原创 :用户细分的流程与方法

百家 作者:数据分析 2017-07-12 06:48:29

【前言】 这是几年前写的一篇文章,其中有些案例说明与介绍可能有些过时,但为了保持原文的风格,这里就不做修改,后续写《从0开始搭建自己的数据运营体系》【系列文章详见文末】系列文章时再重新修改。


【正文】 通常,用户细分既不是分析的不是起点也不是分析的终点,而是伴随某个特定的分析而存在。精准化营销,需要用户细分,譬如你拥有同城的数十万消费者的资料数据库,随时为有需要的同城商家提供短信精确营销或其他网络营销服务;通过用户细分,或许你能发现新的目标市场和需求,淘米网阶段性的成功,不就是细分的典型吗?更多更充分的挖掘用户价值,你需要做用户细分。 


用户细分分析流程


细分前的准备

为什么要细分用户?细分与不细分的差别大不大?细分之后能给我带来什么好处?细分之后的目标用户是什么?……多问几个为什么,自己了解的或不了解的,集思广益,会更靠谱一些。例如,某公司要做服饰新品推广,鉴于以往每次给会员群发短讯效果不理想,于是决定抽取部分会员数据细分,尝试精准营销,以达到降低成本、提高转化率的目的,那么这里的大致细分目的就是降低营销成本,提高相关转化率。


细分指标的确定

用户细分的指标有很多,譬如年龄、性别、职业、教育程度等人口属性指标;年费用户、包月用户等时间指标;华东地区用户、西部地区用户、华南地区用户等地理指标;除此之外还有其他很多很多细分的指标,细分指标的确定由细分目的和目标用户等相关因素决定。继续上面的引例,根据细分目的,该公司确定地理、人口、行为(以往购买物、活跃周期等)等为细分指标。


用户信息采集

常见的用户信息包括公司日常运营所积累的用户,通过企业相关调研活动所采集的用户信息以及第3方数据,当然还有很多的公司可能通过各种渠道去购买相关用户信息。


制定细分标准

细分标准并没有一个定型,这里本人暂且将其归类为事前定义和事后定义两种。这里事前细分是指譬如时间、人口属性等细分明确或是根据以往成熟经验模型(案例)可以明确细分的标准准则,而事后细分则是指用户类型起初并没有具体的特征形态,根据多个数据特征变量利用聚类等统计分析方法而定义的细分标准。例如常见的RFM模型客户分类就是事前细分标准的一种。


细分用户描述

用户细分完成后,自然给其一个代表其特征的名字,并对其判别因素及具体特征进行详细的说明。例如,许多淘宝卖家都将其用户根据四象限的方法,用成交量、PV、UV等因素分为产品混乱型客户、优质客户、单品为王的客户和问题客户。


 

常用的细分分析方法

前面的细分流程中提到事前细分和时候细分两种情形,根据细分目的和目标用户的不同,这里将事前分析方法暂定为影响因素法,而事后细分分析方法则暂定为统计归纳法。


影响因素法

影响因素可能是单个或多个,单个影响因素的细分这里不作说明,主要谈谈常用的多个影响因素的细分方法。


1)  逐步细分法

逐步细分是指根据分析的要求由粗到细、由浅入深,逐步进行细分的过程。例如:对某女装电商用户逐步细分,可以先根据用户地区细分,然后根据性别细分,最后根据用户行为细分。

 

2)综合交叉法

通常我们使用的四象限分析法,采用RFM模型或是其他类似的方法都可以归为此类方法。通常各种方法都是组合使用,单纯的使用某种细分方法的情况很少。


统计归纳法

我们知道,基本上所有的统计分析方法都有一些条件限制,所以通常一个细分不可能用一个方法就能搞定,往往需要多种方法的结合使用。比如

  • 聚类分析                        

  • 因子分析

  • 判别分析

  • 多元回归分析

  • 多元Logistic回归

  • 神经网络分析

  • 决策树分析(CHAID分析、C 5.0分析)等种方法的具体用法这里就不做详细说明,感兴趣的朋友可以参见常见的统计方法及SPSS对应操作选项,百度百科以及沈浩老师的每周一讲多变量分析系列文章。

 

用户细分往往不是分析的起点也不会是终点,正如开篇所言,其细分需根据分析目的而定,除此之外,用户细分分析的精准度如何?用户细分程度有没有特定的标准判定?用户细分分析中需要注意的事项有哪些?这些都是用户细分方法论需要解决的问题,后续尽请关本公号。

END


本系列原创文章:

1:从0开始搭建自己的数据运营指标体系(概括篇)

2 :从0开始搭建自己的数据运营指标体系(定位篇)

3 :从0开始搭建自己的数据运营体系(业务理解篇)

4 :数据指标的构建流程与逻辑

5: 系列 :从数据指标到数据运营指标体系

6: 实战 :为自己的公号搭建一个数据运营指标体系

数据运营 关联文章阅读:  

运营入门,从0到1搭建数据分析知识体系    

推荐 :数据分析师与运营协作的9个好习惯

干货 :手把手教你搭建数据化用户运营体系

推荐 :最用心的运营数据指标解读

干货 : 如何构建数据运营指标体系

从零开始,构建数据化运营体系

干货 :解读产品、运营和数据三个基友关系

干货 :从0到1搭建数据运营体系

数据分析、数据产品 关联文章阅读:

干货 :数据分析团队的搭建和思考

数据分析师必需具备的10种分析思维。

如何构建大数据层级体系,看这一文章就够了

干货 : 聚焦于用户行为分析的数据产品

如何构建大数据层级体系,看这一文章就够了

80%的运营注定了打杂?因为你没有搭建出一套有效的用户运营体系

从底层到应用,那些数据人的必备技能

读懂用户运营体系:用户分层和分群

做运营必须掌握的数据分析思维,你还敢说不会做数据分析

商务合作|约稿 请加qq:365242293  


更多相关知识请回复:“ 月光宝盒 ”;

数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

公众号 关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接