用戶運營是指通過各種手段來引導(dǎo)用戶，做我們想要他做的事（也稱之為最大化提升用戶價值）。

如果你是電商產(chǎn)品的運營，最需要做的事就是讓用戶付費購買商品，如果你是社區(qū)產(chǎn)品的運營，最需要做的事就是讓用戶貢獻和傳播內(nèi)容。

那么，如何知道用戶中哪些人最值得你去“套路”。比如你拿到下邊這些用戶數(shù)據(jù)字段，你知道誰最需要你進行召回嘛？

想要知道問題的答案，那就要用到本篇圖文，重點詳解常用的 3 種用戶運營數(shù)據(jù)分析思路了。

Ps.本圖文案例背景描述：

用戶分層數(shù)據(jù)分析

用戶分層的意義在于幫助運營人員，更好地梳理用戶所處的流程狀態(tài)，進而可以針對不同狀態(tài)的用戶，制定不同的運營策略。

用戶分層沒有固定的方式，只能根據(jù)產(chǎn)品形態(tài)和業(yè)務(wù)流程設(shè)立因地制宜的體系，不過它有一個中心思想：根據(jù)核心業(yè)務(wù)流程進行劃分。

這里我們依舊以寵物社群為例，按照業(yè)務(wù)流程可以劃分出如下用戶層級結(jié)構(gòu)，并且對每個層級用戶給出了明確的用戶行為字段要求。

有用戶分層結(jié)構(gòu)以及每個層級的字段要求后，接下來的數(shù)據(jù)分析工作就很清晰了，按照各個層級的字段要求來篩選用戶行為數(shù)據(jù)字段，把符合各個層級要求的用戶都找出來。

下圖是用 Excel 透視表功能，根據(jù)層級要求做出來的用戶分層表。（用戶數(shù)據(jù)量大的話，還需要求助技術(shù)同學(xué)來給你做分層處理。）

 Excel 透視表功能

當(dāng)我們知道了每個用戶所處的層級狀態(tài)后，在提升寵物社群的交易額這件事上，咱們就有方向了。

比如，同樣是發(fā)優(yōu)惠券，以前可能是全站發(fā)放統(tǒng)一的優(yōu)惠券。（成本浪費，且核銷率非常低）

現(xiàn)在則是可以差異化的向@班主任佳麗 和@加班狗兒 提供滿減優(yōu)惠券，來嘗試提升他們的購買客單價了，給@隔壁老王  提供他曾經(jīng)購買的寵物零食折扣券來進行用戶召回….

這種根據(jù)用戶所處層級的差異，提供不同的引導(dǎo)策略，就是精細化運營的過程。

不過以上提到的分層運營策略可能并不是最好的，因為有可能出現(xiàn)是你給@班主任佳麗 提供滿減優(yōu)惠券，但是她養(yǎng)的是貓，那么狗這個品類的券對她來說就沒吸引力了。

那怎么避免出現(xiàn)這種“不太精準(zhǔn)”的情況呢？就是我們下面要講的用戶分群！

用戶分群數(shù)據(jù)分析

用戶分群可以理解為是對用戶分層的補充，當(dāng)你在用戶層級上不能再做用戶細分時，可以考慮將同一個分層內(nèi)的群體繼續(xù)切分，滿足更高的精細化運營需要。

怎么理解用戶分群，我們還是繼續(xù)拿寵物社群案例進行說明。

比如寵物社群在付費用戶這一層里，可以根據(jù)用戶的消費金額、養(yǎng)寵品類、用戶性別進行再區(qū)分。

1）基于消費金額的分群

根據(jù)下邊基于消費金額的付費用戶分群，你可以知道付費用戶中有 100 人的消費金額是 150~300 元，有 200 人月消費 50~150元，有 500 人月消費在 0~50 元。

2）基于消費品類的分群

根據(jù)下邊基于養(yǎng)寵品類的付費用戶分群，你可以知道付費用戶中養(yǎng)貓的用戶有 320 人，養(yǎng)狗的用戶 480 人。

3）基于用戶性別的分群

根據(jù)下邊基于用戶性別的付費用戶分群，你可以知道付費用戶中男性的用戶有 340 人，女性的用戶 460 人。

有時候我們做用戶分群是為了解決一個具體的業(yè)務(wù)問題，比如你想知道在付費用戶中，什么樣的寵物品類月消費客高，什么性別的用戶月消費高，那這時候就可以把 3 個分群維度進行交叉分析。

把分群維度切得更細后，會得出更精彩的數(shù)據(jù)結(jié)論。

通過對付費用戶進行分群處理后，我們發(fā)現(xiàn)女性在寵物的消費意愿度上比男性強，同時養(yǎng)狗用戶的消費金額比養(yǎng)貓用戶多（因為狗吃得多，用得多）。

而再往下深扒用戶消費數(shù)據(jù)后，確實會發(fā)現(xiàn)養(yǎng)狗用戶購買的主糧和零食明顯比養(yǎng)貓用戶要多。

所以在針對養(yǎng)不同寵物品種的用戶，我們可以制定不同的優(yōu)惠促銷策略，比如針對養(yǎng)狗的用戶我們提供滿減門檻更高的優(yōu)惠券，為了提升轉(zhuǎn)化率重點對女性用戶進行營銷推送。

RFM用戶價值數(shù)據(jù)分析

這是運營同學(xué)經(jīng)常會面臨的用戶召回問題，關(guān)于哪個用戶才是最值得被你投入精力進行召回的，就要用到 RFM 用戶價值數(shù)據(jù)方法了。

RFM 用戶價值分析方法是客戶管理中的經(jīng)典數(shù)據(jù)分析方法，它用以衡量消費用戶的價值和創(chuàng)利能力，從某種意義上來說它也是一種用戶分群，它依托收費的 3 個核心指標(biāo)：

以此來構(gòu)建用戶價值分群體系。

最近一次消費時間 Recency：衡量用戶的流失，消費時間越接近當(dāng)前的用戶，越容易維系與其的關(guān)系。1 年前消費的用戶價值肯定不如一個月才消費的用戶。

消費頻率 Frequency：消費頻率是用戶在限定的期間內(nèi)購買的次數(shù)，最常購買的用戶，忠誠度也越高。

消費金額 Monetary：消費金額是營銷的黃金指標(biāo)，二八法則指出，企業(yè) 80% 的收入來自 20% 的用戶，該指標(biāo)直接反應(yīng)用戶的對企業(yè)利潤的貢獻。

對于產(chǎn)品而言，我們理想的用戶狀態(tài)是用戶消費時間的間隔（R）越短越好；用戶的消費頻率（F）越高越好；用戶一段時間的消費金額（M）越大越好。

可往往理想很豐滿，現(xiàn)實卻骨感，簡單舉個例子：

隨著時間往后延長，開始購買的 2000 個用戶最終流出到僅剩 300 個，那么哪些用戶流失了，哪些用戶最值得我們進行召回？

通過 RFM 用戶價值分析是可以找到答案的，這也是 RFM 分析方法在實際運營過程中的意義所在，將每個付費用戶根據(jù)消費行為數(shù)據(jù)，匹配到不同的用戶價值群體中，然后根據(jù)不同付費用戶群體的價值采用不同的策略。

R、F、M需要自行定義數(shù)值范圍

我們再回看開頭提到的問題：

結(jié)合 RFM 用戶價值分析方法，我們知道落在 R（長）、F（高）、M（大）的價值群體的用戶最值得我們進行召回。

結(jié)合寵物社群來說，@隔壁老王 是否非常值得被重點召回的，而@賣課團子 @小賢去哪兒 屬于低價值用戶，可不太需要投入大量精力進行挽回。

最后，RFM 用戶價值分析方法是運營必須熟知掌握的，在互金和直播行業(yè)應(yīng)用最為廣泛，互金項目根據(jù)用戶的投資金額（M）、投資頻率（F）、最近一次投資時間（R）的變化制定不同的運營策略。

如之前用戶投資很活躍，現(xiàn)在放緩了，運營可能就會給用戶推一張投資加息券；再隔一段時間沒準(zhǔn)就有一位聲音甜美的客服小姐姐，致電向我們噓寒問暖了。

直播也是一樣，用戶觀看直播的時長、最近一次觀看時間間隔以及打賞情況，根據(jù)這些字段的變化制定相應(yīng)的運營策略。

當(dāng)然，具體到每個行業(yè)每家公司每個業(yè)務(wù)的時候，甚至同一場景下不同的人也會是不同的玩法。RFM 模型還有很多的應(yīng)用，感興趣的小伙伴可以再去研究一下。

總結(jié)

用戶運營是通過各種手段來「套路」用戶做我們想要他做的事（也稱之為最大化提升用戶價值），為了讓自己的運營策略更加有效，我們需要對用戶行為進行數(shù)據(jù)如下處理：

1）用戶分層，分層維度沒有統(tǒng)一標(biāo)準(zhǔn)，你以拿 AARRR 用戶增長路徑為分層邏輯，也可以按照業(yè)務(wù)核心流程為分層邏輯。

2）用戶分群，它是對每一層級用戶的橫向再細分，可以從消費金額、消費品類、用戶城市、用戶性別等維度分群。

3）FRM 用戶價值分群模型，它是一種立體式分群思維，F(xiàn)、R、M 可以按照實際業(yè)務(wù)需求進行調(diào)整，社區(qū)產(chǎn)品的M可以被替換成發(fā)帖量。