编辑导语：用户运营是一个比较冗长的过程，我们需要对用户进行管理和活跃，以及最后的转化；并且如今的“精细化运营”也是运营人员的一种方式，可以更好的活跃和转化；本文作者分享了关于活跃用户的分析，我们一起来了解一下。

　　“活跃用户怎么精细化运营？用户分层和用户分群到底有啥区别？口号喊了千万遍，精细化何时能实现？”

　　新用户体验到产品的核心价值后会花费更多的时间和精力在产品上，逐渐成为产品的活跃用户，活跃用户是比较认可产品的价值、愿意为产品买单或背书的用户，他们不仅会贡献自己的价值，对于产品的品牌建设也非常关键，所以活跃用户运营的重要性不言而喻。

　　活跃用户的运营是个很大的话题，今天只是尝试从一些特定的角度来探讨这个问题，虽然不能一次性把这个话题讲完讲透，但是希望能抛砖引玉，给大家一些思路和思考。

　　过去市场更关注如何大规模、低成本获客，随着人口红利逐渐消失，获客成本越来越高，现在，越来越多的人关注如何提升单体用户价值，把钱花在刀刃上，让不同的用户享受到不同的服务，让用户感受到温度，让产品有灵魂。

　　于是，“精细化运营”诞生了，提到用户运营，就逃不开“精细化”，它好像已经成为运营人的基本操守，跟别人交（chui）流（niu）的时候少了这些词汇都不好意思说你是搞运营的，但精细化运营到底是什么？又该怎么落地呢？

　　所谓精细化，第一个就是精准，第二个就是细分，两者相辅相成，缺一不可，想想要做到精准就要进行细分，胡子眉毛一把抓永远留不住用户，最理想的情况就是千人千面。但是如何对用户进行细分呢？这里介绍两种很常用的方法：用户分层和用户分群。

　　用户分层vs用户分群，看似差不多，但在定位和目标上还是有明显差异的。用户分层，是基于大方向的划分，你希望用户朝什么核心目标努力，而用户分群，则是将他们划分为更细的粒度，便于针对性运营提高效果，两者相辅相成。

　　用户分层中的层就是层次层级，比如我们把用户从注册开始使用产品成为我们的新用户开始，到成为活跃用户，再到频繁活跃或者是付费的忠诚用户，再到后期由于其他竞品的出现或者本身产品功能不再满足需求时用户开始沉默到最终流失；这一个生命周期也是一个层次，就像如图所示，那么有了这个分层，我们就可以比较清晰的知道当前用户的组成结构，各生命周期用户成长是否健康。

　　那这样是不是就足够了呢，我们知道很多领域都存在着二八原则，即20%的人贡献了80%的营收，那么对于忠诚用户来说，这其中有部分是人均消费较低的平民群体，也有挥金如土的金主爸爸，对于这样的情况我们就要对忠诚用户在进行细化，分成更精细的组。

　　再比如说，最近产品上新上了信用引导，想看看这个对于新用户留存是否有帮助，或者是开展了一场运营活动，看看核心指标有没有拉升，这个时候就需要对用户进行进一步细分，出现了分群；分群是对分层的进一步细分，分群后便于针对用户进行精准地运营动作。

　　常用的用户分群的方法有我们熟悉的RFM、基于数据挖掘的Kmeans等等。前者是用最近一次消费时间，消费频次和消费金额来衡量用户价值，将用户进行分群，分成高价值用户，一般价值用户，重要挽留用户等等，但是RFM模型的建立需要专家经验，也就是说指标的选择以及各指标阈值的确定都必须有业务sense，而不是拍脑袋决定的。

　　Kmeans主要是通过数据挖掘的方式找出有相似特点的用户，实现物以类聚人以群分，用户进行过聚类后通过分析各组的特点也可以针对性地进行运营。

　　下面我们通过一个案例将用户分层的理论落地，案例仅为便于说明问题而虚构。首先我们假设活跃用户数的变化趋势如下图，乍一看每月的活跃用户数在持续增长，看似还不错。

　　但是我们要警惕的是虚荣指标给我们的错觉，我们可以把累计的用户数放进来，也就是截止到当前的累计用户数，活跃用户数除以累计用户数得到用户的活跃度，表征的是活跃用户占整体的比例，这样一看发现好像比例在逐渐减小。

　　我们可以继续细分，可以根据累计用户数计算出新增用户数，发现活跃用户中很大比例是新增的用户。

　　相似地，我们可以把累计用户分为新用户和老用户，把活跃用户分为新活跃用户和老活跃用户，相似的，可以得到新老用户的活跃度，我们发现老用户的活跃度更低了。

　　我们想要看老用户中到底是怎么了？我们把活跃用户再进行细分，分成活跃、不活跃用户2大类，活跃用户我们包括了新活跃用户和老用户活跃，然后老用户活跃我们又分成了一般活跃用户，忠诚用户和回流用户，不活跃用户主要包括沉默用户和流失用户。

　　我们发现老用户活跃主要是因为一般活跃和忠诚用户的活跃都很少，但是新用户很多，说明我们需要做好新用户引导和留存，同时促使用户向忠诚用户转化。

　　进而可以通过对每个月用户进行细分，分析同一月份不同层级的用户构成，从而判断用户成长的健康状况。

　　但是为了更加清晰，我们按照活跃、不活跃分别看用户的构成，这样的话能更清楚地看到各层用户的健康状态。

　　用户是在产品的生命周期中不断成长的，我们除了会看某个时间点用户的活跃组成情况，我们可能还要关注用户的成长路径：每天有多少新增用户变成了活跃用户？有多少活跃用户变得不活跃？有多少忠诚用户变得不活跃？又有多少流失用户被我们召回等，这样有助于我们更直观地分析用户的去向，更精准地定位问题，从而针对性地进行动作。

　　比如可以通过桑基图的形式展示某产品1月份新增用户在接下来的成长路径，发现在2月份有相当比例的用户没有再活跃而变成沉默用户，需要及时通过运营手段触达这部分用户，以防止其在3月份流失。

　　相似地，对于某段时间的活跃用户或者沉默用户，也可以通过类似的方式进行监控，以便及时了解用户的去向，及时进行干预，以防用户流失。

　　以上通过一个案例讲述了用户分层的思路和方法，下面再通过一个案例介绍用户分群的应用。用户分群中有一些比较常用的方法；比如可以通过经验型的RFM模型，从不同维度对用户进行评价，进而划分成不同价值的用户进行运营；或者通过大数据挖掘的聚类算法等，挖掘大量用户的相似特征实现物以类聚人以群分的目的。

　　这些方法已经很成熟了，而且很多人已经耳熟能详了，就不在这里赘述了。今天给大家介绍另外一种比较重要的分群方法—同期群分析，所谓同期群分析就是针对分层用户的进一步细分，对处于相同生命周期的用户进行分群，看相似分群的效果。

　　一般来说，同期群需要满足：处于相同生命周期，比如研究的都是新用户，或者具有共同的行为用户，这样群内我们可以看时间上的变化趋势，不同群之间对比可以看效果，一般用来衡量产品或者运营优化方案前后的效果；比如2月份我们上了一个新功能，导致3月、4月的新用户留存明显好于1/2月，通过对爹带钱1、2月的新用户留存和迭代后3、4月新用户留存的同期群对比发现优化方案效果显著。

　　我们通过一个案例来说明同期群分析的具体应用，假设我们拿到某个店铺的销售数据，通过数据发现，虽然每个月的销售额和客户数持续增长，但客户的ARPU却在持续下降，客户的购买力是在逐渐减弱么？

　　为了探究这个原因，我们先把客户进行分层，分为新老用户，然后分别对新老用户进行同期群分析。

　　我们首先对1-4月份的新用户的ARPU进行同期群分析，即取每个月的新增用户作为一个同期群，研究不同同期群在首月及以后的ARPU变化情况，发现随着时间的推移，1-4月份新增的用户首月的ARPU在不断提高，说明新用户的购买力是在不断增强的，那就很有可能是老用户的购买力下降了。

　　相似地，我们对老用户进行同期群分析，发现随着时间的推移，老用户的ARPU在逐渐降低，是老用户的购买力下降导致整体用户的ARPU下降。

　　本文尝试从活跃用户的运营出发，探讨如何将活跃用户的精细化运营落地，以及实现精细化运营的2种重要的方法—用户分层和用户分群，并分别通过案例逐步展示了2种方法应用的详细步骤，希望通过理论结合案例的方式将人人吹捧却又鲜有实现的精细化运营落地。

　　但不可否认的是，活跃用户的运营绝不是说掌握了这些方法就可以高枕无忧，用户的认知和需求都在随着互联网的高速发展而不断变化。

　　我们不能指望通过一些固定的方法套路就能搞定用户，一切方法套路都是为了尽可精准地了解用户，为用户持续提供有灵魂的产品、高质量的服务才是让产品长久不衰最高端的方法套路。

　　本文由 @大数据分析与运营星球 原创发布于人人都是产品经理，未经作者许可，禁止转载。

　　题图来自Unsplash，基于CC0协议。