用户分析，看这一篇就够了

学生们经常抱怨我们公司的用户分析太令人沮丧了。虽然列出了很多数据，但它们只是根据新旧用户进行分类，然后比较性别、年龄、活动时间和支付的差异。最后，我丢失了一句话：新用户搜索功能使用较少，建议更高……这个分析完全没用！用户分析怎么做才有用？今天系统回答。 首先，我们应该明白：简单地拉一个交叉表，你不叫分析，你只是一张表。要进行数据分析，我们应该有明确的目标和可执行的细节。在用户分析领域，它分为两类：策略/执行。 一、战略用户分析 在战略层面，用户分析应重点解决三个核心问题： 谁是关键用户：我的业务，依靠少数高级用户，还是大量低级用户？ 获取用户的方式：我的目标用户是通过筛选还是培训获得？ 投入产比计算：获得/培养合格的目标用户需要多长时间，投入产出比是多少？ 问题1是业务成败的关键。由于高、中、低用户水平，需求自然不同。如果你选择满足少数高水平用户，这意味着你必须有非常高的新用户流失率。你必须提供足够有吸引力的产品和服务，让普通人望而却步，让富人看起来足够高贵和酷。如果你选择满足大多数人的需求，薄利多销是不可避免的（如下图所示）。 很难有一个业务来满足所有层次的人的需求，必须做出选择。在业务达到一定规模之前，我们必须首先服务于一个群体，以建立品牌形象和声誉。因此，用户价值分层分析非常重要。我们不仅要查看实际用户的数据，还要与目标群体进行比较，以判断品牌是否不够高端，还要增加数量。 问题二是设计实施方案的思路来源。并非所有的客户都能培养，许多高端服务，如金融、汽车、房屋、商业投资，甚至美容保健，自然需要高端客户才能使用。此时只能做筛选，大浪淘沙从大量新用户中挑选出符合目标的。零售、餐饮等行业不仅可以走培养忠实用户的路线，还可以走高端路线。此时，业务方必须非常清醒：我是想培训还是筛选超高端用户。 在数据方面，观察培训和筛选的区别主要取决于用户的需求是否会随着与我们关系的深入而增加，以及它是否会受到我们营销行为的影响。如果长期相处和重复交付后很难提高用户性能，这意味着至少在我们目前的能力范围内，用户无法培养。如果有一些措施可以显著提高用户的性能，这意味着这种方法是一种很好的培训手段。 问题三，是设计实施方案的尺子。给用户的补贴不能无休止。底线在哪里，需要测量客户/培训用户的投入产出比。 如果用户的行为本身非常随机，则可以简化计算。例如，啤酒、瓜子、矿泉水等零食，用户购买可能完全是一个临时的开始，没有深入的思考，也没有忠诚。此时，成本只能通过单一的广告来计算。只要每次投资的商品都能赚钱。 更具挑战性的是需要培养才能有效的用户。例如，做美容，可能是前三次吸引用户充电卡和会员做体验服务，费用很少，只有在体验期充电卡才能赚回利润。此时，我们必须掌握用户转换的比例，转换用户利润是否能覆盖体验用户的成本。 在解决了策略问题后，总结的输出结果是用户价值分布地图(如下图所示)，这里要清楚地显示: 谁是我依赖的用户群体，有多大的商业价值？ 用户的增长轨迹是什么？获得客户后能达到预期产出多久？ 用户成长的关键节点是什么，节点上的业务动作是什么，下一阶段的转化率/保留率是多少？ 在回答了这三个问题后，即使战略水平几乎相同，你也可以讨论执行水平。 二、用户分析执行层 在执行层面，用户分析变得简单。因为在执行层面，核心问题是：如何让用户响应我的策略。具体策略，如促进用户二次消费，在执行层实施： 什么时间(看自然时间) or 用户生命周期时间) 使用什么渠道(站内广告页面、站外广告、短信……） 用什么文案(利益型、情感型、热点型)……） 搭配什么商品(类似商品、相关商品、热销商品)……） 给多少折扣(积分、礼物、优惠券)……） 将这一整套信息推送给用户，然后期待用户的响应(如下图所示): 在执行层面，更多的是大量的响应分析，看看我的操作方法，是否能实现目标。如果你只看一次推的响应，收获就会很小。如果你把以前围绕同一目标的执行放在一起，你可以找到很多规则。例如，下图显示了更多关于用户购买第一个订单的问题。 此时，用户和业务可以同时使用历次数据进行标记。 用户标签：活动偏好、促销敏感性、渠道偏好、内容偏好 业务标签：XX渠道/内容/产品更容易吸引XX类型用户 这些标签可以直接指导业务行为。在已知用户偏好的情况下，可以直接根据标签组合生成所谓的自动营销策略（Marketing Automatic简称MA）就是这个想法。 您还可以将用户组的所有标签放在一起，以查看群体需求。例如，如果发现高价值群体更喜欢某种产品，则可以相应地开发匹配产品和升级产品。 也可以根据执行层的结果对策略产生反向影响。例如，在最初的用户增长轨迹中，大约有一个明显的转折点。经过操作后，用户的生命周期已经延长到3个月，但响应成本也在增加。此时，我们可以考虑在第月和第3个月逐步增加高利润产品的推动，以弥补成本损失，保持高回报。 小结 很多公司的用户分析做不出什么，原因已经很清楚了。 没有战略分析，用户每次都用性别、年龄、累计消费、活跃等简单的分类维度来划分，各种类型混合在一起看平均值，模糊重点。 没有战略指导，执行层非常分散，总是对分散的活动进行评估，不注意围绕一个目标多次测试，也不比较同一组多次活动。 没有标签积累，总是看各种数据，不沉淀标签，不验证标签。虽然它似乎做了很多，但它缺乏稳定的标签。 这总是像无头苍蝇一样，肯定没有结论积累。当然，并不是每个公司的运营都能有一个非常清晰的先决策略，然后执行，然后回顾积累标签。许多公司的运营，也是头痛，脚痛，看活动低到大转盘，看新人少打一波流量，看低转换突然优惠券。执行层所做的事情非常分散，这对积累数据经验非常不利。 然而，作为一名数据分析师，战略层的洞察力不依赖于执行，你可以自己做更多，这加深了你的战略认知，然后回顾执行层的数据，更容易得出结论。看到这一点，一定有一些学生想看看：如何玩用户标签。 接地气的陈老师，微信微信官方账号:接地气学校 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。