用戶分析是很多人掛在嘴邊的東西。然而一做起來，經(jīng)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(zhuǎn)化、RFM……數(shù)據(jù)擺了一大堆卻沒有什么結(jié)論。
如何將用戶分析做的更體系化？今天系統(tǒng)講解一下。
一、用戶分析體系的最大難點(diǎn)
搭建用戶分析體系的最大難點(diǎn)是啥？當(dāng)然是：缺數(shù)據(jù)！
用戶數(shù)據(jù)采集只有三個渠道：1、用戶填寫的表單信息
2、用戶消費(fèi)的歷史記錄
3、用戶在APP/小程序活躍記錄
在采集用戶數(shù)據(jù)上，普通企業(yè)和頭騰阿這種壟斷大廠根本沒法比。大廠的業(yè)務(wù)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(shù)據(jù)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(guān)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(yè)的現(xiàn)狀是：1、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
2、用戶消費(fèi)次數(shù)少、消費(fèi)種類少，消費(fèi)頻次低，消費(fèi)最多的還是引流產(chǎn)品
3、用戶活躍行為少，除了少數(shù)忠實(shí)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(yè)做用戶分析的時候，必須優(yōu)先考慮：到底有啥數(shù)據(jù)。從數(shù)據(jù)最豐富，最可能產(chǎn)生價值的地方入手。邊做分析，邊推動業(yè)務(wù)完善數(shù)據(jù)，從而實(shí)現(xiàn)良性循環(huán)。
第一步：用戶價值分層
所有企業(yè)一定有的數(shù)據(jù)是：消費(fèi)記錄。因此第一步先做這個。從消費(fèi)記錄里，可以區(qū)分出來：誰是高消費(fèi)用戶。識別出金主爸爸，是后續(xù)所有分析的起點(diǎn)。
注意：識別高消費(fèi)，不是簡單地統(tǒng)計一下過去一年消費(fèi)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(fèi)分布。不同的分布形態(tài)，意味著不同的用戶運(yùn)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(fèi)用戶，可以進(jìn)一步思考：高消費(fèi)用戶是從哪些渠道來的。用戶來源渠道分析，應(yīng)首先對渠道質(zhì)量做評價，識別出高消費(fèi)用戶較多的優(yōu)質(zhì)渠道。之后，提高優(yōu)質(zhì)渠道投入，削減劣質(zhì)渠道投入，從而達(dá)到降本增效的目的。這樣，即使暫時沒有轉(zhuǎn)化路徑數(shù)據(jù)，也能做初步分析。
之后，可以逐步推動業(yè)務(wù)，完善轉(zhuǎn)化路徑的數(shù)據(jù)采集，對廣告素材、轉(zhuǎn)化流程、引流產(chǎn)品、引流活動等方面進(jìn)行分析，進(jìn)一步提高拉新質(zhì)量。
第三步：用戶活躍情況分析
解決完拉新問題，還可以進(jìn)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(yùn)營的視角，不同層級+不同活躍程度的用戶，運(yùn)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(yùn)營思路大有幫助（如下圖）。
很多同學(xué)會在這一步陷得很深，列舉一大堆指標(biāo)卻發(fā)現(xiàn)不了什么問題。要注意：大部分企業(yè)沒有一款類似微信、淘寶、抖音這樣的超級應(yīng)用。大部分用戶和企業(yè)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(shù)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(zhǔn)發(fā)力方向（如下圖）。
1、用戶消費(fèi)頻次
2、用戶互動頻次
第四步：用戶活動參與分析
經(jīng)過前三步，已經(jīng)對三個基礎(chǔ)問題有了了解：1、誰是高價值用戶
2、用戶從哪里來
3、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(yōu)惠活動，因此可以從這里入手。
常見的優(yōu)惠有五種形式滿減型：買XX元商品，優(yōu)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(fèi)得積分，積分再抵現(xiàn)/兌換禮品
這五種形式的數(shù)據(jù)有可能非?；靵y！特別是在同一張訂單，能同時使用2-3條優(yōu)惠規(guī)則的時候。很多公司的開發(fā)非常懶，沒有單獨(dú)做活動標(biāo)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(guān)聯(lián)關(guān)系，導(dǎo)致最終訂單只能看到有優(yōu)惠，不能拆解到每一條規(guī)則。從而給后續(xù)的分析帶來不可修復(fù)的難題。
理論上，需要：1、促銷五表關(guān)聯(lián)清晰
2、避免全品類/無門檻的券
3、避免用戶抵用券/商品抵用券疊加
這樣才能有清晰的數(shù)據(jù)可分析
有了這些基礎(chǔ)數(shù)據(jù)，分析就大有可為：
1、哪些用戶是優(yōu)惠敏感型？哪些是不敏感的？
2、不敏感的用戶，忠于什么商品？在哪些特定場景下消費(fèi)？
3、敏感的用戶，是否薅羊毛薅過量？業(yè)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(jìn)一步看：留存的用戶在哪些平臺出現(xiàn)，流失的用戶最后一次出現(xiàn)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(wǎng)站多種渠道并存的傳統(tǒng)企業(yè)，優(yōu)先要做的是分清楚：哪些用戶能通過線上渠道接觸。傳統(tǒng)企業(yè)的門店渠道，常常數(shù)據(jù)缺失嚴(yán)重，區(qū)分線上渠道用戶，能加強(qiáng)私域運(yùn)營能力，同時彌補(bǔ)線下數(shù)據(jù)缺失問題。
如果是以APP/小程序?yàn)橹鲬?zhàn)場的線上企業(yè)，則主要對用戶接觸的內(nèi)容進(jìn)行區(qū)分。區(qū)分出用戶對哪些內(nèi)容（新品？活動？時尚？健康？節(jié)日？……）感興趣，從而選擇更好的內(nèi)容激活用戶。
二、不適合優(yōu)先做的內(nèi)容
相比之以上五個模塊，有些分析可以相對靠后做：
1、用戶畫像分析：好的用戶畫像是養(yǎng)出來的，不是天生的。如果一開始沒有收集啥基礎(chǔ)信息，就先不用動這個腦子，等數(shù)據(jù)多補(bǔ)充一些再說。
2、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(shù)據(jù)很少，就不要急著做。數(shù)據(jù)都沒幾條，分析不出啥來。
3、用戶響應(yīng)率預(yù)測分析：如果只有少量消費(fèi)數(shù)據(jù)，就不建議做各種響應(yīng)率預(yù)測（包括活動響應(yīng)、流失預(yù)警、購買預(yù)測等等），歷史經(jīng)驗(yàn)上看，只基于消費(fèi)數(shù)據(jù)預(yù)測，準(zhǔn)確度都不咋可觀，還不如直接上人工規(guī)則。
三、小結(jié)
這一套用戶分析體系搭建，是緊密結(jié)合數(shù)據(jù)采集過程的，充分考慮了：萬一沒有數(shù)據(jù)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(yè)務(wù)視角，思考如何運(yùn)營用戶：
1、高價值用戶是誰？值得我投入多少？
2、我能在哪些渠道，找到這些高價值用戶？
3、存量高價值用戶，誰還在活躍，誰已經(jīng)流失？
4、我能用什么手段，保留存量的高價值用戶？
5、存量的低價值用戶，是否有激活可能？怎么激活？
這種目標(biāo)感強(qiáng)的分析，遠(yuǎn)比列出來：男女比例4:625歲-30歲占比30%更能解決問題。并且在推動業(yè)務(wù)的過程中，也能結(jié)合運(yùn)營手段，補(bǔ)充數(shù)據(jù)，后續(xù)分析也越做越順，同學(xué)們可以嘗試下哦。
看完覺得寫得好的，不防打賞一元，以支持藍(lán)海情報網(wǎng)揭秘更多好的項(xiàng)目。
標(biāo)簽： 用戶 分析 數(shù)據(jù) 隨筆
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進(jìn)行掃碼打賞哦
手機(jī)直接保存圖片,掃一掃識別二維碼,即可進(jìn)行掃碼打賞哦
