用戶分層是用戶運(yùn)營(yíng)中常見(jiàn)的一個(gè)概念，簡(jiǎn)單理解就是指將用戶分為不同類型，并根據(jù)不同用戶提供差異化的內(nèi)容和服務(wù)。本文主要介紹幾種常見(jiàn)的用戶分層思路，并結(jié)合實(shí)際案例講解用戶分層下的一些設(shè)計(jì)探索。

一、為什么要做用戶分層

隨著移動(dòng)互動(dòng)網(wǎng)的發(fā)展，人口紅利的消失，各大廠商都面臨著流量的挖掘和留存的問(wèn)題，公域流量競(jìng)爭(zhēng)激烈、獲取成本高，私域流量也由于用戶的越來(lái)越多元化而變得粘性匱乏。

在這種環(huán)境下，一方面是要擴(kuò)展更多紅利渠道、進(jìn)行圈層精準(zhǔn)引流，另一方面，則是精細(xì)化運(yùn)營(yíng)思路，為核心流量建護(hù)城河，用最小的成本使用戶價(jià)值最大化。因此，不管是對(duì)新流量的精準(zhǔn)引入，還是對(duì)現(xiàn)有流量的精細(xì)運(yùn)營(yíng)，最為關(guān)鍵的手段就是“用戶分層”。

通過(guò)對(duì)用戶進(jìn)行細(xì)致的劃分，并進(jìn)行“差別對(duì)待”，于用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；于業(yè)務(wù)而言，也通過(guò)為不同用戶制定更精準(zhǔn)的運(yùn)營(yíng)策略，使運(yùn)營(yíng)資源能夠更高效利用，并帶來(lái)業(yè)務(wù)數(shù)據(jù)的增長(zhǎng)。所以，用戶分層作為精準(zhǔn)化的重要手段，能夠?yàn)橛脩艉蜆I(yè)務(wù)帶來(lái)的價(jià)值也是顯而易見(jiàn)的。

二、如何進(jìn)行用戶分層

用戶分層的思路有多種，劃分維度可簡(jiǎn)單可復(fù)雜、層級(jí)可大可小，那么應(yīng)該如何選擇適合的分層方式，每種方式應(yīng)該如何使用呢？

1. 通用的用戶分層模型

首先介紹幾種比較常見(jiàn)的用戶分層模型，它們涵蓋范圍比較廣、有嚴(yán)謹(jǐn)?shù)挠脩魟澐诌壿?，幾乎可以通用于大部分的需求?chǎng)景。

① RFM模型

• R：最近一次的消費(fèi)時(shí)間（Recency）
• F：一段時(shí)間內(nèi)的消費(fèi)頻次（Frequency）
• M：一段時(shí)間內(nèi)的消費(fèi)金額（Monetary）

圖2-1 RFM模型

RFM模型按照用戶價(jià)值狀況進(jìn)行劃分，如果將每項(xiàng)指標(biāo)分兩個(gè)級(jí)別，進(jìn)行組合可以分為8種基礎(chǔ)的用戶類型，當(dāng)然每項(xiàng)指標(biāo)里的價(jià)值維度如果繼續(xù)細(xì)分，例如消費(fèi)時(shí)間可以從籠統(tǒng)的遠(yuǎn)/近細(xì)化到一周內(nèi)、一月內(nèi)、半年內(nèi)等等，消費(fèi)頻次可以按照不同時(shí)間段內(nèi)的復(fù)購(gòu)次數(shù)拆分，消費(fèi)金額也可以按具體額度范圍繼續(xù)拆分，如此再進(jìn)行組合，將可以得到更加細(xì)致的分層，那么就可針對(duì)不同價(jià)值級(jí)別的用戶調(diào)整資源傾斜力度、運(yùn)營(yíng)策略等。

②AIPL模型

• Awareness：認(rèn)知，針對(duì)對(duì)應(yīng)純新用戶
• Interest：興趣，有過(guò)相關(guān)瀏覽、加購(gòu)、關(guān)注等行為，但未進(jìn)行下單的那些用戶
• Purchase：購(gòu)買(mǎi)，有過(guò)下單行為的用戶
• Loyalty：忠誠(chéng)，有過(guò)較高復(fù)購(gòu)行為的用戶

圖2-2 AIPL模型

這個(gè)模型對(duì)應(yīng)的也是用戶的成長(zhǎng)路徑，每個(gè)用戶都是從認(rèn)知開(kāi)始，才慢慢變成購(gòu)買(mǎi)或者忠誠(chéng)，所以需要做的，就是引導(dǎo)用戶不斷往更上一層發(fā)展。

所以，我們可以根據(jù)不同的階段的用戶訴求，設(shè)計(jì)更合理的內(nèi)容，例如針對(duì)認(rèn)知型用戶，可以進(jìn)行種草推薦，激發(fā)他們的興趣；興趣型用戶，需要了解他們未行動(dòng)的原因，解決轉(zhuǎn)化阻礙；購(gòu)買(mǎi)型用戶，需要喚醒需求刺激更多下單；而忠誠(chéng)型，則可以進(jìn)行更多體驗(yàn)細(xì)節(jié)的優(yōu)化，讓他們更加簡(jiǎn)單、效率的完成購(gòu)買(mǎi)。

③AARRR模型

• Acquisition：獲客，引入流量
• Activation：激活，刺激用戶參與
• Retention：留存，減少用戶流失
• Revenue：變現(xiàn)，提升下單轉(zhuǎn)化
• Refer：傳播，促進(jìn)分享和復(fù)購(gòu)

圖2-3 AARRR模型

AARRR模型來(lái)自于增長(zhǎng)的思路，一般來(lái)說(shuō)對(duì)應(yīng)的是整個(gè)產(chǎn)品的用戶生命周期，但也可以作為某一次活動(dòng)的轉(zhuǎn)化漏斗來(lái)使用，例如在常見(jiàn)的大促活動(dòng)中，它對(duì)應(yīng)的就是發(fā)現(xiàn)-瀏覽-加購(gòu)-下單-復(fù)購(gòu)，各個(gè)環(huán)節(jié)也會(huì)對(duì)應(yīng)具體的數(shù)據(jù)指標(biāo)，我們需要做的就是找到各個(gè)環(huán)節(jié)增長(zhǎng)的機(jī)會(huì)點(diǎn)，進(jìn)行體驗(yàn)上的優(yōu)化。

2. 人群標(biāo)簽分層

上面的幾種模型是從用戶購(gòu)物數(shù)據(jù)層面進(jìn)行劃分的，模型確立后，用戶的層級(jí)是相對(duì)固定的，主要存在一些占比和優(yōu)先上的變化，只要掌握了模型就可以快速套用，基本也不容易出錯(cuò)。

但是在很多場(chǎng)景下，不一定適合按照這種絕對(duì)理性的方式來(lái)劃分的，如果有更加個(gè)性化的訴求，則可以嘗試按照人群屬性進(jìn)行聚類的方式來(lái)分層，包括：

• 基礎(chǔ)屬性：性別、年齡、地域等；
• 購(gòu)物屬性：品類偏好、消費(fèi)金額、消費(fèi)動(dòng)機(jī)等。

圖2-4 人群標(biāo)簽分層

根據(jù)基礎(chǔ)屬性標(biāo)簽與購(gòu)物屬性標(biāo)簽將用戶進(jìn)行分類，在這種方式下能夠劃分的用戶類型會(huì)更加具象化，相當(dāng)于給每類用戶一個(gè)專屬的身份標(biāo)簽，比如：品質(zhì)男神、時(shí)尚女神、趣玩青年、新潮老人等等，根據(jù)他們的具體需求進(jìn)行個(gè)性化的內(nèi)容設(shè)計(jì)。

至于人群標(biāo)簽劃分的顆粒度要細(xì)到什么程度，則依據(jù)不同業(yè)務(wù)需要來(lái)定，劃分越細(xì)當(dāng)然能更精準(zhǔn)的命中用戶，但同時(shí)也會(huì)帶來(lái)更高的運(yùn)營(yíng)成本，因此可以結(jié)合自身實(shí)際情況來(lái)選擇。

3. 定向分層

以上的一些分層的方式，都是相對(duì)分類比較全面的，比較適用于用戶量大的綜合類項(xiàng)目，所以在一些小項(xiàng)目或有特殊需求項(xiàng)目中，也可以根據(jù)目標(biāo)和問(wèn)題進(jìn)行定向分層。

圖2-5 定向分層

首先，可以根據(jù)業(yè)務(wù)目標(biāo)來(lái)制定分層的方式，例如我們活動(dòng)目標(biāo)如果是拉新，那么可以把用戶劃分為老用戶&新用 戶，新用戶又可以按照來(lái)源渠道進(jìn)一步分層；如果業(yè)務(wù)目標(biāo)是進(jìn)行市場(chǎng)下沉，則可以分層為一二線用戶&下沉市場(chǎng)用戶，下沉市場(chǎng)用戶也可以進(jìn)一步細(xì)分……這樣的分層方式可以更加直接的聚焦到核心目標(biāo)人群。

其次，可以根據(jù)需要解決的重點(diǎn)問(wèn)題進(jìn)行分析，再有針對(duì)性的提煉分層維度，例如某個(gè)活動(dòng)的跳失率很高，那么可以去分析哪些用戶跳出高，原因是什么，針對(duì)這些高跳出的用戶可以提供什么差異化的服務(wù)。

三、用戶分層設(shè)計(jì)策略

針對(duì)不同用戶類型進(jìn)行差異化的設(shè)計(jì)，需要從流量和人貨匹配兩個(gè)核心問(wèn)題進(jìn)行思考。

1. 流量

常規(guī)活動(dòng)流量灌入同一會(huì)場(chǎng)，用戶分層下如何做好流量的切分和承接？

①梳理分層人群匹配邏輯

當(dāng)我們確定好分層用戶類型后，首先需要進(jìn)行人群匹配邏輯的梳理，后臺(tái)算法將用戶進(jìn)行識(shí)別和分類，前臺(tái)根據(jù)用戶標(biāo)識(shí)匹配不同的展示樣式。同時(shí)在這個(gè)過(guò)程中需要考慮一些特殊情況，如當(dāng)用戶未登錄時(shí)、或用戶數(shù)據(jù)獲取不到時(shí)，是否有默認(rèn)樣式等。

②從入口&渠道就開(kāi)始進(jìn)行分層設(shè)計(jì)

談到精細(xì)化運(yùn)營(yíng)，大多數(shù)時(shí)候我們做到的都是流量置入后的精準(zhǔn)匹配，但是真正意義上的精準(zhǔn)，應(yīng)變是從流量置入前就需要考慮的。在流量入口上，根據(jù)不同分層用戶展示差異化的素材樣式，在引流渠道上，根據(jù)分層用戶占比和優(yōu)先級(jí)進(jìn)行資源分配的優(yōu)化，這樣才能使流量更加精準(zhǔn)高效的引入。

2. 人貨匹配

常規(guī)活動(dòng)給所有用戶呈現(xiàn)的相同的會(huì)場(chǎng)頁(yè)面，用戶分層下如何進(jìn)行千人千面的設(shè)計(jì)？

①根據(jù)不同用戶提供精準(zhǔn)的內(nèi)容

精準(zhǔn)的內(nèi)容，是實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)最核心也是最基礎(chǔ)的要求。常規(guī)的活動(dòng)會(huì)場(chǎng)，頁(yè)面的內(nèi)容是千篇一律的，所有人看到的都是相同的商品、品牌、優(yōu)惠券，用戶分層的設(shè)計(jì)思路，是根據(jù)分層用戶特征來(lái)推導(dǎo)設(shè)計(jì)目標(biāo)，進(jìn)而制定具體方案策略，從內(nèi)容上進(jìn)行精準(zhǔn)命中。

以酒水品類活動(dòng)為例，我們按照4A模型將用戶分層為路人型（認(rèn)知）、意向型（興趣）、小酌型（購(gòu)買(mǎi)）、酒鬼型（忠誠(chéng)），將進(jìn)行內(nèi)容層的匹配。

圖3-1根據(jù)分層用戶提供精準(zhǔn)的內(nèi)容

②根據(jù)不同用戶規(guī)劃差異化的瀏覽動(dòng)線

不同的用戶的內(nèi)容訴求不同，那么頁(yè)面的組織結(jié)構(gòu)自然也不同，基于前面的設(shè)計(jì)目標(biāo)和方案策略，對(duì)頁(yè)面的內(nèi)容優(yōu)先級(jí)、樓層順序進(jìn)行梳理，以匹配不同用戶的瀏覽習(xí)慣、最大化的提升他們的瀏覽效率，例如酒水活動(dòng)中以“酒鬼型”和“路人型”為例，可以對(duì)比看到兩種用戶動(dòng)線的差異。

圖3-2 根據(jù)分層用戶規(guī)劃差異化的瀏覽動(dòng)線

③根據(jù)不同用戶設(shè)計(jì)個(gè)性化的模塊樣式

在內(nèi)容和框架確定后，最后就是具體模塊的設(shè)計(jì)，也是往往容易被忽略掉的細(xì)節(jié)。很多時(shí)候都是做到框架的分層，原子模塊基本復(fù)用，但是更加友好用戶分層，是在模塊的形式、信息結(jié)構(gòu)上都可以追求更加極致的個(gè)性化，甚至一個(gè)坑位的大小、顏色、圖片風(fēng)格等等都可能對(duì)不同用戶最后的決策造成不同程度的影響。如酒水活動(dòng)，同樣是單品模塊，也可以進(jìn)行更加個(gè)性化的設(shè)計(jì)。

圖3-3根據(jù)分層用戶設(shè)計(jì)個(gè)性化的模塊樣式

四、結(jié)語(yǔ)

用戶分層是精細(xì)化運(yùn)營(yíng)的重要手段，在購(gòu)物場(chǎng)景逐漸多元化、個(gè)性化的趨勢(shì)下，越來(lái)越多的平臺(tái)都在進(jìn)行著各種用戶分層的嘗試。很多無(wú)論是在算法層面，還是運(yùn)營(yíng)層面都已經(jīng)做的非常成熟，潤(rùn)物細(xì)無(wú)聲的影響著用戶的行為，在用戶分層這條路上我們還有很多需要去積累和沉淀的東西，也希望未來(lái)可以有更加成熟和創(chuàng)新的想法可以再與大家交流。

參考文獻(xiàn)

1.?RFM模型百度百科

2.?AARRR百度百科

3.?用戶分層模型，讓你的設(shè)計(jì)看起來(lái)更專業(yè)

4.?如何進(jìn)行用戶分層，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)？利用RFM用戶價(jià)值模型

5.?如何做適合自己產(chǎn)品的用戶分層/用戶分群

作者： 楊涔，公眾號(hào)：京東設(shè)計(jì)中心JDC（ID：JDCdesign）

來(lái)源：https://mp.weixin.qq.com/s/uwkslyKxoGUxXiYPpoLcsA

本文由 @京東設(shè)計(jì)中心JDC 授權(quán)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議