产品增长的最强数据分析模型：多维分析

通过用户数据分析可了解真实的用户需求，通过产品和运营更好地满足这些需求，从而推动增长。小编接下来将就增长模型的数据分析部分分享一些实用方法论。

用户数据通常可以分为两类，一类是用户属性数据，另一类是用户行为数据。

用户属性数据代表的是用户自身基本信息和状态，包括天然特征和行为提醒的特征，一般是较为固定，不会轻易改变的。而用户行为数据是用户产品内的行为轨迹，代表了用户和产品的互动模式，通常可通过各种方式影响数据。

一、用户分群

用户分群就是通过属性和行为数据将类似的用户归为一个群组的过程，并针对不同群组的用户寻找区别对待和精细化运营的机会。

用户分群驱动增长主要通过设定分群维度和应用分群结果这两个步骤来实现。

1.1 设定分群维度

在任何产品中都会存在用户的各种属性以及行为，如何在这些属性和行为中选择最初的分群维度？主要可以按两类维度类型进行分群。一类是按照用户属性进行分类。另一类是按照用户行为进行分类。

用户属性：用户天然的属性和特征，不会轻易的改变。

获客渠道；

可推测用户兴趣的属性：年龄，性别，城市，家庭。

可推荐用户经济状态的属性：设备类，型号，城市，职业。

用户行为：用户在产品生命周期的关键行为。

生命周期的关键行为：新老用户。

用户活跃程度RFM；

付费情况：是否付费；

功能使用；

增长模型：增长模型中的某个变量在不同人群中差异较大。

贷款额度：互金类产品。

客单价：滴滴打车。

价位：SaaS。

在一些初创团队的产品，可能会用不分群的方式，虽然数据分析简单，但对用户一视同仁，导致很对增长的线索无法被发掘，错过增长机会。与这类公司反差明细的是一些巨型企业，会使用千人千面的分群方式。这种方法需要技术和算法的支持。而且分析出的结果需要有对应的运营和产品资源配合，在绝大多数公司并不适用。在大多数公司中，维度分群是从实际业务问题出发，从1-2个维度进行简单分群。当用户量达到一定数量级后，可选择3-5个维度，进行多元组合分群。

1.2 应用分群结果

通过用户分群得到分群结果，主要可以分为两种应用方向，以获取用户为分隔点，在获取用户之前，可以通过结果优化精准拉新的策略。在获取用户之后，可以通过结果提高精细化运营的产品体验。

精准拉新：

对现有用户进行分群，找到高质量的用户群，从而进一步定位高质量用户的获客渠道或者广告。

选择高质量用户，将这类用户特征上传渠道平台，通过算法找到类似的用户。

精细化产品运营体验：

产品算法支持的千人千面的商品和内容推荐等

针对不同群组，进行不同的运营动作。包括Push推送，促销活动等。

1.3 案例分析

这里通过一个某潮品电商产品的用户分群案例，来分享一下如何运用用户分群进行增长策略的置顶。

选择重点的属性和行为维度，进行组合分群：

针对不同的分群，制定对应策略（方案仅供参考，不具有真实性）。

二、用户行为

行为分析是通过详实的用户行为数据描述出用户在产品中真实的路径和互动情况。针对用户行为分析的结果，通过产品或运营的方式引导用户，改变用户行为的轨迹和模式，让用户更好的从产品中获得价值。

用户行为驱动增长主要通过明确分析对象和选择分析方法这两个步骤来实现。

2.1 明确分析对象

用户行为可分为两类关键用户行为，一类是一次性或低频行为，另一类是周期性行为。

一次性或低频行为代表着用户为使用产品打下基础的重要行为。例如下载App、完成注册、输入身份信息、充值等。

周期性行为代表着用户使用产品功能的核心行为。例如下单、点赞、阅读、观看视频等。

在产品中用户产生的行为很多。准确找到这两类关键用户行为的方式可分为两类：