用户分层运营

为什么要进行分层运营？ 用户特征的差异导致了用户诉求的个性化，也催生了精细化运营的需求。 用户分层运营的前提是用户细分，通过先有效区分用户，再定向执行策略来实现更搞笑的精细化运营。

用户分层运营

本质

为什么互联网产品广泛需要用户分层？ A.产品各种用户角色的差异

A.产品各种用户角色的差异

用户特征

B端/C端用户

贡献/消费内容用户

PGC-UGC

案例：猫眼电影UGC 用户角色分为明星、影评人、优质UGC用户、内容消费用户 全站用户分层

商家-消费者

B.产品中的用户行为差异

用户行为

付费用户

活跃用户

注册用户

下载用户

业内的另一种解读

前提

用户细分

通过先有效细分用户，再定向执行策略来实现更高效的精细化运营。

用户分层

以用户价值为中心

在同一分层模型下，一个用户只会处于一个层次中

用户分群

以用户属性为中心进行划分

1个用户可能会同时拥有多个属性

最简单的用户分层

以用户成长路径为中心

分层是可嵌套的

购买（付费用户））

进一步分为群体A/B/C

下单（兴趣用户）

使用（活跃用户）

下载（下载用户）

注册（新用户）

四类常见的方式

分层实施的两大核心： 1.处于不同层级的用语和，需要能够被通过数据字段或标签等方式识别区分出来； 2.面向每一类用户的运营机制或策略是明确稳定的 如何判断按什么逻辑分层？ A.业务主链条标准化高+用户互相影响可能低（如墨迹天气、高德地图） B.业务主链条标准化低+用户互相影响可能高（得到） C.业务主链条标准化低+用户互相影响可能低（印象笔记、招商银行） D.业务主链条标准化高+用户互相影响可能高（抖音）

用户价值区隔分层

适合业务主链条标准化高+用户互相影响可能低（如墨迹天气、高德地图）

做法1：依靠用户生命周期定义对用户进行价值区隔

通常以时间和成长的阶段为中心展开，必然与【用户的价值成长路径】有关，不同产品的用户价值成长路径不同—— 做收入，做GMV：用户直接付费，使用频次高 ①注册-初次付费-多次付费-高净值用户阶段 ②注册-形成使用依赖-初次付费-多次付费-高净值用户阶段 做流量：不会直接付费，使用频次高 注册-尝试使用阶段-形成依赖阶段-高忠诚度高贡献阶段 做收入，做转化路径：直接付费，但使用频次低 注册-体验环节1+……体验环节N-付费-多次付费

付费类产品

导入期用户

成长期用户

成熟期用户

休眠期

流失期

做法2：通过关键用户行为对用户进行价值区隔

找到产品中能够衡量用户价值的关键行为，对其进行交叉分析和评估，最终形成某种分层模型（如经典的RFM） RFM是一种思考方式，不是唯一答案。任何产品，如果要通过用户关键行为对用户价值进行判断， 都一定能找到至少2个关键指标对其进行交叉分析，最后实现用户分层。

常见的RFM模型操作步骤

是衡量客户价值和客户创立能力的重要工具和手段。 该模型通过：[Recency-距离最近一次交易】（最近一次交易时间差）、【Frequency-交易频率】（一段时间内的消费频次）、【Monetary-交易金额】（一段时间内的消费金额）三项指标来描述客户的价值情况，依据这三项指标划分【8类客户价值】 核心是找出影响单用户价值高低的用户行为，然后进行多维交叉分析和用户划分。

抓取用户R/F/M三个维度下的原始数据

提出数据需求： 定义出F中的“一段时间”是多久，以及用户类型（全站还是仅会员）， 然后拉出该时间段内所有订单数据，数据字段包括用户ID、下单时间和每个订单的金额就好 。 对“一段时间”的定义可以拍脑袋或参考业务进展和需求，一般如果业务比较稳定的情况下，多以自然年或季度、半年等为单位来进行定义。

定义R/F/M的评估模型与中值

如何定义？交易频次、最近一次交易时间、消费总金额等信息，怎样算是低，怎样算是高？ 应对方式：根据业务特性或数据分布情况来划分数据分布区间，设定评估模型，然后再设定中值。 案例（三节课RMF评估模型的定义） R（最近一次交易时间差，参照业务特性进行交易） ①普遍意义上一个新用户是注册15天内购买，所以15天时重要的值 ②一门课周期60天，是重要值 ③半年是复购统计的重要周期，180天是重要值 ④自然年是重要统计周期，365天时重要值 ⑤超过一年没有发生购买，就会被定义为流失用户 F（一段时间内的消费频次，参照数据分布情况进行定义）一次付费 、二次付费、三~五次付费、六到九次，十次及以上 M（一段时间内的交易总金额，参照业务特性进行定义）①用户购买中低价值课程1门，599元 ②用户购买高价值课2门，1800元 ③用户购买课程5门（对应F）4500元 ④用户购买课程9门（对应F）8100元

进行数据的处理，获取用户的R/F/M值

参照评估模型与中值，对用户进行分层

针对不用层级用户制定运营策略，推进落地

RMF模型在不同行业的典型变种和扩展

金融：投资金额、投资频率、最近一次投资时间

直播：观看直播时长、最近一次观看时间、打赏金额；

内容：评论次数、评论字数、评论被点赞数

网站：登录次数、登录时长、最近一次登录时间

游戏：等级、游戏市场、游戏充值金额

更简单的变种

核心内容贡献者（深绿色）：做深度情感维系+利益共享，想尽办法留住； 次核心内容贡献者：想办法让其向核心内容贡献者转化 主流内容消费者：做好内容推送保证活跃，同时加强激励，引导生产内容 新用户/潜在流失用户：想办法做好内容推送，防止流失

行为A次数（月登录次数）

行为B次数（月发帖次数）

最简单的锚定：28法则

AARRR模型分型

适合业务主链条标准化高+用户互相影响可能低（如墨迹天气、高德地图）

第一种

用户获取

用户激活

留存

传播

收入

第二种

获取用户Acquisition

如何界定该层用户：下载未注册，或完成注册无进一步行为 关注：不同渠道下用户最有效的获取方式和手段

用户激活Activation

注册，尚未走完预设的核心路径 关注：如何让用户更好的走完我们设计好的核心路径

提高留存Retention

走完核心路今后持续留存时间不足的用户 关注：思考如何为用户伺候的使用创造持续动机

增加收入Revenue

已经走完核心路径，且持续留存时间超过一定值的用户 关注：思考如何面向用户售卖产品，实现变现

病毒传播Referral

活跃频次超过一定基数的用户 关注：如何为他们设计更好的自发传播+口碑工具

总结

对于指导用户分层，AARRR是一种较为轻快简单的模型，无需抓取大量用户数据和定义大量用户数据就可往前推进。

某种意义上，可以把它视为用户价值区隔分层的简单弱化版本。在人力、资源有限，希望快速产出一些东西提升整体用户价值时可以考虑。

用户身份区隔

适合业务主链条标准化低+用户互相影响可能高（如得到）

用户金字塔模型

按照用户的价值贡献度大小，或用户影响力的稀缺程度由下到上搭建一个金字塔模型，再赋予每一类用户对用的角色和权益，搭建一个良性关系。

如何梳理

先理出产品的业务逻辑，然后逐次思考

滴滴司机为例 用户→发布打车

是否存在用户之前发生关系

是

某类用户是否会因贡献、活跃、稀缺性而产生阶层

是

在该类用户内依贡献度、稀缺性等搭建分层

否

用户之间是否可以在自然状态下实现角色演化或进阶？

是

把不同用户的分层进行对接，被进阶的一方处于金字塔上方

否

不适合金字塔模型

用户个性化特质&需求区隔分层

适合业务主链条标准化低+用户互相影响可能低的产品（印象笔记、招商银行）和适合业务主链条标准化低+用户互相影响可能高（如得到） 区隔维度分为： 自然属性——个人自然：年龄、性别、职业、收入、所在地区、学校、家庭情况等；渠道来源

区隔维度

自然属性

个人自然

年龄、性别、职业、收入、所在地区、学校、家庭情况等

渠道来源

个性化需求

个人隐形消费偏好

个人使用医院/专业度强弱

个人显性消费偏好

对A功能/A类商品更感兴趣的用户

对B功能/B类商品更感兴趣的用户

场景（如通勤、睡前、周末家中等）

分层依据

拿到一个产品如何根据这个维度分层？ 看看用户是否会因为上面陈列的这些行为和属性的不同，导致其需求、使用动机、使用偏好等会出现较大差异。 进行判断，要么靠常识和用户洞察，要么靠数据。

两种方法

选择一个维度进行划分

案例：美柚（三个身份状态分层）

正常

备孕

产后

选择两个维度通过交叉区隔

案例：某基金理财APP

用户投资意愿强用户属性为小白

基金首购：推荐个性化最优理财方案 基金复购：在用户获得收益后推荐更多理财方案

用户投资意愿强用户属性为专业

基金首购：给予用户更多样丰富的选择 基金复购：定期推荐各种操作更复杂更专业的解决的方案

用户投资意愿弱用户属性为小白

基金首购：对用户的理财意识进行强教育 基金复购：在用户获得收益后推荐更多理财方案

用户投资意愿弱用户属性为小白

基金首购：弱关注 基金复购：弱关注，定期推荐各种操作更复杂更专业解决方案

总结

产品内一定要能够通过行为数据或基础数据或标签等，来为用户的个性化需求定性。

多种用户分层策略的叠加使用参考

新手用户 再按渠道区分进行精细化运营

成长型和高净值按用户价值进一步细分进行精细化运营

或按用户身份区分对用户进行分层运营（如果需要的话）

新手+成长+高净值 

按用户个性化需求/消费偏好进行精细化

如何在产品中实施（豆瓣为例）

案例：你只有1个人+1个实习生，原本在负责豆瓣APP的KOL运营，豆瓣原本没有人在做面向全站用户的精细化策略运营。 某天，老板找到你，告诉你数据显示过去3个月内豆瓣的用户活跃时间和人数都开始有缓慢下降，他觉得可能是时候去做一些面向用户的精细化运营了，于是找到你，希望你能在3天时间内，不依赖与复杂的数据处理和分析就能拿出来一个可行的方案，你怎么办？

梳理产品业务逻辑

结合资源、问题和现状，选择更适用的用户分层模型

先判断业务，用户主链条标准化程度高低以及用户在产品中互相影响高低 初步判定四种分层方式都适合 再看老板提出的要求和背景：用户活跃度在下降，没有过多资源，3天内完成 开始不考虑大量数据挖掘处理分析比对的，如：用户个性化&需求区隔分层（需比对），然后我们要优先解决的是用户活跃度下降，我们还暂时没有办法判断这个用户活跃度下降是否和站内整体的用户身份或者角色的结构会有关系，比如生产类型用户衰减，所以这一方式的推进也暂不考虑。 最后剩下【用户价值区隔分层】和【AARRR】的方式，时间短任务紧的情况下，可以选择【AARRR】。 但现在分析【用户价值区隔分层】

判断业务

用户主链条标准化程度高低以及用户在产品中互相影响高低

锚定用户价值

28法则

关键行为对比进行用户区分

基于最核心的行为对用户价值分层：内容消费、内容发布

行为A次数

无、少、中等、中等偏上、高

同一周期内的内容发布次数

行为B次数

一段周期内的登录次数

结合数据爬取，完成用户层次的划分

需要先做好界定

面向什么样的用户去抓取关键行为数据？

要考虑的是 靠之前定的策略，抛弃流失的沉默的低价值用户，关注价值更好或有可能更好的用户，先根据28法则，把这20&，80%的价值提上来。 既然时间精力有限，那么我们只抓取有限的数据，只面向特定的体量没那么大的用户，在一定的时间周期内，去抓取这两个行为，我们就能够把这群高价值用户去持续识别出来，按照这个思路，我们可以这样定义，比如： 我们之只抓取，过去1个月内有过访问行为的用户，抓取他们在30天内的登录次数+内容发布次数，借此找出高价值的用户。

“一段周期”到底该被定义为多久？

数据获取+数据处理

①围绕确定的模型确认需要抓取的数据项，完成数据定义； ②提出数据需求，完成数据获取； ③对数据进行二次处理，完成数据对于模型的映射。（到底多少次登陆、发帖次数算多呢？） 根据数据我们要计算出，30日内登录次数在10次以上的人仅为33%，登陆次数在20次以上的人仅有16%； 30日内发帖次数在10次以上的人仅有19.3%，50次以上用户仅有2%。 如采用5段划分，登陆数和发帖数超过80%用户可为第3段，也可以在登陆数方面更宽松，超过70%可为第4段。

用户层次的定义+划分

按数据分成P1-P5 5类用户 并计算出总数，相对应为 P1:边缘用户 P2：偶尔访问型用户 P3:初步已形成使用习惯的用户 P4：忠诚用户 P5:高价值用户

制定分层运营策略

用户分层后的运营策略制定依据 希望用户发生的行为类型： ①让用户一次性完成某个关键行为（如关注某个内容源，首次下单等） ②希望用户保证某种最低程度的贡献（如每月最少贡献20篇内容） ③让用户长期持续保持某一行为（如持续浏览，使用，购买，发布内容等） 对应的常见运营策略 ①给予一次性物质奖励（如礼品、红包等）or某种权益刺激or某种荣誉进行刺激；增加引导推荐时的精准性 ②给予特殊达标奖励 ③长期培养习惯——找到用户获得正反馈的核心驱动力，并进行定向引导（如关注特定的内容源或推荐源）；为用户定期发生关系设计额外刺激（如折扣、消费福利领取等）；设计每次访问时的随机奖励进行刺激； ④身份方面：设计专属权益，予以刺激；能力提升方面：给予专门指导或培养 ⑤让用户在产品中获得更多高价值关系或投入更多情感；增强官方与用户间的情感联系

针对每类用户，明确我们希望其稳定化发生的行为

针对每类用户，明确希望引导其完成的重点行为，或是引导其进行身份进阶的路径

通过模型来匹配运营方法与策略

检验+迭代

尽量优先做那种“一个机制就能影响好多人”的运营工作，或优先做解决那种“用户基数最大”的问题；

尽量不要同时上多个链条厂、复杂度高的分层运营方案；

切记，尽量追求让自己的运营方案要“可被监测+可被评估”

一个没有“跟到底”或“结论产出”的运营方案，等于资源浪费