首席增长官整理：一套用户增长的完整系统架构（分析体系补充）

分析体系搭建的思路：

基于用户生命周期维度，一个产品的用户池是如何构成的，以及使用我们产品服务的用户是如何从生到死的过程基本是这样的：

为了看清楚我们产品用户的成长现状、空间和问题，我们可以按照如下步骤进行分析体系搭建：

第一步：定义新用户、有效用户、沉默用户、流失用户

用户分类的定义要基于对业务经验的判断（例如用户连续10天未登录是否认定为流失）以及企业的战略目标（订单量导向、毛利导向或者GMV导向）。

新用户：指刚刚接触产品并第一次完成体验了整个产品流程的用户。

沉默用户：指使用过产品，认可过其服务，但部分需求迁移至其他产品而变得不那么活跃的用户。

流失用户：指曾经在产品上活跃过，但因为某次体验受到了伤害或者全部需求迁移至其他竞品。

有效用户：指可以为企业持续贡献正向价值的用户（企业真正希望获得的用户）。（在不同行业和不同产品的理解有所不同，比如微博、twitter、Instagram这样产品的有效用户是指持续在平台活跃的用户，可以用平均每日停留时长高于30分钟的用户数、平均每日发布至少1个feed的用户数、平均每日收藏或转发至少1个的用户数等相关指标来量化；又比如淘宝、美团外卖这样的产品可以用近7日内至少完单3次的用户数、近30天内登陆次数大于5次且近7日内收藏商品数量大于1件的用户数来衡量。总之，计算有效用户数可以基于所在业务的经验，判断一个（或几个，组建复合指标）真正能合理衡量为产品持续贡献正向价值的用户数的指标来量化产品的有效用户数。）

以天猫为例，我们可以将这四类用户进行如下定义：

第二步： 拆解核心指标

精细化运营中会将用户的属性进行更细维度的切分。

新用户可以通过潜力等级进行划分，来衡量平台流入的新用户是多大后续留存的可能以及未来在产品中贡献的价值，后续的抓手可以优先资源给潜力更大的新用户，加速他们成长。

有效用户可以通过用户忠诚度、用户粘性、用户质量等维度进行拆解分层，运用针对性的运营策略针对不同层级的用户优先培养高质量用户粘性进而提升用户忠诚度。

沉默用户按用户质量和激活概率等维度进行分层，帮我们找出最容易激活且价值最高的用户，进而优先激活这部分用户。

流失用户按照挽回概率和用户价值进行分层，类似沉默用户，优先触达并刺激最有机会且我们最希望挽回的用户。

第三部： 搭建不同类别用户迁移路径

由于我们产品的改版、市场的变化以及用户需求的升级，每一个层级的用户可能在每天都会发生用户行为的变化，这样，就需要在我们第二步搭建的基础上进行路径变化的体系建设，来观测每天用户心智发生了哪些变化、用户对于我们产品的认可和依赖发生了怎样的变化，以及评估如何采取运营抓手可以针对性地促进哪个迁移路径。

用户的迁移路径以高质量用户类举例是下图这个样子的：

因为我们人群拆解后形成的组合过多，导致了不同类用户迁移的可能路径过多了，为了更好的看清楚并了解我们用户的流向，我们可以用如下方式来观测用户变迁：

每个人群关注是否正向迁移还是负向迁移，理想情况下如果所有的人群都在正向迁移，那说明我们的产品变现的很好，但如果某个人群负向迁移的比较多，说明需要一些运营抓手来进行刺激，防止持续负向迁移的情况发生。

举个例子：如果是卖牛奶的电商产品，我们为了提升高质量高忠诚用户的用户粘性，进行产品详情页面文案的优化，增加“您已经购买过5次、立即下单即可获得历史吸收卡路里报告”类似这样文案来促使用户迅速下单，降低用户跳出概率。由于这种优化只面向高质量高忠诚用户（通过切分流量的方式实现产品千人千面），在优化动作上线后，观测高质量高忠诚的用户高中低粘性的用户每天净正向&净负向的变化情况，如果高粘性和中粘性的用户都在净正向明显增加、净负向明显减少，说明我们的优化是有效的。

结语：

实际运营中我们的用户标签可能会更加丰富，但并不是标签越多越好，当维度增加时所看的指标可能会指数级上升（上篇文章已经说过了一些数据分析中的误区），所以所有的指标定义、体系搭建都是围绕着“如何把我们的产品看的更清楚、做的更好”这个目的来进行的。

文：钊哥用户增长（jizhao_growth）

首席增长官文章荐读：

《首席增长官整理：一套用户增长的完整系统架构（分析体系篇）》
《首席增长官知识结构归纳之用户画像》
《以喜马拉雅为例，首席增长官如何实现用户规模化增长》

更多精彩，关注：增长黑客（GrowthHK.cn）

增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…