|
开展精细化运营的基础是对用户的理解。这种理解既包含对产品目标客户的整体认知（如某购物直播平台的主要受众是18-35岁的中等收入年轻城市女白领）；更应对整体目标用户进行不同维度的细分拆解，以深入了解每个维度特征下用户群体的差异化特征，如此才能制定出行之有效的运营策略，设计出贴心好用的产品功能。 对用户进行人群的细分，要有数据做依托。如果将APP的数据简单划分为行为数据和业务数据来看，能得出两种常见用户分群的思路。 思路一： 根据用户所处产品核心路径的阶段进行细分 从早期的客户生命周期模型，到移动互联时代的AARRR模型，都是典型的根据用户所处的业务特征阶段细分人群的方式，并且能直接指导分层的营销策略与产品设计，推进用户向更高价值用户群方向演化。 如按注册流程，将用户细分为： 按购买流程，将用户细分为： 同时，每个阶段的用户群都还能够根据用户来源地、渠道、历史行为等指标进一步细分为更多子人群。如潜在新用户，细分为不同城市的新用户群；浏览商品人群，细分为历史购买力高、中、低的不同人群等。 思路二： 根据用户业务贡献的特征模型（RFM）进行细分 RFM模型从用户的业务数据中提取了三个特征维度：最近一次消费时间（Recency）、消费频率 (Frequency)、消费金额 (Monetary)。通过这三个维度将用户有效地细分为8个具有不同用户价值及应对策略的群体，如下图所示。 以图中左上角的“重要挽留客户”为例，该用户群具有高消费能力（M值高），但最近一次消费时间较久（R值低），且整体消费频次低（F值低），用户群有较大的流失分险，因此有必要通过促销手段挽留住这批重要客户。 RFM模型的应用不仅适用于消费类的产品，也可衍生应用在其它行业，如： 此外，与思路一相似， RFM模型的8个人群仍然可以结合渠道、地域等维度，进一步进行细分。 以上两种思路进行的人群细分日常使用频繁，不少人群适合在制定人群细分规则后，长期观察持续投放相同的营销策略。 如：针对3日内无再购买行为的新增用户推送优惠券刺激其复购；针对月消费频次满M次且客单价大于N的用户赠送VIP体验券，增强其满意度等。如此更好地实现用户分群的应用价值。 而除了上述两种思路外，从效果后验的角度出发，还会有一些明确的临时性人群细分方式，比如直接将某段时间参与营销活动用户细分为一个群体，考察其后续的行为。 用户分群旨在帮助大家更深刻地了解自己的用户，并且很快会更新上线对分群的人群画像洞察以及查看某一特征人群中每一个用户的行为日志。 |
|
|
