用户体系搭建(一):用户分群方法论剖析

用户分群里最常见的是基于 RFM 模型的用户分群研究,本文主要跟大家分享用户分群的详细方法论。一起来看看 ~

用户分群是用户体系搭建的基础,而常见的用户分群方式是:基于用户生命周期分群,即界定新用户、成长用户、成熟用户和流失用户,再在这个基础上根据用户的不同行为标签做精细化拆分。
用户分群里最常见的是基于 RFM 模型的用户分群研究,通过以下介绍,即可掌握用户分群的详细方法论。

一、用户分群“三步走”方法论

首先,跟大家介绍下用户分群“三步走”方法论
(1)RFM 模型应用,根据用户历史行为(访问频次、间隔、时长、最近 1 次访问距今),对用户生命周期进行划分,将用户划分为新用户、成长用户、成熟用户、衰退用户和流失用户;
目的:初步确认用户分级与用户分群运营思路。
(2)以今日头条极速版为例,跟据用户访问的页面、消费、金币赚取、提现、分享和其他行为,对用户类型进行划分; 对不同类型的用户群进行有针对性的运营。
目的:为后续用户权益设计留作参考。
(3)输出用户行为占比分布表(如下展示,以今日头条极速版为例)
目的:聚类用户,做更精细化拆分,重点提升留存或其他运营指标(视实际情况而定)。

二、基于 RFM 模型确认用户生命周期分布的取数逻辑

其次,详细介绍下基于 RFM 模型确认用户生命周期分布的取数逻辑,大多数公司对运营的数据分析能力要求比较高,建议可以去学习下 RFM 模型的基础原理。
其中最重要一步,拉取当前用户数据,根据数据划分用户生命周期,大体需求是形成如下这张表:

协同 BI 侧,我们需要做以下准备:

  • 确认取数维度: 用户 userid,取 2017&2018 同一时间段用户,如 2017.1.17.1 的用户 &2018.1.17.1 的用户(共两段用户,同比验证分层数据的准确性),用户访问行为进行分析,得出用户生命周期阈值后,套用在另一段用户中进行验证。
  • 跑取以下几个数据指标: 90 天内单个用户的 pv 总数、访问了 X 天、访问页面数(按天去重累加)、停留时长(90 天内所有的停留时长)、访问天数(平均间隔、最近 1 次浏览距今 X 天)、访问天次(90 内该用户来了几次)。
  • 分别匹配: 所有页面(去除阶段性活动页面)、所有常规详情页。

三、户生命周期划分逻辑

以上说了太多的方法论和需求,这里面最重要也是最核心的一件事是确定用户生命周期划分逻辑,大致画了一张思维导图:

以下是详细的数据分析逻辑介绍,可能需要一些时间领悟,建议日常工作中多多与 BI 沟通,本人在日常团队管理中,需要运营同学具备数据分析、处理的基本能力,也会注重培养团队对于数据业务领悟能力。
(1)根据 2017 年用户访问页面的天数,划分为:访问天数 =1 的用户(用户群 A),访问天数 >1 的用户(用户群 B)
(2)根据用户群 B 全体用户的平均访问间隔天数,得出用户的“访问周期”。
访问间隔公式:(最晚 1 次访问 - 最早 1 次访问)/(访问次数 -1);访问平均间隔公式:访问间隔总和 / 用户数 = 用户访问周期
由此得出用户访问周期值,假设:周期为 20。
(3)根据用户最后一次访问时间的分布情况,划定“活跃用户”

  • 用户群 B 中,80%(二八原则)的用户的平均访问间隔在 30 天以内。均正好为 1.5 个访问周期,即 80% 的用户的活跃周期是 1.5 个访问周期。由此得出:将 1.5 个访问周期作为阈值划分的界限,最后访问时间在 1.5 个周期内的用户,统称为“活跃用户”。
  • 用户群 B 中,当访问间隔达到 60 天时,曲线斜率趋于 0,此时用户量达到 95%。由此得出:将 3 个访问周期作为阈值划分的界限,最后访问时间在 3 个周期内的用户,统称为“流失用户”。
  • 介于“活跃用户”和“流失用户”之间的用户,即最后一次访问时间在 1.5-3 个访问周期内的用户,为“沉睡用户”。

(4)在活跃用户中,再根据留存率高低,将用户划分为成长用户和成熟用户
以 17 年 12 月 31 日为限,求出当时的活跃用户下一个活跃周期内的留存率。又因,活跃用户中,活跃周期内留存率高于 80%(二八原则)的用户,全年访问天数大于 25 天。因此,将最后访问时间在 1.5 个活跃周期内,且访问天数大于 25 天的用户定为成熟用户。
在 1.5 个访问周期内,仅访问过 1 次的用户,定为成长 I 型用户(新用户)。在 1.5 个访问周期内,且访问天数在 2-25 天,定为成长 II 型用户。
(5)最后一步,验证用户分群的合理性(以上“三步走”提及)
在这个划分逻辑下,得出 18 年 1.118.7.1 不同生命周期的用户占比数:同比 17 年 1.117.7.1 用户占比是否一致,一致说明分群基本得以验证,用户分群数据置信度高(输出以下表格用作验证)。

可得大致结论:

  • 2017 占比 VS2018 占比,验证占比的吻合度。
  • 经验证,用户占比基本吻合,、如若趋于稳定,该划分方式则成立。
  • 得出 18 年用户不同层级占比,结合用户占比,拉出重点用户,进行用户行为研究 ~

四、下一阶段的运营重点

通过全体用户访问天数分布情况,判断下一阶段的运营重点。
需要注意的是:选取访问天数少 & 占比较高的典型用户,以新用户、成长用户、流失用户为主,调研其活跃天数少的原因,找到运营改进方案。(如果日活是千万级用户,基本上超过 5%就要拿出来研究了)

根据用户流失情况占比进行运营策略制定,需进一步挖掘的问题:

  • 用户浏览过多少页面可以形成高留存(可将高留存的前 10% 用户进行针对性分析)?
  • 用户产生哪些行为可以形成高留存?
  • 用户留存占比与访问天数的关系?

如果项目时间允许的话,建议选取典型用户,进行电话访谈调研,按照 认知——访问——动机 的用户行为路径,暂拟以下几个核心问题:

  • 不同阶段的用户,对于 APP 的认知?
  • 为什么来?来的动机和诉求?用户是主动来到(通过分享、应用市场下载)还是被利益诱导?
  • 为什么又不来了?是需求已得到满足 or 需求得不到满足?
  • 除进行 行为外(核心行为之一),平时是否参加别的活动?(除核心行为之外你想探究的点)
  • 成长和成熟用户的频次、习惯(是否会受活动、福利影响,是否受内容影响、场景影响)?

选取用研人群输出用户调研表(以今日头条极速版为例):

最后进行调研结论输出,形成可视化的调研结论:

  • 输出不同层级用户的调研结论;
  • 梳理当前已有的用户运营策略,匹配到不同的用户生命周期;
  • 根据用户调研结果,结合用户生命周期,调整用户分群维度,优化运营模型;
  • 确认优先运营的用户群(提升留存 or 流失召回),并针对不同类型用户制定运营策略。

做完了最基础的用户分群,下一步即可根据不同生命周期的用户行为做进一步分层拆解,如若想搭建大等级体系,则需要对每一个生命周期的用户做进一步分层。而对于各个生命周期的用户研究结论,则能更好地辅助我们制定用户分层运营策略,进而进一步验证策略的可行性。
以上,即用户体系搭建第一步,用户分群方式,下一篇《用户体系搭建之用户精神激励体系》
作者
曹烨,微信公众号:烨子的城堡。知名互联网企业资深运营经理。