科技猎挖掘数据价值，从用户分群开始
用户分群：采集数据 筛选归类
用户分群的依据主要有两个方面：用户属性（性别、年龄、地域等）和用户行为（访问时间/访问时长/浏览历史/订单记录等用户在产品内的一切交互行为），因此，采集数据是用户分群的第一步，先确定我们需要哪些数据，然后做好数据埋点，建立基础的用户行为数据监控机制，为用户贴上标签。
说明：对于互金类产品来说，通过数据埋点和采集，我们可以知道：在深圳某女性用户，在9月24日13点17分时将起投金额为5000元，年化收益率为8.47%的中期理财产品“双季度计划”加入心愿单。
通过数据采集，建立客户360度视图的目的其实就是为了更直观的洞察用户价值。为了快速且高效的将用户分群和用户洞察，我们通常以4个筛选条件作为用户分群的依据： 用户属性、触发行为、新增于、活跃于 。
1、用户属性
所谓人物基础属性指的是：用户客观的属性，描述用户真实人口属性的标签，比如：年龄、性别、城市、浏览器版本、系统版本、操作版本、渠道来源等就是用户属性。
关于属性的重要性呢，咱们就以“城市”为例来说明吧，上图是中国（吃货）地图，每个地区都有不同的饮食偏好，那么对于同一款产品来说的，针对不同城市的用户，在运营方面也是有很大差异哒~
比如：某天气类工具型产品，在北京进入雾霾季时，可针对北京地区的用户推送防霾关怀，提供防霾用品信息，一方面比起向全量用户推送一定会打扰到“清新”地区的用户，另一方面让“霾区”用户获得了一种“宝宝被重视了”的贴心体验。
另外，对于一个产品来讲，迭代是产品成长的必经之路，因此根据用户所使用的“系统版本”将用户进行分群，即可实现衡量改版前后的用户行为差异及改版效果。
2、活跃于
活跃用户是用户运营的重点，“伺候”不好，很容易就会流失掉，“伺候”到位了呢？也很容易转化为忠实用户，因此对于活跃于某一特定时段（比如：新旧版本迭代/暑假/节假日）或者最近*天（比如：近期有功能上线）。
说明：通过“活跃于”这个维度，我们可以快速找到最近7天活跃的用户，并可观察这一用户群「微信支付购买转化率」的情况，在1518名查看商品的用户中，最终只有178人完成微信支付，流失率达36.9%，故这一转化有待提高。
说明：通过进一步下钻洞察单体用户未完成付款的原因，发现大部分是“余额不足”导致，故可以每月发薪日，为用户推送相关商品信息，提醒用户完成支付。
3、做过/没做过
这个维度，诸葛君要重点念叨念叨，首先用户行为就是触发过某一事件或者没触发过某一事件，比如，对于互金类产品，完成“绑卡”的用户对平台的信任度一定高于“未绑卡”用户，因此触发指定事件的用户可作为用户分群的重要维度。
说明：在诸葛io平台中关于“做过/没做过”筛选条件中，支持4个维度：
任意时间
新增后：超好用的维度，下文重点介绍
最近
固定时段
场景举例：
说明：以互联网金融产品为例，将最近30天内成功支付起投金额为1000元的理财产品大于等于1次，且查看理财产品详情大于等于5次的用户定义为高价值用户，如果最近恰好有某起投金额在1000的理财产品上线，即可通过精准触达这部分用户群持续挖掘用户价值。
用户视角之「新增后」场景举例：
「新增后」这个概念是以用户“路转粉”为起点的时间周期，而不是传统的自然月/自然周为时间周期，因为每个用户的新增时间都不相同，在这种条件下，我们会逐个用户单独计算，确定每一个用户是否在其新增后的 N 天内做过某事。
这个维度的好处，就是以用户视角洞察用户行为，用户新增后*天完成核心转化，用户新增*天使用产品的频次如何？咱们举个例子来说明。
说明：诸葛io支持多条件筛选用户（并且+并且+并且···），比如将首次来源的广告关键词是华为手机和网上购物，首次来源域名是百度，这是对于用户渠道来源的筛选。此外，将新增后1天内就完成注册且查看了“耳机”类商品大于等于3次的用户，定义为“耳机”潜在消费用户，通过新增后1天这一筛选条件，即可快速精准定位出潜在用户群，通过这样的筛选，便可实现有针对性的触达，将耳机品类的专题活动发送给这些潜在用户，引发用户下单的欲望，提升购买转化率。相较于传统意义上的产品视角——以自然月维度来计算的新增来说，更科学，更具有指导意义。
4、新增于
说明：新增于这个维度，同样有2个条件可选择：最近/固定时段，以此精确筛选出新增用户的时间范围，灵活找到特定时间段内的特定用户群中。以电商类产品为例，如果你在8月1日-8月15日发起了一次大规模的市场拉新活动，那么上图的筛选即可找到活动期间新增用户群，进而评估活动效果及后续转化情况。
用户分群是精细化运营的基础
用户分群是手段和工具，简单来说，分群分析就是通过聚类的方式，把相似的人群合并，考察同一事件或同一指标在不同人群上的表现，以推断并定位对该事件/指标有明显影响的因子，以此来帮助我们更好地了解用户需求，进行针对性运营。用户分群能帮助企业更加了解用户，分析不同群组的人群属性、行为特点，可以帮助运营人员更好地发掘产品问题的背后的原因，并从中发现产品有效改进优化的方向。
只有将用户精细分群与用户画像结合起来，才能提高精益化运营的深度与精度，那么如何将用户分群与用户画像如何结合使用？
接下来，我们举个例进行说明：某工具类App，购买转化不高怎么办？
这个问题，我们应该如何分析？首先我们通过「用户分群」来针对不同的可能性做实验：对比「没付费的用户」与「购买」的次日留存时会发现：
「所有用户」与「购买用户」在7天里的留存情况对比：
在30天后，「购买用户」的留存率是29.7%，「所有用户」的是12.7%。这可能看起来不是那么显著，但在长期留存上，即便是一个小凸起，对你来说也是意义重大。
通过用户画像，我们将「没付费的用户」与「购买用户」进行分群对比后已经识别出了一个提高留存的因素，现在你可以寻找更多。一个可行的方法是，你现在可以把「购买」不是「注册」设为起点。也就是说，你之前分析的是「注册」之后的留存情况，而下一步，你可以分析「购买」之后的留存情况。这就是在你重新设计了引导流程以促进用户关注他人之后，接下来你应该努力提升什么。
然后，你可以看到其它因素是怎样促进留存的。通过诸葛io的粘性及自定义留存功能，你可以比较「没付费用户」与「购买用户」，比较两个用户群在「查看天气」后的留存情况。
当你搞清楚了哪些行为导致你的用户继续回来使用你的产品之后，你就需要把这些行为的用户体验放在首位。在早期粘住你的用户，他们就会很难离开你的产品。
获客成本越来越高，因此需要对用户行为进行分析，做群体划分，构建用户行为模型，形成一套高效且有针对性的运营方案。通过对用户数据的采集，挖掘分析用户的行为习惯和喜好，找到更符合用户“口味”的产品和服务，并结合用户需求有针对的调整和优化，这就最大化用户数据的价值。
本文首发微信公众号：诸葛io（ID:zhugeio1）