本文為【智能用戶運營】系列第 3 篇
粗曠式運營也許能夠在用戶數量較低時滿足日常的運營需求。
但隨著產品規模快速擴張，面對越來越多的用戶，越來越多元的用戶需求與用戶場景，體系化的運營策略，成了提高工作效率與效果的重要利器。在具體的用戶運營開展前，體系化運營的前提就是建立用戶運營的數據指標。
圍繞之前文章中我們提到的用戶運營工作的三個核心目標，在搭建用戶運營體系時，應按照以下步驟進行：
針對不同階段目標，制定相應用戶分群分層模型與指標（如ARGO模型、RFM模型應用）；
通過數據分析制定相應運營策略，包括運營週期、推送方式；
制定數據效果的評判標準，結合運營數據進行策略迭代。
接下來的幾篇文章，我們將按照上述環節一一進行講解。第一個環節我們講解的是制定註冊用戶精細分群分層模型與指標。
註冊用戶精細分群分層，顧名思義，簡單來說就是進行用戶分層並標記各種標籤。
一千個讀者就有一千個哈姆雷特,同樣是使用產品，但用戶使用產品的理由、滿足的需求間存在各種不同的差異。也許A用戶看中了品牌情懷，B用戶看中了產品性價比高，C用戶看中了產品的服務好。如果不進行用戶分群分層，又怎麼針對用戶的不同需求提供服務呢？
因此，在用戶運營的過程中，用戶分群分層的作用很明顯，它幫助我們把用戶分成各個層級和群體，然後我們根據各個層級和群體的不同，制定出更精準、更有針對性的運營策略。在這裡有幾個概念需要明確，即「用戶畫像」、「用戶分群」、「用戶分層」，為了保持概念的準確性，在此我們進行簡單解釋：
用戶畫像：一般包含用戶的人本屬性，如身份特徵、行為特徵、消費特徵、心理特徵、興趣愛好、渠道屬性 。具體內容如下：
用戶分層：一般來說，我們結合用戶在產品上所處狀態作為用戶分層的依據，比如我們最常見的RFM模型，依託於用戶最近一次購買時間、消費頻次以及消費金額，通過衡量用戶價值與用戶創利能力，對用戶進行分層。
比如，我們結合RFM模型，對用戶進行劃分為8個群體，從高消費頻次、高消費額、最近消費過的重要價值用戶，到低消費頻次、低消費額、很久未消費的一般挽留用戶。
RFM模型
用戶分群：相較於用戶分層，用戶分群更加聚焦於用戶行為表現，比如易觀方舟推出的智能用戶運營的ARGO成長模型。
舉個例子，高消費頻次+低消費額、低消費頻次+高消費額，這兩類用戶可能都是某種意義上的高消費用戶，但行為特徵會存在很大差異，所對應的運營策略也不一樣。
其實也可以這麼理解，用戶分群是用戶分層的進一步精細化劃分。ARGO成長模型的相關指標有著明顯的遞進關係，而RFM模型則相互獨立。
解釋清楚上述關鍵詞，那麼我們繼續講下注冊用戶精細分群分層。
因為不同行業中，用戶分群分層可能是多樣性的，用戶分群分層在產品發展的不同階段也有不同的變化，且用戶分群分層需要定性與定量。因此我們可以遵循下面這兩個原則，幫助我們更好地完成用戶分群分層：
（1）精細分群分層，遵循MECE原則
在進行註冊用戶精細分群分層的過程中，我們遵循由麥肯錫提出的MECE分析法，這不僅僅是幫助用戶運營找到所有影響預期目標的關鍵因素，並找到所有可能的解決辦法，而且有助於對用戶、問題或解決方案進行排序、分析，並從中找到令人滿意的解決方案。
（MECE分析法，中文意思是“相互獨立，完全窮盡”。也就是對於一個重大的議題，能夠做到不重疊、不遺漏的分類，而且能夠藉此有效把握問題的核心，併成為有效解決問題的方法。——百度百科）
即在確立主要目標的基礎上，再逐個往下層層分解，直至所有的細分目標都找到，通過對目標的層層分解，分析出用戶的關鍵行為與目標間的關聯。
（2）明確階段目標，讓分群分層更簡單
正如用戶有生命週期一樣，產品與用戶運營也有著明顯階段性的目標和策略。產品所處的生命週期階段不容，對用戶運營的要求也不盡相同。
閱讀更多 易觀 的文章
