谈起用户分层，我们会想起AARRR模型，谈起用户分群，则会想起RFM模型，下面我们详细看一下：

• AARRR:新增、留存、活跃、付费、传播

• RFM：最近一次消费、消费频率、消费金额

观察两个模型的指标，AARRR模型的指标有很明显的递进关系，而RFM则是相互独立关系，这个关系的区分，有助于我们区分用户分层及用户分群的概念。

我们再进一步看RFM模型，假设R/F/M每个指标均可以把用户分为两部分，那RFM模型可以将用户分为C21C21C21=2*2*2=8种。

如图所示，RFM模型的目的在于：针对不同的用户群做对应的运营策略。如果我们随便挑出一个用户，这个用户属性为RFM（0,0,1），即重要价值用户，是一个最近消费、消费频次较低、消费金额较高的用户；而这个用户在AARRR模型中，付费行为发生前的状态是不定的。

所以有些时候，我们做用户分群，其实是想综合地将用户分层及用户分群同时做了，也就是找一个适合自己的维度（用户分群实质上就是多维度分析法）进行分析。

因为这种综合的分析更接近用户分群，那么下面我将统一称之为用户分群。

一、做用户分群需要用结构化思维，遵循MECE原则

结构化思维

指的是自上而下、从整体到局部的一种思考模式，这种思考模式具有很明确的层级关系，这与我们常用的线性思维有很大的区别。结构化思维会利用一些思维框架来辅助思考，将零碎的信息系统化，使思考更广阔更全面。

MECE分析法

全称 Mutually Exclusive Collectively Exhaustive，中文意思是“相互独立，完全穷尽”。 也就是对于一个重大的议题，能够做到不重叠、不遗漏的分类，而且能够借此有效把握问题的核心，并成为有效解决问题的方法。

（这两块内容均出自 巴巴拉·明托《金字塔原理》，有兴趣的可以详细阅读）

结构化思维和MECE分析法的目的相同，均在于分析时能做到不重叠、不遗漏，保证分析的正确性及完备性。在建立分析指标时，这两者尤为有用。

二、要想做好用户分层，必须建立起好的适合的指标

指标往往是衡量一个目标的单位或者方法，指标作为标尺让我们对目标的实际情况更清晰更明了。

对指标的定义，是尤为重要的。

比如说我们吃重庆小面，老板会问要微辣、中辣、重辣？作为福建人的你要了一个微辣，开吃之后辣得不断喝水，但老板觉得微辣已经是最不辣的了，这里面就会发现，老板对微辣的判定标准和你是不一样的。

还有一个例子，比如说你发了一篇文章，评论全是称赞之词，但文章阅读量很少、转化效果也不好，那你就不能用评论作为评论标准。因为在产生评论这一环上已经出现了一层漏斗，很多不喜欢的用户可能什么痕迹也不会留便离开了。

类似的例子还有很多，就不一一列举，总之，在制定指标时，需要选择能完整衡量目标的、精确的指标。

什么样的指标为好的指标呢？

在我看来，好的指标应该是能客观分析的核心驱动指标，应该是一个比率，好的指标不应有迷惑性的虚荣指标。

举例来说，活跃率就比活跃数更能说明问题，一场活动中，转化率也比浏览量更有说服力。

怎么样才能找到适合的指标呢？

继续用结构化思维，自上而下地去分析商业的业务流程，以水果售卖举例：

从流程角度，对每一个步骤都建立对应指标，通过进货渠道控制成本，通过商品售卖获悉销售及利润，商品售卖与进店浏览的比值即付费转化，通过对店铺及商品的优化，可以提高这个比值。

当然，用这种方法列举指标的同时，依旧需要注意，找到核心驱动指标，移除虚荣指标，也不要强加指标。

三、RFM以及RFM的变种

RFM在前文已经谈过，现主要说下如何根据实际情况进行变通。

假设需要对一款已经运营了比较久的K12教育类APP做用户分群，我们需要考虑以下几点：

1. 套用RFM模型时，先对比与RFM模型样本属性的区别。

K12教育类的产品，以课程、知识等为主，售卖的是时长，时长会使用户部分复购行为转变为续费，而品类的多寡也会影响用户复购行为的发生。

2. 需要明确分群的目的，以目的为主线，自上而下梳理分群维度。

对于教育类用户来说，站在新增促活角度，分群的目的就是让更多新用户加入，让更多用户处于活跃状态，但我这次分群的目的是则为了提高付费。那我的目的就两个：

其一是让已付费状态的用户付更多的费，其二是让未付费状态的用户变成已付费状态。而未付费状态的用户又包含了付费已过期、从未付费过这两类用户，我们对从未付费过的用户再细分下去，就会分为新用户、老用户两类。按照这个思路，层层推敲下去，就是我们最终要的用户分群维度。

3. 除了主线维度外，有时我们还需要根据实际情况补充其他维度。

以K12教育类产品举例，部分产品是增加了学校、班级等属性，部分产品却没有，当然这与产品的定位关系较大，加入学校与班级在一定程度上会提高用户放弃成本（这块暂不展开），所以这些有助于做精细化运营的维度都可以补充进来。

综合以上三点，有以下分群维度：

接下来，就是对于各维度的定义，即对每一个维度进行定义，正常情况下，我们会考虑以下三点:

（1）根据维度原本处于的状态进行区分，如班级维度，由于用户的属性，分为有班级和无班级两种。

（2）根据公司数据统计的定义进行区分，如新老用户，假设原有数据统计中将七天内注册用户称之为新用户，在此同样沿用。

（3）根据散点图分布进行区分，如使用频率，我们可以根据每个用户在近N天内活跃天数的散点图分布，来定义维度属性。

根据以上三点标准，我们可得到下图：（具体定义就不给出了，自己可以尝试）

以上，我们已大致完成了对用户的分群工作。

四、基于分群后的运营方略才是重头戏

我们费了很大的精力去做用户分群，但分群后的运营方略更加重要，需要注意：

1. 不要因为分群而强行制作有区分的活动或制定区别较大的运营方案。分群后将会面对多个用户群，但有时策划的运营活动可在多个用户群同步执行，这时，就不用刻意区分了。

2. 要根据运营结果反馈完善分群。一开始做的分群可能会因为一些原因不够完善，通过运营结果可逐步完善。

3. 善用A/B测试评估运营策略的有效性。由于同一分群用户基本变量一致，更适合A/B测试，验证运营策略。

另外，关于对应运营策略的制定和执行，先不在此赘述。