用户分群里最常见的是基于RFM模型的用户分群研究，本文主要跟大家分享用户分群的详细方法论。一起来看看~
用户分群是用户体系搭建的基础，而常见的用户分群方式是：基于用户生命周期分群，即界定新用户、成长用户、成熟用户和流失用户，再在这个基础上根据用户的不同行为标签做精细化拆分。
用户分群里最常见的是基于RFM模型的用户分群研究，通过以下介绍，即可掌握用户分群的详细方法论。
一、用户分群“三步走”方法论
首先，跟大家介绍下用户分群“三步走”方法论
（1）RFM模型应用，根据用户历史行为（访问频次、间隔、时长、最近1次访问距今），对用户生命周期进行划分，将用户划分为新用户、成长用户、成熟用户、衰退用户和流失用户；
目的：初步确认用户分级与用户分群运营思路。
（2）以今日头条极速版为例，跟据用户访问的页面、消费、金币赚取、提现、分享和其他行为，对用户类型进行划分； 对不同类型的用户群进行有针对性的运营。
目的：为后续用户权益设计留作参考。
（3）输出用户行为占比分布表（如下展示，以今日头条极速版为例）
目的：聚类用户，做更精细化拆分，重点提升留存或其他运营指标（视实际情况而定）。
二、基于RFM模型确认用户生命周期分布的取数逻辑
其次，详细介绍下基于RFM模型确认用户生命周期分布的取数逻辑，大多数公司对运营的数据分析能力要求比较高，建议可以去学习下RFM模型的基础原理。
其中最重要一步，拉取当前用户数据，根据数据划分用户生命周期，大体需求是形成如下这张表：
协同BI侧，我们需要做以下准备：
- 确认取数维度：用户userid，取2017&2018同一时间段用户，如2017.1.1~7.1的用户&2018.1.1~7.1的用户（共两段用户，同比验证分层数据的准确性），用户访问行为进行分析，得出用户生命周期阈值后，套用在另一段用户中进行验证。
- 跑取以下几个数据指标：90天内单个用户的pv总数、访问了X天、访问页面数（按天去重累加）、停留时长（90天内所有的停留时长）、访问天数（平均间隔、最近1次浏览距今X天）、访问天次（90内该用户来了几次）。
- 分别匹配：所有页面（去除阶段性活动页面）、所有常规详情页。
三、户生命周期划分逻辑
以上说了太多的方法论和需求，这里面最重要也是最核心的一件事是确定用户生命周期划分逻辑，大致画了一张思维导图：
以下是详细的数据分析逻辑介绍，可能需要一些时间领悟，建议日常工作中多多与BI沟通，本人在日常团队管理中，需要运营同学具备数据分析、处理的基本能力，也会注重培养团队对于数据业务领悟能力。
（1）根据2017年用户访问页面的天数，划分为：访问天数=1的用户（用户群A），访问天数>1的用户（用户群B）
（2）根据用户群B全体用户的平均访问间隔天数，得出用户的“访问周期”。
访问间隔公式：（最晚1次访问-最早1次访问）/（访问次数-1）；访问平均间隔公式：访问间隔总和 / 用户数=用户访问周期
由此得出用户访问周期值，假设：周期为20。
（3）根据用户最后一次访问时间的分布情况，划定“活跃用户”
- 用户群B中，80%（二八原则）的用户的平均访问间隔在30天以内。均正好为1.5个访问周期，即80%的用户的活跃周期是1.5个访问周期。由此得出：将1.5个访问周期作为阈值划分的界限，最后访问时间在1.5个周期内的用户，统称为“活跃用户”。
- 用户群B中，当访问间隔达到60天时，曲线斜率趋于0，此时用户量达到95%。由此得出：将3个访问周期作为阈值划分的界限，最后访问时间在3个周期内的用户，统称为“流失用户”。
- 介于“活跃用户”和“流失用户”之间的用户，即最后一次访问时间在1.5-3个访问周期内的用户，为“沉睡用户”。
（4）在活跃用户中，再根据留存率高低，将用户划分为成长用户和成熟用户
以17年12月31日为限，求出当时的活跃用户下一个活跃周期内的留存率。又因，活跃用户中，活跃周期内留存率高于80%（二八原则）的用户，全年访问天数大于25天。因此，将最后访问时间在1.5个活跃周期内，且访问天数大于25天的用户定为成熟用户。
在1.5个访问周期内，仅访问过1次的用户，定为成长I型用户（新用户）。在1.5个访问周期内，且访问天数在2-25天，定为成长II型用户。
（5）最后一步，验证用户分群的合理性（以上“三步走”提及）
在这个划分逻辑下，得出18年1.1~18.7.1不同生命周期的用户占比数：同比17年1.1~17.7.1用户占比是否一致，一致说明分群基本得以验证，用户分群数据置信度高（输出以下表格用作验证）。
可得大致结论：
- 2017占比VS2018占比，验证占比的吻合度。
- 经验证，用户占比基本吻合，、如若趋于稳定，该划分方式则成立。
- 得出18年用户不同层级占比，结合用户占比，拉出重点用户，进行用户行为研究~
四、下一阶段的运营重点
通过全体用户访问天数分布情况，判断下一阶段的运营重点。
需要注意的是：选取访问天数少&占比较高的典型用户，以新用户、成长用户、流失用户为主，调研其活跃天数少的原因，找到运营改进方案。（如果日活是千万级用户，基本上超过5％就要拿出来研究了）
根据用户流失情况占比进行运营策略制定，需进一步挖掘的问题：
- 用户浏览过多少页面可以形成高留存（可将高留存的前10%用户进行针对性分析）？
- 用户产生哪些行为可以形成高留存？
- 用户留存占比与访问天数的关系？
如果项目时间允许的话，建议选取典型用户，进行电话访谈调研，按照 认知——访问——动机 的用户行为路径，暂拟以下几个核心问题：
- 不同阶段的用户，对于**APP的认知？
- 为什么来？来的动机和诉求？用户是主动来到（通过分享、应用市场下载）还是被利益诱导？
- 为什么又不来了？是需求已得到满足or需求得不到满足？
- 除进行**行为外（核心行为之一），平时是否参加别的活动？（除核心行为之外你想探究的点）
- 成长和成熟用户的频次、习惯（是否会受活动、福利影响，是否受内容影响、场景影响）？
选取用研人群输出用户调研表（以今日头条极速版为例）：
最后进行调研结论输出，形成可视化的调研结论：
- 输出不同层级用户的调研结论；
- 梳理当前已有的用户运营策略，匹配到不同的用户生命周期；
- 根据用户调研结果，结合用户生命周期，调整用户分群维度，优化运营模型；
- 确认优先运营的用户群（提升留存or流失召回），并针对不同类型用户制定运营策略。
做完了最基础的用户分群，下一步即可根据不同生命周期的用户行为做进一步分层拆解，如若想搭建大等级体系，则需要对每一个生命周期的用户做进一步分层。而对于各个生命周期的用户研究结论，则能更好地辅助我们制定用户分层运营策略，进而进一步验证策略的可行性。
以上，即用户体系搭建第一步，用户分群方式，下一篇《用户体系搭建之用户精神激励体系》
#专栏作家#
曹烨，微信公众号：烨子的城堡。专栏作家，知名互联网企业资深运营经理。
本文原创发布于，未经许可，不得转载
题图来自Unsplash，基于CCO协议
