用户分层是用户运营中常见的一个概念,简单理解就是指将用户分为不同类型,并根据不同用户提供差异化的内容和服务。本文主要介绍几种常见的用户分层思路,并结合实际案例讲解用户分层下的一些设计探索。
随着移动互动网的发展,人口红利的消失,各大厂商都面临着流量的挖掘和留存的问题,公域流量竞争激烈、获取成本高,私域流量也由于用户的越来越多元化而变得粘性匮乏。在这种环境下,一方面是要扩展更多红利渠道、进行圈层精准引流,另一方面,则是精细化运营思路,为核心流量建护城河,用最小的成本使用户价值最大化。因此,不管是对新流量的精准引入,还是对现有流量的精细运营,最为关键的手段就是「用户分层」。
通过对用户进行细致的划分,并进行「差别对待」,于用户而言,可以真正做到满足各类用户所需,极大地提升用户效率;于业务而言,也通过为不同用户制定更精准的运营策略,使运营资源能够更高效利用,并带来业务数据的增长。所以,用户分层作为精准化的重要手段,能够为用户和业务带来的价值也是显而易见的。
用户分层的思路有多种,划分维度可简单可复杂、层级可大可小,那么应该如何选择适合的分层方式,每种方式应该如何使用呢?
1. 通用的用户分层模型
首先介绍几种比较常见的用户分层模型,它们涵盖范围比较广、有严谨的用户划分逻辑,几乎可以通用于大部分的需求场景。
RFM模型
- R:最近一次的消费时间(Recency)
- F:一段时间内的消费频次(Frequency)
- M:一段时间内的消费金额(Monetary)
△ RFM模型
RFM模型按照用户价值状况进行划分,如果将每项指标分两个级别,进行组合可以分为 8 种基础的用户类型。当然每项指标里的价值维度如果继续细分,例如消费时间可以从笼统的远/近细化到一周内、一月内、半年内等等;消费频次可以按照不同时间段内的复购次数拆分;消费金额也可以按具体额度范围继续拆分。如此再进行组合,将可以得到更加细致的分层,那么就可针对不同价值级别的用户调整资源倾斜力度、运营策略等。
AIPL模型
- Awareness:认知,针对对应纯新用户
- Interest:兴趣,有过相关浏览、加购、关注等行为,但未进行下单的那些用户
- Purchase:购买,有过下单行为的用户
- Loyalty:忠诚,有过较高复购行为的用户
△ AIPL模型
这个模型对应的也是用户的成长路径,每个用户都是从认知开始,才慢慢变成购买或者忠诚,所以需要做的,就是引导用户不断往更上一层发展。
所以,我们可以根据不同的阶段的用户诉求,设计更合理的内容。例如针对认知型用户,可以进行种草推荐,激发他们的兴趣;兴趣型用户,需要了解他们未行动的原因,解决转化阻碍;购买型用户,需要唤醒需求刺激更多下单;而忠诚型,则可以进行更多体验细节的优化,让他们更加简单、高效率的完成购买。
AARRR模型
- Acquisition:获客,引入流量
- Activation:激活,刺激用户参与
- Retention:留存,减少用户流失
- Revenue:变现,提升下单转化
- Refer:传播,促进分享和复购
△ AARRR模型
AARRR模型来自于增长的思路,一般来说对应的是整个产品的用户生命周期,但也可以作为某一次活动的转化漏斗来使用。例如在常见的大促活动中,它对应的就是发现-浏览-加购-下单-复购,各个环节也会对应具体的数据指标,我们需要做的就是找到各个环节增长的机会点,进行体验上的优化。
2. 人群标签分层
上面的几种模型是从用户购物数据层面进行划分的,模型确立后,用户的层级是相对固定的,主要存在一些占比和优先上的变化,只要掌握了模型就可以快速套用,基本也不容易出错。
但是在很多场景下,不一定适合按照这种绝对理性的方式来划分。如果有更加个性化的诉求,则可以尝试按照人群属性进行聚类的方式来分层,包括:
- 基础属性:性别、年龄、地域等
- 购物属性:品类偏好、消费金额、消费动机等
△ 人群标签分层
根据基础属性标签与购物属性标签将用户进行分类,在这种方式下能够划分的用户类型会更加具象化,相当于给每类用户一个专属的身份标签,比如品质男神、时尚女神、趣玩青年、新潮老人等等,根据他们的具体需求进行个性化的内容设计。至于人群标签划分的颗粒度要细到什么程度,则依据不同业务需要来定,划分越细当然能更精准地命中用户,但同时也会带来更高的运营成本,因此可以结合自身实际情况来选择。
3. 定向分层
以上的一些分层的方式,都是相对分类比较全面的,比较适用于用户量大的综合类项目,所以在一些小项目或有特殊需求项目中,也可以根据目标和问题进行定向分层。
△ 定向分层
首先,可以根据业务目标来制定分层的方式,例如我们活动目标如果是拉新,那么可以把用户划分为老用户&新用户,新用户又可以按照来源渠道进一步分层;如果业务目标是进行市场下沉,则可以分层为一二线用户&下沉市场用户,下沉市场用户也可以进一步细分…...这样的分层方式可以更加直接的聚焦到核心目标人群。
其次,可以根据需要解决的重点问题进行分析,再有针对性的提炼分层维度,例如某个活动的跳失率很高,那么可以去分析哪些用户跳出高,原因是什么,针对这些高跳出的用户可以提供什么差异化的服务。
针对不同用户类型进行差异化的设计,需要从流量和人货匹配两个核心问题进行思考。
1. 流量
常规活动流量灌入同一会场,用户分层下如何做好流量的切分和承接?
梳理分层人群匹配逻辑
当我们确定好分层用户类型后,首先需要进行人群匹配逻辑的梳理,后台算法将用户进行识别和分类,前台根据用户标识匹配不同的展示样式。同时在这个过程中需要考虑一些特殊情况,如当用户未登录时、或用户数据获取不到时,是否有默认样式等。
从入口&渠道就开始进行分层设计
谈到精细化运营,大多数时候我们做到的都是流量置入后的精准匹配,但是真正意义上的精准,应变是从流量置入前就需要考虑的。。在流量入口上,根据不同分层用户展示差异化的素材样式;在引流渠道上,根据分层用户占比和优先级进行资源分配的优化,这样才能使流量更加精准高效的引入。
2. 人货匹配
常规活动给所有用户呈现的相同的会场页面,用户分层下如何进行千人千面的设计?
根据不同用户提供精准的内容
精准的内容,是实现精细化运营最核心,也是最基础的要求。常规的活动会场,页面的内容是千篇一律的。所有人看到的都是相同的商品、品牌、优惠券,用户分层的设计思路,是根据分层用户特征来推导设计目标,进而制定具体方案策略,从内容上进行精准命中。以酒水品类活动为例,我们按照 4A 模型将用户分层为路人型(认知)、意向型(兴趣)、小酌型(购买)、酒鬼型(忠诚),将进行内容层的匹配。
△ 根据分层用户提供精准的内容
根据不同用户规划差异化的浏览动线
不同的用户的内容诉求不同,那么页面的组织结构自然也不同,基于前面的设计目标和方案策略,对页面的内容优先级、楼层顺序进行梳理,以匹配不同用户的浏览习惯、最大化地提升他们的浏览效率。例如酒水活动中以「酒鬼型」和「路人型」为例,可以对比看到两种用户动线的差异。
△ 根据分层用户规划差异化的浏览动线
根据不同用户设计个性化的模块样式
在内容和框架确定后,最后就是具体模块的设计,也是往往容易被忽略掉的细节,很多时候都是做到框架的分层,原子模块基本复用,但是更加友好用户分层,是在模块的形式、信息结构上都可以追求更加极致的个性化,甚至一个坑位的大小、颜色、图片风格等等都可能对不同用户最后的决策造成不同程度的影响。如酒水活动,同样是单品模块,也可以进行更加个性化的设计。
△ 根据分层用户设计个性化的模块样式
用户分层是精细化运营的重要手段,在购物场景逐渐多元化、个性化的趋势下,越来越多的平台都在进行着各种用户分层的尝试,很多无论是在算法层面,还是运营层面都已经做的非常成熟,润物细无声的影响着用户的行为,在用户分层这条路上我们还有很多需要去积累和沉淀的东西,也希望未来可以有更加成熟和创新的想法可以再与大家交流。
欢迎关注「京东设计中心JDC」的微信公众号:
复制本文链接 文章为作者独立观点不代表优设网立场,未经允许不得转载。
发评论!每天赢奖品
点击 登录 后,在评论区留言,系统会随机派送奖品
2012年成立至今,是国内备受欢迎的设计师平台,提供奖品赞助 联系我们
AI绘画创意与实战
已累计诞生 655 位幸运星
发表评论 已发布6条
↓ 下方为您推荐了一些精彩有趣的文章热评 ↓