微信扫码登录

其他登录方式

绑定手机号

注册

我同意用户协议

忘记密码

用户协议

绑定手机号

近期有不法分子打着爱盈利的旗号,制作“爱盈利”名称的App,并伪造爱盈利证件,骗取用户信任,以抖音点赞赚钱或其他方式赚钱为名义,过程中以升级会员获得高佣金为名让用户充值。
爱盈利公司郑重声明:我司没有研发或运营过任何名为“爱盈利”的APP,我司做任务赚钱类产品从没有让任何普通用户充值升级会员。我公司产品均在本网站可查询,请将网站拉至底部,点击“关于我们”可查看爱盈利相关产品与服务。
温馨提示:当遇到此类问题请拨打官方电话或添加官方微信,以免财产损失。爱盈利官网地址:www.aiyingli.com。
  • 推广与合作
X

用户分层应该怎么划分

来源: 产品狗聚集地 281018

产品在迭代过程中,用户行为会发生改变。使用同一功能的不同用户,甚至是同一用户在产品生命周期的不同节点,可能都会有不同的痛点和需求。此时如果还是针对所有用户采用“一刀切”的产品策略,不去关注不同用户的不同需求,而导致迭代的产品模块和功能有可能达不到预期的效果。而此时需要去研究用户,做用户分层。

解释用户分层

用户分层是根据不同用户的行为特征划分成不同的用户群,进而制定不同的产品策略来满足其差异化需求,从而充分发挥每个层级用户的价值,达成产品目标。在实际的应用中,用户分层主要表现在两方面:

一方面可以帮助产品经理和运营快速定位问题,找到后续可以根据问题做功能优化;另一方面提升产品用户效益,针对不同的用户合理分配有效的资源。

做用户分层前有几个必要条件:

产品模块有一定的用户量,如果用户量样本不足会导致划分的颗粒度太粗。效果也会大打折扣;产品模块需要在一定周期内收集用户行为习惯。看看用户在这个产品模块操作了什么;产品模块一定要做埋点。(不做埋点,啥都分析不了)重点模块一定要做全量埋点(也就是用户每一步操作都埋下)。

用户分层的步骤

相信小伙伴已经看到了很多用户分层的方法,比如用户生命周期分层(根据用户价值点:不同用户在产品生命阶段访问产品频次和付费率)、AARRR模型和RFM模型等等。而当做项目的过程中,需要根据项目的不同而找到有效的方法。但是所有的方法都有一个共通的底层逻辑:基于底层的产品目标,根据不同的指标划分,找到不同用户的各类需求。

根据这个底层逻辑,提炼了一点自己的方法:

第一步:明确产品业务目标

第二步:拆分用户行为轨迹

第三步:找到分歧用户群

第四步:划分用户层级

第五步:制定产品策略

第六步:验证产品策略方案

接下来结合任务积分模块的案例,来整理下如何通过这六步做用户分层。

第一步:明确产品业务目标

做用户分层的目的就为了给产品解决什么问题,达到什么效果。最后输出的产品方案都是根据不同用户的划分来制定的,最终都是要服务于产品目标。目标是否达到作为衡量用户分层方案是否有效。明晰产品目标之前,需要了解清楚项目历史背景和现状,防止方向出现问题。

John在电商产品中做的任务积分模块,主要的目的是为了提升用户活跃度和达到留存目的,最后达到用户复购的目的。由于第一期只是搭建了一个任务积分雏形,做了签到、邀新、购买商品和社区互动等基础的任务,一周下来参与的用户量在1W(样本量足够),复购率还不错,所以准备在第二期做重点优化。

把产品业务目标整理成了一张图:

1.jpeg

明确产品业务目标可以通过一句话说明:因为什么原因,可以做(优化)什么产品模块(功能)达到什么产品目标。

第二步:拆分用户行为轨迹

在梳理产品功能路径时,一定有一条理想的路径。同样达到产品目标的过程中,一定需要整理出用户的理想行为。通过第一期的任务积分模块,在一周的时间周期中,梳理出用户行为轨迹,看用户每一步怎么走的。(用户每一步都会沉淀成数据,可以通过漏斗看数据转化)注:路径一定会形成转化。

再来分析下任务积分模块,用户进入这个模块,用户行为只有两种:积分获取和积分消耗。那么对应的用户轨迹可以拆分为:用户进入模块→完成积分任务→领取积分→消耗积分。此时用户在该模块操作的每一步,可以做对应的埋点事件。

把拆分用户行为轨迹变成一张图展示下:

2.jpeg

第三步:找到分歧用户群

根据第二步做的用户操作埋点,聚焦到数据出现异常的地方,通过业务流程和数据分析,看看这些异常能否进行优化。并且可以达到产品目标。在任务积分模块中,首先整理新老用户进入模块数据,再看用户是否通过做对应的任务是否产生了积分,接着看产生了积分的用户是否领取了积分,最后看领取了积分的用户是否产生了消费。

用一张图来梳理下转化过程。

3.jpeg

第四步:划分用户层级

1.定义用户层

通过上述的数据,产品经理和运营需要拆分几类用户群体。接着为这几类用户群体贴上“用户标签”。(注:这儿最好是给用户贴上独特的标签,能反映该用户群的特征,因为后续要给用户推送对应服务。)在任务积分模块中,根据不同用户层的特征提炼,定义用户层级。可以整理成这样一个表:

4.jpeg

2.量化指标分层

当定义清楚用户群后,可以通过数据定量的方式来制定分层标准。(量化一定是一个长期行为,不断的数据摄取会使得用户分层结果更精细)在任务积分模块中,在特征或分歧中的高活跃低产生、高产生低领取和高余额无消费等,这些都是定性描述。根据不同的产品可以制定不同的标准。(比如产品经理和运营在梳理任务获得的积分时,就会有对应的阈值。也是可以参考的)

通过定义用户层的表可以延伸下,加入可量化的指标定义数据。如下图:

5.jpeg

需要注意的是,用户分层在产品发展的不同阶段会有变化。比如我们区分潜在用户和活跃用户,初期我们积分任务少,周产生xx以上就算是活跃用户了。但随着功能不断完善积分任务增多,需要周产生更多才能算我们的活跃用户。在这个层面上,产品的衡量指标变化,使得用户分层也在变化。

第五步:制定产品策略

经过第四步的定义用户层和量化指标分层两个维度已经确认了用户层级,这才只是开始。有了用户层级的划分,后续制定优化策略才是最重要的。这是产品精细化设计的过程。需要单独来看每个用户层级,基于此层级的用户痛点来做产品优化策略。比如在任务积分模块中,以用户层判定为“兴趣用户”为例子,梳理下如果有针对的做产品优化策略。

兴趣用户是一个需要重点优化的用户层,是向最高价值的忠诚用户层级递进的转折点,而数据折损又比较大。这批用户主要特征是有高余额积分但没去消费。那么这里需要涉及到消耗积分的玩法了。在第一个版本做的只是积分直接兑换奖品。既然用户没有去兑换,一般是认为奖品和积分两者价值不对等导致的。那么是否需要一些独特的玩法呢?

在梳理独特玩法之前,怎么知道该玩法能被用户所接受?是不是也要粗略看看人群画像。(注:加上电商平台,划分基础的用户画像是没有问题的)用户粗略画像显示:以一二线城市为主,女性用户活跃。平均每日都有复购。

有了这个点。通过积分抵现(复购率高)和养成类玩法(时间充足)两个点去切。

积分抵现:设置积分和现金的汇率(比如:100积分=1元),在购买商品时,可以通过积分抵现购买;养成类玩法:存储一些积分,通过完成一些特定的任务,让积分可以升值之类的。再一个,兑换商品的价值一定选取性价比比较高的产品。

在具体的实践中,由于每个层级情况不同,可能需要应用不同的产品策略。此时可结合项目资源,判断当前是全部优化,还是选择个别优先级高的验证数据,再进行其他用户层优化。

第六步:验证产品策略方案

产品策略落地后,一定要去验证该策略是否有效,是否已经达到预期效果。看看每个层级的用户行为数据是否有所提升,设定的两个产品目标(用户活跃度和用户复购率)数据是否提升。后续再可以通过不同的产品策略做进一步的优化。

思考

1.任何产品,关于拉新、留存和促活这三项指标,一定是围绕用户来打造的。所以无论是产品经理还是运营,一定要熟悉产品的用户群。2.数据会说话,我发几张收集数据维度的图片(一定需要埋点整理梳理)

6.jpeg

7.jpeg

用户分层的数据其实也可以按照此表整理。以上这五张图片,只是作为一个参考。根据自己想要哪些数据,去整理就好了。(不仅仅是运营的事情!!!)

3.快速试错。现在都讲求小步快跑,快速迭代。在设计上,可首先考虑在原有的场景中深挖或拓展,而不是动不动就大改版,最后规范化去提升价值,提升设计策略的性价比。如果看完还是很迷茫,首先试着根据模块做埋点(沉淀数据),再去给用户分层并看看基础的用户画像有没有做(能收集到哪些数据),接着看看竞品对于该模块做了哪些功能(是出于什么目的和为什么这么做),再去通过功能迭代去试错,直到找到可行方案。都写到这儿了,如果再不试试,也无话可说了。

本文转载于微信公众号:产品狗聚集地(ID:Johntalking),未经作者授权,禁止转载

【转载说明】   若上述素材出现侵权,请及时联系我们删除及进行处理:8088013@qq.com

评论

相关文章推荐

SELECT dw_posts.ID,dw_posts.post_title,dw_posts.post_content FROM dw_posts INNER JOIN dw_term_relationships ON (dw_posts.ID = dw_term_relationships.object_id) WHERE 1=1 AND dw_posts.ID not in (240157,67078,236912) AND(dw_term_relationships.term_taxonomy_id = 17363 ) AND dw_posts.post_type = 'post' AND (dw_posts.post_status = 'publish') GROUP BY dw_posts.ID ORDER BY RAND() LIMIT 0, 4

京ICP备15063977号-2 © 2012-2018 aiyingli.com. All Rights Reserved. 京公网安备 11010102003938号