用戶細分,該怎么分才最見效果?

發布者: 91運營  1865

系統學習運營課程,加入《91運營網VIP會員》,開啟365天運營成長計劃>>

我們說過,用戶分層是一種特殊的用戶細分形式:按價值高低細分。那普遍的用戶細分該怎么做呢?為什么很多同學做完了細分,卻別批判為:“沒啥用處”呢?今天系統解答一下。

a148 用戶細分,該怎么分才最見效果?

 

 

一、用戶細分的直觀感受

做用戶細分本身很簡單,比如我們上一節講的用戶分層,其實就是用一個分類維度,按高中低進行的簡單用戶細分,比如:

 

按用戶過往1年內消費細分:高級(1w+)中級(5K-1w)低級(1-5K)

按用戶活躍行為細分:活躍(過往30天內15天以上登錄)不活躍(登錄≤15天)

甚至更簡單的,按基礎屬性細分:男性/女性,老年/中年/青年

做用戶細分簡單,但做有效的用戶細分就難了。所謂有效,就是能對運營、產品、營銷、銷售工作有幫助,比如我們區分了高中低級客戶,我們知道了高級客戶很有錢,可到底該怎么服務他們?什么時間、什么場景、做什么活動?依然不清楚。因此,單靠一個維度進行分層是不夠的,我們需要更多分類維度,做更細致劃分。

 

看一個小例子 :

a230 用戶細分,該怎么分才最見效果?

 

 

來看看這個例子可以怎么分析:

 

(1)先看看消費習慣

 

從對公司貢獻的收入上看,ABC三類是同一檔次的。可實際上ABC三類代表了三種不同的消費習慣:

 

A:集中采購(很有可能是在雙十一買最便宜的)

 

B:換季采購(很有可能每季度跟風新品)

 

C:頻繁采購(日常活躍高,運營最喜歡)

 

(2)用戶消費習慣不同,會直接影響運營手段

 

A:集中采購:集中一次大活動引爆!

 

B:換季采購:每季新品促銷

 

C:頻繁采購:打卡+積分+周活動

 

具體用哪一種,可以參考整個用戶結構中ABC三類的比例,選一個主戰術,效果如下:

a325 用戶細分,該怎么分才最見效果?

 

注意,現有的,不代表就是合理的。也有可能領導表示:雖然我們當前是A群體占60%,但我們希望未來C群體能占60%,要改變現狀。這樣在選擇戰術的時候,就得更多考慮C群體特點,找更符合C類用戶需求的活動、產品、優惠。總之,更細致的了解用戶特征,就能助力運營工作。

 

這就是用戶細分的直觀作用:通過細分,為運營提供更精細的數據指導。 當然,為了教學方便,這個例子的數據很極端。在實際操作中,只要能找到區分度夠高的分類維度,都會有類似的效果。核心問題是:該怎么找。這是做用戶細分的關鍵。

 

二、用戶細分的操作步驟

第一步:定義什么是“有效”

這一步非常非常重要。用戶細分可以有無窮無盡的分法,如果不事先定義清楚什么是“有效”細分,就會陷入茫茫多的細節大海撈針。

 

很多新手最容易忽略這一點,提起用戶細分,就急匆匆把一堆用戶特征變量塞進聚類模型,聚完了以后不知所措,到處問:“有沒有用戶分類的科學、權威、誰挑戰就拖出去重打50大板的標準?”最后還被運營批判為:做的啥玩意!就是因為脫離了業務實際,只埋頭加減乘除的緣故。

 

有效的分類標準,當然是根據運營的需要來的。我們可以從運營的目標、KPI、任務里拆解出對應的數據指標,比如運營的任務是:提升收入。我們按以下步驟,把業務問題轉化為分析問題。

a425 用戶細分,該怎么分才最見效果?

 

 

有了分類標準,就能檢查細分是否有效,比如目標是:找到累積消費高的用戶群體。那最后就看,我們找到的細分群體,消費差異是不是足夠高,是不是真的鎖定了高消費群體。

 

具體效果如下圖所示:

a525 用戶細分,該怎么分才最見效果?

 

第二步:從運營手段上找分類維度

找到了分類標準,我們可以看從什么維度切分用戶,能讓用戶群體間差異更明顯。這里又是一個大坑,因為看起來似乎可選維度非常非常多。很多同學陷入迷茫,到底我該怎么選。或者好不容易選出來,運營問:為什么這么分?他答:這么分差異大!然后被批判為:不懂業務,瞎胡亂做,好郁悶……

 

實際上,分類維度篩選有一定標準,完全不用到處亂跑:

 

(1)選數據來源可靠的維度

 

比如性別,年齡這些基礎維度,很多公司沒有嚴格采集流程,數據空缺多,真實性難保證,就不要用這些。盡量用消費、活躍、注冊來源這些可靠的數據。

 

(2)選運營可影響的維度

 

比如設備型號,可能開發很關心,但運營知道了也干不了啥事,這時候就不要選;有些指標運營特別關注,比如運營想發優惠券,那用戶對優惠券領取率、使用率就是特別好的指標。

 

(3)選自身分層差異明顯的指標

 

有些指標自身差異都不大,數據分布很集中,這時候就不優先選用,優先選擇那些自身分布差異大一些的指標。

 

以上,基于這三個標準,可以避免大海撈針瞎做實驗,也能避免做出來被運營批判為:“這有啥用”。有同學會覺得,這個過程和做風控模型時找特征很像。確實很像,但有區別。風控模型對應的業務動作只有“通過/拒絕”兩類,所以完全不需要考慮那么多。而做給運營的用戶細分,運營落地時要考慮:活動主題、時間、產品、賣點、傳播渠道……一大堆玩意,所以必須考慮哪些維度對運營有用。

 

第三步:嘗試細分,觀察結果

有了分類維度,我們可以嘗試對分類標準做切分。

a620 用戶細分,該怎么分才最見效果?

 

 

這里又有三個很糾結的問題:

 

到底每個分類維度且幾段;

到底要加多少分類維度;

到底分多少類合適。

先從結果來說:原則上,最終分類數量不宜太多,每個群體要在運營看來有可操作意義。運營做活動要設計海報、備貨、開發系統、準備投放資源。因此如果群體規模太小,是不適合單獨做活動的。所以做用戶細分時,習慣上限制群體最大為8類(每個群體都大于10%的份額)至于具體規模大小,可以根據項目目標,運營情況做設計。

 

在這個大原則下,意味著分類維度和每個維度的切分都不可能太多,盡量選關鍵維度,關鍵切分點,如果維度太多可以考慮用降維算法來做壓縮。在每個維度切分時,需注意以下問題:如果單維度分段,發現某些分段有特殊性,就不能隨意合并(如下圖所示)

a717 用戶細分,該怎么分才最見效果?

 

 

總之分類的過程需要反復嘗試很多步,直到最后輸出理想結果為止。

 

三、特別說明:用戶細分和推薦算法的區別

很多網上的文章會把用戶細分和千人千面的個性化推薦混淆。雖然口頭上,很多人會說:我們做用戶細分是為了了解用戶需求,實現千人千面的效果,可在在業務上這是兩個含義。

 

針對一個細分群體,運營可以做很多引領性、創新性動作。比如我們想壯大高端用戶群體,那完全可以推出全新的產品系列、全新的獎勵政策、全新的服務來吸收高端用戶。只要我了解了他們的喜好、行為習慣,就能做的很精準。但是,全新設計的前提是該用戶有一定體量,值得我這么干。

 

所以,做細分時就不能考慮非常多維度,切得特別細,搞得很促銷復雜無比。我要昭告天下,讓大家都知道我們在干這件事,才能形成從眾效應,獲得更大效果。

 

推薦系統則不受此限制,推薦系統完全封閉了信息渠道,每個人看的都不一樣,只要能提高一點用戶響應率就行。所以推薦的都是現有的,存量的產品,盡量實現用戶和產品的匹配。推薦系統可不能產生新創意和新效果,也設計不出新產品。所以完全不用糾結:我拆分的到底細不細,只要能達成業務目標就行。

 

四、小結:用戶細分的真正難點

看完整個過程,大家會發現用戶細分,是個原理簡單,操作復雜的東西。操作復雜,完全不是建模過程,而是對目標的把握,對維度篩選,對切分大小的把握,都得考慮業務上需求。雖然數據、統計學給我們提供了很多工具(分類工具、降維工具)可真正用到實處還是得考慮具體業務場景。我們從來都不缺少會背課本的學生,我們缺少的是會考慮實際場景的分析人員。

 

很多新人上路不明白這點,你問他:

 

用戶細分服務什么目標?

運營口中的“核心用戶”指的是消費高?活躍多?有轉介紹行為?

知道了“男/女”運營又能做什么事情?

運營有幾種手段能達成目標?

如果只有200元消費差距,運營有多少空間做事?

他們的回答當然是:通通不知道。

 

然后還倔強的反問:你管這干啥!!!我就想知道,就沒有一個電商行業做Kmean聚類權威標準的分類數量嗎!!!到底是5還是8!!!╮(╯▽╰)╭

 

特別提醒:活在學校圖書館的書本里,是無法解決企業實際問題的。

 

 

作者:接地氣的陳老師,微信公眾號:接地氣學堂。


勾搭小編微信號gaojier912,加入91運營官方社群,會運營的人都在這里了

加入運營集訓營
分享到:

?

掃碼加入91運營社群

二肖中特马资料