用户细分的实用套路，这是在众多用户中，寻找最关键的核心用户、精细化设计、运营的必备技能。
分类是我们简化认识、理解世界最常用的方式之一。
世界本为一体，我们为了便于理解，把原子及以下层面的事情叫做物理学，原子组成了分子，进入化学领域，有机大分子，又和生物沾边，生物越来越复杂，有了人类学，人类个体研究叫心理学，一群人就是社会学，衍生出经济、政治、文化……
淘宝有一批产品经理，专门研究「类目」，即如何把这个世界上所有的商品进行分类；
之前，我也写过一篇和分类有关的文章 （链接：聊聊互联网产品的分类）。
今天，我们讲讲用户细分的实用套路，这是在众多用户中，寻找最关键的核心用户、精细化设计、运营的必备技能。
分类的角度有很多，我们先从逻辑上，复习一下什么样的分类是好的？我的理解是把全集分为子集后，不同子集的个体之间差异尽量大，每个子集内的个体差异尽量小。那么，我们对用户进行分类的原则就是——
不同细分的用户，“需求场景”差异要尽量大。
多边型的产品，对应单点（如小工具）和单边（某些同好社交应用）的产品，要有至少两种明显差异的用户群体，通常这种产品都具有平台属性。
举例，对于淘宝来说，常见的分法是买家、卖家、第三方服务商、平台方；对于滴滴出行，就可能会分成司机、乘客、平台运营方；对于知乎，可以分为提问者、回答者、吃瓜群众、平台方……这种就是按不同的角色来分类，一般我们会把不同角色作为第一维度来对目标用户进行分类，不同用户群体的需求场景差异显然巨大。
2. 新人、中间用户和专家
这是按照用户对「产品所在领域的熟悉程度」来分类，也是一种非常常用的用户分类方法。对于单边的用户角色，如果找不到更好的分法，我建议用这个方法保底，毕竟新人和专家的需求场景差异巨大，前者希望「简单易用易上手」，后者期待「稳定可靠性能高」。
比如QQ音乐，对于听歌的用户来说，如果是新人，他可能需要最热的榜单、通过场景自动选歌，对于专家用户，他可能会去搜某一张专辑，或者搜某位歌手；又如开车，新人需要一辆好开的自动挡，专家可能需要能上赛道的手动小钢炮、能进山的硬派越野。
3. 根据人口统计信息
年龄、性别、职业、所在地、消费水平……这个方法要慎用，要避免人口统计信息和产品关系不大的情况（比如按照不同职业来区分打车用户，就没什么逻辑），这样划分成的几类用户，需求场景差异往往不是很明显。
说几个比较适合的例子。银行各种级别的信用卡，是按照资产、收入、消费水平来分的；乐高的玩具，是按照年龄——不同年龄段儿童的常规智力水平区分的；一些服装品牌款式的策略，按照地域——一线大城市与三四线城市划分；奶粉，不同的年龄段；K12教育里的学生，不同年龄段；厕所，性别（这个例子比较扯淡，哈哈）……等等。
4. 根据产品的业务场景
这个很难总结为通用的规则，通过几个例子给大家一点启发，比如：
做企业服务，可以按照用户（公司）的阶段分为种子轮、天使轮、A、B、C……PreIPO、已上市等；
做培训的，可以按照互联网、IT、快消、生产制造等行业划分，产品、运营、技术、管理等不同岗位划分；
做航旅的，可以按照用户累积里程分为普通、银卡、金卡、铂金；
做媒体的，可以按照读者的三观进行区分，信中医的和反中医的，民族主义的和世界大同的；
做社区的，经常分为原创内容的PGC写手、加工内容的（点赞、转发等）积极分子、纯消费内容的浏览型用户；
做出游的，可以分为单人、情侣、亲子、团建等等；
还有比较通用的，分为需要引导的菜鸟，需要维系的忠粉，需要召回的旧爱，需要赶走的讨厌鬼；
……
编个打油诗（什么鬼，完全不押韵啊）——
多边先分边，
新人与专家，
人口统计学，
业务场景化。
