七麦数据

今天来聊一聊用户分层的事情。

一个实例

亮哥现在所在的公司叫做斑马信息科技，是阿里和上汽一起合资的公司，主营的业务是通过前装制造「互联网汽车」，已经上市的是荣威的RX5。

公司里有个小组，是做流量的，简单的说，车主在用车过程中产生了流量的消耗，然后再去花钱买流量持续使用需要消耗流量的应用。

前两周，亮哥和流量组的小伙儿一起，梳理了8月份提车的首批车主的流量使用和流量购买的情况。

样本量大概3000多，然后我们使用了RFM模型来完成这批样本的用户分层——流量消耗选型用户RFM模型及流量购买选型用户RFM模型。

RFM模型，在这里再做一次简单介绍。

RFM模型是广泛使用于传统零售行业的用户分层模型，它用三个维度的数据来划分消费用户的层级，分别是：

R（Recency）：离某个时间点最近的一次消费，为「近度」维度；

F（Frequency）：一段时间内的消费频次，为「频度」维度；

M（Monetary）：对应这段时间内的消费金额，为「额度」维度。

通过RFM模型，可以划分出用户的层级，如下表：

我们将R、F、M各切分了5个等级，构建出了125个模块，3000多样本，占据了其中77个模块。

这125个模块，会对应出上表中的8个级别的客户。

而这，只是*步。

第二步，是针对不同模块的用户，进行有针对性的活动、宣传设计，从而让模块中的用户产生流动。

持续的进行这个行为，去观测不同的活动、宣传，对于用户在层级中的流程产生的影响。

譬如说，对于高流量消耗，但没有产生流量购买行为的用户，可以对其进行定向推送，观测用户是否会变成「双高」用户（高消耗高消费）。

譬如说，对于没有流量消耗的用户，告知流量消耗应用可以提升体验，促使其使用会产生流量消耗的应用，提升用户的应用使用活跃度。

譬如说，上述的动作实施过程当中，是需要进行持续的文案改进，尝试触达不同用户的G点，并借机为用户打上标签，以备后续大规模运营使用。

（在这里也可以说一下，我们后来对于其中400名选型车主做了一次推送，推送三天内，就直接转化了9名车主进行流量购买，而在此之前，他们已经没有流量可用*少2个月了。）

与此同时，阶段性固化模型，从3000多样本扩展到全量用户。

第三步，通过在第二步中的运营得到的结果，去扩展到全量用户的运营。

这样做的好处是：

1.通过持续运营，可以固化出多个活动模块，如：A（Active）-P（Payment）活动；沉默用户唤醒活动，等等。

2.后续可以叠加积分等其他工具，让用户在产品中获得更多的权益和好处，使其对品牌产生认可。

3.识别高价值用户，并倾斜更多的运营资源，提升其使用产品的体验，并形成口碑进行传播。

这样一来，你很容易看出：

1.用户分层本身不是目标，目标是实现精细化运营，让资源得到合理分配和高效利用。

2.用户分层是所有产品进入用户运营的门槛，区分出不同层级的用户，才能有效的将运营手段进行叠加，降低运营成本，扩大运营效果。

3.做用户分层，需要一定的数学能力和Excel处理能力，并不是随随便便拍个脑袋就能有。

方法其实很简单，但能按照这个方法做出来的不太多。有一些工具（譬如Matlab）可以帮助使用，但能够实现这样的意识，其实不大容易。

动态看待用户层级

用户模型可以固化，但用户层级永远不会固化。

对于不同的产品，其生命周期其实往往是相似的，从初创到发展，到成熟，到衰退，再到消亡。

*的不同是，不同产品可能有不同的生命周期的长度，而这种长度上的区别，往往落脚点是看运营的精细化做到了什么样的程度。

大家应该都听说过淘宝营销工具可以做到千人千面，但千人千面不是*落实的，它是从采集用户行为，到分类用户行为，聚合、交叉，得到不同的用户集合，通过不同的营销尝试看待转化效果，最终得到一个不断发展的巨大模型。

这本身就是对用户分层工作*的褒奖。

不管你有1000个用户，还是1000万用户，如果你能做到随手取出任何一个用户，就知道他属于什么样的级别，什么样的活动对他有效，什么程度的让利可以推动购买，你的运营效率就会大大提升。

我想这也是很多人想要了解用户分层及精细化运营背后最简单直接的逻辑。

本文来自微信公众号“张记杂货铺”（ID:zhangleo1983），作者张亮