隨著產品發展和用戶結構變化，我們的用戶不再是一個簡單的整體。對於同一功能的不同用戶，甚至是同一用戶的不同階段，他們都可能會有不同的痛點和需求。此時如果繼續用“一刀切”的普適策略，沒有定位到具體用戶具體問題，會導致付出資源成本的產品策略達不到預期效果。此時就需要我們進行用戶分層。
什麼是用戶分層？
用戶分層，就是區別對待不同的用戶進行精細化設計。具體來說，是基於不同用戶的行為特徵劃分為不同的用戶群，設計不同的策略來滿足其差異化需求，以充分發揮每個層級用戶的價值，達成產品目標。實際應用中，用戶分層一方面可以幫助我們快速定位問題，找到設計機會點；另一方面有助於提高產品效益，讓資源有效地分配在目標用戶上。
適用範圍
- 產品功能有足夠的用戶量
- 產品功能需要用戶一定時間週期的操作
- 產品運營具備數據埋點能力
如何進行用戶分層？
其實網上有很多用戶分層的方法，如用戶生命週期分層、AARRR模型，RFM模型等等。而在實踐中，每個項目的情況不一樣，這些方法不一定都能套用。我們要掌握的是其中共通的中心思想：根據指標劃分，基於產品目標找到不同用戶不同的機會點。所以這次根據此思路，拓展了一套方法。
接下來我會結合WiFi管家積分功能設計，來講解如何做用戶分層的。
第一步：明確產品業務目標
我們不是為了分層而分層，而是看當前要幫助產品解決什麼問題，要達到什麼效果。因為不論用什麼方法做什麼策略，最終都是要服務於產品目標的。這個目標作為一個評價標準，可以衡量最終的分層設計策略是否有效。明確目標時，需要先充分了解項目背景和現狀，並與項目組達成一致共識，以防方向走偏。
在WiFi管家項目中，團隊希望把握下沉市場的趨勢搭建產品積分體系，而在第一版方案落地後，發現還有很大的提升空間。當前需要優化積分功能，提升產品活躍、實現商業目標。結合用戶量和項目資源情況，我們要從不同用戶中挖掘機會點，就需要通過分層思路來打造積分設計。
第二步：拆解用戶行為階段
為了達到產品目標，理想的用戶行為是怎樣的？這裡的用戶行為，是需要一定的時間週期積累的，每一個環節都充滿變數。拆解用戶行為階段，是通過還原用戶使用體驗路徑，分析影響他們的關鍵行為以及可能會遇到問題的節點。這裡的拆解可以細一些，以便更好地梳理用戶所處的流程狀態，為接下來的數據分析做準備。
在積分功能中，用戶行為概況起來就是積分獲取和積分消耗。但這樣大而全的行為概述是很難定位問題的。把兩個環節進一步拆解，從用戶進入軟件到最後成功消費，還可以進一步細化為：進入軟件-認識積分-產生積分-領取積分-消費積分。
第三步：發現衝突用戶群
在既定的資源下，我們不是所有用戶都研究，而是需要找出那批真正存在問題的用戶。可以先通過提取拆解的用戶行為數據，聚焦到數據落差大的地方，分析對應可能遇到困難衝突的用戶群，再結合業務經驗判斷，解決這些衝突是否對產品目標有幫助。
積分功能例子裡，根據用戶更新積分版本後是否首次進入軟件，來判斷用戶是否認識積分；從已認識積分的用戶中，再看是否有做過積分任務產生積分，積分領取、消費如此類推，得出各個環節數據情況。（如下圖，數據僅作示意）
第四步：定義並劃分用戶層級
1、定義用戶層
通過發現衝突用戶群，我們已基本聚焦到幾種用戶。現在我們要為每一種用戶貼上“標籤”，起一個好記好認的名字，也就是定義用戶層名稱。這個名稱需要能反映該層用戶的特徵或突出問題，以便後續在對不同用戶群制定針對性策略時，能提高溝通效率。
在積分功能中，根據不同用戶層的特徵提煉，定義用戶層級。這時我們可以列出一個表格：
2、量化分層標準
在進行層級劃分前，要先用定量的方式制定分層指標，這也是各種不同的用戶分層方法裡共通的一點。因為指標是一種可明確衡量的標準，比主觀的經驗直覺更為可靠，能幫助我們的分層結果更科學客觀。
如積分案例中，關於高活躍低產生、高產生低領取、高餘額無消費等，這些都是定性描述，那具體怎樣算高怎樣算低呢？不同產品根據實際情況都有不同的“尺子”。例如我們可以以週期內大盤平均值作為界定標準：高於人均水平，算高產生/領取/消費，低於人均水平反之。
提取大盤數據後，把不同用戶群與量化標準一一對應：
需要注意的是，用戶分層在產品發展的不同階段會有變化。比如我們區分潛在用戶和活躍用戶，初期我們積分任務少，周產生xx以上就算是活躍用戶了。但隨著功能不斷完善積分任務增多，需要周產生更多才能算我們的活躍用戶。在這個層面上，產品的衡量指標變化，使得用戶分層也在變化。
3、可視化劃分
接下來就是結合定性和定量的結果，根據指標劃分用戶層級了。在層級劃分時，為了上下層用戶清晰，群體間是互相獨立的，不存在一個用戶同時存在多個用戶層的情況，如計算潛在用戶時，應該把新用戶按條件排除，這樣後續投放的運營策略針對性才強。
我們可以用金字塔結構，把表格的數據信息可視化呈現用戶分層佈局。它能反映每個用戶層之間大致的漏斗形體數據關係，以及自下而上的狀態演進關係。我們理想的情況，是讓更多處於金字塔底部的用戶一層層往更高階段的用戶層成長。
看到這裡，可能會有童鞋覺得用戶分層與漏斗模型看起來有點像。其實兩者的關注點是不一樣的，漏斗關注的是層級之間的滲透率，而用戶分層則聚焦於每一層用戶本身。
第五步：制定針對性策略
經過各種定性定量的步驟把用戶層級明確下來了，而後續的優化策略才是重頭戲。這是一個精細化設計的過程，我們最終要實現的是策略都用在對的地方，把每一份投入產出控制在合理的區間。此時我們可以把每個層級單獨抽出來看，基於此層級的用戶痛點來轉化設計目標，制定優化策略。下面以“興趣用戶”這個用戶層為例，講解針對性策略的推導：
興趣用戶是一個需要重點優化的用戶層，是向最高價值的忠實用戶層級遞進的轉折點，而數據折損又比較大。這批用戶主要特徵是領取積分有高餘額但沒去消費。
而對於積分消費玩法，業界有比較多的案例了。歸納了典型的類型結合項目實際進行分析：其中直接兌換獎品的形式也是我們目前的做法，行業上顯得有點千篇一律了，吸引力很難持久，是否能有一些更貼合用戶個性需求的玩法？另外，積分抽獎和養成玩法互動性都比較高，前者從性價比來說更優。
那我們的興趣用戶會喜歡怎樣的玩法呢？還要從多維度認識一下這個層級的用戶畫像，通過定量分析，發現興趣用戶這層群體是學歷較低三四線城市的青少年、中老年男性，整體比大盤用戶更下沉（如下圖）。他們不排除是一些留守少年和老人，手機是其重要的陪伴工具，孤獨焦慮、自我價值實現等是突出問題，精神激勵或許是個突破點。
結合基於項目實際的案例分析和用戶畫像分析，推導出兩個優化方案：
策略1、積分許願——滿足進步與成就感知的個性化激勵
這是個性化需求結合精神激勵結合的一個方案，鼓勵用戶許下願望，每天進步一點點去努力實現它。方案呈現上，通過前置了目標，通過許願的包裝來提升動力，每個用戶進來看到的目標都不一樣。在過程中用進度條塑造進步感知，目標達成的時候也可以及時反饋。根據用戶反饋增加了兌換時間和信息的貼心提醒，降低挫敗感。
策略2、積分試手氣——滿足用戶未知和好奇的娛樂消費
試手氣玩法是綜合積分消耗效率、實現成本和滿足用戶精神需求的考慮。它可以滿足用戶的投機心理和對未知的期待。對應的策略上，新增了試手氣賺取的模塊，把積分兌換轉移為積分娛樂消費，增加不一樣的積分消費的方式來加快積分消耗。而且這些模塊都是可以用模版快速實現的，可快速迭代試行。
在實踐中，由於每個層級情況不同，可能需要用不同的推導方法，有些要經過反覆推敲有些則可快速驗證。此時可結合項目資源，判斷當前是全部優化，還是選擇個別優先級高的驗證數據，再進行其他用戶層優化。
第六步：方案驗證與數據閉環
策略落地後，別忘了跟進數據閉環，去驗證方案是否有效，是否達到預期效果。這裡的效果，除了看每個層級的行為數據是否有提升，最終還要回歸到大的產品目標。如積分案例中會去看最終會去看用戶積分消費率和在產品大盤的活躍數。
在驗證方案時，如果有不同方案難以抉擇，可以用abtest做策略評估，因為同一分群用戶基本變量一致，比較適合去做abtest。最後，由於初次做的分群不一定就是最完善的，所以根據數據反饋結果，我們可能還需要不斷完善分群。
至此，我們就完成了一次完整的用戶分層了，不知道大家學會了沒有？
總結
其實用戶分層只是代表一種思維方式，對於任何產品，我們都可以定義影響用戶的關鍵行為，然後量化這些行為的指標，再對這些指標進行交叉分析，挖掘用戶個性的潛在需求，實施精細化的設計策略。在整個過程也有一些設計思考：
以人為本 產品設計都是圍繞用戶展開的，不論是做用戶分層還是其他項目，都要立足用戶，發現用戶成長中的阻礙，結合業務目標尋找機會點。
數據驅動 定量研究的方式在用戶分層中起了關鍵作用。特別是在大數據時代，更需要利用好數據去驅動設計，在數據落差關鍵點發力，最後再用數據靈活驗證完成閉環。
精細化設計 現在都講求小步快跑，快速迭代。在設計上，可首先考慮在原有的場景中深挖或拓展，而不是動不動就大改版，最後規範化去提升價值，提升設計策略的性價比。
作者：viviheyfeng，騰訊無線安全產品部設計組
