分类是人类大脑的识别模式，分类是化繁为简的方法之一。——张小龙
中国境内佛教就演化了八大宗派分支，各派传教风格迥异。每个宗派内对不同心性的人也采用不同的方法：与上上等人，思辨哲学，探索世间真理；与上等人，清心寡欲，生活处处是修行；与中等人，讨论公案，引申明理；与下等人，以天堂诱之地狱吓之，引导行善。

参考

用户分层设计探索（京东设计中心JDC 2021年3月）
https://mp.weixin.qq.com/s/yt7IggVtPPLtdoAxhFLw-g
一文读懂用户分层（增长研究社2019-11-13）
https://www.toutiao.com/a6758752318935532046/
PM求佛篇3 - 怎么进行合理的用户细分？6种模型与5类维度（2021-02-20）
https://coffee.pmcaff.com/article/xqB69wPGQ4

“精细化运营”背景
人口红利消失，流量挖掘和留存，公域流量竞争激烈、获取成本高，私域流量用户粘性匮乏，扩展更多红利渠道，进行圈层精准引流。（大数据杀熟）
对用户进行细致的划分，并进行“差别对待”，于用户而言，可以真正做到满足各类用户所需，极大的提升用户效率；于业务而言，也通过为不同用户制定更精准的运营策略，使运营资源能够更高效利用，并带来业务数据的增长。

用户细分是企业为了实现用户需求的异质性、并集中有限资源进行有效市场竞争的行为。企业在明确的战略业务模式和特定的市场中，根据用户的属性，行为等因素对用户进行分类，并提供有针对性的产品、服务、销售、运营模式，达到用户价值和产品目标的最大化。
系统实施层面，是在抽象理论的指导下，用算法进行标签化统计、分类，并以用户画像的形式表现，最后在策略上、界面上、运营方式上进行“量体裁衣”。（因地制宜、因势利导、因材施教）

在运营过程中，用户分层的作用很明显，它能帮助我们把用户分成各个层次和群体，然后我们根据各个层次和群体的不同，才能有的放矢的制定出更精准、更有针对性的运营策略。
本质上是一种类似于价格歧视的策略，针对不同的用户采取不同的策略，最终达到提升用户价值，提升用户ARPU值的作用。

“用户画像”、“用户分层”、“用户分群”

我们在运营工作中，经常会听到“用户画像”、“用户分层”、“用户分群”这几个词，貌似有些类似特别是后面两个，但如果严格说的话，还是有区别的。

  • 用户画像：一般体现的是用户的客观属性。如性别、年龄、职业等，一般是不以用户的主观意愿所转移的。
  • 用户分层：一般体现的是用户在产品上所处的状态。比如免费用户、活跃用户、付费用户、高额付费用户等，由于是“层”嘛，所以它有一个层级的概念，有一个状态递进的过程，大多是呈漏斗形的形状。而且用户的层级一般不会分的太多。
  • 用户分群：一般体现的是用户的行为表现上。比如说频次低单价高、频次高单价低，这两种用户可能都属于高额付费用户，但表现形式不一样，所以所处的群也是不一样，所对应的运营策略也是不一样的。也可以认为用户分群是用户分层的进一步精细化过程。

image.png
有些模型比较感性，好像可以看到一个真实的人，有些模型比较理性，好像看到的是一堆标签数据。
用户画像目前是分两类：User Persona 和 User Profile。

User Persona 是产品设计、运营人员从用户群体中抽象出来的典型用户。一般来自于用户访谈、用户研究，帮助我们去感性的认识当前的产品所主要服务的用户是一些什么类型的人。 User Profile 是基于用户在产品中的真实数据，产出描述用户的标签的集合。是偏理性的数据表现。一般用于产品具体的产品设计、决策依据、运营营销、风险预测、信用评估、个性化推荐等过程。 User Persona 和 User Profile是一体两面，具有同一性、统一性，在实际应用中要结合业务及场景相互对照使用。

通用的用户分层模型

RFM购买力模型

R：最近一次的消费时间（Recency近度）
F：一段时间内的消费频次（Frequency频度）
M：一段时间内的消费金额（Monetary额度）
image.png
RFM模型按照用户价值状况进行划分，如果将每项指标分两个级别，进行组合可以分为8种基础的用户类型。当然每项指标里的价值维度如果继续细分，例如消费时间可以从笼统的远/近细化到一周内、一月内、半年内等等，消费频次可以按照不同时间段内的复购次数拆分，消费金额也可以按具体额度范围继续拆分，如此再进行组合，将可以得到更加细致的分层。
image.png

AIPL忠诚度模型

Awareness：认知，针对对应纯新用户
Interest：兴趣，有过相关浏览、加购、关注等行为，但未进行下单的那些用户
Purchase：购买，有过下单行为的用户
Loyalty：忠诚，有过较高复购行为的用户
image.png
模型对应的是用户的成长路径，每个用户都是从认知开始，才慢慢变成购买或者忠诚，所以需要做的，就是引导用户不断往更上一层发展。
可以根据不同的阶段的用户诉求，设计更合理的内容，例如针对认知型用户，可以进行种草推荐，激发他们的兴趣；兴趣型用户，需要了解他们未行动的原因，解决转化阻碍；购买型用户，需要唤醒需求刺激更多下单；而忠诚型，则可以进行更多体验细节的优化，让他们更加简单、效率的完成购买。

AARRR模型

Acquisition：获客，引入流量
Activation：激活，刺激用户参与
Retention：留存，减少用户流失
Revenue：变现，提升下单转化
Refer：传播，促进分享和复购
image.png
AARRR模型来自于增长的思路，一般来说对应的是整个产品的用户生命周期，但也可以作为某一次活动的转化漏斗来使用，例如在常见的大促活动中，它对应的就是发现-浏览-加购-下单-复购，各个环节也会对应具体的数据指标，我们需要做的就是找到各个环节增长的机会点，进行体验上的优化。

其他模型

人群标签分层

根据基础属性标签与购物属性标签将用户进行分类，在这种方式下能够划分的用户类型会更加具象化，相当于给每类用户一个专属的身份标签，比如品质男神、时尚女神、趣玩青年、新潮老人等等，根据他们的具体需求进行个性化的内容设计。
image.png

用户需求区隔分层

用户需求区隔分层，主要分为两个维度：

  1. 用户自然属性，主要依赖用户的基础数据，包括性别，年龄，职业，收入等；
  2. 用户个性化需求，主要依赖用户的行为数据，个人消费偏好，个人场景偏好。

定向分层

在一些小项目或有特殊需求项目中，也可以根据目标和问题进行定向分层。
image.png

用户身份区隔分层

在内容社区，用户的身份一般都会至少分为KOL和普通用户两种，对于这两种用户，运营的策略肯定不同。
只有当产品所在的领域中，用户的行为特征和诉求差异较大时，使用身份区隔的方式进行分层就会比较合适。例如，微博至少就能分为：明星用户，KOL用户，活跃用户和普通用户。
如何梳理产品的用户身份区隔模型？问自己三个问题：

  1. 用户之间是否存在关系？
  2. 某类用户是否会因贡献的内容，稀缺性而产生用户阶层？
  3. 用户之间是否可以在自然状态下实现阶层的进阶？

如果用户之间不存在关系，那么不适用身份区隔分层模型。
如果存在关系，并且会因为贡献内容或稀缺性产生用户阶层，那么就根据贡献度或稀缺性搭建用户分层模型。
如果不同阶层的用户可以自然进阶，那么就根据进阶的阶层搭建用户分层模型。

用户生命周期

基于用户生命周期链路建构的一维用户分层模型。
将整个用户生命周期拆分为获客、升值、留存3个区间段，共包括潜在用户、新手用户、成长用户、成熟用户、衰退用户、流失用户6个用户层。
image.png

“草地和羊”模型

《梁宁·产品思维》
大众点评“新店霸王餐”：与新开的商家合作推出霸王餐，大部分分配给用户等级高、活跃度高、经典评论多的头羊，头羊免费享用之后做出点评，吸引大明羊、小闲羊、笨笨羊来消费。
image.png

消费决策模型

发起者、影响者、决策者、购买者和使用者

发起者：试图激发产品消费需求的人 影响者：能够影响最终消费结果的人 决策者：做出产品消费主体决策的人 购买者：具体执行消费决策购买的人 使用者：使用商品或拥有其物权的人

用户在某个场景中，产生感受和需求，到寻找方案、挑选产品、购买产品、使用产品、最后进行售后的整个周期中，将用户分为5类：（《UCPM-产品管理知识体系》）

购买者：执行购买行为并主要关心价格 使用者：使用产品并首先考虑产品的性能 影响者：为决定的产生提供指导的群体 信息管理者：控制信息流向并与他人联络 决策者：正式批准购买决定并关心决定的内部政策部分

image.png

《用户体验要素》

根据对产品的熟悉程度分为：

  • 小白用户：刚使用或不经常使用，对产品不熟悉。
  • 普通用户：占用大多数，对产品使用情况良好。
  • 专家用户：对产品依赖程度高，能提出很多观点意见，是产品的有力支持者。

如此分法以便于分析：

同一人群，在A/B/C场景下，分别遇到什么问题 同一场景，A/B/C三个人群，分别遇到什么问题

《交互设计精髓》

根据界面的设计目标分为：

  • 主要人物：一个产品的一个界面只能有一个主要人物模型。
  • 次要人物：存在一些额外的特定需求，可以在不削弱产品能力，以服务主要人物的前提下得以满足。
  • 补充人物：主要人物和次要人物结合在一起完全可以代表补充人物的需求，一个界面可以用任意多个补充人物相联系。
  • 客户人物：是客户而不是终端用户的需求，一些客户人物的界面可能会成为自己独有的管理界面的主要人物。
  • 接受服务人物：并非产品的用户，却直接受产品使用的影响。

  • 负面人物：用于告知产品不会为某类具体的用户服务，即不是产品的实际用户

    《商业模式新生代》

    根据用户需求的范围、用户与用户间的关系分为：

  • 大众市场：服务于一个庞大的、有着广泛的相似需求的用户群体。如淘宝、拼多多、抖音。

  • 小众市场：服务于一个具体的、专门的、需求量身打造的用户群体。如花瓣网服务于设计师。
  • 求同存异的用户群体：服务于有着相似却不同需求的多个细分用户群。如炒股APP服务于韭菜、独立经济人、操盘手。
  • 多元化的用户群体：服务于不同需求的用户群体。如同一个CRM产品，可以私有化部署，可以公有云部署，可以混合云部署。
  • 多边平台（多边市场）：服务于两个或更多的相互独立又依存的用户群体。如o2o外卖，服务于点外卖的人、送外卖的人、商家、广告买主。

    【精辟】五维度分类

    五维度分类是更细致的分类。
    image.png

分层逻辑

一维、二维、三维

一维分层模型
是最常见的用户分层模型，即仅基于一个最核心的维度对用户进行划分。基于用户平台价值维度，构建起的一个用户金字塔模型分层，从下到上用户价值依次递增；基于用户交易链路，所构建的一个漏斗转化分层模型，从上到下用户一步步被转化为交易用户。
image.png
二维分层模型
顾名思义即选取两个核心业务维度进行二维建模，最经典的就是波士顿矩阵分析法。波士顿矩阵分析法，又称四象限分析法、产品系列结构管理法，最早应用于企业咨询领域，用于帮助企业评估和筛选渠道或分析现有的产品结构问题，而其同样也可应用于互联网产品的用户分层模型。
image.png
三维用户分层，顾名思义是用三个维度来构建用户分层的模型，比如为人所熟知的RFM模型分层法，这也是用户分层中较为复杂的一类。

用户分层的逻辑（好图）

用户分级和用户画像息息相关，根据用户的基础属性，用户行为属性，用户消费特征，用户生命周期等特征进行用户分层分级。
image.png

步骤

明确业务需求——所有用户分层都是在特定业务场景下所做的用户细分，明确业务需求才能明确对应视角下的目标用户和业务目标，从而做到有的放矢。
用户聚类分析——用户聚类分析，帮助我们勾勒各个分层的用户画像，也帮助我们提炼用户分层所要选取的核心维度。
分层维度拆解——分层维度即业务所依赖的核心指标或链路，是支撑起用户分层模型的核心“骨架”。
分层模型构建——基于选定的业务维度，并结合用户聚类分析及测试验证的数据，最终找到关键性的数值和节点，从而构建起用户分层模型。

【精辟】标签化

将数据标签化，将用户形象化
用户画像目前是分两类：User Persona 和 User Profile。
用户标签分哪些类型？
从更新频率可以分为：静态标签、动态标签；
从开发方式分为：统计类标签、规则类标签、算法类标签（又称：基础标签、模型标签、预测标签）；
从标签来源分为：系统自动打的、开发商运营打的、用户自己打的。

User Profile的实现方式

具体实现步骤和验证方法见下文，不再复制粘贴 PM求佛篇3 - 怎么进行合理的用户细分？6种模型与5类维度（2021-02-20） https://coffee.pmcaff.com/article/xqB69wPGQ4

产品结构：
image.png
实施步骤
实施步骤可分三步：
1、确定画像维度

  • 根据业务场景挖掘真实用户的虚拟代表：User Persona
  • 根据User Persona 确定系统中User Profile的标签维度、层级关系、标签类型、标签值、初步的标签规则

2、建立数据处理模型

  • 标签权重：标签在某一业务指标中的权重
  • 更新频率：实时更新、离线T+1更新、单次计算
  • 标签统计规则：如7天点外卖>2次属于中等活跃
  • 标签算法：TF-IDF权重归类算法、相似矩阵算法、LAP传播算法…

用户标签权重 = 行为类型权重 × 时间衰减系数 × 用户行为次数 × TF-IDF计算标签权重
3、数据采集，数据处理，生成User Profile分类
将业务数据、日志数据、埋点数据、第三方数据带入数据处理模型中，生成User Profile。
4、用回归分析、A/B测试、用户调研的方法验证用户细分的准确性