文章目录
- 1.用户层次维度的确认
- 二、用户分级标签支持
- 关于用户的专业水平。
- 关于用户购买意愿的强度
- 三。精细操作测试输出
- 第四，提升精细化运营能效。
- 动词 （verb的缩写）其他消息
用户分层本身不是目的，而是实现业务发展的手段。
用户层层操作，提到的文章太多了。“百度百科科学风格”理论的比较基于RFM模式。RFM模式在传统+互联网企业中已经得到了广泛而深入的应用。它主要用三个维度来区分用户，即:
R（Recency）：离某个时间点最近的一次消费，为「近度」维度；F（Frequency）：一段时间内的消费频次，为「频度」维度；M（Monetary）：对应这段时间内的消费金额，为「额度」维度。
但是到了每个行业，每个公司，每个企业，甚至同一场景下不同的人都会有不同的玩法。以下是笔者和我基于互联网+中的基金行业在基金转换(商业变现)方面的一些方法论经验，供参考。涉及到具体的结果、结论和一些数据，所以我删掉了。主要从四个方面和你讨论:
用户分层维度确认用户分层标签支持精细化运营测试产出精细化运营能效提升其他寄语
1.用户层次维度的确认
首先，根据不同的目标和不同的业务属性，用户层次维度选择是不同的。最终结果可以是“象限层次四类用户”、“时间维度层次多类用户”、“产品核心行为多链接用户”等等。甚至这也是一种用户分层:
在这里，关于基金业务，我主要根据用户意愿和用户属性做“象限分层”:
用户意愿，即根据目标用户的特定行为所体现出来的对产品和服务的意愿强弱；用户属性，即目标用户对产品和服务所反映出来的关联属性，具体到基金业务来说可以对标成对用户对基金产品投资专业程度。业务导向，即通过上述维度区分了象限用户后，不论中间经历何种用户需求的测试、验证和满足等，都TM最终要走到业务转化，把流量变现这一步去考虑！
二、用户分级标签支持
以上，横坐标和纵坐标的层级维度，基本都是根据用户资金的投资意愿和专业程度来确定的。那么如何在产品中找到用户标签进行象限识别呢？
要回归到对自身业务和层级维度的双层次理解，从这两个方面，提取产品中支持“用户意愿的强弱”和“用户专业程度的强弱”的各种数据，以供使用。而且这里有一个假设的过程，就是假设这部分用户标签可以作证用户层次维度的正确方向，然后不断测试、验证、优化。此外，必须明白，用户分层精细化运营的三大要素是不断动态调整和更新的过程，可能会随着分层标签的不断验证和佐证，甚至产品发展的不同阶段而更新，但无论如何都不是一成不变的:
用户分层维度本身；支持用户分层维度的用户标签本身；支持用户标签本身的用户行为数据本身。
关于用户的专业水平。
以下相关数据是从平台中提取的，假设它们可以证明用户的层次维度。这里有一个结果，就是事先假设“买了非货基”的用户是比较专业的基金投资用户。但实际上，经过不断的测试和验证，我们认为应该在“已购非货基”的基础上增加“自首次购买时间起一个月以上”的标签。
关于用户购买意愿的强度
谈到这一块，我建议你以现实的方式思考这个虚拟商业场景。就像一个顾客看了你的店一眼然后转身再也不回头，或者从你门前走过甚至在玩什么东西。其实相对于线上产品，这样的用户行为还是有表现和反思的。
这里主要提取用户对基金产品页面的访问，购买过程中各路径的点击量，对上述步骤的访问次数和频率，对上述路径的用户行为逐一进行标注和加权。访问路径越深，加权分数越高:
确定了上述用户行为标签和对应的权重分值后，就可以在数据库中跑出对应的用户uid和体重绝对值。更何况加权并没有严格的边界和标准，只要大体符合漏斗路基和路径加权的方向即可。我最终得到了以下结果:
三。精细操作测试输出
按照上述的层级维度和相应的用户标签支持，也就是逐渐来到我们的层级目标用户，他们的形象还是比较模糊的，我们还是需要一步步的描述清楚。同时，你已经初步获得了通过一定的逻辑和相应的数据筛选出来的具有特定特征的用户群体。这里建议暂时不要贴上绝对因果的标签，而要保持谨慎大胆的假设，暂时把它当作一个相关的现象来看待。
根据上层用户层级维度的四个象限，对应以下四类用户(过渡阶段不考虑):
购买意愿强但用户偏小白的用户购买意愿弱且用户偏小白的用户购买意愿强且用户偏专业的用户购买意愿弱但用户偏专业的用户
接下来就是逐步针对以上四类用户，在保证用户体验的前提下，不断尝试各种测试转型，不断验证业务目标，得出相应结论。下面是一些关于基金产品初次申购和回购的考点，帮助同学们开拓其他业务思路。这里不方便公开与实际业务结果相关结论。
10元即购的基金来引导低门槛首购；根据风险偏好，即推用户持仓基金同属性基金来引导复购；利用资产配置，即推用户持仓基金风险交叉的基金来引导复购；不断用户教育，通过基金投资好处、基金定投好处来做内容变现转化；特定场景下再尝试用某成本额度的利益刺激来尝试；基金费率优惠等等其他。
从之前的文章《老司机的操作套路:如何操作互联网基金》中也可以看出
第四，提升精细化运营能效。
经过用户层次维度的确定，用户标签的提取，不同属性用户的持续测试输出，最终要得出业务目的导向的结论。而且要优先考虑潜在价值产出最大的用户，尤其是这种文字业务中的“购买意向强烈的用户”。对于其他潜在价值较低的用户，并不忽视。比如可能投资时间长，转型难度大。这里需要制定一个逐步推进的计划，相当于建立了一个“潜在用户的蓄水池”。据此，建议输出结果的结论主要来自以下几个方面:
针对的目标分层用户是谁；拿什么点去做、怎么做转化，目标效果最好；目标效果而言，可提升的空间和点在哪；
当然，仅仅得到上述测试结果和结论是不够的。需要进一步推广的是如何操作得到的结果和结论，使其能量效率最大化。笔者主要从以下几个方面展开:
首先产品化，将所得结果结论产品化，推动嵌入到用户场景和流程中去，这样能效更高；铺开面积推，由点及面地全量铺开推向用户，并在过程中不断优化完善，这样产能更大；必要情况下，特别是用户分层和场景拆分很细情况下，需要通过搭建运营后台快速产出。
动词 （verb的缩写）其他消息
经验表明，这是一条曲折的路，但最重要的是先爬起来。结合自己的业务目标、主营业务核心路径、用户的行为表现数据等。，先动，再不断优化调整最后建立自己的运营策略和体系。而且在这个框架和体系下，进行活动运营、内容运营、数据运营会更有逻辑性和目的性，而不是一个没有节奏、没有支撑的孤独运营支点！
