"用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
圖2-2 AIPL模型
這個模型對應的也是用戶的成長路徑，每個用戶都是從認知開始，才慢慢變成購買或者忠誠，所以需要做的，就是引導用戶不斷往更上一層發展。
所以，我們可以根據不同的階段的用戶訴求，設計更合理的內容，例如針對認知型用戶，可以進行種草推薦，激發他們的興趣；興趣型用戶，需要了解他們未行動的原因，解決轉化阻礙；購買型用戶，需要喚醒需求刺激更多下單；而忠誠型，則可以進行更多體驗細節的優化，讓他們更加簡單、效率的完成購買。
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，提升下單轉化
- Refer：傳播，促進分享和復購
用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
圖2-2 AIPL模型
這個模型對應的也是用戶的成長路徑，每個用戶都是從認知開始，才慢慢變成購買或者忠誠，所以需要做的，就是引導用戶不斷往更上一層發展。
所以，我們可以根據不同的階段的用戶訴求，設計更合理的內容，例如針對認知型用戶，可以進行種草推薦，激發他們的興趣；興趣型用戶，需要了解他們未行動的原因，解決轉化阻礙；購買型用戶，需要喚醒需求刺激更多下單；而忠誠型，則可以進行更多體驗細節的優化，讓他們更加簡單、效率的完成購買。
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，提升下單轉化
- Refer：傳播，促進分享和復購
圖2-3 AARRR模型
AARRR模型來自於增長的思路，一般來說對應的是整個產品的用戶生命週期，但也可以作為某一次活動的轉化漏斗來使用，例如在常見的大促活動中，它對應的就是發現-瀏覽-加購-下單-復購，各個環節也會對應具體的數據指標，我們需要做的就是找到各個環節增長的機會點，進行體驗上的優化。
2. 人群標籤分層
上面的幾種模型是從用戶購物數據層面進行劃分的，模型確立後，用戶的層級是相對固定的，主要存在一些佔比和優先上的變化，只要掌握了模型就可以快速套用，基本也不容易出錯。
但是在很多場景下，不一定適合按照這種絕對理性的方式來劃分的，如果有更加個性化的訴求，則可以嘗試按照人群屬性進行聚類的方式來分層，包括：
- 基礎屬性：性別、年齡、地域等；
- 購物屬性：品類偏好、消費金額、消費動機等。
用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
圖2-2 AIPL模型
這個模型對應的也是用戶的成長路徑，每個用戶都是從認知開始，才慢慢變成購買或者忠誠，所以需要做的，就是引導用戶不斷往更上一層發展。
所以，我們可以根據不同的階段的用戶訴求，設計更合理的內容，例如針對認知型用戶，可以進行種草推薦，激發他們的興趣；興趣型用戶，需要了解他們未行動的原因，解決轉化阻礙；購買型用戶，需要喚醒需求刺激更多下單；而忠誠型，則可以進行更多體驗細節的優化，讓他們更加簡單、效率的完成購買。
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，提升下單轉化
- Refer：傳播，促進分享和復購
圖2-3 AARRR模型
AARRR模型來自於增長的思路，一般來說對應的是整個產品的用戶生命週期，但也可以作為某一次活動的轉化漏斗來使用，例如在常見的大促活動中，它對應的就是發現-瀏覽-加購-下單-復購，各個環節也會對應具體的數據指標，我們需要做的就是找到各個環節增長的機會點，進行體驗上的優化。
2. 人群標籤分層
上面的幾種模型是從用戶購物數據層面進行劃分的，模型確立後，用戶的層級是相對固定的，主要存在一些佔比和優先上的變化，只要掌握了模型就可以快速套用，基本也不容易出錯。
但是在很多場景下，不一定適合按照這種絕對理性的方式來劃分的，如果有更加個性化的訴求，則可以嘗試按照人群屬性進行聚類的方式來分層，包括：
- 基礎屬性：性別、年齡、地域等；
- 購物屬性：品類偏好、消費金額、消費動機等。
圖2-4 人群標籤分層
根據基礎屬性標籤與購物屬性標籤將用戶進行分類，在這種方式下能夠劃分的用戶類型會更加具象化，相當於給每類用戶一個專屬的身份標籤，比如：品質男神、時尚女神、趣玩青年、新潮老人等等，根據他們的具體需求進行個性化的內容設計。
至於人群標籤劃分的顆粒度要細到什麼程度，則依據不同業務需要來定，劃分越細當然能更精準的命中用戶，但同時也會帶來更高的運營成本，因此可以結合自身實際情況來選擇。
3. 定向分層
以上的一些分層的方式，都是相對分類比較全面的，比較適用於用戶量大的綜合類項目，所以在一些小項目或有特殊需求項目中，也可以根據目標和問題進行定向分層。
"用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
圖2-2 AIPL模型
這個模型對應的也是用戶的成長路徑，每個用戶都是從認知開始，才慢慢變成購買或者忠誠，所以需要做的，就是引導用戶不斷往更上一層發展。
所以，我們可以根據不同的階段的用戶訴求，設計更合理的內容，例如針對認知型用戶，可以進行種草推薦，激發他們的興趣；興趣型用戶，需要了解他們未行動的原因，解決轉化阻礙；購買型用戶，需要喚醒需求刺激更多下單；而忠誠型，則可以進行更多體驗細節的優化，讓他們更加簡單、效率的完成購買。
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，提升下單轉化
- Refer：傳播，促進分享和復購
圖2-3 AARRR模型
AARRR模型來自於增長的思路，一般來說對應的是整個產品的用戶生命週期，但也可以作為某一次活動的轉化漏斗來使用，例如在常見的大促活動中，它對應的就是發現-瀏覽-加購-下單-復購，各個環節也會對應具體的數據指標，我們需要做的就是找到各個環節增長的機會點，進行體驗上的優化。
2. 人群標籤分層
上面的幾種模型是從用戶購物數據層面進行劃分的，模型確立後，用戶的層級是相對固定的，主要存在一些佔比和優先上的變化，只要掌握了模型就可以快速套用，基本也不容易出錯。
但是在很多場景下，不一定適合按照這種絕對理性的方式來劃分的，如果有更加個性化的訴求，則可以嘗試按照人群屬性進行聚類的方式來分層，包括：
- 基礎屬性：性別、年齡、地域等；
- 購物屬性：品類偏好、消費金額、消費動機等。
圖2-4 人群標籤分層
根據基礎屬性標籤與購物屬性標籤將用戶進行分類，在這種方式下能夠劃分的用戶類型會更加具象化，相當於給每類用戶一個專屬的身份標籤，比如：品質男神、時尚女神、趣玩青年、新潮老人等等，根據他們的具體需求進行個性化的內容設計。
至於人群標籤劃分的顆粒度要細到什麼程度，則依據不同業務需要來定，劃分越細當然能更精準的命中用戶，但同時也會帶來更高的運營成本，因此可以結合自身實際情況來選擇。
3. 定向分層
以上的一些分層的方式，都是相對分類比較全面的，比較適用於用戶量大的綜合類項目，所以在一些小項目或有特殊需求項目中，也可以根據目標和問題進行定向分層。
圖2-5 定向分層
首先，可以根據業務目標來制定分層的方式，例如我們活動目標如果是拉新，那麼可以把用戶劃分為老用戶&新用 戶，新用戶又可以按照來源渠道進一步分層；如果業務目標是進行市場下沉，則可以分層為一二線用戶&下沉市場用戶，下沉市場用戶也可以進一步細分……這樣的分層方式可以更加直接的聚焦到核心目標人群。
其次，可以根據需要解決的重點問題進行分析，再有針對性的提煉分層維度，例如某個活動的跳失率很高，那麼可以去分析哪些用戶跳出高，原因是什麼，針對這些高跳出的用戶可以提供什麼差異化的服務。
三、用戶分層設計策略
針對不同用戶類型進行差異化的設計，需要從流量和人貨匹配兩個核心問題進行思考。
1. 流量
常規活動流量灌入同一會場，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
當我們確定好分層用戶類型後，首先需要進行人群匹配邏輯的梳理，後臺算法將用戶進行識別和分類，前臺根據用戶標識匹配不同的展示樣式。同時在這個過程中需要考慮一些特殊情況，如當用戶未登錄時、或用戶數據獲取不到時，是否有默認樣式等。
②從入口&渠道就開始進行分層設計
談到精細化運營，大多數時候我們做到的都是流量置入後的精準匹配，但是真正意義上的精準，應變是從流量置入前就需要考慮的。在流量入口上，根據不同分層用戶展示差異化的素材樣式，在引流渠道上，根據分層用戶佔比和優先級進行資源分配的優化，這樣才能使流量更加精準高效的引入。
2. 人貨匹配
常規活動給所有用戶呈現的相同的會場頁面，用戶分層下如何進行千人千面的設計？
①根據不同用戶提供精準的內容
精準的內容，是實現精細化運營最核心也是最基礎的要求。常規的活動會場，頁面的內容是千篇一律的，所有人看到的都是相同的商品、品牌、優惠券，用戶分層的設計思路，是根據分層用戶特徵來推導設計目標，進而制定具體方案策略，從內容上進行精準命中。
以酒水品類活動為例，我們按照4A模型將用戶分層為路人型（認知）、意向型（興趣）、小酌型（購買）、酒鬼型（忠誠），將進行內容層的匹配。
"用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
圖2-2 AIPL模型
這個模型對應的也是用戶的成長路徑，每個用戶都是從認知開始，才慢慢變成購買或者忠誠，所以需要做的，就是引導用戶不斷往更上一層發展。
所以，我們可以根據不同的階段的用戶訴求，設計更合理的內容，例如針對認知型用戶，可以進行種草推薦，激發他們的興趣；興趣型用戶，需要了解他們未行動的原因，解決轉化阻礙；購買型用戶，需要喚醒需求刺激更多下單；而忠誠型，則可以進行更多體驗細節的優化，讓他們更加簡單、效率的完成購買。
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，提升下單轉化
- Refer：傳播，促進分享和復購
圖2-3 AARRR模型
AARRR模型來自於增長的思路，一般來說對應的是整個產品的用戶生命週期，但也可以作為某一次活動的轉化漏斗來使用，例如在常見的大促活動中，它對應的就是發現-瀏覽-加購-下單-復購，各個環節也會對應具體的數據指標，我們需要做的就是找到各個環節增長的機會點，進行體驗上的優化。
2. 人群標籤分層
上面的幾種模型是從用戶購物數據層面進行劃分的，模型確立後，用戶的層級是相對固定的，主要存在一些佔比和優先上的變化，只要掌握了模型就可以快速套用，基本也不容易出錯。
但是在很多場景下，不一定適合按照這種絕對理性的方式來劃分的，如果有更加個性化的訴求，則可以嘗試按照人群屬性進行聚類的方式來分層，包括：
- 基礎屬性：性別、年齡、地域等；
- 購物屬性：品類偏好、消費金額、消費動機等。
圖2-4 人群標籤分層
根據基礎屬性標籤與購物屬性標籤將用戶進行分類，在這種方式下能夠劃分的用戶類型會更加具象化，相當於給每類用戶一個專屬的身份標籤，比如：品質男神、時尚女神、趣玩青年、新潮老人等等，根據他們的具體需求進行個性化的內容設計。
至於人群標籤劃分的顆粒度要細到什麼程度，則依據不同業務需要來定，劃分越細當然能更精準的命中用戶，但同時也會帶來更高的運營成本，因此可以結合自身實際情況來選擇。
3. 定向分層
以上的一些分層的方式，都是相對分類比較全面的，比較適用於用戶量大的綜合類項目，所以在一些小項目或有特殊需求項目中，也可以根據目標和問題進行定向分層。
圖2-5 定向分層
首先，可以根據業務目標來制定分層的方式，例如我們活動目標如果是拉新，那麼可以把用戶劃分為老用戶&新用 戶，新用戶又可以按照來源渠道進一步分層；如果業務目標是進行市場下沉，則可以分層為一二線用戶&下沉市場用戶，下沉市場用戶也可以進一步細分……這樣的分層方式可以更加直接的聚焦到核心目標人群。
其次，可以根據需要解決的重點問題進行分析，再有針對性的提煉分層維度，例如某個活動的跳失率很高，那麼可以去分析哪些用戶跳出高，原因是什麼，針對這些高跳出的用戶可以提供什麼差異化的服務。
三、用戶分層設計策略
針對不同用戶類型進行差異化的設計，需要從流量和人貨匹配兩個核心問題進行思考。
1. 流量
常規活動流量灌入同一會場，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
當我們確定好分層用戶類型後，首先需要進行人群匹配邏輯的梳理，後臺算法將用戶進行識別和分類，前臺根據用戶標識匹配不同的展示樣式。同時在這個過程中需要考慮一些特殊情況，如當用戶未登錄時、或用戶數據獲取不到時，是否有默認樣式等。
②從入口&渠道就開始進行分層設計
談到精細化運營，大多數時候我們做到的都是流量置入後的精準匹配，但是真正意義上的精準，應變是從流量置入前就需要考慮的。在流量入口上，根據不同分層用戶展示差異化的素材樣式，在引流渠道上，根據分層用戶佔比和優先級進行資源分配的優化，這樣才能使流量更加精準高效的引入。
2. 人貨匹配
常規活動給所有用戶呈現的相同的會場頁面，用戶分層下如何進行千人千面的設計？
①根據不同用戶提供精準的內容
精準的內容，是實現精細化運營最核心也是最基礎的要求。常規的活動會場，頁面的內容是千篇一律的，所有人看到的都是相同的商品、品牌、優惠券，用戶分層的設計思路，是根據分層用戶特徵來推導設計目標，進而制定具體方案策略，從內容上進行精準命中。
以酒水品類活動為例，我們按照4A模型將用戶分層為路人型（認知）、意向型（興趣）、小酌型（購買）、酒鬼型（忠誠），將進行內容層的匹配。
圖3-1根據分層用戶提供精準的內容
②根據不同用戶規劃差異化的瀏覽動線
不同的用戶的內容訴求不同，那麼頁面的組織結構自然也不同，基於前面的設計目標和方案策略，對頁面的內容優先級、樓層順序進行梳理，以匹配不同用戶的瀏覽習慣、最大化的提升他們的瀏覽效率，例如酒水活動中以“酒鬼型”和“路人型”為例，可以對比看到兩種用戶動線的差異。
"用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
圖2-2 AIPL模型
這個模型對應的也是用戶的成長路徑，每個用戶都是從認知開始，才慢慢變成購買或者忠誠，所以需要做的，就是引導用戶不斷往更上一層發展。
所以，我們可以根據不同的階段的用戶訴求，設計更合理的內容，例如針對認知型用戶，可以進行種草推薦，激發他們的興趣；興趣型用戶，需要了解他們未行動的原因，解決轉化阻礙；購買型用戶，需要喚醒需求刺激更多下單；而忠誠型，則可以進行更多體驗細節的優化，讓他們更加簡單、效率的完成購買。
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，提升下單轉化
- Refer：傳播，促進分享和復購
圖2-3 AARRR模型
AARRR模型來自於增長的思路，一般來說對應的是整個產品的用戶生命週期，但也可以作為某一次活動的轉化漏斗來使用，例如在常見的大促活動中，它對應的就是發現-瀏覽-加購-下單-復購，各個環節也會對應具體的數據指標，我們需要做的就是找到各個環節增長的機會點，進行體驗上的優化。
2. 人群標籤分層
上面的幾種模型是從用戶購物數據層面進行劃分的，模型確立後，用戶的層級是相對固定的，主要存在一些佔比和優先上的變化，只要掌握了模型就可以快速套用，基本也不容易出錯。
但是在很多場景下，不一定適合按照這種絕對理性的方式來劃分的，如果有更加個性化的訴求，則可以嘗試按照人群屬性進行聚類的方式來分層，包括：
- 基礎屬性：性別、年齡、地域等；
- 購物屬性：品類偏好、消費金額、消費動機等。
圖2-4 人群標籤分層
根據基礎屬性標籤與購物屬性標籤將用戶進行分類，在這種方式下能夠劃分的用戶類型會更加具象化，相當於給每類用戶一個專屬的身份標籤，比如：品質男神、時尚女神、趣玩青年、新潮老人等等，根據他們的具體需求進行個性化的內容設計。
至於人群標籤劃分的顆粒度要細到什麼程度，則依據不同業務需要來定，劃分越細當然能更精準的命中用戶，但同時也會帶來更高的運營成本，因此可以結合自身實際情況來選擇。
3. 定向分層
以上的一些分層的方式，都是相對分類比較全面的，比較適用於用戶量大的綜合類項目，所以在一些小項目或有特殊需求項目中，也可以根據目標和問題進行定向分層。
圖2-5 定向分層
首先，可以根據業務目標來制定分層的方式，例如我們活動目標如果是拉新，那麼可以把用戶劃分為老用戶&新用 戶，新用戶又可以按照來源渠道進一步分層；如果業務目標是進行市場下沉，則可以分層為一二線用戶&下沉市場用戶，下沉市場用戶也可以進一步細分……這樣的分層方式可以更加直接的聚焦到核心目標人群。
其次，可以根據需要解決的重點問題進行分析，再有針對性的提煉分層維度，例如某個活動的跳失率很高，那麼可以去分析哪些用戶跳出高，原因是什麼，針對這些高跳出的用戶可以提供什麼差異化的服務。
三、用戶分層設計策略
針對不同用戶類型進行差異化的設計，需要從流量和人貨匹配兩個核心問題進行思考。
1. 流量
常規活動流量灌入同一會場，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
當我們確定好分層用戶類型後，首先需要進行人群匹配邏輯的梳理，後臺算法將用戶進行識別和分類，前臺根據用戶標識匹配不同的展示樣式。同時在這個過程中需要考慮一些特殊情況，如當用戶未登錄時、或用戶數據獲取不到時，是否有默認樣式等。
②從入口&渠道就開始進行分層設計
談到精細化運營，大多數時候我們做到的都是流量置入後的精準匹配，但是真正意義上的精準，應變是從流量置入前就需要考慮的。在流量入口上，根據不同分層用戶展示差異化的素材樣式，在引流渠道上，根據分層用戶佔比和優先級進行資源分配的優化，這樣才能使流量更加精準高效的引入。
2. 人貨匹配
常規活動給所有用戶呈現的相同的會場頁面，用戶分層下如何進行千人千面的設計？
①根據不同用戶提供精準的內容
精準的內容，是實現精細化運營最核心也是最基礎的要求。常規的活動會場，頁面的內容是千篇一律的，所有人看到的都是相同的商品、品牌、優惠券，用戶分層的設計思路，是根據分層用戶特徵來推導設計目標，進而制定具體方案策略，從內容上進行精準命中。
以酒水品類活動為例，我們按照4A模型將用戶分層為路人型（認知）、意向型（興趣）、小酌型（購買）、酒鬼型（忠誠），將進行內容層的匹配。
圖3-1根據分層用戶提供精準的內容
②根據不同用戶規劃差異化的瀏覽動線
不同的用戶的內容訴求不同，那麼頁面的組織結構自然也不同，基於前面的設計目標和方案策略，對頁面的內容優先級、樓層順序進行梳理，以匹配不同用戶的瀏覽習慣、最大化的提升他們的瀏覽效率，例如酒水活動中以“酒鬼型”和“路人型”為例，可以對比看到兩種用戶動線的差異。
圖3-2 根據分層用戶規劃差異化的瀏覽動線
③根據不同用戶設計個性化的模塊樣式
在內容和框架確定後，最後就是具體模塊的設計，也是往往容易被忽略掉的細節。很多時候都是做到框架的分層，原子模塊基本複用，但是更加友好用戶分層，是在模塊的形式、信息結構上都可以追求更加極致的個性化，甚至一個坑位的大小、顏色、圖片風格等等都可能對不同用戶最後的決策造成不同程度的影響。如酒水活動，同樣是單品模塊，也可以進行更加個性化的設計。
"用戶分層是用戶運營中常見的一個概念，簡單理解就是指將用戶分為不同類型，並根據不同用戶提供差異化的內容和服務。本文主要介紹幾種常見的用戶分層思路，並結合實際案例講解用戶分層下的一些設計探索。
一、為什麼要做用戶分層
隨著移動互動網的發展，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題，公域流量競爭激烈、獲取成本高，私域流量也由於用戶的越來越多元化而變得粘性匱乏。
在這種環境下，一方面是要擴展更多紅利渠道、進行圈層精準引流，另一方面，則是精細化運營思路，為核心流量建護城河，用最小的成本使用戶價值最大化。因此，不管是對新流量的精準引入，還是對現有流量的精細運營，最為關鍵的手段就是“用戶分層”。
通過對用戶進行細緻的劃分，並進行“差別對待”，於用戶而言，可以真正做到滿足各類用戶所需，極大的提升用戶效率；於業務而言，也通過為不同用戶制定更精準的運營策略，使運營資源能夠更高效利用，並帶來業務數據的增長。所以，用戶分層作為精準化的重要手段，能夠為用戶和業務帶來的價值也是顯而易見的。
二、如何進行用戶分層
用戶分層的思路有多種，劃分維度可簡單可複雜、層級可大可小，那麼應該如何選擇適合的分層方式，每種方式應該如何使用呢？
1. 通用的用戶分層模型
首先介紹幾種比較常見的用戶分層模型，它們涵蓋範圍比較廣、有嚴謹的用戶劃分邏輯，幾乎可以通用於大部分的需求場景。
① RFM模型
- R：最近一次的消費時間（Recency）
- F：一段時間內的消費頻次（Frequency）
- M：一段時間內的消費金額（Monetary）
圖2-1 RFM模型
RFM模型按照用戶價值狀況進行劃分，如果將每項指標分兩個級別，進行組合可以分為8種基礎的用戶類型，當然每項指標裡的價值維度如果繼續細分，例如消費時間可以從籠統的遠/近細化到一週內、一月內、半年內等等，消費頻次可以按照不同時間段內的復購次數拆分，消費金額也可以按具體額度範圍繼續拆分，如此再進行組合，將可以得到更加細緻的分層，那麼就可針對不同價值級別的用戶調整資源傾斜力度、運營策略等。
②AIPL模型
- Awareness：認知，針對對應純新用戶
- Interest：興趣，有過相關瀏覽、加購、關注等行為，但未進行下單的那些用戶
- Purchase：購買，有過下單行為的用戶
- Loyalty：忠誠，有過較高復購行為的用戶
圖2-2 AIPL模型
這個模型對應的也是用戶的成長路徑，每個用戶都是從認知開始，才慢慢變成購買或者忠誠，所以需要做的，就是引導用戶不斷往更上一層發展。
所以，我們可以根據不同的階段的用戶訴求，設計更合理的內容，例如針對認知型用戶，可以進行種草推薦，激發他們的興趣；興趣型用戶，需要了解他們未行動的原因，解決轉化阻礙；購買型用戶，需要喚醒需求刺激更多下單；而忠誠型，則可以進行更多體驗細節的優化，讓他們更加簡單、效率的完成購買。
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，提升下單轉化
- Refer：傳播，促進分享和復購
圖2-3 AARRR模型
AARRR模型來自於增長的思路，一般來說對應的是整個產品的用戶生命週期，但也可以作為某一次活動的轉化漏斗來使用，例如在常見的大促活動中，它對應的就是發現-瀏覽-加購-下單-復購，各個環節也會對應具體的數據指標，我們需要做的就是找到各個環節增長的機會點，進行體驗上的優化。
2. 人群標籤分層
上面的幾種模型是從用戶購物數據層面進行劃分的，模型確立後，用戶的層級是相對固定的，主要存在一些佔比和優先上的變化，只要掌握了模型就可以快速套用，基本也不容易出錯。
但是在很多場景下，不一定適合按照這種絕對理性的方式來劃分的，如果有更加個性化的訴求，則可以嘗試按照人群屬性進行聚類的方式來分層，包括：
- 基礎屬性：性別、年齡、地域等；
- 購物屬性：品類偏好、消費金額、消費動機等。
圖2-4 人群標籤分層
根據基礎屬性標籤與購物屬性標籤將用戶進行分類，在這種方式下能夠劃分的用戶類型會更加具象化，相當於給每類用戶一個專屬的身份標籤，比如：品質男神、時尚女神、趣玩青年、新潮老人等等，根據他們的具體需求進行個性化的內容設計。
至於人群標籤劃分的顆粒度要細到什麼程度，則依據不同業務需要來定，劃分越細當然能更精準的命中用戶，但同時也會帶來更高的運營成本，因此可以結合自身實際情況來選擇。
3. 定向分層
以上的一些分層的方式，都是相對分類比較全面的，比較適用於用戶量大的綜合類項目，所以在一些小項目或有特殊需求項目中，也可以根據目標和問題進行定向分層。
圖2-5 定向分層
首先，可以根據業務目標來制定分層的方式，例如我們活動目標如果是拉新，那麼可以把用戶劃分為老用戶&新用 戶，新用戶又可以按照來源渠道進一步分層；如果業務目標是進行市場下沉，則可以分層為一二線用戶&下沉市場用戶，下沉市場用戶也可以進一步細分……這樣的分層方式可以更加直接的聚焦到核心目標人群。
其次，可以根據需要解決的重點問題進行分析，再有針對性的提煉分層維度，例如某個活動的跳失率很高，那麼可以去分析哪些用戶跳出高，原因是什麼，針對這些高跳出的用戶可以提供什麼差異化的服務。
三、用戶分層設計策略
針對不同用戶類型進行差異化的設計，需要從流量和人貨匹配兩個核心問題進行思考。
1. 流量
常規活動流量灌入同一會場，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
當我們確定好分層用戶類型後，首先需要進行人群匹配邏輯的梳理，後臺算法將用戶進行識別和分類，前臺根據用戶標識匹配不同的展示樣式。同時在這個過程中需要考慮一些特殊情況，如當用戶未登錄時、或用戶數據獲取不到時，是否有默認樣式等。
②從入口&渠道就開始進行分層設計
談到精細化運營，大多數時候我們做到的都是流量置入後的精準匹配，但是真正意義上的精準，應變是從流量置入前就需要考慮的。在流量入口上，根據不同分層用戶展示差異化的素材樣式，在引流渠道上，根據分層用戶佔比和優先級進行資源分配的優化，這樣才能使流量更加精準高效的引入。
2. 人貨匹配
常規活動給所有用戶呈現的相同的會場頁面，用戶分層下如何進行千人千面的設計？
①根據不同用戶提供精準的內容
精準的內容，是實現精細化運營最核心也是最基礎的要求。常規的活動會場，頁面的內容是千篇一律的，所有人看到的都是相同的商品、品牌、優惠券，用戶分層的設計思路，是根據分層用戶特徵來推導設計目標，進而制定具體方案策略，從內容上進行精準命中。
以酒水品類活動為例，我們按照4A模型將用戶分層為路人型（認知）、意向型（興趣）、小酌型（購買）、酒鬼型（忠誠），將進行內容層的匹配。
圖3-1根據分層用戶提供精準的內容
②根據不同用戶規劃差異化的瀏覽動線
不同的用戶的內容訴求不同，那麼頁面的組織結構自然也不同，基於前面的設計目標和方案策略，對頁面的內容優先級、樓層順序進行梳理，以匹配不同用戶的瀏覽習慣、最大化的提升他們的瀏覽效率，例如酒水活動中以“酒鬼型”和“路人型”為例，可以對比看到兩種用戶動線的差異。
圖3-2 根據分層用戶規劃差異化的瀏覽動線
③根據不同用戶設計個性化的模塊樣式
在內容和框架確定後，最後就是具體模塊的設計，也是往往容易被忽略掉的細節。很多時候都是做到框架的分層，原子模塊基本複用，但是更加友好用戶分層，是在模塊的形式、信息結構上都可以追求更加極致的個性化，甚至一個坑位的大小、顏色、圖片風格等等都可能對不同用戶最後的決策造成不同程度的影響。如酒水活動，同樣是單品模塊，也可以進行更加個性化的設計。
圖3-3根據分層用戶設計個性化的模塊樣式
四、結語
用戶分層是精細化運營的重要手段，在購物場景逐漸多元化、個性化的趨勢下，越來越多的平臺都在進行著各種用戶分層的嘗試。很多無論是在算法層面，還是運營層面都已經做的非常成熟，潤物細無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澱的東西，也希望未來可以有更加成熟和創新的想法可以再與大家交流。
參考文獻
1. RFM模型百度百科
2. AARRR百度百科
3. 用戶分層模型，讓你的設計看起來更專業
4. 如何進行用戶分層，實現精細化運營？利用RFM用戶價值模型
5. 如何做適合自己產品的用戶分層/用戶分群
作者： 楊涔，公眾號：京東設計中心JDC（ID：JDCdesign）
來源：https://mp.weixin.qq.com/s/uwkslyKxoGUxXiYPpoLcsA
本文由 @京東設計中心JDC 授權發佈於人人都是產品經理，未經作者許可，禁止轉載
題圖來自Unsplash，基於CC0協議
"