以用户属性划分，标签化管理，形成分圈层画像

作为产品经理或运营经理，能否有效的提升产品关键指标，优化用户的转化数据，是核心专业能力。但是坦白讲，很多从业者，都还不具备分析问题、拆解问题到针对性解决问题，提升数据的能力。

最近在思考根据用户行为划分的用户分层的应用。我们一般关注新用户转化，因为我们要清晰每个环节的流失，并针对性的提升转化率以优化用户体验。

但是用户是有差异的，核心用户、次核心用户和边缘用户等，都会在行为上表现出差异，从而需要先对用户进行分层，才能结合行为数据的转化率去优化用户体验，提升转化数据。

何为用户分层？

我们对用户分层，有不同的分层模型：

• 以用户属性划分，标签化管理，形成分圈层画像；
• 以用户需求划分，功能匹配需求，优化产品功能迭代；
• 以用户行为划分，也就是我们今天重点讲到的，看行为表现，制定清晰的目标提升路径。

首先，我们明确一下，分析用户行为链路的步骤。

1. 明确关键行为点

遵循“All to Key ”（全部到关键）的原则，先尽量完整的把用户在产品内的各个行为点，都罗列出来，再根据产品属性、需求、用户情况等，提炼出转化链路里的关键行为点。All to Key 的原则非常重要，我们强调在分析开始之时要穷尽，就是为了不遗漏、不丢失。

比如，一款直播产品，C端用户的整个转化路径，会有下载、打开、注册、浏览、进房间、设置信息、会话、评论、储值、送礼等行为点，这些行为点要首先根据自己产品的特征都罗列出来，再酌情筛选。

2. 分析数据转化与量级

将已有行为点的转化率和量级数据整理出来。量级绝对值数据，是为了对比数据的有效性，太小的量级数据，率值无法说明问题。

比如上图，从产品整体链路，我们梳理出注册、浏览、分日留存、分日付费和复购是重要的关键行为点。再比对数据情况，找到哪些是瓶颈环节，再次校准关键行为点。

这个步骤我们强调“路径数据优先”（Path Data First）的原则。数据本身没有价值，是对数据的筛选和分析产生的价值。因此，在整理数据的过程中，要有逻辑有原则，在这个拆解过程中，我们只优先选择转化路径上的数据项，避免无效分支数据带来的干扰。

3. 根据行为进行用户分层

这里给出一份示例，对于一个用户付费型的产品，可以对用户进行这三类九级的分层，分层依据就是关键行为点是否具备，这里由于产品不同，对关键行为点的定义不同，所以留白了一部分，供大家去思考制定。