这些用户分层模型,你都用过吗?

易观方舟 2020-02-10
有哪些常见的用户分层模型?来这里看看

本文为【智能用户运营】系列第 

 

构建用户运营体系,最重要的是建立合理的用户分层模型,而用户分层模型多种多样,不一样的划分规则就能形成不一样的分层模型。

 

除了我们之前在《找出最有价值的用户》一文中提到的RFM模型,以及易观方舟提出的智能用户运营ARGO模型,最常用的还有用户忠诚度用户生命周期模型。此外,在具体的行业应用中,我们还可能用到以下这几种模型:

 

  • 正态分布模型

 

当用户运营资源非常有限时,我们可以使用正态分布模型。比如二八法则即属于正态分布形式,80%的用户处于价值曲线的平均值附近,而剩下的20%的用户才是主要的利润来源。一般而言,正态分布模型从利润贡献和用户数量两个维度进行建模,大家会发现提供营收最多的客户是极少数。因为运营成本和突发状况造成用户流失,造成亏本的也是少数,大多数利润都集中在一个恒定值附近。

 

基于上述情况,我们就可以分配更多的运营资源去重点维护高利润用户,同时对于占据大部分公司运营资源,但对提供利润有限的客户进行适当的资源调整。而大多数在恒定值附近的客户则进行标准化服务,节省资源,降低边际成本。  

 

 

所以,用户体系建立,就是为了方便进行不同的运营策略优化,进而完成最终的业务指标——利润。

 

  • 品类综合偏好模型

 

品类综合偏好对于电商而言,与品类具有紧密关系;而对于内容产品而言,与内容种类紧密相连。现在获取内容或者购买商品渠道愈发多元化,用户对不同品类商品/内容都可能选择不同渠道。品类综合偏好,通过用户搜索、浏览、关注、购买品类商品的次数、频率等行为来计算品类权重,而从对用户进行分层、分群,以便更好的进行用户运用,最终促进用户的购买。

 

  • 用户活跃度模型

 

用户活跃度分层在各类网站的用户运营中运用的非常多,通常使用PV、停留时长、发帖数等来划分用户活跃度。对于电商或者新零售来说,最重要的还是购买行为。可以根据用户近期购买频次,按一定的规则划分成新用户、活跃用户、沉睡客户和流失用户,活跃用户可以进一步划分成高、中、低频。

 

  • 购物决策力模型

 

购物决策力是通过用户购买商品的行为来描绘区分用户购物时的决策方式,对用户进行分群分层。用户可划分为购物冲动型、反复犹豫型、理性比较型等等。购物决策类型可以增进客服对用户心理的了解,或提升优惠券的使用情况,从而提高最终购买率,降低退换货率。了解不同购物人群的比例,还可以用于产品设计,根据用户下单前浏览时间、浏览SKU数量、首次浏览到购买时长等特征做聚类,从而实现个性化推荐或者推送相关的用户运营活动。

 

  • 促销敏感模型

 

常见的促销类型有单品折扣促销、满减促销、加购等等,不同用户对于不同的促销方式有着不同偏好。我们可以在获知用户愿意接受的促销方式后,进行定向营销,可以有效避免运营成本浪费,提高相应品类、相应活动的购买转化率。

本文节选自易观方舟推出的《2020智能用户运营实战手册