用戶標簽、用戶畫像、用戶分群、用戶分層、用戶細分……很多做用戶分析的同學，會被這幾個概念繞暈。今天系統講解一下。一圖以敝之，這幾個東西關系如下：

圖片

用戶標簽是基礎

用數據描述一個用戶，有標簽和指標兩種方式

指標：連續型數據，比如過往3個月消費

標簽：分類型數據，比如用戶性別、居住地

有了豐富的指標和標簽，才能對用戶進行描述。

之所以單獨強調用戶標簽，是因為大量未經分類整理的指標很難用，對業務直接意義不大。標簽可以做得很復雜，可以附加業務含義。這些帶了業務含義的標簽，甚至可以直接組合出業務落地方案，因此非常好用。

圖片

用戶畫像是底座

大量的用戶指標與標簽，形成了用戶畫像。用戶畫像是一個統稱，通常一講用戶畫像，大家都知道是在說用戶的指標與標簽問題。用戶畫像是數據服務業務的底座，有了用戶畫像才可以進一步地工作。

用戶分群是方法

用戶分群是用戶畫像運用的方法，即不把用戶視為一個整體，而是從用戶特征、行為等方面找差異，劃分為不同群體。比如按性別、年齡、城市、消費多少、活躍程度進行劃分，分為不同群體。

分群以后，能便于業務更好地識別不同類型的用戶，做精細化運營動作。簡單的用戶分群，可以直接拿用戶標簽（特別是物理特征）做分類，復雜的分群，則可以用更多數據。用戶分層就是一種典型的復雜分群。

用戶分層是一種特殊的分群

如果把分群的標準，定為用戶價值的高低，這種分群就是用戶分層。用戶分層不只是簡單的分群，而是要區分出價值的高中低，從而更進一步地進行服務。

圖片

注意：“價值”本身，可以有很多種定義

1、活躍價值：用戶在平臺登錄次數多，活躍時間長

2、轉介紹價值：用戶會轉介紹很多次，帶來很多新用戶

3、歷史消費價值：用戶歷史上累計消費很多錢

4、未來消費價值：用戶未來會消費很多錢

因此討論分層前，首先要搞清楚分層的標準，該用何指標定義。

定義指標以后，就可以著手進行層次劃分了。很多同學會糾結到底分界線定在哪里合適。定分界線的原則是：

1、分層后，各層級有明顯區分度（10%或更多）

2、分界限本身簡單清晰，容易辨識

3、分層后，每個群體的規模足夠大，有價值做

只要符合這三個標準的，都是好分層。

圖片

另一個分層的注意事項是：要區分歷史行為和未來行為。很多同學做分層，就只知道拿歷史消費，歷史活躍數據。這樣是有風險的，因為歷史消費高不見得意味著未來消費高，特別是這種歷史消費高峰是在促銷期，或者買耐用品買出來的。這時候用戶是很少有未來消費需求的。拿歷史消費記錄排個序，就說：這是我的高價值用戶 or 這是我的優質用戶，很可能在未來被打臉。

所以歷史消費與未來消費之間的關系需要驗證一下，如果不直接掛鉤，可以試著從用戶特征等方面進行區分。

明著分/暗著分

注意，用戶分層有明分和暗分兩種，明分，即向用戶公開分群規則，比如1年內消費滿1萬成為金卡，金卡用戶可以享受3888入會大禮包和9折購物優惠。

暗分，即內部設定好標準，比如A類用戶促銷敏感度低，B類用戶促銷敏感度高，之后在抽獎的時候，不給A類用戶中獎，只給B類用戶中獎。明分和暗分，在業務上、數據上，會產生明顯的效果差異，所以在實操的時候一定要分清楚。

明著分，能直接拉動用戶消費，促使用戶升級。只要給的獎勵夠吸引，你可以看到一個普通用戶一夜之間變成VVVIP。因此如果要公布分群規則，最好直接把這種分群當成促銷活動。考核額外給到的資源、新拉動的消費數量，評估分群效果。

圖片

注意，這么做也是有限制的。

1、分群規則不能復雜，否則用戶看不懂，一切白搭。

2、分群獎勵門檻要高，否則躺著進來的人太多，成本會爆炸

3、分群獎勵要夠給力，否則沒人為三瓜倆棗掏腰包

4、身份認證要做好，否則幾個用戶湊一張金卡薅羊毛也是常事

5、獎勵重疊要控制，避免金卡優惠和其他優惠重疊太多，成本失控

暗著分，其實就是大數據殺熟，暗搓搓地搞價格歧視。暗著分在控制成本、拉動運營指標上比明著分更有效果。

比如運營部門發現最近轉化率降了，如果直接搞大促銷，有相當大一部分成本是被原本就會消費的用戶薅走的，那么可以通過復雜的內部規則（或者干脆訓練購買預測模型），找到更大概率不會自然消費的用戶，只針對他們投。這樣暗箱操作，可以讓成本更少，指標提升效果更明顯。

圖片

不過這樣做也有前提條件：

1、有封閉信息，直接推送給用戶個人的APP/小程序

2、用戶的活躍度得高，得有能力接收到信息

3、下單時間有限制，避免用戶多平臺比價/更換賬號比價

而且，一般暗搓搓地給優惠，沒法直接丟3888大禮包，也不方便直接收用戶1萬元。意味著這種暗搓搓做法不太適合做消費量，更適合打轉化率，讓用戶小花幾筆錢，先下兩單。

但是這樣也有問題，就是轉化低用戶活，躍率很有可能也不高，如果用戶不活躍，是收不到推送信息的，后邊的分層推送也就沒機會了。所以還是需要有一些大規模的宣傳/促銷做支持，先解決活躍問題再說。

那用戶分層和推薦系統又是啥關系？

看到這里，肯定有同學會聯想：那推薦系統和用戶分層又有啥區別？不都是推個東西給用戶嗎？

雖然都是推個東西，但是解決的業務問題不一樣：

推薦系統解決的是降低用戶搜索難度，不用搜海量商品的問題。

用戶分層解決的是拉動用戶消費，提升用戶活躍的問題。

很多公司的SKU就一二百款，產品線就5、6個，即使搞推薦系統，搞來搞去也就那幾款。而電商/短視頻平臺的SKU動輒以億為單位，所以必須得搞推薦，不然咋展示呀。而即使只有1個SKU，用戶也有高中低消費的區別，也能結合用戶畫像，找到誰是我的高端消費者。所以用戶分群和分層應用范圍比推薦系統大很多，只要是個公司都可以用。