用户分层是业务运作的结果，用户分层是应用于业务运作。因此看似简单的分层，只要和业务结合起来，就很容易解释清楚，也很容易定位到问题。
有同学问：
领导让做用户分层，可不管怎么分，似乎都觉得没有啥科学道理，也经常被嫌弃“你这分层分的有啥意思”。
到底有没有标准的分层规范？
在解答这个问题之前，大家先看一个简单的问题：
假设一个业务收入情况如下，你会怎么解读数据？
本质上看，用户分层是一种特殊形态的用户细分：按用户价值高低进行细分，处于上层的是高价值用户；处于下层的是低价值用户。
比如上边的题目，大部分同学会脱口而出：
总收入在下降；
人均付费减少了17%，用户增长了20%；
要把人均付费提高，再搞多25。
看平均数，就会得出这种结论。可实际上，平均值降低25元，是不是等于业务就得想办法拉高25元呢？
当然不是，因为我们并不了解这一万多用户的构成。如果我们告诉大家，这1万人有下边两种形态构成，大家还会觉得，人均拉高25元就可以了吗？
这就是用户分层作用的直观展示，我们会发现：通过平均数，观察到的趋势是对的；但推导出的执行计划，往往是错的。落到执行层面，需要进行用户细分，才能更容易找到真正问题，制定可行的计划。
用户分层还有个特殊作用，就是一个企业提供给高中低档用户的产品/服务/体验是有限的，往往是固定的高中低档套餐，高配/标配/低配产品，高级/中级/初级VIP服务。当我们分开高中低档观察用户的时候，很容易直观看到，我们提供的产品/服务/体验是不是出了问题，我们正在损失哪一档顾客。
这样的分析指向性非常强，可以快速定位问题，帮运营找到突破口。
比如上边例子中的AB形态，为了举例方便进行了简化，但代表了两种很经典的业务形态，依赖土豪用户的大R型业务和依赖大量普通用户的大DAU型业务（大R和大DAU是游戏行业术语，这两种形态在游戏行业区分最泾渭分明，因此这里直接套用一下）。
了解到这一层，再看回AB两形态，我们就能更准确定位出问题。
经过这一层解读，是不是比只看平均数，然后说“客单价低了，要提高”来得更透彻？
这就是用户分层的进一步作用：通过结合业务行为的分层，快速定位业务问题。
看了示例，有同学会说：“看起来分层很简单啊，用户价值吗，付费≥活跃≥注册，我直接叠个金字塔（如下图）不就好了，我看网上都是这么叠的。”
要记得，做用户分层是为了快速定位问题，如果只是像上图，单纯把注册、活跃、付费叠成金字塔，图形看着挺牛逼。可本质上，不就是把用户量、活跃率、转化率三个指标用金字塔图的形式再说一遍吗？
图和报表含义一样，那多做个奇形怪状的图就是脱了裤子放屁，这也是开头被吐槽的原因。
还有同学会说：“我看示例，也就是一个维度砍几段，那我把付费、活跃这些维度看看，做个类似下图：想象中分层效果，不就好了？”
用户付费、活跃指标之间，有交叉很常见的事。当分类维度相互交叉，一层用户又包含另一层的时候，解读起来就很费劲，这时候还不如直接做个矩阵分类看得更清楚。
综上，用户分层之所以经常做的流于表面，很大程度是因为做分析的同学缺少细化思考的意识，过分追求画一个层层叠叠的图，来显得思考全面；忽视了这个图对业务的作用，忽视了业务本身在不同阶段有不同需求。
做用户分层其实很简单，如下图所示，只需要“分类维度+分类标准”两样东西即可。
我们说过，用户分层的最大用户是快速定位问题，提示业务突破口。
想要达到这两重目的，就得做到（如下图所示）：
分类维度是当前业务的关键问题；
分类标准和业务动作直接相关。
业务发展的关键问题和业务动作，并非完全异想天开，或者“听领导指示”，而是与产品/业务发展的生命周期高度相关。
每次讲到“要了解当前业务重点问题”，都有同学说直接去问。直接沟通是好事，但是如果自己啥都不懂，不但业务懒得分享，偶尔说几个词可能还听不懂；甚至有可能运营自己都是稀里糊涂，领导说啥干啥，不动脑子。所以做分析的同学还是得有些了解的。
基于发展阶段选分类维度
通常一个产品/业务上线会经历五个阶段（如下图所示），每个阶段要关注的核心指标、关键问题是不一样的。
传统企业在产品生命周期末尾会选择甩货、等下一代产品上线，互联网企业做多次迭代的可能性更高。
在不同的阶段，业务关注的问题也会不同，如下图所示：
有了这些基础，我们能对当前形势做初步判断，和业务沟通也更顺畅。定出当前关注的重点问题，就能锁定分类维度，下边再看分类标准。
基于业务动作设分类标准
企业能提供给用户的产品/服务/体验是有限的，它受到三方限制。
产品限制：每种产品，每个产品组合能满足用户的需求是有限的；
竞品限制：即使企业能提供众多产品，也很难包装拼的过对手；
需求限制：用户口味会经常变化，今天喜欢，明天就不喜欢。
在这三方限制下，往往运营会选择爆款战略，用一个爆款产品/有竞争力的服务/优质的顾客体验来吸引用户，达成自己的目标。
用户处于新人阶段，有一个入门级产品；在成长期会在某个节点设立特别优惠的奖励。这些节点，就成为天然的分类标准。
在这方面，传统企业做的反而比互联网企业要好。传统企业指望卖产品的毛利过日子，因此对给客户多少回馈有清晰的界定。
一般是从毛利中拨一个固定比例作为回馈，然后参照竞争对手的比例，选择自己主打的档位，从而形成竞争优势。这样对应的分类标准，也可以直接套用业务的标准（如下图所示）。
在这种分层标准的指导下，就很容易根据分层数据的变化，找到对应的问题。如同开头举例的效果，看到某个档次的用户少了，立马意识到：找人找偏了，产品竞争力得检讨了。这样后续深入分析，也有了线索。
反倒是互联网企业，除了少数头部企业外，大量企业还停留在大干快上、烧钱补贴阶段。缺少清晰的产品线规划和竞争策略，反正运营有钱就往死里发券，做大了规模好上市圈钱。所以，在互联网公司经常培养出“注册少了-发券，活跃不行-发券，留存不行-发券”的无脑运营。
如果做数据分析的同学，发现你们公司的运营真的很无脑，都是看着AARRR哪个指标跌了就短期上活动搞一搞，完全没有全局规划，也没啥策略。那可以试着参照竞品的情况，做一个竞品分析，把本品、竞品在不同消费/活跃程度的用户身上的差异分清楚，帮他们看到：我们其实在XX档次有优势，在XX档次有劣势。
因此，我们可以制定用户分层战术，进一步系统优化。毕竟我们是搞运营，不是搞活动。
小结
用户分层看起来简单，可深入探讨的话，需要牵扯的业务细节非常多。
很多同学做起来很困扰，都是困扰在“领导让我分高端用户，到底是8000算高端，10000算高端，还是12000算高端”。
是滴，他就纠结这个划线，纠结地死去活来。
你反问：
目前阶段的重点问题是什么？
在目前阶段，高端真的就是“高消费”？
8K，10K，12K背后，对应运营的什么动作？
我们做的动作，到底对用户有什么吸引力，竞争力？
他啥都不知道，他还在指望着，能有个机器学习算法，啪啪一算，就告诉他：“人工智能阿尔法大狗子告诉你，10000是完美的标准，谁不服气，阿尔法大狗子咬死他”。
这就南辕北辙了。
用户分层是业务运作的结果，用户分层是应用于业务运作。因此看似简单的分层，只要和业务结合起来，就很容易解释清楚，也很容易定位到问题。
与大家共勉。
