如何做用戶分層或用戶分群
技術(shù)角度下的用戶分群
單維度的組別劃分
多維度的類別組合
聚類算法得到的分類
業(yè)務(wù)角度下的用戶分群
用戶屬性
用戶行為
用戶價值
生命周期
其他補充
用戶分層和用戶分群是經(jīng)常在工作中被提到的兩個詞，有的場景下這兩個詞的可以理解為同一含義，不過嚴謹來說：
“分層”有順序或者嵌套的關(guān)系； “分群”則更多是“分類”的含義，類似于MECE的平級并列關(guān)系；
為了方便討論，本文主要以“用戶分群”的概念來進行討論。另，本文只能算作一個綱要，“用戶分群”的內(nèi)容包含但不限于文中所及。
可以從兩個角度來看“用戶分群”：
技術(shù)角度，從數(shù)據(jù)上來看是怎么做的； 業(yè)務(wù)角度，即業(yè)務(wù)上對用戶進行劃分方法；
技術(shù)角度下的用戶分群
主要有如下3類方法：
單維度的組別劃分； 多維度的組合，再劃分組別； 使用聚類算法來得到分組；
單維度的組別劃分
用戶的一系列屬性值可以看做一個個變量。變量取值可能存在兩種情況：
離散值，常見的是是否標記(e.g. 是否為付費用戶)、類別歸屬(e.g. 收貨所在省、支付狀態(tài))、等級順序(e.g.會員等級)；連續(xù)值，常見的有時間(e.g. 注冊時長、使用時長)、金錢(e.g.交易金額)、頻次(e.g.訂單數(shù)量)，連續(xù)值可以進行二值化或者分箱得到組別劃分，比如考試成績設(shè)定分數(shù)線來判定合格或不合格；
多維度的類別組合
多維度下的分組是可以通過多個已經(jīng)分類的維度進行排列組合得到。
e.g. 兩個維度進行組合得到的BCG/GE矩陣
e.g. 3個維度進行組合得到的RFM模型。
聚類算法得到的分類
前兩者更依賴于先驗的業(yè)務(wù)知識來進行劃分，聚類算法則是從底層數(shù)據(jù)發(fā)現(xiàn)規(guī)律，可能會得到業(yè)務(wù)上可能不能解釋但是卻能帶來業(yè)務(wù)價值的分組。?
從技術(shù)上講，聚類算法也是多個維度的數(shù)據(jù)衍生出一個新的分類字段，但是不同于多維度的組別劃分那樣，所使用的多個維度本來就是分組的，只是對分組進行組合即可。而聚類算法對于所使用的原始的多個變量并不在乎其取值是連續(xù)還是離散的，最終輸出的是離散的類別就行。
業(yè)務(wù)角度下的用戶分群
主要方法如下：
用戶屬性，e.g. 用戶在產(chǎn)品中扮演的角色、用戶的產(chǎn)品屬性、社會屬性等； 用戶價值，通常和用戶能帶給產(chǎn)品的收入有關(guān)，28法則或者金字塔法則是用戶價值的劃分的兩個常用規(guī)則； 用戶行為，用戶對產(chǎn)品的認知、選擇產(chǎn)品的決策過程、用戶從新手到忠誠發(fā)生的變化等都可以從用戶的行為上得到洞察； 生命周期，這個生命周期是相對于用戶在產(chǎn)品中的經(jīng)歷而言，從不知道某個產(chǎn)品->初次使用->建立信任->成為忠誠用戶->流失，這個過程中體現(xiàn)了用戶認知的變化，還涉及用戶的決策過程的循序漸進以及用戶需求的衰退或者轉(zhuǎn)移；
用戶屬性
用戶屬性可以大致分為兩類：
依托于產(chǎn)品的屬性，也就是這個屬性只是針對當前的產(chǎn)品或者平臺而定義，e.g. 用戶的角色，會員層級，是否開通或使用某產(chǎn)品服務(wù)；獨立于產(chǎn)品的屬性，用戶作為自然人具有的屬性，e.g. 性別、年齡、所在地、職業(yè)、收入等；
依托于產(chǎn)品的屬性，用戶在產(chǎn)品中的
角色(role) ，e.g. 授課平臺上的講師、學(xué)生；打車平臺上的司機、乘客；電商平臺上的賣家、賣家；外賣平臺上的商鋪、訂餐用戶、送餐員； 狀態(tài)(status) ，一般是從初始(默認)狀態(tài)發(fā)生變化，狀態(tài)相對穩(wěn)定且有些條件下不可逆，比如對特定行為的標記，e.g.是否付費、是否購買了某服務(wù)、是否使用了某功能、是否開通會員等； 類型(type) ，e.g. 登陸設(shè)備類型、操作系統(tǒng)類型、登陸賬號類型、會員類型等； 標記(stamp) ，e.g. 注冊標記(日期、來源的渠道、活動等)，“首次”標記(首單日期、金額)，“上次”標記，“最”大(小)標記等；
獨立于產(chǎn)品的屬性，這些用戶屬性不以產(chǎn)品的不同而轉(zhuǎn)移；
作為“自然”人，具有種族、性別、年齡、婚育、所在地等特征； 作為“社會”人，則和用戶在社會生活中扮演的角色有關(guān)，e.g.教育(專業(yè)、學(xué)歷等)、職業(yè)(行業(yè)、職位、收入、工作年限等)、家庭(人口、資產(chǎn)、住房等)、興趣愛好等；
用戶行為
對于用戶的行為，需要關(guān)注如下方面：
有業(yè)務(wù)價值的行為，包括有直接價值(帶來收入)的行為(頁面瀏覽、付費交易等)，也包括有潛在價值的行為，e.g. 注冊、登陸、瀏覽、發(fā)表、點贊、評論、轉(zhuǎn)發(fā)等，作為“輔助”，這些行為不一定能直接帶來收入，但是可能拼成“藏寶圖”，通過對這些行為的分析能發(fā)現(xiàn)潛在價值高、成長空間大的用戶。另外，需要注意的是，不同的業(yè)務(wù)形態(tài)，關(guān)注的用戶行為是有較大差異的。 用戶行為的質(zhì)量，比如那些行為指標數(shù)值越大越好(e.g.頁面訪問深度、停留時長、轉(zhuǎn)化率等)，或者反之越小越好的(e.g.頁面跳出、訪問時間間隔)，此外，在某些業(yè)務(wù)場景下，用戶有較好的行為周期也是行為質(zhì)量高的表現(xiàn)，e.g.每天訪問app，每隔一段時間就到平臺上來買米面糧油等； 用戶行為的偏好，這里是指業(yè)務(wù)上的行為，用戶可以在產(chǎn)品定義的范圍內(nèi)執(zhí)行的行為可以看做一個集合，每個特定的行為相當于其中的元素，不同用戶的行為偏好會有差異e.g. 讀到好文章，有的用戶傾向“點贊”，有的用戶則是“收藏”或“轉(zhuǎn)發(fā)”； 行為對象的偏好，“行為對象”就是用戶行為的指向物，比如購買的商品(包括商品的品類、品牌、價格、優(yōu)惠等)、瀏覽的內(nèi)容(包括類型、風(fēng)格、作者、排版等)，e.g. 我買書的時候基本只看當當或京東，日用百貨就去京東，購買服飾類就去唯品會；e.g. 大家都在同一平臺上看視頻，有的用戶主要看電影、有的是看動漫，其他一些用戶則是來追電視劇; 用戶行為的變化，e.g. 曾經(jīng)買買買，如今則只逛不買，用戶行為的變化和業(yè)務(wù)指標的波動高度關(guān)聯(lián)，指標波動歸因是數(shù)據(jù)分析任務(wù)中的常見場景，所以做好對用戶行為變化的監(jiān)控，是非?；A(chǔ)的工作。用戶行為的變化分可以按空間和時間上去劃分： 空間上關(guān)注具體的用戶群以及業(yè)務(wù)場景； 時間上則關(guān)注用戶群體行為變化的時間點，看是“臨時突變”，還是“持續(xù)變化”； 行為背后的認知，可能除了用戶調(diào)研、產(chǎn)品反饋、客服投訴這3類渠道外，用戶很難親口說出自己的需求，大部分時候需要從用戶的行為數(shù)據(jù)中去揭示更深層的用戶認知。e.g. 品牌忠誠、價格敏感、容易投訴、沖動消費。
用戶價值
用戶價值的高低和用戶屬性以及用戶行為都有高度的關(guān)聯(lián)，所以對用戶的價值的評估可以看做是多個維度的綜合指標。
用戶價值的考量基礎(chǔ)是這個用戶能為平臺帶來多大收益(潛在收益)，換句話說我們能通過這個用戶獲得多少收入。
對于用戶帶來的收入而言包含以下含義：
對于每個用戶而言，從對方進入平臺到流失這個過程獲得收入的期望值是多少，這個值也就是用戶生命周期價值(Customer Lifetime Value, CLV)； 考量用戶價值時，除了其潛在的收入有多少外，還會考慮獲得收入的可能性，也就是“從哪些用戶那里更容易獲得收入(或者獲得收入的概率更高)”； 通過用戶獲得的收入不一定是用戶付費，要看具體的商業(yè)模式，對于很大一部分產(chǎn)品而言，廣告才是收入的大頭，除了向用戶兜售商品、服務(wù)或功能外，用戶的注意力也可以被賣錢；
生命周期
用戶的生命周期是理論上的一個從新客到老客再到過客的完整流程。
用戶生命周期的劃分需要注意的是：
處于不同生命周期在用戶行為上會有什么表現(xiàn)？ 生命周期在不同的用戶身上表現(xiàn)是有差異的，有的用戶在平臺待的時間可能很長，有的就比較短，有的用戶并沒有經(jīng)歷完整的生命周期就流失掉了。
其他補充
如何選擇維度？
首先要看你要解決的問題是什么？或者你的業(yè)務(wù)目標是什么？ 選擇的維度要和業(yè)務(wù)目標高度關(guān)聯(lián)； 維度不一定要很多，達到一定的效度就可以，太復(fù)雜反而不利于操作；
分群的注意事項
厘清分群的目的 可以是簡單地對用戶特征進行描述，以便于了解用戶； 可以是對用戶的價值判斷然后分群排序(分層)，便于資源的傾斜和分配，e.g.有人吐槽“RFM模型”沒啥價值，這個模型用來確定群體優(yōu)先級還是很好用的，此外，如果跨時間周期對比RFM矩陣中的變化，也可以檢查業(yè)務(wù)是否健康； 也可以是基于產(chǎn)品、運營活動的前提，要對不同的用戶群進行不同的操作，那么分群應(yīng)該能指明操作的方向，比如促銷選擇那些人群？如何配置優(yōu)惠力度？選擇哪些商品？等等 既然是分組，就要保證組間的差異足夠顯著，這個涉及到分組的規(guī)則，要看具體業(yè)務(wù)場景。