編輯導語：有時候，我們做用戶分析，數據倒是列了不少，但是很多隻是簡單地歸類，分析沒有落到實處，對我們絲毫沒有用處。那麼用戶分析究竟要怎麼做，才能夠有用？作者從策略層和執行層進行分析，希望對你有所幫助。

經常有同學抱怨：我們公司的用戶分析做得太挫了。雖然數據列了很多，可都是簡單的把用戶按新老分個類，然後對比下性别、年齡、活躍時長、付費的差異就結束了。最後丢一句“新用戶搜索功能用的少，建議搞高……”這分析完全沒用處呀！用戶分析到底要怎麼做才有用？今天系統解答一下。

首先大家要明白：簡單的拉個交叉表，丫就不叫分析，丫就是一張表而已。做數據分析，要有清晰的目标和可落地的細節才行。在用戶分析領域，則是分成了策略/執行兩大類專題。

一、策略層用戶分析

在策略層，用戶分析要着力解決三個核心問題：

1. 重點用戶是誰：我的業務，依靠少數高層次用戶，還是大量低層次用戶？
2. 獲得用戶方式：我的目标用戶，是通過篩選得到，還是通過培養得到？
3. 投入産比比測算：獲取/培養一個合格的目标用戶，需要多久，投入産出比多少？

問題一，是事關業務成敗的關鍵。因為高中低用戶層次，需求天生不同。如果選擇滿足少數高層次用戶，意味着一定有非常高的新用戶流失率，一定要提供足夠有吸引力的，讓普通人望而卻步，讓有錢人顯得足夠尊貴、足夠爽的産品與服務才行。如果選擇滿足大多數人的需求，薄利多銷是必然的（如下圖）。

很難有一個業務滿足所有層次人的需求，必須有所取舍。在業務到一定規模之前，得先服務好某一個群體，才能建立品牌形象和口碑。因此，用戶價值分層分析，是非常重要的。并且不能光看實際用戶的數據，還得和目标群體做對比，來判斷是否打造的品牌還不夠高端，還得再加碼。

問題二，是設計執行方案的思路來源。并非所有的客戶都能培養，很多高端服務，比如金融、汽車、房子、商業投資、甚至美容保健，天生需要高端客戶才能受用的起。此時隻能做篩選，大浪淘沙的從大量新用戶中，挑選出符合目标的。而零售、餐飲等行業既能走培養忠實用戶的路線，又能走高端路線，此時就得業務方自己很清醒：我到底要做培養，還是篩超高端用戶。

在數據上，觀察培養與篩選的區别，主要看用戶的需求是否會随着與我司關系深入而增加，以及能否被我司營銷行為影響。如果經過長期相處與反複投放，都很難提升用戶表現，則說明至少在當下我司力所能及的範圍内，用戶是無法被培養的。如果有某些措施能明顯提升用戶表現，則說明這個手段是好的培養手段。

問題三，是設計執行方案的尺子。給用戶的補貼不可能無休無止，底線在哪裡，要考獲客/培養用戶的投入産出比測算。

如果用戶行為本身發生的很随機，則測算可以簡化。比如啤酒、瓜子、礦泉水一類零食，用戶購買可能完全是臨時起意，沒啥深入思考，也沒啥忠誠度可言。此時隻靠按單次廣告投放核算成本即可。隻要每次投出去的商品能賺錢就行。

比較有挑戰的是需要培養才見效的用戶。比如做美容，可能頭三次都是為了吸引用戶充卡加會員做的體驗服務，收費很少，隻有在體驗期充卡的才能賺回利潤。這時候就得把握：有多大比例用戶轉化，轉化用戶利潤是否能覆蓋體驗用戶的成本。

解決了策略問題以後，彙總的輸出成果就是一張用戶價值分布地圖（如下圖），在這裡要清晰的展示：

• 我依靠的用戶群體是誰，有多大商業價值？
• 用戶成長軌迹是什麼，獲客以後多長時間能達成期望産出？
• 用戶成長關鍵節點是什麼，節點上業務動作是啥，往下一階段的轉化率/留存率是多少？

回答完這三個問題，策略層面就算做的差不多了，可以探讨執行層面了。

二、執行層用戶分析

到了執行層面，用戶分析反而變得簡單了。因為在執行層，核心解決的問題就是：如何讓用戶響應我的策略。一條具體的策略，比如“促進用戶二次消費”，落實到執行層，就是具體的：

1. 在什麼時間（看自然時間 or 用戶生命周期時間）
2. 用什麼渠道（站内廣告頁、站外廣告、短信……）
3. 用什麼文案（利益型、感情型、蹭熱點型、……）
4. 搭配什麼商品（同類商品、關聯商品、熱銷商品……）
5. 給多少優惠（積分、禮品、優惠券……）

這一整套信息推送到用戶身上，之後期待用戶能産生響應（如下圖）：

在執行層，更多是大量的響應分析，看我的運營手段，是否能達成目标。如果隻看一次推送的響應，收獲會很小。如果把圍繞同一目标的曆次執行擺在一起，就能發現很多規律。比如下圖，針對用戶首單購買，講多次推送列列清單，能發現更多問題。

此時，可以利用曆次數據，同時給用戶和業務打标。

• 用戶标簽：活動偏好、促銷敏感度、渠道偏好、内容偏好
• 業務标簽：XX渠道/内容/産品，更容易吸引XX類型用戶

這些标簽是可以直接指導業務行為的。在已知用戶偏好的情況下，可以直接按标簽組合，生成運營策略，所謂的自動化營銷（Marketing Automatic簡稱MA）就是這個思路。

也可以把一個用戶群體的所有标簽擺在一起，看群體需求。比如發現高價值群體都更偏好某一類産品，則可以相應開發搭配産品、升級版産品。

也可以基于執行層的結果，反向影響策略。比如原來用戶成長軌迹裡，在1個月左右有明顯轉折。經過運營操作，用戶生命周期已延長，到3個月，但響應成本也在增加。此時可以考慮在第2、3個月，階梯性增加高利潤産品推送，來彌補成本損失，保持高收益。

小結

什麼很多公司的用戶分析做不出東西來，原因已經很清晰了。

• 沒有策略層分析，每次都用性别、年齡、累計消費、活躍這些簡單分類維度劃分用戶，把各種類型混雜在一起看平均值，模糊了重點。
• 沒有策略指引，執行層做的非常散，總是針對一次次零散活動搞評估，不注意圍繞一個目标多測試幾次，也沒有同一群體多次活動對比。
• 沒有标簽積累，總是零散的看各種數據，不沉澱标簽，不驗證标簽。雖然看似做了很多，但缺少表現穩定的标簽。

這樣總是沒頭蒼蠅一樣，肯定沒結論積累。當然，不見得每個公司的運營，都能很清醒的先定策略，再做執行，再複盤積累标簽。很多公司的運營，也是頭疼醫頭、腳疼醫腳，看着活躍低了就上大轉盤，看着新人少了就砸一波流量，看着轉化低了就猛發券。這樣在執行層做出來的事情很零散，對積累數據經驗是很不利的。

但是作為數據分析人員，策略層的洞察是不依賴執行的，完全可以自己多做，這樣加深了自己的策略認知，再回頭看執行層的數據，也更容易得出結論來。看到這，肯定有同學想看：用戶标簽到底怎麼打。

#專欄作家#

接地氣的陳老師，接地氣學堂，人人都是産品經理專欄作家。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産品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部