用户分群画像分析，分类模型怎么做？

前段时间我写过一篇文章《定位和维护目标用户群是产品运营的核心》，描述了我们用户运营的四个核心流程:

这四个流程贯穿了我们产品运营的全过程。每一次产品迭代，我们都可以通过这四个流程来指导和检验我们的产品运营，从而让我们的产品运营更有方向性，更专注，更高效。

建立这样的运营思路是必要的，但是到了执行的时候，光靠这个过程是远远不够的。我们需要有针对性的方法和工具。作为一个成长中的年轻运营团队，我觉得可能会经历感知运营、数据运营、精细化运营三个阶段。

第一阶段:感性操作

这个阶段多存在于运营初期，取决于早期运营人员的专业能力和对用户群体特征的了解。总的来说，运营团队和用户群体都是有脾气的，双方交心。比如很多做得好的微信来自微信官方账号，自媒体，前期发展完全靠自媒体写手的自助来获得粉丝的赞赏。

描述:我知道你不知道，你知道我不知道，我们不知道我们是否知道。

但是，随着用户的增加，用户群体的属性越来越丰富和复杂，单一的调性并不能完全满足所有用户的需求。而且随着运营团队的扩大，运营人员的能力和风格也不一样，这也对运营造成了干扰。当感性运营到一定阶段，可能会导致忠实用户的沉默甚至流失，新用户缺乏特色。要解决这个问题，就要通过运营过程的数据分析，找出问题，找出规律，形成比较客观的解决方案。

第二阶段:数据运营。

顾名思义，数据运营就是通过数据分析来指导运营。以微信运营为例。做过微信运营的人一定有经验。每天早上我们打开微信微信官方账号的后台，首先要看用户增长和图文阅读的数据，分析各个渠道的数据，分析某一段时间的趋势。通过查看数据，我们可以轻松监控运营效果，并发现问题。但仅仅从这些宏观趋势图来看，我们很难定位问题所在。

分析问题其实就是找到问题的因果关系，或者以微信运营为例。内容的好坏会影响用户的增减。内容是因，用户是果。但是我们往往把用户数据和内容数据分开看，微信的分析模块也是分开的。不建立数据的相关性，很难发现问题的因果关系。

所以，数据运营最重要的是建立数据之间的关系，用更丰富的全景来看待运营状态。

在微信现有数据的基础上，结合自身业务特点，我做了一个表格，把用户的数据和文章的数据关联起来，每天收集一次。

图注:微信全景数据表格

数据采集是数据操作的第一步。我们需要先确定需要哪些数据，然后如何分析哪些数据。(有技术开发能力的团队可以开发一个模块进行数据采集和分析，没有技术能力的团队也可以依托excel或者一些专门做数据分析的在线平台进行多维分析)

建立全景数据视图的目的其实是为了更直观的做问题的因果分析:

通过用户的成长数据和内容标签，可以更好地分析用户最感兴趣的内容画像，从而引导微信运营者更好地定位内容，而不是单纯依靠个人感觉来运营。

对于网站或app的运营，我们不仅需要建立更多的数据关联，更应该将这些数据做成可视化的运营广告牌，从各个维度监控和分析产品的运营状态。比如把每天的操作做一个全景，全方位的看每天的操作。比如下面这张图:

图像:数据视图

第三阶段:精细化运营。

随着产品功能和用户的增加，用户需求的多样化与产品和服务的多样化之间产生了匹配与不匹配、选择与不选择、喜欢与不喜欢等矛盾。新用户的选择，老用户的激活和流失带来了各种原因。精细化运营就是通过用户分组，为不同需求的用户匹配不同的服务和内容，满足他们的个性化需求，从而在运营中更好地完成推陈出新、推广活动、激活的工作。

既然要对用户进行分组，就要为用户创建画像，更好的区分不同特征用户的不同需求。用户画像可以从多个维度刻画。不同的产品类型有不同维度的用户画像。以医生头条——掌阅医学新闻为例，从四个维度构建用户画像。

图注:四个维度打造用户画像

用户画像的数据来源主要来自三个方面:

(用户行为数据的分析，需要技术团队通过大数据的分析算法，不断总结归纳用户特征，从而形成行为画像。靠运营团队做精细化运营是远远不够的。它需要对产品、技术和运营有统一的认识。)

当我们为每个人建立了这样一个画像，就可以为每个用户精准推送不同的内容和服务，从而满足用户的不同需求。

用户画像建立后，我们要根据用户画像进行精细化运营。我总结了一下，精细化运营分为三个流程:

第一步:对肖像进行分组，找出异同点

注:运行指导模式:AARRR模式

上图是指导我们操作的AARRR模型。首先，运营的主要工作是吸引新用户，推广生活，留住用户。那么，首先要分析新用户是什么样的，活跃用户是什么样的，流失用户是什么样的，这样才能更好的调整产品和服务来满足各种群体的需求，让现有用户更活跃，把流失用户带回来，把新用户带进来。以我们的手持医疗新闻产品为例，我们根据产品状态对用户进行了分层，如下表所示:

图例:用户组分段规则说明

然后结合用户画像数据，最终得到以下分组用户的画像数据分析。

注:用户群体的用户画像分析，行为数据省略。

为了更直观的分析，我们可以用图形化的方式展示不同用户群体的画像和变化(对于一个有技术能力的团队，不如直接开发一套数据视图广告牌，对用户进行分层分析)，由于篇幅有限，就不展示了。

表格还可以根据使用+基础属性和使用+行为属性的不同组合进行细分，从而更有针对性地描述用户画像。比如做案例运营的同事，可能更关注活跃用户中关注案例的人群的特征。比如产品经理可能更关注活跃用户中哪些服务主要是资深医生使用的？

根据AARRR模型，运营的最高境界是转化用户，从而获得收益，实现病毒式传播。所以对于活跃用户，我们可以按照价值来分组，比如普通用户，传播用户，付费用户，B端价值用户。原理是一样的。

第二步:分析原因，寻找对策

我们运营商看到这个表格的时候，发现有些地方和之前完全不一样，比如活跃用户的头衔分布。我们一直以为以低年资的年轻医生为主，但是我们发现高年资的医生比例已经超过了行业内的人的比例，这部分人群更有价值，所以这部分可以修正为我们的目标人群。比如我们的目标人群中有肿瘤科，但是我们的活跃用户中肿瘤科医生的比例并没有想象中的高。那么，会不会和我们的内容比例，和我们推广的渠道有关系呢？然后，再结合其他数据(比如内容的画像)去寻找差异。

如果进一步分析用户群体的画像，光靠基础属性是不够的。我们还需要分析用户的行为属性。活跃用户的行为和流失用户的行为有什么区别？是什么造成了这种差异？活跃用户和流失用户在基本属性上是同一个用户群，在行为上有什么区别？

找到原因，然后想办法解决。这时候产品和运营要一起抓。运营调整会很快见效，但产品调整会比较长期。比如运营会适当增加肿瘤内容的比例和推荐，多做肿瘤内容专题，提高肿瘤医生的活跃度和留存率；该产品可以升级肿瘤频道，推出更多服务与肿瘤专家见面，改进内容推荐算法，推荐更好的内容。

第三步:监控，看效果

找出对策，具体对策对不对，效果如何，这就需要我们在实施过程中不断监控数据。我们不仅要关注用户的增长趋势，还要每周更新我们的用户画像数据，看看人群的转化率和与目标用户群的匹配程度。在这个过程中，我们根据效果不断调整。

另一方面，既要关注用户数量，也要关注用户群体的质量，以满足整个AARRR模式的要求，实现运营目标。制作了一个简单的数据监控图(如下图所示)。纵坐标代表用户的活跃度，横坐标代表用户的价值。如果数据随着运营的改进升级沿着红色箭头方向增加，说明我们的运营策略和执行流程是正确的，否则需要按照上述流程进行调整。

注:监控活跃用户中价值用户的比例。数据是个例，不可参考。

标签

梳理这些方法和模型后，才能真正引导团队更好的分析思考，制定更有针对性的计划，开展运营活动。但是，真正实施起来发现没那么容易，出现了各种各样的问题:

其实大部分团队都会遇到这些问题，因为资源有限。我们总是试图更好的服务用户和客户，却忽略了一个高效智能的精细化运营体系的重要性，这个体系能够支撑内部的运营。所以，要实现精细化运营，不仅需要运营思维的升级，更需要整个产品团队的高度重视，开发高效的运营工具进行精细化运营设计。