文|接地氣學堂

有同學問：領導讓做用戶分層，可不管怎麼分，似乎都覺得沒有啥科學道理，也經常被嫌棄：“你這分層分的有啥意思”。到底有沒有標準的分層規範？在解答這個問題之前，大家先看一個簡單的問題，假設一個業務收入情況如下，你會怎麼解讀數據？（總收入=付費用戶數*付費用戶人均付費）

用戶分層的一般作用

本質上看，用戶分層是一種特殊形態的用戶細分：按用戶價值高低進行細分。處於上層的，是高價值用戶，處於下層的是低價值用戶。用戶分層最大用處，是：去平均化。比如上邊的題目，大部分同學會脫口而出：

• 總收入在下降
• 人均付費減少了17%，用戶增長了20%
• 所以要把人均付費搞高，再搞多25

看平均數，就會得出這種結論。可實際上，平均值降低25元，是不是等於業務就得想辦法拉高25元呢？——當然不是。因為我們並不瞭解這一萬多用戶的構成。如果我們告訴大家，這1萬人有下邊兩種形態構成，大家還會覺得，人均拉高25元就可以了嗎？

這就是用戶分層作用的直觀展示。我們會發現：通過平均數，觀察到的趨勢是對的，但推導出的執行計劃，往往是錯的。落到執行層面，需要進行用戶細分，才能更容易找到真正問題，制定可行的計劃。

用戶分層的特殊作用

用戶分層還有個特殊作用，就是：一個企業提供給高中低檔用戶的產品/服務/體驗是有限的。往往是固定的高中低檔套餐，高配/標配/低配產品，高級/中級/初級VIP服務。當我們分開高中低檔觀察用戶的時候，很容易直觀看到：我們提供的產品/服務/體驗是不是出了問題，我們正在損失哪一檔顧客。這樣的分析指向性非常強。可以快速定位問題，幫運營找到突破口。

比如上邊例子中AB形態，為了舉例方便進行了簡化，但代表了兩種很經典的業務形態，依賴土豪用戶的大R型業務和依賴大量普通用戶的大DAU型業務。（大R和大DAU是遊戲行業術語，這兩種形態在遊戲行業區分最涇渭分明，因此這裡直接套用一下）。他們的用戶分層常見形態如下：

瞭解到這一層，再看回AB兩形態，我們就能更準確定位出問題：

經過這一層解讀，是不是比只看個平均數，然後說：“客單價低了，要搞高！”要分析的更透徹。這就是用戶分層的更進一步作用：通過結合業務行為的分層，快速定位業務問題。

用戶分層的常見錯誤

看了示例，有同學會說：“那看起來分層很簡單啊，用戶價值嗎，付費≥活躍≥註冊，我直接疊個金字塔（如下圖）不就好了，我看網上都是這麼疊的”

答：這是一個用戶分層的常見錯誤：缺少重點。要記得，做用戶分層是為了快速定位問題，如果只是像上圖，單純的把註冊、活躍、付費疊成金字塔，圖形看著挺牛逼，可本質上，不就是把用戶量、活躍率、轉化率三個指標用金字塔圖的形式再說一遍嗎。圖和報表含義一樣，那多做個奇形怪狀的圖就是脫了褲子放屁。這也是開頭吐槽“你這分的有啥意義！”的來源。

還有同學會說：“我看示例，也就是一個維度砍幾段，那我把付費、活躍這些維度看看，做個類似下圖：想象中分層效果，不就好了？”

答：這是另一類用戶分層常見錯誤：維度交叉。用戶付費、活躍指標之間，有交叉很常見的事。當分類維度相互交叉，一層用戶又包含另一層的時候，解讀起來就很費勁，這時候還不如直接做個矩陣分類看得更清楚。

綜上，用戶分層之所以經常做的流於表面，很大程度是因為：做分析的同學缺少細化思考的意識，過分追求畫一個層層疊疊的圖，來顯得思考全面，忽視了這個圖對業務的作用，忽視了業務本身在不同階段有不同需求。

用戶分層的基本思路

做用戶分層其實很簡單，如下圖所示，只需要分類維度+分類標準兩樣東西即可

我們說過：用戶分層的最大用戶是快速定位問題，提示業務突破口。想要達到這兩重目的，就得做到（如下圖所示）：

• 分類維度是當前業務的關鍵問題
• 分類標準和業務動作直接相關

業務發展的關鍵問題和業務動作，並非完全異想天開，或者“聽領導指示”，而是與

產品/業務發展的生命週期高度相關。每次講到：“要了解當前業務重點問題”，都有同學說：我直接去問問。額，直接溝通是好事，但是如果自己啥都不懂，不但業務懶得分享，偶爾說幾個詞可能還聽不懂。甚至有可能運營自己都是稀裡糊塗，領導說啥幹啥，不懂腦子。所以做分析的同學還是得有些瞭解的。

基於發展階段選分類維度

通常一個產品/業務上線會經歷五個階段（如下圖所示）每個階段要關注的核心指標、關鍵問題是不一樣的。

通過傳統企業在產品生命週期末尾會選擇甩貨、等下一代產品上線。互聯網企業做多次迭代可能性更高。在不同的階段，業務關注的問題也會不同，如下圖所示：

有了這些基礎，我們自己能對當前形勢做初步判斷，和業務溝通也更順暢。定出當前關注的重點問題，就能鎖定分類維度，下邊再看分類標準。

基於業務動作設分類標準

企業能提供給用戶的產品/服務/體驗是有限的，它受到三方限制

• 產品限制：每種產品，每個產品組合能滿足用戶的需求是有限的
• 競品限制：即使企業能提供眾多產品，也很難包裝拼的過對手
• 需求限制：用戶口味會經常變化，今天喜歡，明天就不喜歡

在這三方限制下，往往運營會選擇爆款戰略，用一個爆款產品/有競爭力的服務/優質的顧客體驗來吸引用戶，達成自己的目標。往往在用戶處於新人階段，有一個入門級產品；在成長期會在某個節點設立特別優惠的獎勵。這些節點，就成為天然的分類標準。

在這方面，傳統企業做的反而比互聯網企業要好。傳統企業指望賣產品的毛利過日子，因此對給客戶多少回饋有清晰的界定。一般是從毛利中撥一個固定比例作為回饋，然後參照競爭對手的比例，選擇自己主打的檔位，從而形成競爭優勢。這樣對應的分類標準，也可以直接套用業務的標準（如下圖所示）。

在這種分層標準的指導下，就很容易根據分層數據的變化，找到對應的問題。如同開頭舉例的效果，看到某個檔次的用戶少了，立馬意識到：找人找偏了，產品競爭力得檢討了。這樣後續深入分析，也有了線索。

反倒是互聯網企業，除了少數頭部企業外，大量的還停留在大幹快上、燒錢補貼階段。缺少清晰的產品線規劃和競爭策略，反正運營有錢就往死裡發券，做大了規模好上市圈錢。所以在互聯網公司經常培養出那種：註冊少了-發券，活躍不行-發券，留存不行-發券的無腦運營。

如果做數據分析的同學，發現你們公司的運營真的很無腦，都是看著AARRR哪個指標跌了就短期上活動搞一搞，完全沒有全局規劃，也沒啥策略。那可以試著參照競品的情況，做一個競品分析，把本品，競品在不同消費/活躍程度的用戶身上的差異分清楚，幫他們看到：我們其實在XX檔次有優勢，在XX檔次有劣勢。因此，我們可以制定用戶分層戰術，進一步系統的優化。畢竟我們是搞運營，不是搞運動。

小結

用戶分層看起來簡單，可深入探討的話，需要牽扯的業務細節非常多。很多同學做起來很困擾，都是困擾在：領導讓我分高端用戶，到底是8000算高端，10000算高端，還是12000算高端呢？是滴，他就糾結這個劃線糾結的死去活來。

你反問：

• 目前階段的重點問題是什麼？
• 在目前階段，高端真的就是“高消費嗎？”
• 8K，10K，12K背後，對應我們運營的什麼動作？
• 我們做的動作，到底對用戶有什麼吸引力，競爭力

他啥都不知道！他還在指望著，能有個機器學習算法，啪啪一算，就告訴他：“人工智能阿爾法大狗子告訴你，10000是完美的標準，誰不服氣，阿爾法大狗子咬死他”

這就南轅北轍了。用戶分層是業務運作的結果，用戶分層是應用於業務運作，因此看似簡單的分層，只要和業務結合起來，就很容易解釋清楚，也很容易定位到問題。與大家共勉。