美文网首页
数据运营-用户分析之用户分层

数据运营-用户分析之用户分层

作者: 张小欢欢 | 来源:发表于2019-02-15 17:17 被阅读0次

    浅谈一下用户分层的目的

    一句话说就是为不同用户做不同的服务(不同的运营手段),以达到极致化用户价值的目的。

    举个栗子🌰🌰:

    a. 在活动推送中,给男性用户推送的页面以蓝色为主,女性推送的页面以粉色为主,以增加用户的点击量,是一种简单常见的用户分层实例。

    b. 在电商行业中,常用短信进行用户的促活,但为节省投入的成本,给高价值用户推送,比给低质量的流失用户推送,在后期获得的价值会更高。

    所以说在获客成本,运营成本不断增加的今日,精细化运营不得不重视起来,精细化运营的前提便是用户分层,那用户分层在实际的应用有哪些,需要注意的点有哪些,我的实际经验来总结一下:


    用户分层的实际应用

    在增长黑客中提到的一个例子,一家订房APP,发现在3G或者4G环境下的用户购买量要比Wi-Fi环境下使用APP的用户高两倍,针对这发现,该APP把广告投放精细为不使用Wi-Fi的用户,只对这些人展示广告,从而增加了广告的点击率和购买率,这个例子是公司在发现这个网络的用户特征差异之后,对用户进行网络特征的用户分层,来节省成本,提高购买的目的。

    而在营销运营的实际工作中,用户分层的方法更是体现在各处,活动的推送,广告的变现,电销leads等等。

    那用户分层的具体方法有哪些呢?


    常见的用户分层方法

    按照用户特征分类是一种比较常见的用户分层,例如城市,性别,收入等

    其次网上说到的RFM模型分层,AARRR模型分层等等,有时还会用到根据相应业务的产品特性进行分层,主要的精髓就是根据业务特性,把用户之间的差异找出来,再给予不同用户群不一样的需求服务,达到增加用户群价值的目的。

    a. RMF模型

           R(Recency):离某个时间点最近的一次消费,为「近度」维度;

      F(Frequency):一段时间内的消费频次,为「频度」维度;

      M(Monetary):对应这段时间内的消费金额,为「额度」维度。

    解读:

    RFM每个要素标号为1和0,1代表高,0代表低

    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,必须是VIP啊!

    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诚客户,我们需要主动和他保持联系。

    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,忠诚度不高,很有潜力的用户,必须重点发展。

    重要挽留客户(001):最近消费时间较远、消费频次不高,但消费金额高的用户,可能是将要流失或者已经要流失的用户,应当基于挽留措施。

    在每个层用户给予不同的服务,以促进用户产生价值。

    AARRR模型(用户生命周期):

    举例:某教育平台给点击试听的用户电话回访需要什么帮助。

    注意:

    在实际的用户分层的运用中,除了给用户不同的运营策略来营销,还有一点重要的是数据的回归,以便之后进行更准确的精准营销。

    数据回归的方法之后会讲到,敬请关注。

    注:上述故事有所借鉴

    鸣谢《增长黑客》

    相关文章

      网友评论

          本文标题:数据运营-用户分析之用户分层

          本文链接:https://www.haomeiwen.com/subject/ltaxoftx.html