"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
"