实例解析：关于用户分层下的设计探索

　　用户分层是用户运营中常见的一个概念，简单理解就是指将用户分为不同类型，并根据不同用户提供差异化的内容和服务。本文主要介绍几种常见的用户分层思路，并结合实际案例讲解用户分层下的一些设计探索。
　　一、为什么要做用户分层
　　随着移动互动网的发展，人口红利的消失，各大厂商都面临着流量的挖掘和留存的问题，公域流量竞争激烈、获取成本高，私域流量也由于用户的越来越多元化而变得粘性匮乏。
　　在这种环境下，一方面是要扩展更多红利渠道、进行圈层精准引流，另一方面，则是精细化运营思路，为核心流量建护城河，用最小的成本使用户价值最大化。因此，不管是对新流量的精准引入，还是对现有流量的精细运营，最为关键的手段就是“用户分层”。
　　通过对用户进行细致的划分，并进行“差别对待”，于用户而言，可以真正做到满足各类用户所需，极大的提升用户效率；于业务而言，也通过为不同用户制定更精准的运营策略，使运营资源能够更高效利用，并带来业务数据的增长。所以，用户分层作为精准化的重要手段，能够为用户和业务带来的价值也是显而易见的。
　　二、如何进行用户分层
　　用户分层的思路有多种，划分维度可简单可复杂、层级可大可小，那么应该如何选择适合的分层方式，每种方式应该如何使用呢？
　　1。通用的用户分层模型
　　首先介绍几种比较常见的用户分层模型，它们涵盖范围比较广、有严谨的用户划分逻辑，几乎可以通用于大部分的需求场景。
　　RFM模型
　　R：最近一次的消费时间（Recency）
　　F：一段时间内的消费频次（Frequency）
　　M：一段时间内的消费金额（Monetary）
　　图21RFM模型
　　RFM模型按照用户价值状况进行划分，如果将每项指标分两个级别，进行组合可以分为8种基础的用户类型，当然每项指标里的价值维度如果继续细分，例如消费时间可以从笼统的远近细化到一周内、一月内、半年内等等，消费频次可以按照不同时间段内的复购次数拆分，消费金额也可以按具体额度范围继续拆分，如此再进行组合，将可以得到更加细致的分层，那么就可针对不同价值级别的用户调整资源倾斜力度、运营策略等。
　　AIPL模型
　　Awareness：认知，针对对应纯新用户
　　Interest：兴趣，有过相关浏览、加购、关注等行为，但未进行下单的那些用户
　　Purchase：购买，有过下单行为的用户
　　Loyalty：忠诚，有过较高复购行为的用户
　　图22AIPL模型
　　这个模型对应的也是用户的成长路径，每个用户都是从认知开始，才慢慢变成购买或者忠诚，所以需要做的，就是引导用户不断往更上一层发展。
　　所以，我们可以根据不同的阶段的用户诉求，设计更合理的内容，例如针对认知型用户，可以进行种草推荐，激发他们的兴趣；兴趣型用户，需要了解他们未行动的原因，解决转化阻碍；购买型用户，需要唤醒需求刺激更多下单；而忠诚型，则可以进行更多体验细节的优化，让他们更加简单、效率的完成购买。
　　AARRR模型
　　Acquisition：获客，引入流量
　　Activation：激活，刺激用户参与
　　Retention：留存，减少用户流失
　　Revenue：变现，提升下单转化
　　Refer：传播，促进分享和复购
　　图23AARRR模型
　　AARRR模型来自于增长的思路，一般来说对应的是整个产品的用户生命周期，但也可以作为某一次活动的转化漏斗来使用，例如在常见的大促活动中，它对应的就是发现浏览加购下单复购，各个环节也会对应具体的数据指标，我们需要做的就是找到各个环节增长的机会点，进行体验上的优化。
　　2。人群标签分层
　　上面的几种模型是从用户购物数据层面进行划分的，模型确立后，用户的层级是相对固定的，主要存在一些占比和优先上的变化，只要掌握了模型就可以快速套用，基本也不容易出错。
　　但是在很多场景下，不一定适合按照这种绝对理性的方式来划分的，如果有更加个性化的诉求，则可以尝试按照人群属性进行聚类的方式来分层，包括：
　　基础属性：性别、年龄、地域等；
　　购物属性：品类偏好、消费金额、消费动机等。
　　图24人群标签分层
　　根据基础属性标签与购物属性标签将用户进行分类，在这种方式下能够划分的用户类型会更加具象化，相当于给每类用户一个专属的身份标签，比如：品质男神、时尚女神、趣玩青年、新潮老人等等，根据他们的具体需求进行个性化的内容设计。
　　至于人群标签划分的颗粒度要细到什么程度，则依据不同业务需要来定，划分越细当然能更精准的命中用户，但同时也会带来更高的运营成本，因此可以结合自身实际情况来选择。
　　3。定向分层
　　以上的一些分层的方式，都是相对分类比较全面的，比较适用于用户量大的综合类项目，所以在一些小项目或有特殊需求项目中，也可以根据目标和问题进行定向分层。
　　图25定向分层
　　首先，可以根据业务目标来制定分层的方式，例如我们活动目标如果是拉新，那么可以把用户划分为老用户新用户，新用户又可以按照来源渠道进一步分层；如果业务目标是进行市场下沉，则可以分层为一二线用户下沉市场用户，下沉市场用户也可以进一步细分这样的分层方式可以更加直接的聚焦到核心目标人群。
　　其次，可以根据需要解决的重点问题进行分析，再有针对性的提炼分层维度，例如某个活动的跳失率很高，那么可以去分析哪些用户跳出高，原因是什么，针对这些高跳出的用户可以提供什么差异化的服务。
　　三、用户分层设计策略
　　针对不同用户类型进行差异化的设计，需要从流量和人货匹配两个核心问题进行思考。
　　1。流量
　　常规活动流量灌入同一会场，用户分层下如何做好流量的切分和承接？
　　梳理分层人群匹配逻辑
　　当我们确定好分层用户类型后，首先需要进行人群匹配逻辑的梳理，后台算法将用户进行识别和分类，前台根据用户标识匹配不同的展示样式。同时在这个过程中需要考虑一些特殊情况，如当用户未登录时、或用户数据获取不到时，是否有默认样式等。
　　从入口渠道就开始进行分层设计
　　谈到精细化运营，大多数时候我们做到的都是流量置入后的精准匹配，但是真正意义上的精准，应变是从流量置入前就需要考虑的。在流量入口上，根据不同分层用户展示差异化的素材样式，在引流渠道上，根据分层用户占比和优先级进行资源分配的优化，这样才能使流量更加精准高效的引入。
　　2。人货匹配
　　常规活动给所有用户呈现的相同的会场页面，用户分层下如何进行千人千面的设计？
　　根据不同用户提供精准的内容
　　精准的内容，是实现精细化运营最核心也是最基础的要求。常规的活动会场，页面的内容是千篇一律的，所有人看到的都是相同的商品、品牌、优惠券，用户分层的设计思路，是根据分层用户特征来推导设计目标，进而制定具体方案策略，从内容上进行精准命中。
　　以酒水品类活动为例，我们按照4A模型将用户分层为路人型（认知）、意向型（兴趣）、小酌型（购买）、酒鬼型（忠诚），将进行内容层的匹配。
　　图31根据分层用户提供精准的内容
　　根据不同用户规划差异化的浏览动线
　　不同的用户的内容诉求不同，那么页面的组织结构自然也不同，基于前面的设计目标和方案策略，对页面的内容优先级、楼层顺序进行梳理，以匹配不同用户的浏览习惯、最大化的提升他们的浏览效率，例如酒水活动中以“酒鬼型”和“路人型”为例，可以对比看到两种用户动线的差异。
　　图32根据分层用户规划差异化的浏览动线
　　根据不同用户设计个性化的模块样式
　　在内容和框架确定后，最后就是具体模块的设计，也是往往容易被忽略掉的细节。很多时候都是做到框架的分层，原子模块基本复用，但是更加友好用户分层，是在模块的形式、信息结构上都可以追求更加极致的个性化，甚至一个坑位的大小、颜色、图片风格等等都可能对不同用户最后的决策造成不同程度的影响。如酒水活动，同样是单品模块，也可以进行更加个性化的设计。
　　图33根据分层用户设计个性化的模块样式
　　四、结语
　　用户分层是精细化运营的重要手段，在购物场景逐渐多元化、个性化的趋势下，越来越多的平台都在进行着各种用户分层的尝试。很多无论是在算法层面，还是运营层面都已经做的非常成熟，润物细无声的影响着用户的行为，在用户分层这条路上我们还有很多需要去积累和沉淀的东西，也希望未来可以有更加成熟和创新的想法可以再与大家交流。
　　参考文献
　　1。RFM模型百度百科
　　2。AARRR百度百科
　　3。用户分层模型，让你的设计看起来更专业
　　4。如何进行用户分层，实现精细化运营？利用RFM用户价值模型
　　5。如何做适合自己产品的用户分层用户分群