发现产品机会点？试试用户分层
作者：viviheyfeng，腾讯无线安全产品部设计组
引言 随着产品发展和用户结构变化，我们的用户不再是一个简单的整体。对于同一功能的不同用户，甚至是同一用户的不同阶段，他们都可能会有不同的痛点和需求。此时如果继续用“一刀切”的普适策略，没有定位到具体用户具体问题，会导致付出资源成本的产品策略达不到预期效果。此时就需要我们进行用户分层。
什么是用户分层？
用户分层，就是区别对待不同的用户进行精细化设计。具体来说，是基于不同用户的行为特征划分为不同的用户群，设计不同的策略来满足其差异化需求，以充分发挥每个层级用户的价值，达成产品目标。实际应用中，用户分层一方面可以帮助我们快速定位问题，找到设计机会点；另一方面有助于提高产品效益，让资源有效地分配在目标用户上。
适用范围
- 产品功能有足够的用户量
- 产品功能需要用户一定时间周期的操作
- 产品运营具备数据埋点能力
如何进行用户分层？
其实网上有很多用户分层的方法，如用户生命周期分层、AARRR模型，RFM模型等等。而在实践中，每个项目的情况不一样，这些方法不一定都能套用。我们要掌握的是其中共通的中心思想：根据指标划分，基于产品目标找到不同用户不同的机会点。所以这次根据此思路，拓展了一套方法。
接下来我会结合WiFi管家积分功能设计，来讲解如何做用户分层的。
第一步：明确产品业务目标
我们不是为了分层而分层，而是看当前要帮助产品解决什么问题，要达到什么效果。因为不论用什么方法做什么策略，最终都是要服务于产品目标的。这个目标作为一个评价标准，可以衡量最终的分层设计策略是否有效。明确目标时，需要先充分了解项目背景和现状，并与项目组达成一致共识，以防方向走偏。
在WiFi管家项目中，团队希望把握下沉市场的趋势搭建产品积分体系，而在第一版方案落地后，发现还有很大的提升空间。当前需要优化积分功能，提升产品活跃、实现商业目标。结合用户量和项目资源情况，我们要从不同用户中挖掘机会点，就需要通过分层思路来打造积分设计。
第二步：拆解用户行为阶段
为了达到产品目标，理想的用户行为是怎样的？这里的用户行为，是需要一定的时间周期积累的，每一个环节都充满变数。拆解用户行为阶段，是通过还原用户使用体验路径，分析影响他们的关键行为以及可能会遇到问题的节点。这里的拆解可以细一些，以便更好地梳理用户所处的流程状态，为接下来的数据分析做准备。
在积分功能中，用户行为概况起来就是积分获取和积分消耗。但这样大而全的行为概述是很难定位问题的。把两个环节进一步拆解，从用户进入软件到最后成功消费，还可以进一步细化为：进入软件-认识积分-产生积分-领取积分-消费积分。
第三步：发现冲突用户群
在既定的资源下，我们不是所有用户都研究，而是需要找出那批真正存在问题的用户。可以先通过提取拆解的用户行为数据，聚焦到数据落差大的地方，分析对应可能遇到困难冲突的用户群，再结合业务经验判断，解决这些冲突是否对产品目标有帮助。
积分功能例子里，根据用户更新积分版本后是否首次进入软件，来判断用户是否认识积分；从已认识积分的用户中，再看是否有做过积分任务产生积分，积分领取、消费如此类推，得出各个环节数据情况。（如下图，数据仅作示意）
第四步：定义并划分用户层级
1、定义用户层
通过发现冲突用户群，我们已基本聚焦到几种用户。现在我们要为每一种用户贴上“标签”，起一个好记好认的名字，也就是定义用户层名称。这个名称需要能反映该层用户的特征或突出问题，以便后续在对不同用户群制定针对性策略时，能提高沟通效率。
在积分功能中，根据不同用户层的特征提炼，定义用户层级。这时我们可以列出一个表格：
2、量化分层标准
在进行层级划分前，要先用定量的方式制定分层指标，这也是各种不同的用户分层方法里共通的一点。因为指标是一种可明确衡量的标准，比主观的经验直觉更为可靠，能帮助我们的分层结果更科学客观。
如积分案例中，关于高活跃低产生、高产生低领取、高余额无消费等，这些都是定性描述，那具体怎样算高怎样算低呢？不同产品根据实际情况都有不同的“尺子”。例如我们可以以周期内大盘平均值作为界定标准：高于人均水平，算高产生/领取/消费，低于人均水平反之。
提取大盘数据后，把不同用户群与量化标准一一对应：
需要注意的是，用户分层在产品发展的不同阶段会有变化。比如我们区分潜在用户和活跃用户，初期我们积分任务少，周产生xx以上就算是活跃用户了。但随着功能不断完善积分任务增多，需要周产生更多才能算我们的活跃用户。在这个层面上，产品的衡量指标变化，使得用户分层也在变化。
3、可视化划分
接下来就是结合定性和定量的结果，根据指标划分用户层级了。在层级划分时，为了上下层用户清晰，群体间是互相独立的，不存在一个用户同时存在多个用户层的情况，如计算潜在用户时，应该把新用户按条件排除，这样后续投放的运营策略针对性才强。
我们可以用金字塔结构，把表格的数据信息可视化呈现用户分层布局。它能反映每个用户层之间大致的漏斗形体数据关系，以及自下而上的状态演进关系。我们理想的情况，是让更多处于金字塔底部的用户一层层往更高阶段的用户层成长。
看到这里，可能会有童鞋觉得用户分层与漏斗模型看起来有点像。其实两者的关注点是不一样的，漏斗关注的是层级之间的渗透率，而用户分层则聚焦于每一层用户本身。
第五步：制定针对性策略
经过各种定性定量的步骤把用户层级明确下来了，而后续的优化策略才是重头戏。这是一个精细化设计的过程，我们最终要实现的是策略都用在对的地方，把每一份投入产出控制在合理的区间。此时我们可以把每个层级单独抽出来看，基于此层级的用户痛点来转化设计目标，制定优化策略。下面以“兴趣用户”这个用户层为例，讲解针对性策略的推导：
兴趣用户是一个需要重点优化的用户层，是向最高价值的忠实用户层级递进的转折点，而数据折损又比较大。这批用户主要特征是领取积分有高余额但没去消费。
而对于积分消费玩法，业界有比较多的案例了。归纳了典型的类型结合项目实际进行分析：其中直接兑换奖品的形式也是我们目前的做法，行业上显得有点千篇一律了，吸引力很难持久，是否能有一些更贴合用户个性需求的玩法？另外，积分抽奖和养成玩法互动性都比较高，前者从性价比来说更优。
那我们的兴趣用户会喜欢怎样的玩法呢？还要从多维度认识一下这个层级的用户画像，通过定量分析，发现兴趣用户这层群体是学历较低三四线城市的青少年、中老年男性，整体比大盘用户更下沉（如下图）。他们不排除是一些留守少年和老人，手机是其重要的陪伴工具，孤独焦虑、自我价值实现等是突出问题，精神激励或许是个突破点。
结合基于项目实际的案例分析和用户画像分析，推导出两个优化方案：
策略1、积分许愿——满足进步与成就感知的个性化激励
这是个性化需求结合精神激励结合的一个方案，鼓励用户许下愿望，每天进步一点点去努力实现它。方案呈现上，通过前置了目标，通过许愿的包装来提升动力，每个用户进来看到的目标都不一样。在过程中用进度条塑造进步感知，目标达成的时候也可以及时反馈。根据用户反馈增加了兑换时间和信息的贴心提醒，降低挫败感。
策略2、积分试手气——满足用户未知和好奇的娱乐消费
试手气玩法是综合积分消耗效率、实现成本和满足用户精神需求的考虑。它可以满足用户的投机心理和对未知的期待。对应的策略上，新增了试手气赚取的模块，把积分兑换转移为积分娱乐消费，增加不一样的积分消费的方式来加快积分消耗。而且这些模块都是可以用模版快速实现的，可快速迭代试行。
在实践中，由于每个层级情况不同，可能需要用不同的推导方法，有些要经过反复推敲有些则可快速验证。此时可结合项目资源，判断当前是全部优化，还是选择个别优先级高的验证数据，再进行其他用户层优化。
第六步：方案验证与数据闭环
策略落地后，别忘了跟进数据闭环，去验证方案是否有效，是否达到预期效果。这里的效果，除了看每个层级的行为数据是否有提升，最终还要回归到大的产品目标。如积分案例中会去看最终会去看用户积分消费率和在产品大盘的活跃数。
在验证方案时，如果有不同方案难以抉择，可以用abtest做策略评估，因为同一分群用户基本变量一致，比较适合去做abtest。最后，由于初次做的分群不一定就是最完善的，所以根据数据反馈结果，我们可能还需要不断完善分群。
至此，我们就完成了一次完整的用户分层了，不知道大家学会了没有？
总结
其实用户分层只是代表一种思维方式，对于任何产品，我们都可以定义影响用户的关键行为，然后量化这些行为的指标，再对这些指标进行交叉分析，挖掘用户个性的潜在需求，实施精细化的设计策略。在整个过程也有一些设计思考：
以人为本 产品设计都是围绕用户展开的，不论是做用户分层还是其他项目，都要立足用户，发现用户成长中的阻碍，结合业务目标寻找机会点。
数据驱动 定量研究的方式在用户分层中起了关键作用。特别是在大数据时代，更需要利用好数据去驱动设计，在数据落差关键点发力，最后再用数据灵活验证完成闭环。
精细化设计 现在都讲求小步快跑，快速迭代。在设计上，可首先考虑在原有的场景中深挖或拓展，而不是动不动就大改版，最后规范化去提升价值，提升设计策略的性价比。
《动物森友会》如何以奖励设计让人喜喜爱爱？
