用户分析是什么意思（用户分析有哪些）

一篇文章教你打开用户分析正确姿势

无论是运营岗位还是产品岗位，用户分析是我们经常需要做的工作。有些人以为做张表，将用户的年龄、性别、地域、在线时间、免/付费等信息做下对比，然后根据表格发现用户某些参数低了，就直接开始进行整改。那么我告诉你，这样做完全是无用功，并不能有效的ROI/KPI增长。那么我们的企业用户分析要怎么做？今天我们就这个问题来做一个系统性的分析。无论我们的表格做的数据多漂亮，你用的柱状图还是饼状图，那个都是停留在表格上的数据，没有明确的目标和可执行的细节所作出的用户分析都是扯淡。下面我们将用户分析分成两个层次展开来说：

一、目标

所有的分析都应该有一个目标，通过这个目标来引导我们有意识有针对性的去做分析，不然我们分析会迷失在数据表面，不能真正到达用户核心诉求。

1.在用户数据里面，我们需要了解我们企业核心用户是谁？我们企业业绩主要靠谁来完成？

在企业客户里面，我们要了解我们业务构成里面，哪写客户做了最多的成交。这些成交里面，各种客户占了多少比例。通过客户占比，我们会发现买单的客户会有几种等级范围的分化，那么我们需要知道占最大比例的客户是谁？他们的潜力如何？能不能持续给我们带来业绩增长？成交低的客户我们是否需要继续维持？这些低占比的客户以后是不是有提升空间？

通过系统的分析，我们可以对人群进行详细的对比，了解我们当下需要服务什么人群？什么人群需要剔除？潜力人群是谁？这样也可以在本不多的预算，进行精细化的分配，将好钢用在刀刃上。

2.在用户数据分析里我们要了解我们获得用户/客户的方式，我们企业的客户是层层筛选出来的还是培养出来的？

通过数据观测，我们需要了解我们用户/客户的来源方式，不同行业不同领域的客户来源各不相同。正确的分析出客户来源，可以更高效做业绩突破。

比如我们是做房子、汽车销售的，那么我们客户就需要通过筛选来完成，这样不仅节约时间，更能用营销广告来做大面积的筛选，从获得精准的用户。

如果是餐饮、服装零售，那么我们就需要培养忠实的客户。因为我们即使筛选了30公里外的客户，客户也不能驱车30公里到我们的饭店吃饭。所以我们需要在我们当下客户服务范围做好用户经营，让用户有习惯反复回来消费。

3.在用户数据分析上，我们要注意获客成本的测算。我们获取一个客户的时间是多少？投入是多少？

无论我们是在培养客户还是在筛选客户，我们都要了解获得这个客户的时间成本、资金成本、收益，通过这些数据，我们找到那些客户投入少收益高，从而改变我们日常获客和维护客户的手段方式。具有随机性的客户，大多都是临时起意，因此我们不必要当做经营的重心。我们的重心应该是高客单价低投入，或者高投入高收益。比如我们销售某种设备，我们通过筛选出来客户，进行跟踪转化；而平常我们身边的超市饭店里面，经常通过买赠或者打折的手段，来达到吸引客户培养客户的目的。

总结：有了上述的内容，我们可以制作成用户价值图，在价值图里面我们可以清晰了解到我们的核心客户是谁，他的商业价值高低；我们的客户需求轨迹变化是什么样？我们促进客户转化的关键词点是什么，每个客户的转化成本周期是多少？有了这些能够可量化可操作的目标，那么我们就可以去制定详细的用户获取计划了。

二、计划

用户计划作为日常执行的内容，这个时候的用户分析就变相对简单。因为在目标维度，我们已经分析了影响用户的入口来源、投入产出，那么剩下的就是或可过程管控。

此时我们需要了了解客户的习性，如喜欢什么促销活动、喜欢什么样的文案、喜欢什么样的渠道展示、喜欢什么样的服务或者产品，通过这些内容我们给客户打上不同的标签。

有了详细标签，那么在运营过程中，我们就能根据客户不同喜好和不同需求程度，去制作不同的展示广告和文案，然后将这些广告进行千人千面针对性的展示。

为什么我们有些运营or产品做用户分析总是分析不到点上，通过上述的内容，我们可以知道原来用户的数据分析有目标分析和计划执行两个维度的内容。如果只是停在表层去做分析，那么只能看到冰山一角！

用户分析

经常有同学抱怨：我们公司的用户分析做得太挫了。虽然数据列了很多，可都是简单的把用户按新老分个类，然后对比下性别、年龄、活跃时长、付费的差异就结束了。最后丢一句“新用户搜索功能用的少，建议搞高……”这分析完全没用处呀！用户分析到底要怎么做才有用？今天系统解答一下。

首先大家要明白：简单的拉个交叉表，丫就不叫分析，丫就是一张表而已。做数据分析，要有清晰的目标和可落地的细节才行。在用户分析领域，则是分成了策略/执行两大类专题。

一、策略层用户分析

在策略层，用户分析要着力解决三个核心问题：

1. 重点用户是谁：我的业务，依靠少数高层次用户，还是大量低层次用户？
2. 获得用户方式：我的目标用户，是通过筛选得到，还是通过培养得到？
3. 投入产比比测算：获取/培养一个合格的目标用户，需要多久，投入产出比多少？

问题一，是事关业务成败的关键。因为高中低用户层次，需求天生不同。如果选择满足少数高层次用户，意味着一定有非常高的新用户流失率，一定要提供足够有吸引力的，让普通人望而却步，让有钱人显得足够尊贵、足够爽的产品与服务才行。如果选择满足大多数人的需求，薄利多销是必然的（如下图）。

很难有一个业务满足所有层次人的需求，必须有所取舍。在业务到一定规模之前，得先服务好某一个群体，才能建立品牌形象和口碑。因此，用户价值分层分析，是非常重要的。并且不能光看实际用户的数据，还得和目标群体做对比，来判断是否打造的品牌还不够高端，还得再加码。

问题二，是设计执行方案的思路来源。并非所有的客户都能培养，很多高端服务，比如金融、汽车、房子、商业投资、甚至美容保健，天生需要高端客户才能受用的起。此时只能做筛选，大浪淘沙的从大量新用户中，挑选出符合目标的。而零售、餐饮等行业既能走培养忠实用户的路线，又能走高端路线，此时就得业务方自己很清醒：我到底要做培养，还是筛超高端用户。

在数据上，观察培养与筛选的区别，主要看用户的需求是否会随着与我司关系深入而增加，以及能否被我司营销行为影响。如果经过长期相处与反复投放，都很难提升用户表现，则说明至少在当下我司力所能及的范围内，用户是无法被培养的。如果有某些措施能明显提升用户表现，则说明这个手段是好的培养手段。

问题三，是设计执行方案的尺子。给用户的补贴不可能无休无止，底线在哪里，要考获客/培养用户的投入产出比测算。

如果用户行为本身发生的很随机，则测算可以简化。比如啤酒、瓜子、矿泉水一类零食，用户购买可能完全是临时起意，没啥深入思考，也没啥忠诚度可言。此时只靠按单次广告投放核算成本即可。只要每次投出去的商品能赚钱就行。

比较有挑战的是需要培养才见效的用户。比如做美容，可能头三次都是为了吸引用户充卡加会员做的体验服务，收费很少，只有在体验期充卡的才能赚回利润。这时候就得把握：有多大比例用户转化，转化用户利润是否能覆盖体验用户的成本。

解决了策略问题以后，汇总的输出成果就是一张用户价值分布地图（如下图），在这里要清晰的展示：

• 我依靠的用户群体是谁，有多大商业价值？
• 用户成长轨迹是什么，获客以后多长时间能达成期望产出？
• 用户成长关键节点是什么，节点上业务动作是啥，往下一阶段的转化率/留存率是多少？

回答完这三个问题，策略层面就算做的差不多了，可以探讨执行层面了。

二、执行层用户分析

到了执行层面，用户分析反而变得简单了。因为在执行层，核心解决的问题就是：如何让用户响应我的策略。一条具体的策略，比如“促进用户二次消费”，落实到执行层，就是具体的：

1. 在什么时间（看自然时间 or 用户生命周期时间）
2. 用什么渠道（站内广告页、站外广告、短信……）
3. 用什么文案（利益型、感情型、蹭热点型、……）
4. 搭配什么商品（同类商品、关联商品、热销商品……）
5. 给多少优惠（积分、礼品、优惠券……）

这一整套信息推送到用户身上，之后期待用户能产生响应（如下图）：

在执行层，更多是大量的响应分析，看我的运营手段，是否能达成目标。如果只看一次推送的响应，收获会很小。如果把围绕同一目标的历次执行摆在一起，就能发现很多规律。比如下图，针对用户首单购买，讲多次推送列列清单，能发现更多问题。

此时，可以利用历次数据，同时给用户和业务打标。

• 用户标签：活动偏好、促销敏感度、渠道偏好、内容偏好
• 业务标签：XX渠道/内容/产品，更容易吸引XX类型用户

这些标签是可以直接指导业务行为的。在已知用户偏好的情况下，可以直接按标签组合，生成运营策略，所谓的自动化营销（Marketing Automatic简称MA）就是这个思路。

也可以把一个用户群体的所有标签摆在一起，看群体需求。比如发现高价值群体都更偏好某一类产品，则可以相应开发搭配产品、升级版产品。

也可以基于执行层的结果，反向影响策略。比如原来用户成长轨迹里，在1个月左右有明显转折。经过运营操作，用户生命周期已延长，到3个月，但响应成本也在增加。此时可以考虑在第2、3个月，阶梯性增加高利润产品推送，来弥补成本损失，保持高收益。

小结

什么很多公司的用户分析做不出东西来，原因已经很清晰了。

• 没有策略层分析，每次都用性别、年龄、累计消费、活跃这些简单分类维度划分用户，把各种类型混杂在一起看平均值，模糊了重点。
• 没有策略指引，执行层做的非常散，总是针对一次次零散活动搞评估，不注意围绕一个目标多测试几次，也没有同一群体多次活动对比。
• 没有标签积累，总是零散的看各种数据，不沉淀标签，不验证标签。虽然看似做了很多，但缺少表现稳定的标签。

这样总是没头苍蝇一样，肯定没结论积累。当然，不见得每个公司的运营，都能很清醒的先定策略，再做执行，再复盘积累标签。很多公司的运营，也是头疼医头、脚疼医脚，看着活跃低了就上大转盘，看着新人少了就砸一波流量，看着转化低了就猛发券。这样在执行层做出来的事情很零散，对积累数据经验是很不利的。

但是作为数据分析人员，策略层的洞察是不依赖执行的，完全可以自己多做，这样加深了自己的策略认知，再回头看执行层的数据，也更容易得出结论来。看到这，肯定有同学想看：用户标签到底怎么打。

转载请注明来自专注小红书笔记推广,教程,推广 - 素仁帮，本文标题：《用户分析是什么意思（用户分析有哪些）》

标签：用户分析