干貨 ：用戶細(xì)分的流程與方法

通常，用戶細(xì)分既不是分析的不是起點(diǎn)也不是分析的終點(diǎn)，而是伴隨某個(gè)特定的分析而存在。精準(zhǔn)化營(yíng)銷(xiāo)，需要用戶細(xì)分，譬如你擁有同城的數(shù)十萬(wàn)消費(fèi)者的資料數(shù)據(jù)庫(kù)，隨時(shí)為有需要的同城商家提供短信精確營(yíng)銷(xiāo)或其他網(wǎng)絡(luò)營(yíng)銷(xiāo)服務(wù)；通過(guò)用戶細(xì)分，或許你能發(fā)現(xiàn)新的目標(biāo)市場(chǎng)和需求，淘米網(wǎng)階段性的成功，不就是細(xì)分的典型嗎？更多更充分的挖掘用戶價(jià)值，你需要做用戶細(xì)分。

用戶細(xì)分分析流程

細(xì)分前的準(zhǔn)備

為什么要細(xì)分用戶？細(xì)分與不細(xì)分的差別大不大？細(xì)分之后能給我?guī)?lái)什么好處？細(xì)分之后的目標(biāo)用戶是什么？……多問(wèn)幾個(gè)為什么，自己了解的或不了解的，集思廣益，會(huì)更靠譜一些。例如，某公司要做服飾新品推廣，鑒于以往每次給會(huì)員群發(fā)短訊效果不理想，于是決定抽取部分會(huì)員數(shù)據(jù)細(xì)分，嘗試精準(zhǔn)營(yíng)銷(xiāo)，以達(dá)到降低成本、提高轉(zhuǎn)化率的目的，那么這里的大致細(xì)分目的就是降低營(yíng)銷(xiāo)成本，提高相關(guān)轉(zhuǎn)化率。

細(xì)分指標(biāo)的確定

用戶細(xì)分的指標(biāo)有很多，譬如年齡、性別、職業(yè)、教育程度等人口屬性指標(biāo)；年費(fèi)用戶、包月用戶等時(shí)間指標(biāo)；華東地區(qū)用戶、西部地區(qū)用戶、華南地區(qū)用戶等地理指標(biāo)；除此之外還有其他很多很多細(xì)分的指標(biāo)，細(xì)分指標(biāo)的確定由細(xì)分目的和目標(biāo)用戶等相關(guān)因素決定。繼續(xù)上面的引例，根據(jù)細(xì)分目的，該公司確定地理、人口、行為（以往購(gòu)買(mǎi)物、活躍周期等）等為細(xì)分指標(biāo)。

用戶信息采集

常見(jiàn)的用戶信息包括公司日常運(yùn)營(yíng)所積累的用戶，通過(guò)企業(yè)相關(guān)調(diào)研活動(dòng)所采集的用戶信息以及第3方數(shù)據(jù)，當(dāng)然還有很多的公司可能通過(guò)各種渠道去購(gòu)買(mǎi)相關(guān)用戶信息。

制定細(xì)分標(biāo)準(zhǔn)

細(xì)分標(biāo)準(zhǔn)并沒(méi)有一個(gè)定型，這里本人暫且將其歸類(lèi)為事前定義和事后定義兩種。這里事前細(xì)分是指譬如時(shí)間、人口屬性等細(xì)分明確或是根據(jù)以往成熟經(jīng)驗(yàn)?zāi)Ｐ停ò咐┛梢悦鞔_細(xì)分的標(biāo)準(zhǔn)準(zhǔn)則，而事后細(xì)分則是指用戶類(lèi)型起初并沒(méi)有具體的特征形態(tài)，根據(jù)多個(gè)數(shù)據(jù)特征變量利用聚類(lèi)等統(tǒng)計(jì)分析方法而定義的細(xì)分標(biāo)準(zhǔn)。例如常見(jiàn)的RFM模型客戶分類(lèi)就是事前細(xì)分標(biāo)準(zhǔn)的一種。

細(xì)分用戶描述

用戶細(xì)分完成后，自然給其一個(gè)代表其特征的名字，并對(duì)其判別因素及具體特征進(jìn)行詳細(xì)的說(shuō)明。例如，許多淘寶賣(mài)家都將其用戶根據(jù)四象限的方法，用成交量、PV、UV等因素分為產(chǎn)品混亂型客戶、優(yōu)質(zhì)客戶、單品為王的客戶和問(wèn)題客戶。

常用的細(xì)分分析方法

前面的細(xì)分流程中提到事前細(xì)分和時(shí)候細(xì)分兩種情形，根據(jù)細(xì)分目的和目標(biāo)用戶的不同，這里將事前分析方法暫定為影響因素法，而事后細(xì)分分析方法則暫定為統(tǒng)計(jì)歸納法。

影響因素法

影響因素可能是單個(gè)或多個(gè)，單個(gè)影響因素的細(xì)分這里不作說(shuō)明，主要談?wù)劤Ｓ玫亩鄠€(gè)影響因素的細(xì)分方法。

1）  逐步細(xì)分法

逐步細(xì)分是指根據(jù)分析的要求由粗到細(xì)、由淺入深，逐步進(jìn)行細(xì)分的過(guò)程。例如：對(duì)某女裝電商用戶逐步細(xì)分，可以先根據(jù)用戶地區(qū)細(xì)分，然后根據(jù)性別細(xì)分，最后根據(jù)用戶行為細(xì)分。

2）綜合交叉法

通常我們使用的四象限分析法，采用RFM模型或是其他類(lèi)似的方法都可以歸為此類(lèi)方法。通常各種方法都是組合使用，單純的使用某種細(xì)分方法的情況很少。

統(tǒng)計(jì)歸納法

我們知道，基本上所有的統(tǒng)計(jì)分析方法都有一些條件限制，所以通常一個(gè)細(xì)分不可能用一個(gè)方法就能搞定，往往需要多種方法的結(jié)合使用。比如

聚類(lèi)分析                       

因子分析

判別分析

多元回歸分析

多元Logistic回歸

神經(jīng)網(wǎng)絡(luò)分析

決策樹(shù)分析（CHAID分析、C 5.0分析）等種方法.