編輯導語：有時候，我們做使用者分析，資料倒是列了不少，但是很多隻是簡單地歸類，分析沒有落到實處，對我們絲毫沒有用處。那麼使用者分析究竟要怎麼做，才能夠有用？作者從策略層和執行層進行分析，希望對你有所幫助。
經常有同學抱怨：我們公司的使用者分析做得太挫了。雖然資料列了很多，可都是簡單的把使用者按新老分個類，然後對比下性別、年齡、活躍時長、付費的差異就結束了。最後丟一句“新使用者搜尋功能用的少，建議搞高……”這分析完全沒用處呀！使用者分析到底要怎麼做才有用？今天系統解答一下。
首先大家要明白：簡單的拉個交叉表，丫就不叫分析，丫就是一張表而已。做資料分析，要有清晰的目標和可落地的細節才行。在使用者分析領域，則是分成了策略/執行兩大類專題。
一、策略層使用者分析
在策略層，使用者分析要著力解決三個核心問題：
重點使用者是誰：我的業務，依靠少數高層次使用者，還是大量低層次使用者？
獲得使用者方式：我的目標使用者，是透過篩選得到，還是透過培養得到？
投入產比比測算：獲取/培養一個合格的目標使用者，需要多久，投入產出比多少？
問題一，是事關業務成敗的關鍵。因為高中低使用者層次，需求天生不同。如果選擇滿足少數高層次使用者，意味著一定有非常高的新使用者流失率，一定要提供足夠有吸引力的，讓普通人望而卻步，讓有錢人顯得足夠尊貴、足夠爽的產品與服務才行。如果選擇滿足大多數人的需求，薄利多銷是必然的（如下圖）。
很難有一個業務滿足所有層次人的需求，必須有所取捨。在業務到一定規模之前，得先服務好某一個群體，才能建立品牌形象和口碑。因此，使用者價值分層分析，是非常重要的。並且不能光看實際使用者的資料，還得和目標群體做對比，來判斷是否打造的品牌還不夠高階，還得再加碼。
問題二，是設計執行方案的思路來源。並非所有的客戶都能培養，很多高階服務，比如金融、汽車、房子、商業投資、甚至美容保健，天生需要高階客戶才能受用的起。此時只能做篩選，大浪淘沙的從大量新使用者中，挑選出符合目標的。而零售、餐飲等行業既能走培養忠實使用者的路線，又能走高階路線，此時就得業務方自己很清醒：我到底要做培養，還是篩超高階使用者。
在資料上，觀察培養與篩選的區別，主要看使用者的需求是否會隨著與我司關係深入而增加，以及能否被我司營銷行為影響。如果經過長期相處與反覆投放，都很難提升使用者表現，則說明至少在當下我司力所能及的範圍內，使用者是無法被培養的。如果有某些措施能明顯提升使用者表現，則說明這個手段是好的培養手段。
問題三，是設計執行方案的尺子。給使用者的補貼不可能無休無止，底線在哪裡，要考獲客/培養使用者的投入產出比測算。
如果使用者行為本身發生的很隨機，則測算可以簡化。比如啤酒、瓜子、礦泉水一類零食，使用者購買可能完全是臨時起意，沒啥深入思考，也沒啥忠誠度可言。此時只靠按單次廣告投放核算成本即可。只要每次投出去的商品能賺錢就行。
比較有挑戰的是需要培養才見效的使用者。比如做美容，可能頭三次都是為了吸引使用者充卡加會員做的體驗服務，收費很少，只有在體驗期充卡的才能賺回利潤。這時候就得把握：有多大比例使用者轉化，轉化使用者利潤是否能覆蓋體驗使用者的成本。
解決了策略問題以後，彙總的輸出成果就是一張使用者價值分佈地圖（如下圖），在這裡要清晰的展示：
我依靠的使用者群體是誰，有多大商業價值？
使用者成長軌跡是什麼，獲客以後多長時間能達成期望產出？
使用者成長關鍵節點是什麼，節點上業務動作是啥，往下一階段的轉化率/留存率是多少？
回答完這三個問題，策略層面就算做的差不多了，可以探討執行層面了。
二、執行層使用者分析
到了執行層面，使用者分析反而變得簡單了。因為在執行層，核心解決的問題就是：如何讓使用者響應我的策略。一條具體的策略，比如“促進使用者二次消費”，落實到執行層，就是具體的：
在什麼時間（看自然時間 or 使用者生命週期時間）
用什麼渠道（站內廣告頁、站外廣告、簡訊……）
用什麼文案（利益型、感情型、蹭熱點型、……）
搭配什麼商品（同類商品、關聯商品、熱銷商品……）
給多少優惠（積分、禮品、優惠券……）
這一整套資訊推送到使用者身上，之後期待使用者能產生響應（如下圖）：
在執行層，更多是大量的響應分析，看我的運營手段，是否能達成目標。如果只看一次推送的響應，收穫會很小。如果把圍繞同一目標的歷次執行擺在一起，就能發現很多規律。比如下圖，針對使用者首單購買，講多次推送列列清單，能發現更多問題。
此時，可以利用歷次資料，同時給使用者和業務打標。
使用者標籤：活動偏好、促銷敏感度、渠道偏好、內容偏好
業務標籤：XX渠道/內容/產品，更容易吸引XX型別使用者
這些標籤是可以直接指導業務行為的。在已知使用者偏好的情況下，可以直接按標籤組合，生成運營策略，所謂的自動化營銷（Marketing Automatic簡稱MA）就是這個思路。
也可以把一個使用者群體的所有標籤擺在一起，看群體需求。比如發現高價值群體都更偏好某一類產品，則可以相應開發搭配產品、升級版產品。
也可以基於執行層的結果，反向影響策略。比如原來使用者成長軌跡裡，在1個月左右有明顯轉折。經過運營操作，使用者生命週期已延長，到3個月，但響應成本也在增加。此時可以考慮在第2、3個月，階梯性增加高利潤產品推送，來彌補成本損失，保持高收益。
小結
什麼很多公司的使用者分析做不出東西來，原因已經很清晰了。
沒有策略層分析，每次都用性別、年齡、累計消費、活躍這些簡單分類維度劃分使用者，把各種型別混雜在一起看平均值，模糊了重點。
沒有策略指引，執行層做的非常散，總是針對一次次零散活動搞評估，不注意圍繞一個目標多測試幾次，也沒有同一群體多次活動對比。
沒有標籤積累，總是零散的看各種資料，不沉澱標籤，不驗證標籤。雖然看似做了很多，但缺少表現穩定的標籤。
這樣總是沒頭蒼蠅一樣，肯定沒結論積累。當然，不見得每個公司的運營，都能很清醒的先定策略，再做執行，再覆盤積累標籤。很多公司的運營，也是頭疼醫頭、腳疼醫腳，看著活躍低了就上大轉盤，看著新人少了就砸一波流量，看著轉化低了就猛發券。這樣在執行層做出來的事情很零散，對積累資料經驗是很不利的。
但是作為資料分析人員，策略層的洞察是不依賴執行的，完全可以自己多做，這樣加深了自己的策略認知，再回頭看執行層的資料，也更容易得出結論來。看到這，肯定有同學想看：使用者標籤到底怎麼打。
#專欄作家#
接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深諮詢顧問，在網際網路，金融，快消，零售，耐用，美容等15個行業有豐富資料相關經驗。
本文原創釋出於人人都是產品經理。未經許可，禁止轉載。
題圖來自 Unsplash，基於CC0協議。