用户分层是用户运营中常见的一个概念，简单理解就是指将用户分为不同类型，并根据不同用户提供差异化的内容和服务。本文主要介绍几种常见的用户分层思路，并结合实际案例讲解用户分层下的一些设计探索。
随着移动互动网的发展，人口红利的消失，各大厂商都面临着流量的挖掘和留存的问题，公域流量竞争激烈、获取成本高，私域流量也由于用户的越来越多元化而变得粘性匮乏。
在这种环境下，一方面是要扩展更多红利渠道、进行圈层精准引流，另一方面，则是精细化运营思路，为核心流量建护城河，用最小的成本使用户价值最大化。因此，不管是对新流量的精准引入，还是对现有流量的精细运营，最为关键的手段就是“用户分层”。
通过对用户进行细致的划分，并进行“差别对待”，于用户而言，可以真正做到满足各类用户所需，极大的提升用户效率；于业务而言，也通过为不同用户制定更精准的运营策略，使运营资源能够更高效利用，并带来业务数据的增长。所以，用户分层作为精准化的重要手段，能够为用户和业务带来的价值也是显而易见的。
用户分层的思路有多种，划分维度可简单可复杂、层级可大可小，那么应该如何选择适合的分层方式，每种方式应该如何使用呢？
首先介绍几种比较常见的用户分层模型，它们涵盖范围比较广、有严谨的用户划分逻辑，几乎可以通用于大部分的需求场景。
① RFM模型
R：最近一次的消费时间（Recency）
F：一段时间内的消费频次（Frequency）
M：一段时间内的消费金额（Monetary）
图2-1 RFM模型
RFM模型按照用户价值状况进行划分，如果将每项指标分两个级别，进行组合可以分为8种基础的用户类型，当然每项指标里的价值维度如果继续细分，例如消费时间可以从笼统的远/近细化到一周内、一月内、半年内等等，消费频次可以按照不同时间段内的复购次数拆分，消费金额也可以按具体额度范围继续拆分，如此再进行组合，将可以得到更加细致的分层，那么就可针对不同价值级别的用户调整资源倾斜力度、运营策略等。
②AIPL模型
Awareness：认知，针对对应纯新用户
Interest：兴趣，有过相关浏览、加购、关注等行为，但未进行下单的那些用户
Purchase：购买，有过下单行为的用户
Loyalty：忠诚，有过较高复购行为的用户
图2-2 AIPL模型
这个模型对应的也是用户的成长路径，每个用户都是从认知开始，才慢慢变成购买或者忠诚，所以需要做的，就是引导用户不断往更上一层发展。
所以，我们可以根据不同的阶段的用户诉求，设计更合理的内容，例如针对认知型用户，可以进行种草推荐，激发他们的兴趣；兴趣型用户，需要了解他们未行动的原因，解决转化阻碍；购买型用户，需要唤醒需求刺激更多下单；而忠诚型，则可以进行更多体验细节的优化，让他们更加简单、效率的完成购买。
③AARRR模型
Acquisition：获客，引入流量
Activation：激活，刺激用户参与
Retention：留存，减少用户流失
Revenue：变现，提升下单转化
Refer：传播，促进分享和复购
图2-3 AARRR模型
AARRR模型来自于增长的思路，一般来说对应的是整个产品的用户生命周期，但也可以作为某一次活动的转化漏斗来使用，例如在常见的大促活动中，它对应的就是发现-浏览-加购-下单-复购，各个环节也会对应具体的数据指标，我们需要做的就是找到各个环节增长的机会点，进行体验上的优化。
2. 人群标签分层
上面的几种模型是从用户购物数据层面进行划分的，模型确立后，用户的层级是相对固定的，主要存在一些占比和优先上的变化，只要掌握了模型就可以快速套用，基本也不容易出错。
但是在很多场景下，不一定适合按照这种绝对理性的方式来划分的，如果有更加个性化的诉求，则可以尝试按照人群属性进行聚类的方式来分层，包括：
基础属性：性别、年龄、地域等；
购物属性：品类偏好、消费金额、消费动机等。
图2-4 人群标签分层
根据基础属性标签与购物属性标签将用户进行分类，在这种方式下能够划分的用户类型会更加具象化，相当于给每类用户一个专属的身份标签，比如：品质男神、时尚女神、趣玩青年、新潮老人等等，根据他们的具体需求进行个性化的内容设计。
至于人群标签划分的颗粒度要细到什么程度，则依据不同业务需要来定，划分越细当然能更精准的命中用户，但同时也会带来更高的运营成本，因此可以结合自身实际情况来选择。
3. 定向分层
以上的一些分层的方式，都是相对分类比较全面的，比较适用于用户量大的综合类项目，所以在一些小项目或有特殊需求项目中，也可以根据目标和问题进行定向分层。
图2-5 定向分层
首先，可以根据业务目标来制定分层的方式，例如我们活动目标如果是拉新，那么可以把用户划分为老用户&新用 户，新用户又可以按照来源渠道进一步分层；如果业务目标是进行市场下沉，则可以分层为一二线用户&下沉市场用户，下沉市场用户也可以进一步细分……这样的分层方式可以更加直接的聚焦到核心目标人群。
其次，可以根据需要解决的重点问题进行分析，再有针对性的提炼分层维度，例如某个活动的跳失率很高，那么可以去分析哪些用户跳出高，原因是什么，针对这些高跳出的用户可以提供什么差异化的服务。
针对不同用户类型进行差异化的设计，需要从流量和人货匹配两个核心问题进行思考。
1. 流量
常规活动流量灌入同一会场，用户分层下如何做好流量的切分和承接？
①梳理分层人群匹配逻辑
当我们确定好分层用户类型后，首先需要进行人群匹配逻辑的梳理，后台算法将用户进行识别和分类，前台根据用户标识匹配不同的展示样式。同时在这个过程中需要考虑一些特殊情况，如当用户未登录时、或用户数据获取不到时，是否有默认样式等。
②从入口&渠道就开始进行分层设计
谈到精细化运营，大多数时候我们做到的都是流量置入后的精准匹配，但是真正意义上的精准，应变是从流量置入前就需要考虑的。在流量入口上，根据不同分层用户展示差异化的素材样式，在引流渠道上，根据分层用户占比和优先级进行资源分配的优化，这样才能使流量更加精准高效的引入。
2. 人货匹配
常规活动给所有用户呈现的相同的会场页面，用户分层下如何进行千人千面的设计？
①根据不同用户提供精准的内容
精准的内容，是实现精细化运营最核心也是最基础的要求。常规的活动会场，页面的内容是千篇一律的，所有人看到的都是相同的商品、品牌、优惠券，用户分层的设计思路，是根据分层用户特征来推导设计目标，进而制定具体方案策略，从内容上进行精准命中。
以酒水品类活动为例，我们按照4A模型将用户分层为路人型（认知）、意向型（兴趣）、小酌型（购买）、酒鬼型（忠诚），将进行内容层的匹配。
②根据不同用户规划差异化的浏览动线
不同的用户的内容诉求不同，那么页面的组织结构自然也不同，基于前面的设计目标和方案策略，对页面的内容优先级、楼层顺序进行梳理，以匹配不同用户的浏览习惯、最大化的提升他们的浏览效率，例如酒水活动中以“酒鬼型”和“路人型”为例，可以对比看到两种用户动线的差异。
③根据不同用户设计个性化的模块样式
在内容和框架确定后，最后就是具体模块的设计，也是往往容易被忽略掉的细节。很多时候都是做到框架的分层，原子模块基本复用，但是更加友好用户分层，是在模块的形式、信息结构上都可以追求更加极致的个性化，甚至一个坑位的大小、颜色、图片风格等等都可能对不同用户最后的决策造成不同程度的影响。如酒水活动，同样是单品模块，也可以进行更加个性化的设计。
四、结语
用户分层是精细化运营的重要手段，在购物场景逐渐多元化、个性化的趋势下，越来越多的平台都在进行着各种用户分层的尝试。很多无论是在算法层面，还是运营层面都已经做的非常成熟，润物细无声的影响着用户的行为，在用户分层这条路上我们还有很多需要去积累和沉淀的东西，也希望未来可以有更加成熟和创新的想法可以再与大家交流。
参考文献
1. RFM模型百度百科
2. AARRR百度百科
4. 如何进行用户分层，实现精细化运营？利用RFM用户价值模型
