行召回的，就要用到 RFM 用户价值数据方法了。

RFM 用户价值分析方法是客户管理中的经典数据分析方法，它用以衡量消费用户的价值和创利能力，从某种意义上来说它也是一种用户分群，它依托收费的 3 个核心指标：

以此来构建用户价值分群体系。

最近一次消费时间 Recency：衡量用户的流失，消费时间越接近当前的用户，越容易维系与其的关系。1 年前消费的用户价值肯定不如一个月才消费的用户。

消费频率 Frequency：消费频率是用户在限定的期间内购买的次数，最常购买的用户，忠诚度也越高。

消费金额 Monetary：消费金额是营销的黄金指标，二八法则指出，企业 80% 的收入来自 20% 的用户，该指标直接反应用户的对企业利润的贡献。

对于产品而言，我们理想的用户状态是用户消费时间的间隔（R）越短越好；用户的消费频率（F）越高越好；用户一段时间的消费金额（M）越大越好。

可往往理想很丰满，现实却骨感，简单举个例子：

随着时间往后延长，开始购买的 2000 个用户最终流出到仅剩 300 个，那么哪些用户流失了，哪些用户最值得我们进行召回？

通过 RFM 用户价值分析是可以找到答案的，这也是 RFM 分析方法在实际运营过程中的意义所在，将每个付费用户根据消费行为数据，匹配到不同的用户价值群体中，然后根据不同付费用户群体的价值采用不同的策略。

R、F、M需要自行定义数值范围

我们再回看开头提到的问题：

结合 RFM 用户价值分析方法，我们知道落在 R（长）、F（高）、M（大）的价值群体的用户最值得我们进行召回。

结合宠物社群来说，@隔壁老王 是否非常值得被重点召回的，而@卖课团子 @小贤去哪儿 属于低价值用户，可不太需要投入大量精力进行挽回。

最后，RFM 用户价值分析方法是运营必须熟知掌握的，在互金和直播行业应用最为广泛，互金项目根据用户的投资金额（M）、投资频率（F）、最近一次投资时间（R）的变化制定不同的运营策略。

如之前用户投资很活跃，现在放缓了，运营可能就会给用户推一张投资加息券；再隔一段时间没准就有一位声音甜美的客服小姐姐，致电向我们嘘寒问暖了。

直播也是一样，用户观看直播的时长、最近一次观看时间间隔以及打赏情况，根据这些字段的变化制定相应的运营策略。

当然，具体到每个行业每家公司每个业务的时候，甚至同一场景下不同的人也会是不同的玩法。RFM 模型还有很多的应用，感兴趣的小伙伴可以再去研究一下。

04  总结

用户运营是通过各种手段来「套路」用户做我们想要他做的事（也称之为最大化提升用户价值），为了让自己的运营策略更加有效，我们需要对用户行为进行数据如下处理：

1）用户分层，分层维度没有统一标准，你以拿 AARRR 用户增长路径为分层逻辑，也可以按照业务核心流程为分层逻辑。

2）用户分群，它是对每一层级用户的横向再细分，可以从消费金额、消费品类、用户城市、用户性别等维度分群。

3）FRM 用户价值分群模型，它是一种立体式分群思维，F、R、M 可以按照实际业务需求进行调整，社区产品的M可以被替换成发帖量。