2.3.1 用户分群

    • 实际运用中我们不可能真的做到一对一的个性化服务，但针对不同细分群体的运营还是十分必要的。

    • 是在用户对产品的需求 内在驱动力不够的情况下，通过外在的辅助手段来增加用户体验的次数，培养用户使用产品的惯性来增强内在驱动

      用户分级可以将黏性较差的用户挑选出来，同时减少对忠诚用户的打扰

    • 对细分用户群体进行分析，了解用户每个细分群体的变化情况，进而了解用户的整体现状及发展趋势

    1. 细分用户群分析

    对用户进行细分，需要根据具体的业务场景，确定不同的分类规则和指标，给出清晰的定义

    可以按照业务的关键流程将用户细分 注册用户、活跃用户、留存用户、下单用户及忠诚用户。

    RFM

    R (Recency) - 消费新鲜度- 最近一次消费时间
    F (Frenquency) - 消费频率- 用户在某段时间内购买商品或服务的频率
    M (Monetary) - 消费金额- 消费金额体现用户的消费能力

    传统行业的RFM模型是针对付费用户的，而迁移到互联网的其他场景一样适用。
    比如将该方法迁移到产品的某个高频内容模块。
    我们假设R为用户的最近一次登录，F为某一段时间内的登录次数，假设一个月内，M为创建内容 (文章或帖子) 的数量。

    1. 顾客价值模型

    image.png

    不同分类的用户投入相同的资源回报是不一样的

    资源有限的情况下，应该先满足高价值用户的需求，优质用户次之，低贡献用户放最后。

    可以推用户等级体系，给每个用户进行评分并归类，每个类别的用户都可以享有不同的权益。
    如果用户想达到一定的等级来享有特定的权益，可以通过完成相应的任务，提升等级，提升权益。

    1. 流失用户监控模型
    • 对 高价值流失用户尽快弄清原因，进行挽救
    • 对 高价值流失用户群体 建立 流失预警模型
    • 对这批高价值流失用户 通过 消息推送、精准营销 等模式唤醒用户，将损失降到最小
    • 筛选出 低价值忠诚用户，对其进行调研，了解他们的兴趣点及对产品的改良意见，并鼓励他们在社区发文
    1. 用户分类模型

    1）F≥3且M＜3，打上标签：高活跃低价值用户
    2）F≥3且M≥3，打上标签：高活跃高价值用户
    3）F＜3且M＜3，打上标签：低活跃低价值用户
    4）F＜3且M≥3，打上标签：低活跃高价值用户