众多企业追求精细化运营,用户画像、千人千面成为企业数据驱动的必谈热词,但是谈到如何落地,很多企业不得其法。

用户分群是企业精细化,数据化运营的前提,将用户信息标签化,通过用户的历史行为路径、行为特征、偏好等属性,将具有相同属性的用户划分为一个群体,并进行后续分析。

普通用户分群与预测分群

普通用户分群——分析用户属性与行为特征

普通用户分群按照用户特征,对用户进行手动分群,将用户标签化。基于用户的个人属性、行为特点等,将部分用户抽取出来,有针对性地进行精细化运营。

预测用户分群——通过机器学习算法预测事件概率

预测分群是根据用户以往的行为属性特征,运用机器学习算法来预测他们将来会发生某些事件的概率互联网金融产品常常会用到预测用户分群的功能,对用户投资偏好进行预测。

用户分群两大价值

由于群体特征不同,行为会有很大差别,因此运营人员或者产品人员希望可以根据历史数据将用户进行划分,将具有一定规律特性的用户群体进行归类,进而再次观察该群体的具体行为。

用户分群既可以独立使用解决问题,也适用于和其他数据分析模型,如漏斗分析、事件分析等结合,从多个维度拆解指标,产生如下两大价值:

第一,帮助企业打破数据孤岛并真实了解用户。

用户分群可以帮助企业了解某个指标数字背后的用户群体具备哪些特征:他们是谁?行为特点有哪些?偏好是什么?潜在需求和行为喜好是什么?了解用户是做好产品和服务的第一步。

第二,定位营销目标群体,帮助企业实现精准、高效营销。

清晰勾勒某特定群体在特定研究范围内的行为全貌,并定义目标人群,是运营人员信息推送的前提。运营人员根据需求对特定目标人群完成精准信息推送工作,如召回流失用户、刺激用户复购等等。完成特定人群的精准信息推送工作后,可实时分析,全方位了解营销效果。帮助企业与用户实现精准高效的信息互通。

三大行业场景详解精细化运营

场景一:识别高价值用户

以直播产品行业为例。高黏性与高频消费用户的行为观察是产品经理和运营人员工作重点。

例如某运营人员可以筛选出过去 30 天内、等级 10 级以上、有“留言”和“点赞”行为,并且付费礼物送出次数超过 10 次的用户,视其为高黏性且高频消费用户,对其进行分群定义。

运营人员通过事件分析观察这部分用户群体近期的行为表现,从而可以看出该用户群体的人均观看时长与其他用户存在明显差别。

图1 部分用户列表

图2 高频花费用户与非高频花费用户观看时长人均值比

场景二:互金行业唤醒“沉睡”用户的精准推送与效果评估

某互联网金融客户为“唤醒” 2017 年 1 月注册且浏览过征信页面(通过分析发现,用户浏览征信页面后,后期的留存率较高),但未进行投资的用户,并向该群体推送“将于 1 月 20 日起发行贺岁版理财,预期年化收益率高达 9.50 %”的信息。为锁定目标人群,运营人员通过如下用户分群进行了筛选。

图3 筛选营销目标群体

对完成信息推送后,运营人员可进行多维度分析,了解推送后效果。如该互联网金融客户完成精准推送后,用户可在投资流程转化漏斗中再次查看用户转化情况,评估推送或者产品优化效果。

如下图,推送后该部分用户整体转化率高达 78.26%,未进行推送的人群转化率为 77.83%,说明这是一次精准的营销。

图4 营销效果转化率展示

场景二:企业级服务(To B)“召回”流失客户的精准推送和效果评估

某 To B 企业客户,以投资到期之后再次投资作为留存的标准,近 8 周用户流失情况如下。在完成筛选工作后,企业运营人员可在用户明细页面上,直接将该用户群体进行定义,在此基础上完成精细化推送工作。

图5 某企业近 8 周用户流失情况

在该页面上,企业运营人员可以点击留存数值,即查看流失人群的详细信息,并可以直接创建用户分群显示名为“流失用户”,并推送信息,以刺激其申请产品使用。

图6 神策分析集成推送

在大数据时代,为适应不断变化的外部市场环境,提升客户黏性,企业不断加速数字化营销转型。其中,提升营销效率、提高营销精准度是企业首要战略目标。以上三个场景都将“以客户为中心”理念真正贯穿精准营销的全流程,重构企业核心竞争力。