用户分析体系,该如何搭建

2021 年 10 月 20 日 人人都是产品经理

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

用户分析是很多人挂在嘴边的东西。然而一做起来,经常被做得七零八落。很多新手一听”用户分析”,就跟条件反射一样开始:“性别、年龄、地域、活跃、留存、流失、转化、RFM……”数据摆了一大堆却没有什么结论。如何将用户分析做的更体系化?今天系统讲解一下。


全文共 2595 字,阅读需要 5 分钟

——————/ BEGIN /——————

用户分析体系的最大难点

搭建用户分析体系的最大难点是啥?

当然是:缺数据!

用户数据采集只有三个渠道:

  1. 用户填写的表单信息

  2. 用户消费的历史记录

  3. 用户在APP/小程序活跃记录

在采集用户数据上,普通企业和头腾阿这种垄断大厂根本没法比。

大厂的业务线多,采集各类用户信息丰富;且大厂下边的APP用户粘性高,因此用户行为数据也非常丰富。

大厂们还尤其喜欢搞熟人推荐,获取用户之间的亲属关系。

至于位置信息、人脸信息,更是拿捏的妥妥的。

而大部分普通企业的现状是:

  • 用户表单填写率低,连个身份证都收集不上来,更不要说人脸识别信息

  • 用户消费次数少、消费种类少,消费频次低,消费最多的还是引流产品

  • 用户活跃行为少,除了少数忠实粉丝外,大部分用户只在有活动时候登录

这种情况,使得普通企业做用户分析的时候,必须优先考虑:到底有啥数据。

从数据最丰富,最可能产生价值的地方入手。

边做分析,边推动业务完善数据,从而实现良性循环。

第一步:用户价值分层

所有企业一定有的数据是:消费记录。

因此第一步先做这个。

从消费记录里,可以区分出来:谁是高消费用户。

识别出金主爸爸,是后续所有分析的起点。

注意:识别高消费,不是简单地统计一下过去一年消费金额;而是要用生命周期的观察方法,观察用户从注册开始的消费分布。

不同的分布形态,意味着不同的用户运营策略(如下图):

第二步:用户来源渠道分析

了解了谁是高消费用户,可以进一步思考:高消费用户是从哪些渠道来的。

用户来源渠道分析,应首先对渠道质量做评价,识别出高消费用户较多的优质渠道;之后,提高优质渠道投入,削减劣质渠道投入,从而达到降本增效的目的。

这样,即使暂时没有转化路径数据,也能做初步分析。

之后,可以逐步推动业务,完善转化路径的数据采集,对广告素材、转化流程、引流产品、引流活动等方面进行分析,进一步提高拉新质量。

第三步:用户活跃情况分析

解决完拉新问题,还可以进一步思考:存量用户活跃程度如何?哪个群体需要帮上一把?

站在用户运营的视角,不同层级+不同活跃程度的用户,运营的思路也是不同的。

因此,整理出用户活跃情况分层,对于形成运营思路大有帮助(如下图):

很多同学会在这一步陷得很深,列举一大堆指标却发现不了什么问题。

要注意:大部分企业没有一款类似微信、淘宝、抖音这样的超级应用。大部分用户和企业的互动频率低,很有可能只在大型活动的时候才会露面;只有极少数用户互动频次较高。

因此用户留存情况分析,要先把下面两个因素做矩阵分析,看清大盘,找准发力方向(如下图)。

  1. 用户消费频次

  2. 用户互动频次

第四步:用户活动参与分析

经过前三步,已经对三个基础问题有了了解:

  1. 谁是高价值用户

  2. 用户从哪里来

  3. 用户到哪里去

之后可以思考:如何提升用户价值。最好用的手段就是优惠活动,因此可以从这里入手。

常见的优惠有五种形式满减型:买XX元商品,优惠XX金额。

  • 折扣型:XX商品,原价X折销售

  • 买赠型:买XX件商品,得Y件赠品。

  • 用券型:使用X元抵用券,抵扣订单金额

  • 积分型:消费得积分,积分再抵现/兑换礼品

这五种形式的数据有可能非常混乱!特别是在同一张订单,能同时使用2-3条优惠规则的时候。

很多公司的开发非常懒,没有单独做活动标签库,也没有做活动表、商品表、订单表、用户表、积分表(俗称:促销五表)之间的关联关系,导致最终订单只能看到有优惠,不能拆解到每一条规则。从而给后续的分析带来不可修复的难题。

理论上,需要:

  • 促销五表关联清晰

  • 避免全品类/无门槛的券

  • 避免用户抵用券/商品抵用券叠加

这样才能有清晰的数据可分析

有了这些基础数据,分析就大有可为:

  • 哪些用户是优惠敏感型?哪些是不敏感的?

  • 不敏感的用户,忠于什么商品?在哪些特定场景下消费?

  • 敏感的用户,是否薅羊毛薅过量?业绩不足的时候,拉他们出来顶上!

第五步:用户接触渠道分析

最后,还可以进一步看:留存的用户在哪些平台出现,流失的用户最后一次出现在哪些平台。

这样就不至于像报丧鸟一样,只会喳喳:“用户要流失啦!”而是能具体给到:“我们能在XX渠道把用户捞回来”。

如果是对于有门店、小程序、APP、电商网站多种渠道并存的传统企业,优先要做的是分清楚:哪些用户能通过线上渠道接触。

传统企业的门店渠道,常常数据缺失严重,区分线上渠道用户,能加强私域运营能力,同时弥补线下数据缺失问题。

如果是以APP/小程序为主战场的线上企业,则主要对用户接触的内容进行区分。

区分出用户对哪些内容(新品?活动?时尚?健康?节日?……)感兴趣,从而选择更好的内容激活用户。

不适合优先做的内容

相比之以上五个模块,有些分析可以相对靠后做:

  • 用户画像分析:好的用户画像是养出来的,不是天生的。如果一开始没有收集啥基础信息,就先不用动这个脑子,等数据多补充一些再说。

  • 用户行为路径分析:如果用户在小程序/自有电商平台的活跃数据很少,就不要急着做。数据都没几条,分析不出啥来。

  • 用户响应率预测分析:如果只有少量消费数据,就不建议做各种响应率预测(包括活动响应、流失预警、购买预测等等),历史经验上看,只基于消费数据预测,准确度都不咋可观,还不如直接上人工规则。

小  结

这一套用户分析体系搭建,是紧密结合数据采集过程的,充分考虑了:万一没有数据怎么办。

由浅入深的推动(如下图):

这一套用户分析体系搭建思路,其分析思路,是站在业务视角,思考如何运营用户:

  • 高价值用户是谁?值得我投入多少?

  • 我能在哪些渠道,找到这些高价值用户?

  • 存量高价值用户,谁还在活跃,谁已经流失?

  • 我能用什么手段,保留存量的高价值用户?

  • 存量的低价值用户,是否有激活可能?怎么激活?

这种目标感强的分析,远比列出来:“男女比例4:6”“25岁-30岁占比30%”更能解决问题。并且在推动业务的过程中,也能结合运营手段,补充数据,后续分析也越做越顺,同学们可以尝试下哦。

—————— / END / ——————

产品经理培训产品运营培训企业内训服务

请在公众号后台回复「培训」了解更多

▼ 喜欢请分享&收藏,满意点个赞,最后点「在看」▼ 

登录查看更多
0

相关内容

达观智能制造知识图谱平台电力能源行业应用方案
专知会员服务
46+阅读 · 2022年4月13日
王晓伟:图神经网络在快手推荐召回中的应用和挑战
专知会员服务
24+阅读 · 2022年3月23日
专知会员服务
12+阅读 · 2021年9月15日
专知会员服务
23+阅读 · 2021年3月18日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
【2020新书】社交媒体挖掘,212pdf,Mining Social Media
专知会员服务
59+阅读 · 2020年7月30日
从0到1,搭建经营分析体系
人人都是产品经理
0+阅读 · 2022年3月6日
用户流失,该怎么分析?
人人都是产品经理
0+阅读 · 2022年2月17日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
十张图,详解用户分层怎么做
人人都是产品经理
0+阅读 · 2022年1月24日
徐尧:如何搭建好的数据指标体系?
专知
0+阅读 · 2022年1月8日
用户复购行为,该如何分析
人人都是产品经理
0+阅读 · 2021年12月4日
数据分析,如何挖掘业务机会
人人都是产品经理
0+阅读 · 2021年11月10日
运营策略分析体系,该如何搭建?
人人都是产品经理
0+阅读 · 2021年10月26日
快手如何搭建一个好的数据指标体系?
专知
0+阅读 · 2021年9月11日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
18+阅读 · 2020年7月13日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
VIP会员
相关VIP内容
达观智能制造知识图谱平台电力能源行业应用方案
专知会员服务
46+阅读 · 2022年4月13日
王晓伟:图神经网络在快手推荐召回中的应用和挑战
专知会员服务
24+阅读 · 2022年3月23日
专知会员服务
12+阅读 · 2021年9月15日
专知会员服务
23+阅读 · 2021年3月18日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
【2020新书】社交媒体挖掘,212pdf,Mining Social Media
专知会员服务
59+阅读 · 2020年7月30日
相关资讯
从0到1,搭建经营分析体系
人人都是产品经理
0+阅读 · 2022年3月6日
用户流失,该怎么分析?
人人都是产品经理
0+阅读 · 2022年2月17日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
十张图,详解用户分层怎么做
人人都是产品经理
0+阅读 · 2022年1月24日
徐尧:如何搭建好的数据指标体系?
专知
0+阅读 · 2022年1月8日
用户复购行为,该如何分析
人人都是产品经理
0+阅读 · 2021年12月4日
数据分析,如何挖掘业务机会
人人都是产品经理
0+阅读 · 2021年11月10日
运营策略分析体系,该如何搭建?
人人都是产品经理
0+阅读 · 2021年10月26日
快手如何搭建一个好的数据指标体系?
专知
0+阅读 · 2021年9月11日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员