关键词：用户分层，精细化运营
文/StarYan先生
写在前面：久等了。以后争取常发。接下来几篇可以用三个月时间去检验的用户运营类文章都在这里了。
阔别良久，这一篇来聊一聊关于用户运营的思考。
广义的讲，用户运营是以最大化提升用户价值为目的。
用户运营要做的事，其实就是持续关注用户从
接触——认知——体验——使用——习惯——分享——上瘾
这一系列的过程，并通过各类运营手段提升新增、留存、活跃、付费、分享传播。
在这其中，有两个工作模块我认为构成了用户运营的核心，一个是用户分层触达体系，另一个是用户成长激励体系。
用户成长激励体系大家可能听的比较多，这个我们后面细聊，今天我们主要聊的是前者。
其应用的典型场景比如你面对的是百万级以上用户的产品，用户增长渐慢，预算花费、人力精力有限，如何做精细化的管理，使得运营资源高效分配？
又比如在电商会员营销系统中，优惠券有很多种：红包、满减券、限时券，积分券等，不同的促销券应该发给谁，怎么发才能收益最大化？
在整个过程中，用户分层的作用显而易见，我们根可以据各个层次用户群体的不同，有目的的制定出更有针对性的运营策略——精细化运营。
它对运营们的最大价值，就是通过精细化运营，使得运营产品化，形成标准化的人群-策略-触达-反馈-优化；使得运营资源高效化，把每一份投入产出控制在最合理的有效区间。
1核心操作框架
为了做好这部分的用户运营，你需要明确的是：用户从活跃到转化绝不是两个简单的阶段，这期间，用户一定是动态演进的。
也就是我们不能仅仅关注用户当前的状态属性，更需要关注用户为什么会从某种状态A升级到状态C,需要给予用户哪些“台阶”供他踩。以及接下来用户在平台的行为会发生哪种变化趋势。
而伴随着用户状态的升级/倒退一定有蛛丝马迹（用户行为轨迹）可以追寻。
在具体的执行过程中，我们通常是界定了某一类用户群的状态，去寻找处于这类状态当中的用户，然后有的放矢的运营。即分层模型是固定的，用户是流动的。
用户分层触达体系大致分为三个方面。一是用户的划分，二是用户策略制定，三是用户的策略触达。
2用户分层
用户分层展开来讲，有三个步骤，分别是：界定核心业务指标-用户分层维度划分-建立用户分层标准
1）界定核心业务指标。
首先，界定核心业务指标能够帮助我们从纷繁的数据指标中找到影响核心目标的关键环节和因素，指导接下来的用户分层维度划分。
从业务维度上，目前的主流产品可划分为流量型业务和收入型业务。流量型业务更关注用户活跃度（活跃用户数、活跃天数、活跃时长），收入型业务更关注付费收入（转化漏斗，复购率，Arpu值），当然两者的前提都是用户规模。
ARPU值更多是考虑到成本和溢价等因素，运营人员的操作空间不大，付费转化率则需要我们通过对转化漏斗的运用，用户规模则又涉及到开源节流两个方面，以上两者数据结果都需要对用户以及行为步步细分。
2）用户分层（群）维度划分
通俗的说，用户群体维度划分就是建立群体标签。那怎么贴标签才能够划分的详略得当呢？StarYan先生(ID:MRstaryan）把用户分成了用户属性、用户行为、用户状态、用户偏好四个方面来考量。
用户属性：指用户的基础客观属性。比如性别、年龄、地域、职业等。这一维度告诉了我们他是谁。
用户行为：指用户使用行为流程，正如前面提到的下载、注册登录、点击浏览、购买下单、评价分享等。这一维度告诉了我们他在做什么。
用户状态：指用户在产品上的当前状态。比如免费用户、付费用户、活跃用户、等，按活跃度又可以细分为3天/7天/15天活跃一次活跃用户，按付费金额又可以细分为高付费/中付费/低付费用户群or年卡/季卡/月卡用户。这一维度告诉了我们他在平台上的状态。
用户偏好：指用户发生行为的关键驱动因子。以在线视频为例，用户购买影视VIP会员，有部分用户看到喜欢的内容就会开通会员，这部分就属于内容驱动，而有些对价格比较敏感，只有在折扣促销的情况下才会购买，这就属于价格驱动。内容驱动层面里又可以细分为动作/爱情/科幻等等。这一维度告诉了我们他的偏好。
有了用户分层（群）的四象限模型，可以说基本涵盖了我们要界定的用户特征。接下来我们按需提取即可。
这里另外补充一个经常被谈到的RFM模型。RFM是Rencency（最近一次消费），Frequency（消费频率）、Monetary（消费金额）。RFM模型选取了跟付费型业务最紧密的三个因素，以此来判别用户价值的高低和对应采取的策略。
它的典型适用对象比如电商类，下面会谈到具体的策略举例。
第三方面：建立用户分层（群）标准
前面我们已经列出了用户维度，然后我们通过这些维度去建立用户分层（群）标准。
以在线视频用户分层标准举例，我们按照“用户状态+用户行为+用户偏好”三个指标来提取我们想要的用户。
非会员用户：至今未在平台充值会员的用户以及充值会员但是断续目前非会员状态的用户。
活跃用户：近7天/15天启动过应用播放视频时长超过30S的用户
用户行为：播放了媒资标签是古装的《xxx》,追到了第11集（未追到会员可看集12集）
上述指标定义的用户对象是在平台上活跃（7天内就有播放），观看了古装剧《xxx》,追到了最新免费剧集，会员集没有看的非会员用户。
除此以外，我们还界定了其他的用户人群ABCD等等，这里不一一展开。
需要注意的是，用户分层标准的制定就因产品而异，比如我们按照用户状态一栏活跃度划分出活跃/非活跃用户，有的高频类业务就是每3天启动就算活跃，而有的中低频消费类业务可能10天就算活跃，这时候如果把活跃度按照1天长度来切割，加上用户行为拆分，结果会变得复杂，每个分群的用户相对较少，不适宜检验策略，也解决不了业务需求。
另外，还有一类面向两类用户的产品。既有平台的生产者，又是平台的消费者。这里就会产生两个不同目标，一个围绕供给端的生产、一个围绕消费端的服务，也就形成了双向用户分层。比如微博、知乎、淘宝等。用但分类的维度依然是相同的。
3策略制定
在完成了用户群体划分之后，就是策略制定，不同的用户层级，采取的手段不同。
新用户：常用的策略是新手福利，新用户引导；
普通用户：固化用户的使用习惯，加深用户产品使用频率，激发活跃度
活跃用户：大盘性营销活动，会员权益引导，长时限会员包
兴趣用户：精细化营销活动，持续性点对点刺激，会员身份认同感塑造
付费用户：用户权益体系构建，尊享福利社，维持当前状态并做好流失预警
再以刚刚的RFM模型为例，假设以（1,0）分别表示用户价值的（高，低），那么，
重要价值客户（111）：最近消费时间近，消费频次和消费金额都很高，重点维护对象，适当的核心用户组织建设是必要的，权益分发、定期的奖励福利等；
重要保持客户（011）：最近消费时间较远，但消费频次和金额都很高，说明这是个一段时间没来的忠实客户，定期的EDM、PUSH、私信、短信，主动和用户保持联系和互动；
重要发展客户（101）：最近消费时间较近，消费金额高，但频次不高，属于忠诚度不高用户。着力让用户在平台上活跃，优化产品和服务，帮助用户定期消费权益。
重要挽留客户（001）：最近消费时间较远，消费频次不高，消费金额高，属于重点预流失用户，提前做好预流失预警和策略触达。
由于受到资源的限制，当我们只能投入有限资源的时候，往往会倾斜核心群体，只有核心群体能贡献最大的价值。
在用户生命周期的分层策略模型中，一般优先级的高低依次是存量用户>高潜用户>预流失用户>流失用户。
如此，抓住核心才能快速将数据指标拉回大盘。
4策略触达
最后一步，便是策略触达，策略触达可以简单分为消息触达和权益触达。
首先说消息触达，消息触达可以简单分为站外消息触达和站内消息触达。
站外触达：比如EDM、短信、PUSH、公众号、微博等等
站内触达：各类站内推广位
大的公司一般都会把消息触达做成自动化触发的系统平台，产品运营人员只需要把策略制定出来交给开发去实现策略产品后台，用户某种行为状态下就会自动引发消息的触达推送。然后辅助性做一些重要的人工运营。
另一类就是权益触达，即按照用户成长体系的权益分发。（这一部分后面细聊）
比如微博，QQ、视频网站的会员等级等，不同等级的用户可获得不同的权益。这是一种由运营策略导向产品自动化用户分级，用户达到相应级别即可获得资源倾斜。
以QQ为例，用户在线挂时长可以获得成长值对应的太阳，产生自豪感的同时又能获得对应成长值的qq权益。再比如知乎，知乎把大V和普通用户区分开来，给优质用户更多流量支持和运营扶持，包括更多的曝光量、分发量或者物质，荣誉激励等等，核心是拴住这部分高价值用户。
最后，关于用户分层，我们需明白以下几点：
1)用户分层会随着产品发展的不同阶段产生不同的变化。
罗马非一日建成，淘宝的"千人千面"也非一朝一夕。对于不同的产品，其生命周期基本都是经历着种子期，成长期，成熟期，衰退期。唯一的不同是，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，往往落脚点体现在运营的颗粒度上。
对于小产品小用户量的的建议是切入点先粗放后精细，不要拘泥于细节，本该做全面曝光的阶段绝不要耗费精力“做1000个用户的精细化”，而大产品大用户量的工作重点则成了全面关注细节，精细化程度越高，用户体系结构越稳定，这个时候，百分之零点几的提升都是一次非常大的跨越。
2)用户这个盘子既要往大了看，也要往小了看。
当你面对的是100个用户，你可能大概都认识谁谁谁，都有什么样的特征，虽然他们都不付费；当你面对的是1000个用户，你可能也只记得其中的200个用户，虽然还不付费；
当你面对的是10000个用户，你可能也只记得其中的200个用户，但是有10个付费了，你必须非常清晰的认识到他们属于哪一类人，他们的消费能力，他们的付费动机，在平台上的用户行为，产品的满足点，活动的刺激点等，方可提升运营的整体效率。
以上。愿你能带着你的用户好好玩。
再重点推荐一下：数极客是国内新一代用户行为分析平台，支持无埋点采集、前端代码埋点采集、后端代码埋点采集等多种混合数据采集方式， 支持30多种数据可视化效果，是增长黑客必备的大数据分析工具，支持APP数据分析和网站分析及用户画像，独创了6大转化率分析模型，是用户行为分析领域首家应用定量分析与定性分析方法的数据分析产品，运用数极客用户行为录屏系统，可以分析并优化用户体验的细节，基于用户行为分析系统，提供了会员营销系统和A/B测试工具两大数据智能应用解决方案，使得企业可以快速的实现数据驱动增长。
—End—
写在后面：忽然有个念头，不如叫做“用户增长三部曲”，在后面的推送中会不定期发。