有同学疑惑:做用户分层,总觉得没啥科学依据:
1、到底用什么指标分?
2、到底是消费1-300分一层,还是1-350分一层?
3、分完了层,还能怎么进一步分析,提出有用建议?
今天通过一个小例子,系统给大家讲清楚。文章很长,还没有关注陈老师的同学,先关注点赞,慢慢看哦。
在讨论这个问题之前,大家先看一个简单的问题,假设一个业务收入情况如下,你会怎么解读数据?(总收入=付费用户数*付费用户人均付费)
图片
一、用户分层的一般作用
比如上边的题目,大部分同学会脱口而出:
- 1到3月,总收入在下降
- 3月对比1月,人均付费减少了25元
- 3月对比1月,用户增长了2000名
- 建议把人均付费搞多,再多消费25元
看平均数,就会得出这种结论。这也是经常被业务吐槽的:“没有深入分析”。
如果我们告诉大家,这1万人有下边两种形态构成,大家还会觉得,人均拉高25元就可以了吗?
图片
这就是用户分层作用的直观作用:通过分层,发现业务特点,找到核新用户群体。用户总数,消费总数相同的情况下:
形态A,付费是由少数大额消费用户支持的。因此看平均值意义不大, 要重点看:从用户中转化了多少高额用户
形态B,付费有大量普通用户贡献,此时看平均值还有一定意义,要关注普遍用户需求
这种区别,再游戏行业很常见,甚至有大R型业务(依赖少数高充值土豪)和大DAU型业务(大量在线,低消费)的区别,他们的用户分层情况,如下图所示:
图片
了解到这一层,再看回AB两形态,我们就能更准确定位出问题:
图片
这才是用户分层的真正作用:不是简单的画个线,定个高低,而是发现核心用户是谁,从而重点服务。
二、用户分层的常见错误
注意!有一种网上广为流传的图,其实是有问题的(如下图)
图片
这样分的太粗糙了,付费用户,活跃用户都是一个巨大的整体,不做细致切分,很难看出问题。
但是,如果只做单维度的切分,可能也有问题,如下图所示。因为用户可能同时有付费+活跃行为,单维度切分,不容易发现问题。还是用矩阵分析法,把至少两个维度结合起来看,更容易看出问题(如下图)
图片
当然还有很多其他很好用的组合,比如:
- 消费+毛利→ 区分贡献高消费+高毛利金牛客户 and 高消费+低毛利的喜欢薅羊毛的客户
- 消费+消费SKU数→ 区分出喜欢消费单一产品的重度用户 and 多品类消费的兴趣广泛的用户
- 消费+购买频次→区分出一次大单客户+高频购买用户
下边我们来看,具体到一个维度,该怎么切分
三、用户层级怎么切分
单个维度切分,其实很简单,如下图所示,只需要分类维度+分类标准两样东西即可。
图片
我们说过:用户分层的最大用户是发现业务问题,找到应对策略。想要达到这两重目的,就得做到(如下图所示):
- 分类维度是当前业务的关键问题
- 分类标准和业务动作直接相关
图片
如果是和消费有关的标准建议结合产品单价
- 消费1件产品的,为低级用户
- 消费2件~10件/消费中级套装的,为初级用户
- 消费10件以上/消费高额套装的,为高级用户
这样产品看到分层结果后,就知道:该推动只买1件,多买1次;推动中级用户去消费高级别套装。业务指向明显。
如果产品本身缺少清晰分类,那么分层标准可以考虑二八划分,或者按平均值倍数划分,比如先对用户消费进行排行,然后取排名前20%的用户,按第20%排名用户消费,定为:高消费。或者先计算平均值,按平均值的5倍,2倍,1倍,1/2,1/4划分。不过这些做法,依然缺少业务含义,不一定好用,还是结合产品来看更好
五、分层以后做什么
分层能帮助我们看清楚:
1、大客户消费力+消费偏好
2、大客户 VS 小客户的消费差异
3、大客户为我司创造毛利(可以再补贴他的上限)
我司并不见得是用户唯一选择,所以分层后,可以结合竞争对手的产品+优惠活动,把各种优惠券/礼品/积分,统一折算成“回馈比例”指标(我司所有赠送福利的成本/客户消费金额)。然后制定策略。原则上,在我司重点发力的客户群体,回馈比例要高于竞争对手,这样业务部门,才有足够的预算,搞活动,送礼品,打败竞争对手,争取客户(如下图)
图片
当然,有可能投了钱,但是活动不给力,对应层级的用户人数,消费并没有明显提升。那么结合用户分层数据,我们也能快速发现问题,再来检讨:到底怎么样做,才能促成目标
六、小结
用户分层看起来简单,可深入探讨的话,需要牵扯的业务细节非常多。很多同学做起来很困扰,都是困扰在:领导让我分高端用户,到底是8000算高端,10000算高端,还是12000算高端呢?
反问:
- 消费8000,意味着消费多少产品?
- 消费8000人群,占整体比例如何?贡献多大?
- 8K,10K,12K背后,对应我们运营的什么动作?
- 我们做的动作,到底对用户有什么吸引力,竞争力?
这些才是能推动用户分层落地的问题,要远远比孤零零纠结8000还是8100有意义的多。好的用户分层,直接能推导出运营措施,也是这样做的