Hi, 大家好，关于买了数据产品在甲方企业如何应用之前已经写过一篇（为了成体系理解建议先阅读第1篇：
https://mp.weixin.qq.com/s/jdl3TUBQLfKStl-gP_FIEw
）在第1篇的文章中讲了基本目前企业中比较常见的几种数据分析方法，以及如何将几种分析方法贯穿到一起为商城建立一个相对闭环的分析系统，那么在这样具备一定的数据监控基础后应该如何将所沉淀的数据价值发挥到更上一层楼，那就是今天要讲的是用户分群运营。
首先什么是用户分群，不管是线上线下沉淀出来的用户当它达到一定体量以后总体用户就会出现不同的类人群特征，那么将具有同类特征的人群通过一定的分析手段或者规则单独识别出来的过程就是用户分群。那么如何实现用户分群方法很多样，比如比较成熟但应用较广的RFM模型，或者通过聚类算法分出不同类人群，或者通过维度组合模型定阈值等等都可以实现，实现方法非常多样，在实际应用场景过程中根据实际应用和情况来选择合适的方法即可。
那么当我们需要大批量实现用户分群或者对分群时效性提高的时候我们可以采用数据产品来实现，产品化从社会角度来说确实是提高生产力的一种非常有效的方法，我们继续采用在第1篇文章中的产品神策作为范例进行讲解。
我们选下电商的应用场景来看下。我接触过不少数据产品，一般做用户分群的功能都是依赖用户标签画像来实现的，这个也非常容易理解，标签多了，这样通过不同的标签进行排列组合可以组合出非常多的组合以供不同的运营阶段、不同的产品、不同的节日、不同的业务目标来做运营，所以利用用户标签来做用户分群是当前一大主流方式。
什么是用户标签，简单解释下。比如一个人的性别、年龄、学历、兴趣等这样非常基础的维度也算一种形式标签，当然除了这些非常基础的标签还会有非常多种，如果要将标签打细，根据所沉淀的数据不同，打出几百个标签不是难事。理解了用户标签和标签功能后我们来看下如何利用产品进行打标签。
在上图中左侧是目前建出的一级标签名。那这里示例中一共列出来6种具有实际意义的标签类。活跃类标签：主要看用户的活跃度，不同的企业活跃度需要个体定义，不要用通用的，不同产品对应用户所活跃度定义肯定不一样，一个卖保健品的网站和一个卖水的网站，这种产品的生命消耗周期就非常不同的产品，它自然所对应的用户活跃频次肯定是不一样的。
消费类标签：主要针对成交的维度进行分出来的标签。那这里示例做了二级标签维度RFM,剩下的就是基本的消费分类了。
分享标签：这个是基于用户互动类的标签了，特别针对有发布文章的或者商品或者其他促进用户互动的信息内容的APP或者小程序，这个分享标签就非常重要了，因为分享在社交消费中是一个非常重要的风向标。
偏好标签：偏好标签，顾名思义较为容易理解。比如价格偏好、颜色偏好、型号偏好、情感偏好等等，产品能够挂上钩的根据需要都可以列入。
用户价值标签：也是基于交易维度分出的标签，比如高客单价或者高成交等等，这个要根据实际需要进行划分，而同样每家企业都无法通用，最好先进行一轮数据分析再进行划分。
事实标签：也就是基础标签，上文提到的性别、年龄、教育等等，不可改变的值标签。
那么在这里只是针对示例中建到的标签进行讲解，除了这些肯定还有其他的，标签并非越多越好，而是越精越好，有些情况也可以越细越好，建立标签不是一个拍脑袋的过程，而是对企业数据进行全盘了解然后进行数据分析得出的结果，然后通过产品化的方式进行固化，以便串起其他流程来做好全链路的智能化运营。那在想好整个标签体系后可以在产品上进行标签创建，在下图的条形图可以看到建好的标签后具体的值对应的人群分布。
建完标签后也可以理解为对一个人有了全方位的描述，剩下的就看其他人想了解哪个方面了，然后选出自己想关注的标签，所以看回到用户群画像模块来。
用户群画像就是在总体用户中挑出具有同类特征的人群，挑的过程需要根据实际的运营目标，比如情人节和父亲节推送运营策略，那么这两个节日由于节日性质的不同，我们在做运营策略的时候肯定是不一样的所以我们需要找到合乎这个节日营销的人群，那么有了清晰的思路后就开始创建群画像。
所有的数据产品分群的时候都是可以对标签值进行选取的，可以对值段进行截取，比如VIP等级2级，活跃天数大于5天小于10天这样的等等，在产品上操作是毫无难度的，难的在于如何找到适合运营策略的标签值，那么在做这一步的时候还是需要经过比较周密的数据分析来找到这类人，产品是工具，有些该是人工干预的内容必不可少。
那么怎么选值除了跟运营策略有关系，也会跟人群体量有关系，当你选了几个标签进行组合后可能你会发现人群数严重超出推送的预算，或者人群数太少不足以进行分群，这些都需要再进行调整的。
定完人群画像标签后，接下来的是要跑出这些人，也就是定位到个体。那么这个时间周期会有不同可以可以在用户分群出进行人群创建，将执行的时间添加上去。
到上图流程走完，那么我们就已经打好了标签，建好不同的人群画像了，也定了不同分群执行的方式和跑出数据的方式，剩下的就是定运营策略推送。
同样这里举了两类人群，一个是高流失风险用户一个是过去30天高消费用户群体。这两类人群性质完全不同，当然特征也是特别明显。对于高流失风险的用户我们的主要任务是防真性流失，要唤醒，要促活，所以所有的运营策略都需要围绕这几个目标进行操作。
而针对过去30天高消费用户而言，这些是具有非常高的购买力的，根据RFM的模型，这类人群在看下其他维度几乎也是潜在再消费的人群，当然这需要看产品属性，比如刚买过电视机这种耐耗品，那么就不是说他会再来买了，但是可能可以交叉购买其他产品是有可能，所以具体的情况还是要依赖做一轮数据分析来下结论。
当然这些过程如何我们在数据库中一一去实现也是可以的，借助产品是提高人效，提高产力的过程，这样我们可以将更多的精力放在如何在自己企业用户池里分出不同的人群，然后去思考不同人群需要的东西是什么，最后送用户需要的东西送给她，那么这个商业链条就顺利形成了。
产品终归是作为一种工具，它是将人的思考方式固化的过程，我们通过标签创建后的人群在进行活动后人群效果数据评估后，有效的人群是可以重复使用的，这也是产品的魅力。