用户分层,有两个孪生兄弟,一个叫用户分组,一个叫用户分群。
用户分层哥仨还有一个爸爸,叫用户细分(Segemnt)。
一、正确认识用户分层
想要搞清楚,用户分层怎么做,首先需要分清楚这哥仨有哪些异同点。
ChatGPT是这么回答的:
(1)用户分层用户分层是指根据用户的属性、需求、行为等特征将用户分成不同的群体,从而对这些群体进行有针对性的营销和服务。(2)用户分组用户分组指将用户按照一定的特征或属性进行分类,以便更好地了解用户的需求和行为,并为用户提供更加针对性的服务和营销。通常情况下,用户分组是基于用户的个人信息、行为数据、兴趣爱好等因素进行分类,以便企业能够更好地了解用户的需求和行为,为不同用户提供不同的产品和服务,并且能够更好地进行营销和促销活动。(3)用户分群用户分群是将用户按照一定的特征进行划分,以便于企业更好地了解用户群体,制定针对不同用户群体的营销策略和服务方案。不同点:用户分组:主要根据用户属性、行为等特征将用户进行分类,例如地理位置、年龄、性别等,主要用于针对不同用户群体提供不同的产品或服务。用户分群:主要根据用户行为进行分类,例如用户购买行为、访问行为等,主要用于定向营销和个性化推荐等方面。用户分层:主要根据用户的价值、忠诚度等因素进行分类,例如高价值用户、低价值用户等,主要用于优化用户服务、提升用户体验等方面。
是不是,傻傻分不清楚。
关于这个问题,大家可以记住我这段话,帮你一分钟分清楚:
纵向分层,提高效率;
横向分组,提高质量;
横向分群,兼顾规模。
二、用户分层理论
纵向分层,提高效率。
什么又是效率,关键是的事情被优先完成就是效率。如何判断事情的优先级,这是另外一个话题本文暂不做论述,我们可以借助几个成熟的分层理论,像套模板一样先把层和每层里边的重要事情匹配好。
主要用户分层模型分为用户价值型、AARRR型、用户身份模型
分层模型 | 分层 | 注意事项 |
用户价值型 | RFM Recency-距离最新一次交易 Frequency-交易频率 Monetary-交易金额 | 最重要的是M 需选取平均值或ROI为正的指标作为判断基线 交互质量代表付费意愿 |
AARRR型 | 用户获取(Acquisition) 用户激活(Activation) 用户留存(Retention) 获得收益(Revenue) 推荐传播(Referral) | 通用模型 更考验运营策略能力 |
用户身份模型 | 普通用户 活跃用户 贡献用户 专业用户 名人 | 根据价值贡献度或用户影响力稀缺性区分 |
每个模型,都各有利弊,RFM模型落地时,对于团队精细化运营能力奇高,不仅需要有取数、分析的能力,更需要适应复杂的调整逻辑,如下图所示;AARRR作为经典老模型最大的问题就是理论意义大于实践意义,需要有丰富运营策略经验的人才能真正靠着这套系统去做好用户分层。
客户类型 | R 最近一次交易时间 | F 一段时间内交易频次 | M 一段时间内消费金额 | 定性解释 Z-直接付费 I-孵化型 |
重要价值用户 | ↑ | ↑ | ↑ | C:近期高频交易且客单价高 B:近期高频重要触点交互、刚付费、复购过 |
重要保持用户 | ↓ | ↑ | ↑ | C:交易过但近期未交易 B:交互次数总数高但近期未交互、付费过、复购过 |
重要发展用户 | ↑ | ↓ | ↑ | C:交易过但频次下降 B:近期交互频次低但近期交互过 |
重要挽留用户 | ↓ | ↓ | ↑ | C:交易过但近期没有且此前频次也较低 B:交互过但近期没有且此前频次也较低 |
一般价值用户 | ↑ | ↑ | ↓ | C:交易过且频次高,客单价低 B:交互过且频次高、客单低 |
一般发展用户 | ↑ | ↓ | ↓ | C:客单价低、交易频次低但近期交互过 B:交互频次低但近期交互过、交互深度低 |
一般保持用户 | ↓ | ↑ | ↓ | C:客单价低、交易频次低但近期交互过 B:交互频次低但近期交互过但交互深度低 |
一般挽留用户 | ↓ | ↓ | ↓ | C:客单价低、交易频次低且近期未产生交易 B:交互频次低且近期未交互、交互深度低 |
三、我全都要!
我的建议,是博采众长、取长补短,既然AARRR易于理解、RFM更科学,那么我们基本上会采用用户价值型用户分层模型,并综合采用AARRR模型和用户身份模型。即:
在拉新与接量环节,主要采用AARRR模型,将拉新、激活、无特征用户实行一体化运营模式。
在孵化和留存环节,主要采用RFM模型,短期内,主要动作是取平均值或ROI为正的指标作为判断基线并将交互质量作为付费意愿的重要指标,制定如下的分层策略:
拉新和接量阶段用户分层:
分层 | 用户行为 | 任务 | 策略 |
获取用户 Acquisition | 下载产品或访问但未注册,或完成注册无进一步行为 | 不同渠道下用户最有效的获取方式和手段 | 按照不同渠道+不同用户背景来给予针对性引导,优化注册效率 |
提高活跃度 Activation | 注册完成,尚未走完预设的核心路线或者说未完成Aha时刻 | 如何让用户更好的走完我们设计好的核心路线(人工?奖励?引导?) | 给予用户引导+激励,让用户完成信息填写+30个关注用户 |
提高留存率 Retention | 走完核心路径后持续留存时间不足的用户 | 思考如何为用户此后的使用创造持续动机(上瘾模型?) | 思考如何提高用户的7日留存率 |
获取收入 Revenue | 已经走完核心路径,且持续留存时间超过一定值的用户 | 思考如何面向用户售卖产品,完成变现 | 给一周超过5次以上求职投递行为的用户推荐付费求职产品 |
自传播Refer | 活跃频次超过一定基数的用户 | 如何为他们设计更好的自发传播+口碑工具 | 定期推送站内热门话题或观点,邀请用户传播 |
孵化和留存环节的用户分层:
分层 | 说明 |
浅层访客数 | 1、 仅访问首页、博客页、打开邮件、关注公众号的访客; |
功能访客数 | 1、 访问过场景页、解决方案页访客; |
留资数 | 1、 非投放、活动渠道直接填写试用表单的用户数; |
7天活跃数 | 7天内在所有渠道与触点有交互的用户数 |
30天活跃数 | 30天内在所有渠道与触点有交互的用户数 |
入群数 | 通过孵化客户旅程触点添加企微后进入赋能群; |
深度咨询数 | 通过孵化客户旅程填写1V1咨询表单的用户; |
细心的你,后续已经发现,如果没有用户标签体系、用户分析、我们的用户打分很难落到实处,请大家搜索查看我的另外几篇文章,帮助你补齐这几处的短板:
让数据流动起来,开启业绩增长!
了解500+品牌零售商使用LinkFlow的场景用例