【术语学习】用户画像、用户分群、用户分层的区别

¶写在前面 / 链接存档

• 用户画像、用户分群、用户分层，到底有啥区别？-腾讯云开发者社区-腾讯云
• 总之几乎纯cv+苯人一点狗尾续貂什么的碎碎念，侵权求放过orzzzz

¶关系图总览

¶基础：用户标签

• 用数据描述一个用户的两种方式：标签和指标

• 标签：

  • 分类型数据

    例如：用户性别、居住地

• 指标：

  • 连续型数据

    例如：过往3个月的消费

• 强调用户标签的原因：

  • 大量未经分类整理的指标很难用，其对业务直接意义不大

    自分の举例：3个月的消费为xx元，超过/低于平均消费水平

    而总结成标签：

    根据消费额：高 / 中 / 低消费

    根据消费内容：主要消费领域为xx

    根据消费习惯：消费理智 / 冲动

  • 标签可以做的很复杂，可以附加业务含义

  • 带有业务含义的标签甚至可以直接组合出业务落地方案

  下面两点有点似懂非懂的

¶底座：用户画像

• 用户画像由大量的用户指标与标签形成
• 用户画像是数据服务业务的底座，有了用户画像才可以进一步工作

自分の思考：根据用户画像开展定制化服务什么的，了解用户是什么样的人，才有可能更深入洞悉用户的需求和痛点，设计出更实用更人性化的产品

¶方法：用户分群

• 用户分群是运用用户画像的方法
• 即：不把用户视为一个整体，而是从用户特征、行为等方面找差异，划分为不同群体

例如：按性别、年龄、城市、消费额、活跃程度划分为不同群体

• 分群之后，能便于业务识别不同类型的用户，做更精准的需求分析，做精细化运营动作。

• 不同的用户分群：

  • 简单的：
    • 直接拿用户标签（特别是物理特征）做分类
  • 复杂的：
    • 使用更多的数据
    • 典型案例：用户分层

¶用户分层：一种特殊的分群

¶用户分层及其指标的定义

用户分层→把用户分群的标准定为用户价值的高低

• 用户分层不只是简单的分群
• 而是区分出价值的高中低，从而更进一步地进行服务

• 价值可以有多种定义：

  1. 活跃价值：

     用户在平台登录次数多、活跃时间长

  2. 转介绍价值：

     用户会转介绍多次，带来新用户

  3. 历史消费价值：

     用户历史累计消费额

  4. 未来消费价值：

     用户预期未来消费额

  5. etc……

¶用户分层的分界线确定

• 定分界线的原则：

1. 分层后，各层级有明显区分度（10%或更多）
2. 分界限本身简单清晰，容易辨识
3. 分层后，每个群体的规模足够大，有价值做

¶另一个分层的注意事项

• 区分历史行为和未来行为

  举例：消费额

  历史消费高≠未来消费高

  尤其是→历史消费高峰是在促销期 / 买耐用品买出来的→这类用户很少有未来消费需求

• 总结：历史消费和未来消费之间的关系需要验证，不能直接挂钩

  • 可以试着从用户特征等方面进行区分

¶明着分 / 暗着分

• 明着分

  • 向用户公开分群规则

  例如：1年内消费满1万成为金卡，金卡用户可以享受3888入会大礼包和9折购物优惠

• 暗着分

  • 内部设定好标准

  例如：A类用户促销敏感度低，B类用户促销敏感度高，之后在抽奖的时候，不给A类用户中奖，只给B类用户中奖

• 明着分和暗着分，在业务和数据上会产生明显效果

¶明着分的做法和好处

• 明着分能直接拉动用户消费，促使用户升级

• 如果要公布分群规则（即明着分），最好直接把这种分群当作促销活动。考核额外给到的资源、新拉动的消费数量，评估分群效果

• 分群的限制：

  1. 分群规则不能复杂

     清晰易懂才能提升用户消费想法

  2. 分群奖励门槛要高

     过低的门槛导致躺赢奖励的人太多，成本爆炸，得不偿失

  3. 分群奖励要足够丰富

     三瓜两枣吸引不了人

  4. 做好身份认证

     防止出现几个用户凑一张金卡薅羊毛

  5. 控制奖励重叠

     避免金卡优惠和其他优惠重叠太多，成本爆炸

¶暗着分的做法和好处