如何通过用户分层,驱动用户增长?

****用户分层模型及分析方法****

1.何为用户?
在讨论用户生命周期价值(CLV)之前,我们先看看,这里的“用户”究竟指的是哪些人。

举个例子:如果把地球看成一个APP,用户就好比地球上的人。每年出生1.4亿人,目前70亿人活在世界上,已经累计死去1080亿人。其中出生人数就像是新增用户,现存70亿人口等同于活跃,累计死去的人意味着流失,“人活七十古来稀”的概念与留存周期类似,人们生育繁衍又与产品的口碑传播很像。这样,我们可以一一对应这些用户生命周期中的概念:新增(Acquisition)、活跃(Activation)、留存(Retention)、传播(Refer)等,对于互联网产品而言,还有一个商业变现(Revenue)的环节。这五个环节,就构成了我们常说的AARRR用户生命周期模型。

图1

仔细观察图一过程,不难发现,我们经常很自豪地说我积累了几百万、几千万用户,其实没有太大的意义。因为,这个数字当中的大多数用户,可能已经流失了,他们不会再为你的产品创造任何价值了。因此,当我们讨论“用户”的时候,我们需要清醒地认识到,只有那些能够被激活、与产品有互动、长期留存、消费/点击广告,甚至主动为你做传播的用户,才是真正优质的、核心的、正在创造价值的用户。

那么,如何找到这群真正的优质核心用户呢?我们要做的第一件事就是分层。

2.何为用户分层?
用户分层,是一种对用户进行群组划分的方法,通常用于描述某一用户的当前状态;在用户分层模型中,某一个用户在某一特定时间应只属于一个用户层级。今天,我们主要讲以生命周期阶段为依据的用户分层方法。

在按CLV做用户分层的过程中,我们需要以不同的“行为”的触发情况,标识用户的当前状态。以此判断用户正处于新增、活跃、留存、传播、付费的哪一个阶段。

3.如何给用户分层?
举几个例子:
1)社交应用(SNS)典型分层

第一层是新增访客,只要启动应用就算一个访客,访客中流失的记为流失访客;
第二层可以标记为活跃用户,至少触发一次浏览事件的才算一个有效活跃,流失的记为流失参与者者;
第三层标记为互动用户,有点赞评论的用户就是互动用户,流失用户记为流失使用者;
第四层记为回访用户,以多次启动应用并且多次互动为标准,如果他们流失了,则记为流失高价值用户。

2)SaaS用户的典型分层

第一层是访客用户,以打开网站为基准,访客中流失的记为流失访客;
第二层记为评估用户,以深度浏览或查看官网demo为准,流失的记为流失评估者;
第三层标记为试用用户,以完成注册为标准,流失用户记为流失试用者;
第四层记为付费用户,以完成合同流程为准,流失用户记为流失客户。

3)互联网理财的典型分层:

第一层是访客,也是以启动应用做标准;若一定时间周期内没有回访记录,则记入流失访客;
第二层为评估者,分层依据是:触发[查看理财产品]等内容浏览相关的事件;如果一个用户仅仅启动了应用,却没有浏览任何产品,就可以记为一个流失了;
第三层可以定义为实名用户,分层标准是绑定银行卡、完成实名认证等;此时,2、3层之间的流失用户我们记为“浏览后流失”;
第四层标记为投资用户,这个分层标准很简单,比如:至少购买一次理财产品;对于绑定了银行卡却没有选购产品的用户,记为“理财前流失”;
第五层可记为复购用户或者忠实用户,这些用户在投资行为上能够满足[周期性]的特征,投资金额能够逐步[增长];而时间周期内,有过投资记录却不满足该层级标准的用户,可以被记为“理财后流失”。

4.用户分层的价值
对于上文提到的的用户分层案例,我们可以归纳出一个图形化的展示形式,如图2:

图2g

图2所示金字塔模型,完整地展现了该产品的用户分层层级。企业可以通过跟踪研究用户行为,快速地明确用户生命周期中的不同阶段,并以此划分用户层级。这种基于行为的用户研究方法,会极大地提升企业的用研效率,了解不同层级的用户量及其转化途径,为用户增长的突破提供数据支撑。结合漏斗分析、同期群分析、留存率分析等多种分析模型,究竟哪些用户在为企业创造价值、用户为何购买为何流失……这些困扰着企业运营的难题都将迎刃而解。

用户分层的展现与应用,可以通过堆积面积图、同期群百分比堆积图等形式进行。关于这两类数据展示形式的设计与解读,我们将在后期撰写独立内容做讲述。

总 结
用户分层,除了能够为企业提供科学的用户研究方法,其更重要的作用,在于拆分和构建业务流程中的指标衡量体系。在任何一个企业或团队里,不同角色、不同部门、不同岗位的人,需要关注的指标是不尽相同的。表1是个简单的例子:

表1

关注用户的生命周期,对用户进行分层分析与管理,探索各个层级阶段的核心指标,以此衡量业务部门的工作成效,这是每一个企业实现增长的必由之路。当然,这个过程并不是一蹴而就一成不变的。用户生命周期价值的分析与提升,同样遵循着精益分析的循环(loop of lean analysis),即:产生想法->构建指标体系->设计产品/方案->衡量实施结果->对过程数据进行分析->从分析中学习经验->产生新的想法。

图3

一个好的idea对于优秀产品而言固然重要,但更重要的,是对用户需求的深刻理解和对用户价值的深入挖掘。想要实现这两个“小目标”,CLV(用户生命周期价值)分析必不可少,用户分层模型及其指标体系必不可少。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,290评论 4 363
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,399评论 1 294
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,021评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,034评论 0 207
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,412评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,651评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,902评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,605评论 0 199
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,339评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,586评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,076评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,400评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,060评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,083评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,851评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,685评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,595评论 2 270

推荐阅读更多精彩内容