用戶分析體系，該如何搭建

點(diǎn)擊關(guān)注上方“SQL數(shù)據(jù)庫開發(fā)”，

用戶分析是很多人掛在嘴邊的東西。然而一做起來，經(jīng)常被做得七零八落。很多新手一聽”用戶分析”，就跟條件反射一樣開始：“性別、年齡、地域、活躍、留存、流失、轉(zhuǎn)化、RFM……”數(shù)據(jù)擺了一大堆卻沒有什么結(jié)論。

如何將用戶分析做的更體系化？今天系統(tǒng)講解一下。

搭建用戶分析體系的最大難點(diǎn)是啥？當(dāng)然是：缺數(shù)據(jù)！

在采集用戶數(shù)據(jù)上，普通企業(yè)和頭騰阿這種壟斷大廠根本沒法比。大廠的業(yè)務(wù)線多，采集各類用戶信息豐富。且大廠下邊的APP用戶粘性高，因此用戶行為數(shù)據(jù)也非常豐富。大廠們還尤其喜歡搞熟人推薦，獲取用戶之間的親屬關(guān)系。至于位置信息、人臉信息，更是拿捏的妥妥的。

這種情況，使得普通企業(yè)做用戶分析的時(shí)候，必須優(yōu)先考慮：到底有啥數(shù)據(jù)。從數(shù)據(jù)最豐富，最可能產(chǎn)生價(jià)值的地方入手。邊做分析，邊推動(dòng)業(yè)務(wù)完善數(shù)據(jù)，從而實(shí)現(xiàn)良性循環(huán)。

第一步：用戶價(jià)值分層

所有企業(yè)一定有的數(shù)據(jù)是：消費(fèi)記錄。因此第一步先做這個(gè)。從消費(fèi)記錄里，可以區(qū)分出來：誰是高消費(fèi)用戶。識(shí)別出金主爸爸，是后續(xù)所有分析的起點(diǎn)。

注意：識(shí)別高消費(fèi)，不是簡(jiǎn)單地統(tǒng)計(jì)一下過去一年消費(fèi)金額。而是要用生命周期的觀察方法，觀察用戶從注冊(cè)開始的消費(fèi)分布。不同的分布形態(tài)，意味著不同的用戶運(yùn)營(yíng)策略（如下圖）。

第二步：用戶來源渠道分析

了解了誰是高消費(fèi)用戶，可以進(jìn)一步思考：高消費(fèi)用戶是從哪些渠道來的。用戶來源渠道分析，應(yīng)首先對(duì)渠道質(zhì)量做評(píng)價(jià)，識(shí)別出高消費(fèi)用戶較多的優(yōu)質(zhì)渠道。之后，提高優(yōu)質(zhì)渠道投入，削減劣質(zhì)渠道投入，從而達(dá)到降本增效的目的。這樣，即使暫時(shí)沒有轉(zhuǎn)化路徑數(shù)據(jù)，也能做初步分析。

之后，可以逐步推動(dòng)業(yè)務(wù)，完善轉(zhuǎn)化路徑的數(shù)據(jù)采集，對(duì)廣告素材、轉(zhuǎn)化流程、引流產(chǎn)品、引流活動(dòng)等方面進(jìn)行分析，進(jìn)一步提高拉新質(zhì)量。

第三步：用戶活躍情況分析

解決完拉新問題，還可以進(jìn)一步思考：存量用戶活躍程度如何？哪個(gè)群體需要幫上一把？站在用戶運(yùn)營(yíng)的視角，不同層級(jí)+不同活躍程度的用戶，運(yùn)營(yíng)的思路也是不同的。因此，整理出用戶活躍情況分層，對(duì)于形成運(yùn)營(yíng)思路大有幫助（如下圖）。

很多同學(xué)會(huì)在這一步陷得很深，列舉一大堆指標(biāo)卻發(fā)現(xiàn)不了什么問題。要注意：大部分企業(yè)沒有一款類似微信、淘寶、抖音這樣的超級(jí)應(yīng)用。大部分用戶和企業(yè)的互動(dòng)頻率低，很有可能只在大型活動(dòng)的時(shí)候才會(huì)露面。只有極少數(shù)用戶互動(dòng)頻次較高。

因此用戶留存情況分析，要先把下面兩個(gè)因素做矩陣分析，看清大盤，找準(zhǔn)發(fā)力方向（如下圖）。

1、用戶消費(fèi)頻次

2、用戶互動(dòng)頻次

第四步：用戶活動(dòng)參與分析

之后可以思考：如何提升用戶價(jià)值。最好用的手段就是優(yōu)惠活動(dòng)，因此可以從這里入手。

這五種形式的數(shù)據(jù)有可能非常混亂！特別是在同一張訂單，能同時(shí)使用2-3條優(yōu)惠規(guī)則的時(shí)候。很多公司的開發(fā)非常懶，沒有單獨(dú)做活動(dòng)標(biāo)簽庫，也沒有做活動(dòng)表、商品表、訂單表、用戶表、積分表（俗稱：促銷五表）之間的關(guān)聯(lián)關(guān)系，導(dǎo)致最終訂單只能看到有優(yōu)惠，不能拆解到每一條規(guī)則。從而給后續(xù)的分析帶來不可修復(fù)的難題。

有了這些基礎(chǔ)數(shù)據(jù)，分析就大有可為：

1、哪些用戶是優(yōu)惠敏感型？哪些是不敏感的？

2、不敏感的用戶，忠于什么商品？在哪些特定場(chǎng)景下消費(fèi)？

3、敏感的用戶，是否薅羊毛薅過量？業(yè)績(jī)不足的時(shí)候，拉他們出來頂上！

第五步：用戶接觸渠道分析

最后，還可以進(jìn)一步看：留存的用戶在哪些平臺(tái)出現(xiàn)，流失的用戶最后一次出現(xiàn)在哪些平臺(tái)。這樣就不至于像報(bào)喪鳥一樣，只會(huì)喳喳：“用戶要流失啦！”而是能具體給到：“我們能在XX渠道把用戶撈回來”。

如果是對(duì)于有門店、小程序、APP、電商網(wǎng)站多種渠道并存的傳統(tǒng)企業(yè)，優(yōu)先要做的是分清楚：哪些用戶能通過線上渠道接觸。傳統(tǒng)企業(yè)的門店渠道，常常數(shù)據(jù)缺失嚴(yán)重，區(qū)分線上渠道用戶，能加強(qiáng)私域運(yùn)營(yíng)能力，同時(shí)彌補(bǔ)線下數(shù)據(jù)缺失問題。

如果是以APP/小程序?yàn)橹鲬?zhàn)場(chǎng)的線上企業(yè)，則主要對(duì)用戶接觸的內(nèi)容進(jìn)行區(qū)分。區(qū)分出用戶對(duì)哪些內(nèi)容（新品？活動(dòng)？時(shí)尚？健康？節(jié)日？……）感興趣，從而選擇更好的內(nèi)容激活用戶。

相比之以上五個(gè)模塊，有些分析可以相對(duì)靠后做：

1、用戶畫像分析：好的用戶畫像是養(yǎng)出來的，不是天生的。如果一開始沒有收集啥基礎(chǔ)信息，就先不用動(dòng)這個(gè)腦子，等數(shù)據(jù)多補(bǔ)充一些再說。

2、用戶行為路徑分析：如果用戶在小程序/自有電商平臺(tái)的活躍數(shù)據(jù)很少，就不要急著做。數(shù)據(jù)都沒幾條，分析不出啥來。

3、用戶響應(yīng)率預(yù)測(cè)分析：如果只有少量消費(fèi)數(shù)據(jù)，就不建議做各種響應(yīng)率預(yù)測(cè)（包括活動(dòng)響應(yīng)、流失預(yù)警、購買預(yù)測(cè)等等），歷史經(jīng)驗(yàn)上看，只基于消費(fèi)數(shù)據(jù)預(yù)測(cè)，準(zhǔn)確度都不咋可觀，還不如直接上人工規(guī)則。

這一套用戶分析體系搭建，是緊密結(jié)合數(shù)據(jù)采集過程的，充分考慮了：萬一沒有數(shù)據(jù)怎么辦。由淺入深的推動(dòng)（如下圖）。

這一套用戶分析體系搭建思路，其分析思路，是站在業(yè)務(wù)視角，思考如何運(yùn)營(yíng)用戶：

1、高價(jià)值用戶是誰？值得我投入多少？

2、我能在哪些渠道，找到這些高價(jià)值用戶？

3、存量高價(jià)值用戶，誰還在活躍，誰已經(jīng)流失？

4、我能用什么手段，保留存量的高價(jià)值用戶？

5、存量的低價(jià)值用戶，是否有激活可能？怎么激活？

這種目標(biāo)感強(qiáng)的分析，遠(yuǎn)比列出來：“男女比例4:6”“25歲-30歲占比30%”更能解決問題。并且在推動(dòng)業(yè)務(wù)的過程中，也能結(jié)合運(yùn)營(yíng)手段，補(bǔ)充數(shù)據(jù)，后續(xù)分析也越做越順，同學(xué)們可以嘗試下哦。 

最后給大家分享我寫的SQL兩件套：《SQL基礎(chǔ)知識(shí)第二版》和《SQL高級(jí)知識(shí)第二版》的PDF電子版。里面有各個(gè)語法的解釋、大量的實(shí)例講解和批注等等，非常通俗易懂，方便大家跟著一起來實(shí)操。

有需要的讀者可以下載學(xué)習(xí)，在下面的公眾號(hào)「數(shù)據(jù)前線」(非本號(hào))后臺(tái)回復(fù)關(guān)鍵字：SQL，就行
數(shù)據(jù)前線
后臺(tái)回復(fù)關(guān)鍵字：1024，獲取一份精心整理的技術(shù)干貨
后臺(tái)回復(fù)關(guān)鍵字：進(jìn)群，帶你進(jìn)入高手如云的交流群。

推薦閱讀
MySQL 常用腳本
SQL常用腳本整理（下）
終于有人把內(nèi)卷和囚徒困境講明白了
SQL常用腳本整理
圖解 SQL 基礎(chǔ)知識(shí)