用戶畫像、用戶分群、用戶分層，到底有啥區(qū)別？
用戶標(biāo)簽、用戶畫像、用戶分群、用戶分層、用戶細分……很多做用戶分析的同學(xué)，會被這幾個概念繞暈。今天系統(tǒng)講解一下。一圖以敝之，這幾個東西關(guān)系如下：
用戶標(biāo)簽是基礎(chǔ)
用數(shù)據(jù)描述一個用戶，有標(biāo)簽和指標(biāo)兩種方式
指標(biāo)：連續(xù)型數(shù)據(jù)，比如過往3個月消費
標(biāo)簽：分類型數(shù)據(jù)，比如用戶性別、居住地
有了豐富的指標(biāo)和標(biāo)簽，才能對用戶進行描述。
之所以單獨強調(diào)用戶標(biāo)簽，是因為大量未經(jīng)分類整理的指標(biāo)很難用，對業(yè)務(wù)直接意義不大。標(biāo)簽可以做得很復(fù)雜，可以附加業(yè)務(wù)含義。這些帶了業(yè)務(wù)含義的標(biāo)簽，甚至可以直接組合出業(yè)務(wù)落地方案，因此非常好用。
用戶畫像是底座
大量的用戶指標(biāo)與標(biāo)簽，形成了用戶畫像。用戶畫像是一個統(tǒng)稱，通常一講用戶畫像，大家都知道是在說用戶的指標(biāo)與標(biāo)簽問題。用戶畫像是數(shù)據(jù)服務(wù)業(yè)務(wù)的底座，有了用戶畫像才可以進一步地工作。
用戶分群是方法
用戶分群是用戶畫像運用的方法，即不把用戶視為一個整體，而是從用戶特征、行為等方面找差異，劃分為不同群體。比如按性別、年齡、城市、消費多少、活躍程度進行劃分，分為不同群體。
分群以后，能便于業(yè)務(wù)更好地識別不同類型的用戶，做精細化運營動作。簡單的用戶分群，可以直接拿用戶標(biāo)簽（特別是物理特征）做分類，復(fù)雜的分群，則可以用更多數(shù)據(jù)。用戶分層就是一種典型的復(fù)雜分群。
用戶分層是一種特殊的分群
如果把分群的標(biāo)準(zhǔn)，定為用戶價值的高低，這種分群就是用戶分層。用戶分層不只是簡單的分群，而是要區(qū)分出價值的高中低，從而更進一步地進行服務(wù)。
注意：“價值”本身，可以有很多種定義
1、活躍價值：用戶在平臺登錄次數(shù)多，活躍時間長
2、轉(zhuǎn)介紹價值：用戶會轉(zhuǎn)介紹很多次，帶來很多新用戶
3、歷史消費價值：用戶歷史上累計消費很多錢
4、未來消費價值：用戶未來會消費很多錢
因此討論分層前，首先要搞清楚分層的標(biāo)準(zhǔn)，該用何指標(biāo)定義。
定義指標(biāo)以后，就可以著手進行層次劃分了。很多同學(xué)會糾結(jié)到底分界線定在哪里合適。定分界線的原則是：
1、分層后，各層級有明顯區(qū)分度（10%或更多）
2、分界限本身簡單清晰，容易辨識
3、分層后，每個群體的規(guī)模足夠大，有價值做
只要符合這三個標(biāo)準(zhǔn)的，都是好分層。
另一個分層的注意事項是：要區(qū)分歷史行為和未來行為。很多同學(xué)做分層，就只知道拿歷史消費，歷史活躍數(shù)據(jù)。這樣是有風(fēng)險的，因為歷史消費高不見得意味著未來消費高，特別是這種歷史消費高峰是在促銷期，或者買耐用品買出來的。這時候用戶是很少有未來消費需求的。拿歷史消費記錄排個序，就說：這是我的高價值用戶 or 這是我的優(yōu)質(zhì)用戶，很可能在未來被打臉。
所以歷史消費與未來消費之間的關(guān)系需要驗證一下，如果不直接掛鉤，可以試著從用戶特征等方面進行區(qū)分。
明著分/暗著分
注意，用戶分層有明分和暗分兩種，明分，即向用戶公開分群規(guī)則，比如1年內(nèi)消費滿1萬成為金卡，金卡用戶可以享受3888入會大禮包和9折購物優(yōu)惠。
暗分，即內(nèi)部設(shè)定好標(biāo)準(zhǔn)，比如A類用戶促銷敏感度低，B類用戶促銷敏感度高，之后在抽獎的時候，不給A類用戶中獎，只給B類用戶中獎。明分和暗分，在業(yè)務(wù)上、數(shù)據(jù)上，會產(chǎn)生明顯的效果差異，所以在實操的時候一定要分清楚。
明著分，能直接拉動用戶消費，促使用戶升級。只要給的獎勵夠吸引，你可以看到一個普通用戶一夜之間變成VVVIP。因此如果要公布分群規(guī)則，最好直接把這種分群當(dāng)成促銷活動。考核額外給到的資源、新拉動的消費數(shù)量，評估分群效果。
注意，這么做也是有限制的。
1、分群規(guī)則不能復(fù)雜，否則用戶看不懂，一切白搭。
2、分群獎勵門檻要高，否則躺著進來的人太多，成本會爆炸
3、分群獎勵要夠給力，否則沒人為三瓜倆棗掏腰包
4、身份認(rèn)證要做好，否則幾個用戶湊一張金卡薅羊毛也是常事
5、獎勵重疊要控制，避免金卡優(yōu)惠和其他優(yōu)惠重疊太多，成本失控
暗著分，其實就是大數(shù)據(jù)殺熟，暗搓搓地搞價格歧視。暗著分在控制成本、拉動運營指標(biāo)上比明著分更有效果。
比如運營部門發(fā)現(xiàn)最近轉(zhuǎn)化率降了，如果直接搞大促銷，有相當(dāng)大一部分成本是被原本就會消費的用戶薅走的，那么可以通過復(fù)雜的內(nèi)部規(guī)則（或者干脆訓(xùn)練購買預(yù)測模型），找到更大概率不會自然消費的用戶，只針對他們投。這樣暗箱操作，可以讓成本更少，指標(biāo)提升效果更明顯。
不過這樣做也有前提條件：
1、有封閉信息，直接推送給用戶個人的APP/小程序
2、用戶的活躍度得高，得有能力接收到信息
3、下單時間有限制，避免用戶多平臺比價/更換賬號比價
而且，一般暗搓搓地給優(yōu)惠，沒法直接丟3888大禮包，也不方便直接收用戶1萬元。意味著這種暗搓搓做法不太適合做消費量，更適合打轉(zhuǎn)化率，讓用戶小花幾筆錢，先下兩單。
但是這樣也有問題，就是轉(zhuǎn)化低用戶活，躍率很有可能也不高，如果用戶不活躍，是收不到推送信息的，后邊的分層推送也就沒機會了。所以還是需要有一些大規(guī)模的宣傳/促銷做支持，先解決活躍問題再說。
那用戶分層和推薦系統(tǒng)又是啥關(guān)系？
看到這里，肯定有同學(xué)會聯(lián)想：那推薦系統(tǒng)和用戶分層又有啥區(qū)別？不都是推個東西給用戶嗎？
雖然都是推個東西，但是解決的業(yè)務(wù)問題不一樣：
推薦系統(tǒng)解決的是降低用戶搜索難度，不用搜海量商品的問題。
用戶分層解決的是拉動用戶消費，提升用戶活躍的問題。
很多公司的SKU就一二百款，產(chǎn)品線就5、6個，即使搞推薦系統(tǒng)，搞來搞去也就那幾款。而電商/短視頻平臺的SKU動輒以億為單位，所以必須得搞推薦，不然咋展示呀。而即使只有1個SKU，用戶也有高中低消費的區(qū)別，也能結(jié)合用戶畫像，找到誰是我的高端消費者。所以用戶分群和分層應(yīng)用范圍比推薦系統(tǒng)大很多，只要是個公司都可以用。
以上就是今天的分享，如果有同學(xué)還沒看過癮，可以加入陳老師的知識星球。已經(jīng)為大家整理好了打標(biāo)簽、做分層的方法，都在《九大數(shù)據(jù)分析方法》系列視頻課程中。
星友可以免費學(xué)習(xí)課程，還可以和我一對一討論具體的業(yè)務(wù)場景問題，具體問題具體分析，進步才快。
《九大數(shù)據(jù)分析方法》提綱
點擊“閱讀原文”可了解更多原創(chuàng)精選：