用户细分怎么分最好(怎样进行用户细分)_卖抖音号

正如我们所说,用户分层是用户细分的一种特殊形式:按价值细分。通用用户细分应该怎么做?为什么很多同学完成了细分,却不批评它“没用”?今天系统回答一下。

一、用户细分的直观感受

用户细分本身非常简单。例如,我们在上一节中谈到的用户分层实际上是根据高、中、低三个级别用一个分类维度进行的简单用户细分,例如:

按用户近一年消费细分:高级(1w)、中级(5K-1w)、低(1-5K)。

按用户活动行为细分:活动(过去30天内登录超过15天)非活动(登录15天)。

更简单,按基本属性细分:男/女、老/中年/年轻。

细分用户容易,但在有效.细分用户难有效意味着它可以对运营、产品、营销和销售有所帮助。比如我们区分高层次客户和低层次客户,知道高层次客户有钱,但是应该如何服务?什么时间,什么场景,什么活动?还不清楚。因此,仅仅使用一个维度进行分层是不够的。我们需要更多的分类维度,进行更细致的划分。

看一个小例子:

让我们看看如何分析这个例子:

(1)先看看消费习惯

从对公司贡献的收入来看,农行的三类是同档次的。实际上,ABC三大类代表了三种不同的消费习惯:

a:集中采购(很可能是双十一最便宜买的)。

b:不同季节买入(很有可能每个季度都跟风)。

c:频繁采购(日常活动量大,运营最喜欢)。

(2)用户消费习惯不同,会直接影响运营手段

答:集中采购:一场集中的大型活动被引爆!

b:季节性购买:每季度新品促销。

c:频繁购买:打卡积分周活动。

用哪一个,可以参考ABC在整个用户结构中的比重,选择一个主要战术,效果如下:

请注意,可用并不意味着它是合理的。也有可能是领导说:虽然我们目前是A组,占60%,但我们希望C组以后占60%,需要改变现状。这样在选择战术时,就更要考虑C群的特点,找到更符合C用户需求的活动、产品和优惠。总之,更详细地了解用户特征可以帮助操作。

这就是用户细分的直观功能:通过细分,为运营提供更精细的数据指导.当然,为了方便教学,这个例子的数据是极其极端的。在实践中,只要能找到区分度较高的分类维度,就会有类似的效果。核心问题是:怎么找。这是用户细分的关键。

二、用户细分的操作步骤

第一步:定义什么是“有效”

这一步非常非常重要。用户细分可以分为无尽的方式。如果不提前定义什么是“有效”细分,你会发现细节众多的大海捞针。

很多新手最容易忽略这一点。当用户被细分时,他们会急于将一堆用户特征变量塞进聚类模型。聚集之后,他们不知所措。他们到处问“有没有科学权威的用户分类,谁挑战谁就被拖出来再打50板?”最后被操作批评为:这是什么事!因为脱离了商业实践,只专注于加减乘除。

有效的分类标准,当然是基于运营需求。我们可以从经营目标、KPI、任务中拆解出相应的数据指标。比如运营任务是增加收入。按照以下步骤,我们将业务问题转化为分析问题。

有了分类标准,我们可以检查细分是否有效,比如目标是找到累计消费高的用户群体。最后还要看我们发现的子群体的消费差异是否足够高,是否真的锁定了高消费群体。

具体效果如下图所示:

第二步:从运营手段上找分类维度

找到分类标准后,我们就可以看到从什么维度去细分用户,这样可以让用户群体之间的差异更加明显。这里还有一个大洞,因为好像有很多可选的维度。许多学生迷路了。我该如何选择?或者最后,接线员问:你为什么这么分裂?他回答:这样的分差很大!然后被批评为:不懂业务,盲目做,好郁闷.

其实分类维度筛选是有一定标准的,完全不用到处跑:

(1)选数据来源可靠的维度

比如性别、年龄等基本维度,很多公司没有严格的采集流程,数据空缺多,很难保证真实性,所以不要用这些。尽量使用可靠的数据,如消费、活动和注册来源。

(2)选运营可影响的维度

比如设备型号可能很关注开发,但是如果运营知道,那就什么都做不了,所以这个时候不要选择;有些指标特别注重操作。比如运营要发放优惠券,用户的优惠券收款率和使用率都是特别好的指标。

(3)选自身分层差异明显的指标

有些指标本身差异不大,数据分布非常集中。此时不优选,优选分布差异较大的指标。

以上,基于这三个标准,我们可以避免盲目做大海捞针的实验,避免被操作者批评为“这有什么用”。一些学生认为这个过程非常类似于制作风控模型时寻找特征。是的,他们是,但是有区别。风险控制模型对应的业务动作只有两种:“通过/拒绝”,绝对没必要考虑那么多。作为针对运营用户的细分,运营落地时要考虑:活动主题、时间、产品、卖点、沟通渠道……很多东西,所以一定要考虑哪些维度对运营有用。

第三步:尝试细分,观察结果

有了分类维度,我们可以尝试对分类标准进行细分。

这里有三个更复杂的问题:

每个分类维度有多少段?

应该增加多少分类维度?

多少类别合适?

第一,从结果来看:原则上最终分类的数量不要太多,每组都要有在运营看来有可操作意义.做运营活动,要设计海报,备货,开发系统,准备投放资源。因此,如果小组规模太小,就不适合单独做活动。因此,在细分用户时,习惯将最大组数限制在8个类别(每个组有10%以上的份额)。至于具体规模,可根据项目目标和运营情况进行设计。

在这个一般原则下,意味着分类维度和每个维度的分割不能太多,所以尽量选择关键维度和关键分割点,如果维度太多,可以考虑使用降维算法进行压缩。划分各个维度时,要注意以下问题:如果对单个维度进行分割,发现有些片段比较特殊,就不能随意合并(如下图所示)。

总之,分类过程需要反复尝试很多步骤,直到最终输出理想的结果。

三、特别说明:用户细分和推荐算法的区别

很多网上文章把用户细分和千人个性化推荐混为一谈。虽然口头上很多人会说:我们做用户细分是为了了解用户的需求,达到千人千面的效果,这是商业上的两个意思。

对于一个细分的群体,行动可以做很多引领性、创新性行动。比如要拓展高端用户,可以推出全新的产品系列、全新的激励政策、全新的服务来吸引高端用户。只要我知道他们的喜好和行为,我就能准确做到。但是新设计的前提是用户有一定的尺寸,这是值得做的。

所以在细分的时候,不能考虑很多维度,切得很细,这就使得推广很复杂。我想告诉全世界,让大家都知道我们在做,这样才能形成从众效应,取得更大的成绩。

推荐系统不受此限制。推荐系统完全关闭了信息通道,每个人看它的角度都不一样,只要能提高用户响应率就行。所以推荐的产品都是现有的,存量的,的,尽量让用户和产品匹配。推荐系统不能产生新的想法和效果,不能设计新产品。所以完全不用担心:我会详细拆分,只要能实现我的业务目标。

四、小结:用户细分的真正难点

纵观整个过程,你会发现用户细分是个原理简单,操作复杂's的事情。操作复杂,完全不是建模过程,而是对目标的把握,对维度筛选,对切分大小的把握,都得考虑业务上需求.虽然数据和统计为我们提供了很多工具(分类工具和降维工具),但是我们还是要考虑具体的业务场景。我们从不缺少会背课本的学生。我们缺少的是能考虑实际场景的分析师。

很多新人在路上不懂这个。你问他:

用户细分服务的目标是什么?

运营中的“核心用户”,是指高消费吗?更积极?有推荐行为吗?

知道“男/女”操作怎么办?

运营可以通过多少种手段实现目标?

如果只有200元的消费缺口,操作有多大空间?

他们的回答当然是:我什么都不知道。

然后他固执地问:你为什么在乎?我就想知道,难道没有哪个电商行业做到了Kmean聚类的分类号权威标准吗?是5还是8!()

特别提醒:活在学校图书馆的书本里,是无法解决企业实际问题的。

作者:接地气的陈老师,微信微信官方账号:接地气学校。10岁的数据分析师,有很多行业的客户关系管理经验。

本文最初由@接地气的陈老师发表,大家都是产品经理。未经允许禁止复制。

图来自Unsplash,基于CC0协议。

奖励作者,鼓励TA努力!感激一个人的回报。



新媒兔新媒体交易平台目前有 抖音号出售抖音号转让抖音号购买快手号购买等新媒体账号服务市场,并在新媒体服务的基础上将会开拓更多的虚拟资产服务业务。新媒兔对用户的需求提供信息匹配、账号估值、数据鉴定、资金担保、合同担保、运营指导等专业的虚拟资产服务配套服务! 还有问题补充欢迎评论与新媒兔小编互动哦~