“ 活躍使用者怎麼精細化營運？使用者分層和使用者分群到底有啥差別？口号喊了千萬遍，精細化何時能實作？”
上一篇文章和大家讨論了如何做好新使用者的留存，探索了影響新使用者留存的關鍵因素及對應的留存方案，詳細内容可參考公衆号文章《如何做好新使用者的留存？》
新使用者體驗到産品的核心價值後會花費更多的時間和精力在産品上，逐漸成為産品的活躍使用者，活躍使用者是比較認可産品的價值、願意為産品買單或背書的使用者，他們不僅會貢獻自己的價值，對于産品的品牌建設也非常關鍵，是以活躍使用者營運的重要性不言而喻。
活躍使用者的營運是個很大的話題，今天隻是嘗試從一些特定的角度來探讨這個問題，雖然不能一次性把這個話題講完講透，但是希望能抛磚引玉，給大家一些思路和思考。
01
—
何為精細化營運？
過去市場更關注如何大規模、低成本獲客，随着人口紅利逐漸消失，獲客成本越來越高，現在，越來越多的人關注如何提升單體使用者價值，把錢花在刀刃上，讓不同的使用者享受到不同的服務，讓使用者感受到溫度，讓産品有靈魂。
于是，“精細化營運”誕生了，提到使用者營運，就逃不開“精細化”，它好像已經成為營運人的基本操守，跟别人交(chui)流(niu)的時候少了這些詞彙都不好意思說你是搞營運的，但精細化營運到底是什麼？又該怎麼落地呢？
所謂精細化，第一個就是精準，第二個就是細分，兩者相輔相成，缺一不可，想想要做到精準就要進行細分，胡子眉毛一把抓永遠留不住使用者，最理想的情況就是千人千面。但是如何對使用者進行細分呢？這裡介紹兩種很常用的方法：使用者分層和使用者分群。
02
—
使用者分層vs使用者分群
使用者分層vs使用者分群，看似差不多，但在定位和目标上還是有明顯差異的。使用者分層，是基于大方向的劃分，你希望使用者朝什麼核心目标努力，而使用者分群，則是将他們劃分為更細的粒度，便于針對性營運提高效果，兩者相輔相成。
使用者分層中的層就是層次層級，比如我們把使用者從注冊開始使用産品成為我們的新使用者開始，到成為活躍使用者，再到頻繁活躍或者是付費的忠誠使用者，再到後期由于其他競品的出現或者本身産品功能不再滿足需求時使用者開始沉默到最終流失，這一個生命周期也是一個層次，就像如圖所示，那麼有了這個分層，我們就可以比較清晰的知道目前使用者的組成結構，各生命周期使用者成長是否健康。
那這樣是不是就足夠了呢，我們知道很多領域都存在着二八原則，即20%的人貢獻了80%的營收，那麼對于忠誠使用者來說，這其中有部分是人均消費較低的平民群體，也有揮金如土的金主爸爸，對于這樣的情況我們就要對忠誠使用者在進行細化，分成更精細的組，再比如說，最近産品上新上了信用引導，想看看這個對于新使用者留存是否有幫助，或者是開展了一場營運活動，看看核心名額有沒有拉升，這個時候就需要對使用者進行進一步細分，出現了分群。分群是對分層的進一步細分，分群後便于針對使用者進行精準地營運動作。
常用的使用者分群的方法有我們熟悉的RFM、基于資料挖掘的Kmeans等等。前者是用最近一次消費時間，消費頻次和消費金額來衡量使用者價值，将使用者進行分群，分成高價值使用者，一般價值使用者，重要挽留使用者等等，但是RFM模型的建立需要專家經驗，也就是說名額的選擇以及各名額門檻值的确定都必須有業務sense，而不是拍腦袋決定的。Kmeans主要是通過資料挖掘的方式找出有相似特點的使用者，實作物以類聚人以群分，使用者進行過聚類後通過分析各組的特點也可以針對性地進行營運。
03
—
使用者分層應用案例
下面我們通過一個案例将使用者分層的理論落地，案例僅為便于說明問題而虛構。首先我們假設活躍使用者數的變化趨勢如下圖，乍一看每月的活躍使用者數在持續增長，看似還不錯。
但是我們要警惕的是虛榮名額給我們的錯覺，我們可以把累計的使用者數放進來，也就是截止到目前的累計使用者數，活躍使用者數除以累計使用者數得到使用者的活躍度，表征的是活躍使用者占整體的比例，這樣一看發現好像比例在逐漸減小。
我們可以繼續細分，可以根據累計使用者數計算出新增使用者數，發現活躍使用者中很大比例是新增的使用者。
相似地，我們可以把累計使用者分為新使用者和老使用者，把活躍使用者分為新活躍使用者和老活躍使用者，相似的，可以得到新老使用者的活躍度，我們發現老使用者的活躍度更低了。
我們想要看老使用者中到底是怎麼了？我們把活躍使用者再進行細分，分成活躍、不活躍使用者2大類，活躍使用者我們包括了新活躍使用者和老使用者活躍，然後老使用者活躍我們又分成了一般活躍使用者，忠誠使用者和回流使用者，不活躍使用者主要包括沉默使用者和流失使用者，我們發現老使用者活躍主要是因為一般活躍和忠誠使用者的 活躍都很少，但是新使用者很多，說明我們需要做好新使用者引導和留存，同時促使使用者向忠誠使用者轉化。
進而可以通過對每個月使用者進行細分，分析同一月份不同層級的使用者構成，進而判斷使用者成長的健康狀況。
但是為了更加清晰，我們按照活躍、不活躍分别看使用者的構成，這樣的話能更清楚地看到各層使用者的健康狀态。
使用者是在産品的生命周期中不斷成長的，我們除了會看某個時間點使用者的活躍組成情況，我們可能還要關注使用者的成長路徑：每天有多少新增使用者變成了活躍使用者？有多少活躍使用者變得不活躍？有多少忠誠使用者變得不活躍？又有多少流失使用者被我們召回等，這樣有助于我們更直覺地分析使用者的去向，更精準地定位問題，進而針對性地進行動作。
比如可以通過桑基圖的形式展示某産品1月份新增使用者在接下來的成長路徑，發現在2月份有相當比例的使用者沒有再活躍而變成沉默使用者，需要及時通過營運手段觸達這部分使用者，以防止其在3月份流失。
相似地，對于某段時間的活躍使用者或者沉默使用者，也可以通過類似的方式進行監控，以便及時了解使用者的去向，及時進行幹預，以防使用者流失。
04
—
使用者分群應用案例
以上通過一個案例講述了使用者分層的思路和方法，下面再通過一個案例介紹使用者分群的應用。使用者分群中有一些比較常用的方法，比如可以通過經驗型的RFM模型，從不同次元對使用者進行評價，進而劃分成不同價值的使用者進行營運；或者通過大資料挖掘的聚類算法等，挖掘大量使用者的相似特征實作物以類聚人以群分的目的。
這些方法已經很成熟了，而且很多人已經耳熟能詳了，就不在這裡贅述了。今天給大家介紹另外一種比較重要的分群方法—同期群分析，所謂同期群分析就是針對分層使用者的進一步細分，對處于相同生命周期的使用者進行分群，看相似分群的效果，一般來說，同期群需要滿足：處于相同生命周期，比如研究的都是新使用者，或者具有共同的行為使用者，這樣群内我們可以看時間上的變化趨勢，不同群之間對比可以看效果，一般用來衡量産品或者營運優化方案前後的效果。比如2月份我們上了一個新功能，導緻3月、4月的新使用者留存明顯好于1/2月，通過對爹帶錢1、2月的新使用者留存和疊代後3、4月新使用者留存的同期群對比發現優化方案效果顯著。
我們通過一個案例來說明同期群分析的具體應用，假設我們拿到某個店鋪的銷售資料，通過資料發現，雖然每個月的銷售額和客戶數持續增長，但客戶的ARPU卻在持續下降，客戶的購買力是在逐漸減弱麼？為了探究這個原因，我們先把客戶進行分層，分為新老使用者，然後分别對新老使用者進行同期群分析。
我們首先對1-4月份的新使用者的ARPU進行同期群分析，即取每個月的新增使用者作為一個同期群，研究不同同期群在首月及以後的ARPU變化情況，發現随着時間的推移，1-4月份新增的使用者首月的ARPU在不斷提高，說明新使用者的購買力是在不斷增強的，那就很有可能是老使用者的購買力下降了。
相似地，我們對老使用者進行同期群分析，發現随着時間的推移，老使用者的ARPU在逐漸降低，是老使用者的購買力下降導緻整體使用者的ARPU下降。
05
—
總結
本文嘗試從活躍使用者的營運出發，探讨如何将活躍使用者的精細化營運落地，以及實作精細化營運的2種重要的方法—使用者分層和使用者分群，并分别通過案例逐漸展示了2種方法應用的詳細步驟，希望通過理論結合案例的方式将人人吹捧卻又鮮有實作的精細化營運落地，但不可否認的是，活躍使用者的營運絕不是說掌握了這些方法就可以高枕無憂，使用者的認知和需求都在随着網際網路的高速發展而不斷變化，我們不能指望通過一些固定的方法套路就能搞定使用者，一切方法套路都是為了盡可精準地了解使用者，為使用者持續提供有靈魂的産品、高品質的服務才是讓産品長久不衰最高端的方法套路。
更多網際網路資料分析與營運幹貨内容，請關注微信公衆号【 大資料分析與營運知識星球 】，期待與你共同成長！