常見數(shù)據(jù)分析模型解析：用戶分群

你知道如何做用戶分群?jiǎn)?？根?jù)歷史數(shù)據(jù)，我們可以分為普通用戶分群與預(yù)測(cè)分群。

用戶分群數(shù)據(jù)分析方法是進(jìn)行用戶畫像的關(guān)鍵數(shù)據(jù)分析模型，這是企業(yè)進(jìn)行數(shù)據(jù)分析、精細(xì)化運(yùn)營(yíng)的第一步。用戶分群即用戶信息標(biāo)簽化，通過用戶的歷史行為路徑、行為特征、偏好等屬性，將具有相同屬性的用戶劃分為一個(gè)群體，并進(jìn)行后續(xù)分析。

漏斗分析關(guān)注階段差異，用戶分群關(guān)注群體差異

前面的文章我們講了漏斗分析模型。通過漏斗分析模型，運(yùn)營(yíng)人員可以看到，用戶在不同階段所表現(xiàn)出的行為是不同的，譬如新用戶的關(guān)注點(diǎn)在哪里？已購(gòu)用戶什么情況下會(huì)再次付費(fèi)？然而，由于群體特征不同，行為會(huì)有很大差別，因此運(yùn)營(yíng)人員或者產(chǎn)品人員希望可以根據(jù)歷史數(shù)據(jù)將用戶進(jìn)行劃分，將具有一定規(guī)律特性的用戶群體進(jìn)行歸類，進(jìn)而再次觀察該群體的具體行為。這就是用戶分群的原理。

普通用戶分群與預(yù)測(cè)分群

嚴(yán)格說來，用戶分群分為普通分群和預(yù)測(cè)分群。普通分群是依據(jù)用戶的屬性特征和行為特征將用戶群體進(jìn)行分類；預(yù)測(cè)分群是根據(jù)用戶以往的行為屬性特征，運(yùn)用機(jī)器學(xué)習(xí)算法來預(yù)測(cè)他們將來會(huì)發(fā)生某些事件的概率，分別從兩個(gè)場(chǎng)景介紹下這兩種用戶分群方式。

普通用戶分群——分析用戶屬性與行為特征

以直播產(chǎn)品行業(yè)為例。高黏性與高頻消費(fèi)用戶的行為觀察是產(chǎn)品經(jīng)理和運(yùn)營(yíng)人員工作重點(diǎn)。

例如某運(yùn)營(yíng)人員可以篩選出過去30 天內(nèi)、等級(jí) 10 級(jí)以上、有“留言”和“點(diǎn)贊”行為，并且付費(fèi)禮物送出次數(shù)超過 10 次的用戶，視其為高黏性且高頻消費(fèi)用戶，對(duì)其進(jìn)行分群定義后展開數(shù)據(jù)分析。

通過高黏性與高頻消費(fèi)用戶近期的行為觀察不同用戶群體近期的行為表現(xiàn)，從而可以看出該用戶群體的人均觀看時(shí)長(zhǎng)與其他用戶存一些差別，如高頻花費(fèi)用戶與非高頻花費(fèi)用戶觀看時(shí)長(zhǎng)人均值對(duì)比。

預(yù)測(cè)用戶分群——通過機(jī)器學(xué)習(xí)算法預(yù)測(cè)事件概率

互聯(lián)網(wǎng)金融產(chǎn)品常常會(huì)用到預(yù)測(cè)用戶分群的功能?；ヂ?lián)網(wǎng)金融客戶按照風(fēng)險(xiǎn)投資偏好這一屬性分為保守、穩(wěn)健和激進(jìn)，按照投資行為可分為已投資和未投資。

運(yùn)營(yíng)人員可以根據(jù)這一屬性和行為將滿足某種條件的用戶群體提取出來，譬如激進(jìn)型但未投資的這群用戶，然后分析這一群體的行為特征從而優(yōu)化產(chǎn)品促進(jìn)用戶投資，或者根據(jù)其瀏覽的項(xiàng)目頁(yè)面推薦用戶可能會(huì)感興趣的項(xiàng)目。

用戶分群分析模型行業(yè)價(jià)值與真實(shí)場(chǎng)景

用戶分群正廣泛應(yīng)用于各行業(yè)領(lǐng)域的數(shù)據(jù)分析過程中。為各行業(yè)帶來以下價(jià)值：

第一，幫助企業(yè)打破數(shù)據(jù)孤島并真實(shí)了解用戶

用戶畫像是用戶分群的前提，對(duì)特定屬性的用戶群體進(jìn)行持續(xù)深入的用戶行為的洞察后，該用戶群體的畫像變得逐漸清晰。

幫助企業(yè)了解某個(gè)指標(biāo)數(shù)字背后的用戶群體具備哪些特征：

他們是誰(shuí)？行為特點(diǎn)有哪些？偏好是什么？潛在需求和行為喜好是什么？這為后續(xù)的用戶群體針對(duì)性分析。第二，定位營(yíng)銷目標(biāo)群體，幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)、高效營(yíng)銷

清晰勾勒某特定群體在特定研究范圍內(nèi)的行為全貌，并定義目標(biāo)人群，是運(yùn)營(yíng)人員信息推送的前提。運(yùn)營(yíng)人員根據(jù)需求對(duì)特定目標(biāo)人群完成精準(zhǔn)信息推送工作，如召回流失用戶、刺激用戶復(fù)購(gòu)等等。當(dāng)完成特定人群的精準(zhǔn)信息推送工作，可再分析以實(shí)時(shí)全方位查看營(yíng)銷效果。幫助企業(yè)與用戶實(shí)現(xiàn)精準(zhǔn)高效的信息互通。

場(chǎng)景一：互金行業(yè)喚醒“沉睡”用戶的精準(zhǔn)推送與效果評(píng)估

某互聯(lián)網(wǎng)金融客戶為“喚醒” 2017 年 1 月注冊(cè)且瀏覽過征信頁(yè)面（通過分析發(fā)現(xiàn)，用戶瀏覽征信頁(yè)面后，后期的留存率較高），但未進(jìn)行投資的用戶，并向該群體推送“將于 1 月 20 日起發(fā)行賀歲版理財(cái)，預(yù)期年化收益率高達(dá) 9.50 %”的信息。為鎖定目標(biāo)人群，產(chǎn)品人員可以通過用戶分群篩選營(yíng)銷目標(biāo)群體。

對(duì)完成信息推送后，運(yùn)營(yíng)人員可進(jìn)行多維度分析，了解推送后效果。如該互聯(lián)網(wǎng)金融客戶完成精準(zhǔn)推送后，用戶可在投資流程轉(zhuǎn)化漏斗中再次查看用戶轉(zhuǎn)化情況，評(píng)估推送或者產(chǎn)品優(yōu)化效果。

場(chǎng)景二：企業(yè)級(jí)服務(wù)（To B）“召回”流失客戶的精準(zhǔn)推送和效果評(píng)估

某To B企業(yè)客戶，以投資到期之后再次投資作為留存的標(biāo)準(zhǔn)，近 8 周用戶流失情況如下。在完成篩選工作后，企業(yè)運(yùn)營(yíng)人員可在用戶明細(xì)頁(yè)面上，直接將該用戶群體進(jìn)行定義，在此基礎(chǔ)上完成精細(xì)化推送工作。

圖 某To B企業(yè)8周內(nèi)用戶流失情況

在該頁(yè)面上，企業(yè)運(yùn)營(yíng)人員可以點(diǎn)擊留存數(shù)值，即查看流失人群的詳細(xì)信息，并可以直接創(chuàng)建用戶分群命顯示名為“流失用戶”，并推送信息，以刺激其申請(qǐng)產(chǎn)品使用。

在大數(shù)據(jù)時(shí)代，為適應(yīng)不斷變化的外部市場(chǎng)環(huán)境，提升客戶黏性，企業(yè)不斷加速數(shù)字化營(yíng)銷轉(zhuǎn)型。其中，提升營(yíng)銷效率、提高營(yíng)銷精準(zhǔn)度是企業(yè)首要戰(zhàn)略目標(biāo)。以上三個(gè)場(chǎng)景都將“以客戶為中心”理念真正貫穿精準(zhǔn)營(yíng)銷的全流程，重構(gòu)企業(yè)核心競(jìng)爭(zhēng)力。