用戶分析體系,該如何搭建

4 評論 4954 瀏覽 26 收藏 11 分鐘

導讀:用戶分析是很多人掛在嘴邊的東西。然而一做起來,經常被做得七零八落。很多新手一聽”用戶分析”,就跟條件反射一樣開始:“性別、年齡、地域、活躍、留存、流失、轉化、RFM……”數據擺了一大堆卻沒有什么結論。如何將用戶分析做的更體系化?今天系統講解一下。

一、用戶分析體系的最大難點

搭建用戶分析體系的最大難點是啥?當然是:缺數據!

用戶數據采集只有三個渠道:

  • 用戶填寫的表單信息
  • 用戶消費的歷史記錄
  • 用戶在APP/小程序活躍記錄

在采集用戶數據上,普通企業和頭騰阿這種壟斷大廠根本沒法比。大廠的業務線多,采集各類用戶信息豐富。且大廠下邊的APP用戶粘性高,因此用戶行為數據也非常豐富。大廠們還尤其喜歡搞熟人推薦,獲取用戶之間的親屬關系。至于位置信息、人臉信息,更是拿捏的妥妥的。

而大部分普通企業的現狀是:

  • 用戶表單填寫率低,連個身份證都收集不上來,更不要說人臉識別信息
  • 用戶消費次數少、消費種類少,消費頻次低,消費最多的還是引流產品
  • 用戶活躍行為少,除了少數忠實粉絲外,大部分用戶只在有活動時候登錄

這種情況,使得普通企業做用戶分析的時候,必須優先考慮:到底有啥數據。從數據最豐富,最可能產生價值的地方入手。邊做分析,邊推動業務完善數據,從而實現良性循環。

第一步:用戶價值分層

所有企業一定有的數據是:消費記錄。因此第一步先做這個。從消費記錄里,可以區分出來:誰是高消費用戶。識別出金主爸爸,是后續所有分析的起點。

注意:識別高消費,不是簡單地統計一下過去一年消費金額。而是要用生命周期的觀察方法,觀察用戶從注冊開始的消費分布。不同的分布形態,意味著不同的用戶運營策略(如下圖)。

第二步:用戶來源渠道分析

了解了誰是高消費用戶,可以進一步思考:高消費用戶是從哪些渠道來的。用戶來源渠道分析,應首先對渠道質量做評價,識別出高消費用戶較多的優質渠道。之后,提高優質渠道投入,削減劣質渠道投入,從而達到降本增效的目的。這樣,即使暫時沒有轉化路徑數據,也能做初步分析。

之后,可以逐步推動業務,完善轉化路徑的數據采集,對廣告素材、轉化流程、引流產品、引流活動等方面進行分析,進一步提高拉新質量。

第三步:用戶活躍情況分析

解決完拉新問題,還可以進一步思考:存量用戶活躍程度如何?哪個群體需要幫上一把?站在用戶運營的視角,不同層級+不同活躍程度的用戶,運營的思路也是不同的。因此,整理出用戶活躍情況分層,對于形成運營思路大有幫助(如下圖)。

很多同學會在這一步陷得很深,列舉一大堆指標卻發現不了什么問題。要注意:大部分企業沒有一款類似微信、淘寶、抖音這樣的超級應用。大部分用戶和企業的互動頻率低,很有可能只在大型活動的時候才會露面。只有極少數用戶互動頻次較高。

因此用戶留存情況分析,要先把下面兩個因素做矩陣分析,看清大盤,找準發力方向(如下圖)。

  • 用戶消費頻次
  • 用戶互動頻次

第四步:用戶活動參與分析

經過前三步,已經對三個基礎問題有了了解:

  • 誰是高價值用戶
  • 用戶從哪里來
  • 用戶到哪里去

之后可以思考:如何提升用戶價值。最好用的手段就是優惠活動,因此可以從這里入手。

常見的優惠有五種形式滿減型:買XX元商品,優惠XX金額。

  • 折扣型:XX商品,原價X折銷售
  • 買贈型:買XX件商品,得Y件贈品。
  • 用券型:使用X元抵用券,抵扣訂單金額
  • 積分型:消費得積分,積分再抵現/兌換禮品

這五種形式的數據有可能非?;靵y!特別是在同一張訂單,能同時使用2-3條優惠規則的時候。很多公司的開發非常懶,沒有單獨做活動標簽庫,也沒有做活動表、商品表、訂單表、用戶表、積分表(俗稱:促銷五表)之間的關聯關系,導致最終訂單只能看到有優惠,不能拆解到每一條規則。從而給后續的分析帶來不可修復的難題。

理論上,需要:

  • 促銷五表關聯清晰
  • 避免全品類/無門檻的券
  • 避免用戶抵用券/商品抵用券疊加

這樣才能有清晰的數據可分析

有了這些基礎數據,分析就大有可為:

  • 哪些用戶是優惠敏感型?哪些是不敏感的?
  • 不敏感的用戶,忠于什么商品?在哪些特定場景下消費?
  • 敏感的用戶,是否薅羊毛薅過量?業績不足的時候,拉他們出來頂上!

第五步:用戶接觸渠道分析

最后,還可以進一步看:留存的用戶在哪些平臺出現,流失的用戶最后一次出現在哪些平臺。這樣就不至于像報喪鳥一樣,只會喳喳:“用戶要流失啦!”而是能具體給到:“我們能在XX渠道把用戶撈回來”。

如果是對于有門店、小程序、APP、電商網站多種渠道并存的傳統企業,優先要做的是分清楚:哪些用戶能通過線上渠道接觸。傳統企業的門店渠道,常常數據缺失嚴重,區分線上渠道用戶,能加強私域運營能力,同時彌補線下數據缺失問題。

如果是以APP/小程序為主戰場的線上企業,則主要對用戶接觸的內容進行區分。區分出用戶對哪些內容(新品?活動?時尚?健康?節日?……)感興趣,從而選擇更好的內容激活用戶。

二、不適合優先做的內容

相比之以上五個模塊,有些分析可以相對靠后做:

  • 用戶畫像分析:好的用戶畫像是養出來的,不是天生的。如果一開始沒有收集啥基礎信息,就先不用動這個腦子,等數據多補充一些再說。
  • 用戶行為路徑分析:如果用戶在小程序/自有電商平臺的活躍數據很少,就不要急著做。數據都沒幾條,分析不出啥來。
  • 用戶響應率預測分析:如果只有少量消費數據,就不建議做各種響應率預測(包括活動響應、流失預警、購買預測等等),歷史經驗上看,只基于消費數據預測,準確度都不咋可觀,還不如直接上人工規則。

三、小結

這一套用戶分析體系搭建,是緊密結合數據采集過程的,充分考慮了:萬一沒有數據怎么辦。由淺入深的推動(如下圖)。

這一套用戶分析體系搭建思路,其分析思路,是站在業務視角,思考如何運營用戶:

  • 高價值用戶是誰?值得我投入多少?
  • 我能在哪些渠道,找到這些高價值用戶?
  • 存量高價值用戶,誰還在活躍,誰已經流失?
  • 我能用什么手段,保留存量的高價值用戶?
  • 存量的低價值用戶,是否有激活可能?怎么激活?

這種目標感強的分析,遠比列出來:“男女比例4:6”“25歲-30歲占比30%”更能解決問題。并且在推動業務的過程中,也能結合運營手段,補充數據,后續分析也越做越順,同學們可以嘗試下哦。

#專欄作家#

接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自pexels,基于CC0協議。

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 高價值用戶是誰?值得我投入多少?
    我能在哪些渠道,找到這些高價值用戶?
    存量高價值用戶,誰還在活躍,誰已經流失?
    我能用什么手段,保留存量的高價值用戶?
    存量的低價值用戶,是否有激活可能?怎么激活?

    回復
  2. 麻煩請問一下哈:消費分層的圖也就是第一個圖是怎么做出來的,橫軸是時間,縱軸是消費金額,縱軸是一個用戶的消費金額還是某群用戶的消費金額,一個用戶的消費金額比較真實,但是對所有用戶怎么分群;或者是某群用戶的消費金額,也是怎么分出這個群的呢?

    回復
  3. 如何進行用戶分析,這篇文章老師教大家如何搭建如何用戶體系,干貨滿滿,太棒了!

    回復
  4. 分析的太透徹啦!這篇文章值得收藏,干貨滿滿!

    回復