用户分析体系,该如何搭建
无论是对于产品还是运营来说,做好用户分析都能起着极其重要的作用,它能帮我们明确产品规划、运营的方向。本文作者借此文详细分析、总结了搭建用户分析体系的方法,一起来学习一下吧。
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。
一、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:
用户填写的表单信息
用户消费的历史记录
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。
1. 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)。
2. 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。
3. 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:
用户消费频次
用户互动频次
看清大盘,找准发力方向(如下图)。
4. 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:
谁是高价值用户
用户从哪里来
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!
5. 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。
二、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。
三、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。
作者:【接地气的陈老师】
来源:微信公众号“接地气学堂(ID:gh_ff21afe83da7)”
赞 (0)