用户体系搭建第一步：用户分群方式

用户群是用户系统建立的基础，常见的用户群是：根据用户生命周期，即定义新用户、成长用户、成熟用户和丢失用户，然后根据用户的不同行为标签进行精细分割。基于RFM模型的用户分组研究是用户分组中最常见的。通过以下介绍，可以掌握用户分组的详细方法论。首先，介绍用户群“三步”方法（1）RFM模型应用，根据用户历史行为（访问频率、间隔、时间、最近一次访问）、用户生命周期、新用户、成长用户、成熟用户、下降用户和丢失用户；目的：初步确认用户分类和用户分组操作理念。（2）以今日头条速度版为例，根据用户访问的页面、消费、金币赚取、现金提取、共享等行为，划分用户类型；针对不同类型的用户组。目的：为后续用户权益设计提供参考。(3)输出用户行为比例分布表(以今日头条速度版为例)目的:聚类用户，进行更精细的拆分，重点提升保留或其他运营指标(视实际情况而定)。2、基于RFM模型确认用户生命周期分布的数字逻辑。其次，详细介绍了基于RFM模型确认用户生命周期分布的数字逻辑。大多数公司对运营数据分析能力有很高的要求。建议学习RFM模型的基本原理。最重要的一步是提取当前的用户数据，并根据数据划分用户的生命周期。一般需求是形成以下表：与BI侧合作，我们需要做以下准备：确认数字维度：用户userid，2017年&2017年1月1日等2018年同期用户.1~7.1的用户&2018.1.1~7.1用户(共两段用户，同比验证分层数据的准确性)，分析用户访问行为，得到用户生命周期阈值后，应用于另一段用户进行验证。运行以下数据指标：90天内单个用户的PV总数，访问X天，访问页面数（按日重叠）、停留时间(90天内所有停留时间)、访问天数(平均间隔，最后一次浏览距今X天)、访问次数(用户在90内来过几次)。运行以下数据指标：90天内单个用户的PV总数，访问X天，访问页面数（按日重叠）、停留时间(90天内所有停留时间)、访问天数(平均间隔，最后一次浏览距今X天)、访问次数(用户在90内来过几次)。分别匹配:所有页面(去除阶段性活动页面)。、所有常规细节页面。三、家庭生命周期划分逻辑说了太多的方法和需求，最重要和核心是确定用户生命周期划分逻辑，大致绘制思维导图：以下是详细的数据分析逻辑介绍，可能需要一些时间理解，建议日常工作与BI沟通，我在日常团队管理中，需要操作学生有数据分析、处理的基本能力，还将注重培养团队理解数据业务的能力。(1)根据2017年用户访问页面的天数，分为:访问天数=1的用户(用户组A)和访问天数>用户(用户组B)(2)根据用户组B所有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:(最晚一次访问-最早一次访问)/(访问次数-1)；访问平均间隔公式：访问间隔总和 / 假设用户数=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，在“活跃用户”用户群B中，80%(28原则)用户的平均访问间隔在30天内。（3）根据最后一次访问时间的分布，在“活跃用户”用户组B中，80%（28原则）用户的平均访问间隔不到30天。它们都是1.5个访问周期，即80%的用户的活动周期是1.5个访问周期。由此可见，将1.5个访问周期作为阈值划分的界限，最终访问时间在1.5个周期内的用户统称为“活跃用户”。在用户群B中，当访问间隔达到60天时，曲线斜率趋于0，此时用户数量达到95%。由此可见，将三个访问周期作为阈值划分的界限，最终访问时间在三个周期内的用户统称为“流失用户”。用户介于“活跃用户”和“流失用户”之间，即最后一次访问时间为1.5-3个访问周期的用户，为“沉睡用户”。（4）在活跃用户中，根据保留率，将用户分为成长用户和成熟用户，限于2017年12月31日，以获得当时活跃用户下一个活跃周期的保留率。此外，在活跃用户中，活跃周期内留存率高于80%(28原则)的用户全年访问天数超过25天。因此，最终访问时间为1.5个活跃周期，访问天数大于25天的用户被定为成熟用户。在1.5个访问周期内，只访问过一次的用户被指定为增长I型用户(新用户)。在1.5个访问周期内，访问天数为2-25天，定为II用户增长。(5)在这个划分逻辑下，验证用户分组的合理性(以上“三步走”提到)，得出18年1.1~18.7的结论.不同生命周期的用户比例为1.1~17.7.1用户比例是否一致，说明分组基本验证，用户分组数据信心度高(输出以下表格验证)。大致得出结论：2017VS2018比例，验证比例的一致性。经验证，用户比例基本一致，、若趋于稳定，则建立这种划分方法。得出18年不同层次用户的比例，结合用户比例，拉出关键用户，研究用户行为~4。下一阶段的操作重点是通过所有用户访问天数的分布来判断下一阶段的操作重点。需要注意的是：选择访问天数较少&典型用户占比较高，以新用户、成长用户、流失用户为主，调查其活跃天数较少的原因，找到运营改进方案。(如果日常生活是千万用户，基本超过5％根据用户损失的比例制定操作策略需要进一步探索的问题：用户浏览了多少页面可以形成高保留（可以对高保留的前10%用户进行有针对性的分析）？用户可以产生什么行为来形成高保留？用户保留比例与访问天数的关系？如果项目时间允许，建议根据认知-访问-动机的用户行为路径，选择典型用户进行电话访谈研究，暂时拟定以下核心问题：不同阶段用户对**APP的认知？为什么来？来的动机和诉求？用户是主动来(通过共享和下载应用市场)还是被利益诱导？为什么又不来了？满足需求还是不满足需求？除进行**行为(核心行为之一)外，平时是否参加其他活动？成长和成熟用户的频率和习惯(是否会受到活动和福利的影响，是否会受到内容和场景的影响)？选择研究人群输出用户研究表(以今日头条极速版为例)：最后，输出研究结论，形成可视化研究结论：输出不同层次用户的研究结论；梳理现有用户运营策略，匹配不同用户生命周期；根据用户研究结果，调整用户群维度，优化运营模式；确认优先用户群（提高保留率或丢失召回率），并为不同类型的用户制定操作策略。在完成了最基本的用户群之后，下一步可以根据不同生命周期的用户行为进行进一步的分层拆卸。如果你想建立一个大的等级系统，你需要进一步分层每个生命周期的用户。在完成了最基本的用户群之后，下一步可以根据不同生命周期的用户行为进行进一步的分层拆卸。如果您想建立一个大的等级系统，您需要对每个生命周期的用户进行进一步的分层。对于每个生命周期的用户的研究结论，它可以更好地帮助我们制定用户分层操作策略，然后进一步验证策略的可行性。