如何在用户属性和行为中选择最初的分群维度？

用户数据通常可以分为两类，一类是用户属性数据，另一类是用户行为数据。用户属性数据代表用户自身的基本信息和状态，包括自然特征和行为提醒特征，一般相对固定，不易改变。用户行为数据是用户产品中的行为轨迹，代表用户与产品的互动模式，通常以各种方式影响数据。1、用户分组用户分组是通过属性和行为数据将类似用户分组的过程，为不同群体的用户找到区别对待和精细操作的机会。用户分组驱动增长主要通过设置分组维度和应用分组结果来实现。1.1设置分组维度。用户的各种属性和行为将存在于任何产品中。如何在这些属性和行为中选择原始的分组维度？可根据两种维度类型进行分组。一是根据用户属性进行分类。另一种是根据用户的行为进行分类。用户属性：用户的自然属性和特征，不易改变。客户获取渠道；可以推断用户兴趣的属性：年龄、性别、城市、家庭。可推荐用户经济状况属性：设备、型号、城市、职业。用户行为：产品生命周期中用户的关键行为。生命周期的关键行为：新老用户。RFM用户活动；付费:是否付费；功能使用；增长模型:增长模型中的某个变量在不同的人群中有很大的不同。贷款额度：互金产品。客户单价：滴滴出租车。价位：SaaS。在一些创业团队中，产品可能是不分组的。虽然数据分析简单，但平等对待用户，导致无法探索增长线索，错过增长机会。与这类公司对比的是，一些巨型企业会采用千人千面的分群方式。该方法需要技术和算法的支持。而且分析结果需要相应的运营和产品资源配合，不适用于绝大多数公司。在大多数公司中，维度分组从实际业务问题出发，从1-2个维度进行简单分组。当用户数量达到一定数量级时，可选择3-5个维度进行多组合分组。1.2应用分组结果通过用户分组获得分组结果，主要可分为两个应用方向，以获取用户为分隔点。在获取用户之前，可以通过结果优化准确的新策略。获取用户后，可以通过结果提高精细操作的产品体验。精准创新:对现有用户进行分组，找到高质量的用户群，进一步定位高质量用户的客户获取渠道或广告。通过算法选择高质量的用户，上传这些用户特征的渠道平台，找到类似的用户。精细的产品操作体验:产品算法支持的千人千面的商品和内容推荐，针对不同的群体进行不同的操作。包括Push推送、促销活动等。1.3案例分析这里通过一个潮品电商产品的用户群案例来分享如何利用用户群来实现增长策略的顶端。选择关键属性和行为维度，组合分组：根据不同的分组制定相应的策略（方案仅供参考，不真实）。2、用户行为分析是通过详细的用户行为数据描述产品中用户的真实路径和互动。根据用户行为分析的结果，引导用户通过产品或操作改变用户行为的轨迹和模式，使用户能够更好地从产品中获得价值。通过明确分析对象和选择分析方法来实现用户行为驱动的增长。2.1明确分析对象的用户行为可分为一次性或低频行为两种关键用户行为，另一种是周期性行为。一次性或低频行为代表着用户为产品的使用奠定基础的重要行为。比如下载App、完成注册，输入身份信息，充值等。周期性行为代表用户使用产品功能的核心行为。如下单、喜欢、阅读、*视频等。用户在产品中有很多行为。准确找到这两种关键用户行为可分为两类：从数据验证：在实际数据中，通过路径分析找到关键的转换路径，通过比较行为频率找到高频行为，发现任何遗漏行为。从业务出发：从关键转换路径或高频周期性行为中寻找和确认关键行为。2.2通过用户行为分析选择分析方法解决的本质问题可以概括为两类：转换问题：一般来说，更多的用户可以通过分析用户行为路径来实施某种行为，走上正确的道路。保留问题：一般来说，通过对周期性行为的分析，用户可以更持久地执行某种行为，养成正确的习惯。2.2.1用户行为路径分析：漏斗分析漏斗分析是几个关键节点的转换路径，简单直观地显示同一组用户从每一步到下一步的转换率。通过转化率，可以快速判断大多数用户是否遵循产品设定的路径，找出哪个关键节点损失最大。漏斗分析是一种非常熟悉的分析方法，常用的漏斗分析方法有以下两种：（1）通过全链漏斗找到用户流失点和增长机会。(2)通过AARR各环节的细分漏斗寻找用户流失点和增长机会。获取客户：新用户注册漏斗激活：新用户激活漏斗保留：关键周期性行为漏斗。推荐：旧带新用户转换漏斗。实现:订单漏斗、投资漏斗等。2.2.2用户行为路径分析：路径分析路径分析显示用户从每一步到下一步的转化率。大多数用户的实际行为路径是通过发散分析来确定的。通过路径分析，可以确定用户在产品中的实际路径和方向以及产品期望的主要路径之间的差异。确定用户的实际主流路径。发现一些事先不为人知的路径。常见的思维方向:用户的实际路径和产品设计期望的路径有什么区别？新用户进入主页后的实际路径是什么？你最喜欢去哪些页面？如何引导用户回到主流路径，快速实现核心功能？以某种行为结束的路径：到达某一功能的路径中，哪一条是最主流的？用户接触这种行为的路径是什么？如果你想提高触达行为的转化率，从哪条路径开始最容易提高？行为终点的路径：用户偏离预设路径后的实际方向是什么？当用户到达行为对应的页面(如商品详情页)时，为什么不触发行为(点击支付)？用户去了什么路径？如何避免这类用户偏离预设路径？这里小边根据模拟案例（二手车交易平台）简要介绍如何利用用户路径分析找到增长线索。第一步:明确目标:增加销售额。第二步：假设根据用户路径分析，发现有两条主要路径：启动应用程序→搜索商品→提交订单→启动App支付订单→未支付订单→搜索类似的商品→第三步取消订单：分析数据，发现线索：第一条用户路径：用户提交订单后，约75%的用户将完成付款，而25%的用户未付款。第二条用户路径：目标商品已加入订单，但尚未最终确定。因此，打开应用程序后，直接进入“未付订单”。但在第二条路径中，发现部分用户会再次“搜索类似商品”，根据这种行为可以判断客户可能存在比价行为。这表明价格在一定程度上影响了这部分用户的支付欲望，这是一批“价格导向”客户。第四步:提出方案:对此，电商运营商采取有针对性的措施:“未付订单”和“30分钟以上自动取消”。优惠券将放置在支付页面附近。当新版本上线时，用户路径分析模型再次发现，由于30分钟的时间限制，更多的用户愿意在提交订单后立即支付订单。同时，未付订单大大降低，表明在支付页面附近放置优惠券会刺激对价格敏感的客户。2.2.3.用户行为路径分析：轨迹细化是根据时间安排一系列行为，显示单个用户的实际行为路径。通过聚焦分析，在单个用户的实际行为路径中找到异常或规律。常见思维方向:某类用户流失，TA流失前做了什么，有什么异常？某个功能的优化或bug是否影响用户轨迹，出现了哪些异常？将2.2.2.本节采用二手车交易平台案例场景，如下:2.2.4周期性行为分析：保留分析保留分析是通过用户保留数据分析来确定产品保留的健康状况。比较不同用户组的保留率，找到提高保留率的增长线索。通过保留分析优化增长的思维方向可以从以下问题入手:如何首次登录产品保留能力的用户会保留多少。年内保留最严重的时间段是什么？与行业平均水平相比，产品的留存率如何？产品中的留存率有差异吗？用户留存率因产品功能而异。不同客户获取渠道的用户留存率不同用户属性的用户留存率不同。2.2.5周期性行为分析：频率分析频率分析是通过用户使用产品或某一功能来确定用户习惯的健康状况。通过频率分析优化增长的思维方向可以从以下问题入手：观察使用频率的分布规律，优化产品和运营策略，选择高价值用户，调整资源分配和运营策略。对于不同渠道、用户特征的用户，比较使用频率分布，实时调整操作策略。