養魚的不一定是海王，也可能是運營人！

魚塘與魚

魚塘，顧名思義就是海王用來養魚的一個池塘。

現今各種線上平臺就是各個企業在市場大環境下搭建的一個用來養殖的池塘，而平臺中的產品則是池塘裡面的養分。

既然是“魚池”，那養什麼“魚”？

所謂的魚，指的是社會上形形色色的人。

他們都是各個產品的潛在客戶，這些人都是透過特定的平臺（即魚池）來養殖，從而把客戶的剩餘價值等挖掘，達到每個客戶生產的利益最大化。

既然有了“魚”，那怎麼養殖？

魚塘理論

在營銷行業中，有一個著名的

“魚塘理論”

，將使用者比喻為魚，所有存量使用者組建成了一個“魚塘”。

而一個魚塘中按照大小來分，存在大魚、小魚、魚苗等，在使用者分層理論中，可以按照使用者質量，將使用者分為

核心使用者、活躍使用者和普通使用者

3個層級。

魚塘中真正能夠產生價值收益的是大魚，小魚和魚苗是潛在價值，使用者群中真正產生價值的是核心使用者，活躍使用者和普通使用者是潛在價值，魚塘分群的使用者增長邏輯就是將小魚養大，將普通使用者培養為活躍使用者，將活躍使用者培養為核心使用者。

這裡所謂的使用者價值對不同產品型別有不同體現，電商類產品的高價值使用者自然是購買頻次高或購買單價高的使用者，內容產品的高價值使用者指內容生產者（UGC內容）或內容消費者（高頻閱讀、轉發、評論互動）。

01

根據使用者行為建立使用者分層模型

魚塘分群的用處在於根據產品的關鍵指標篩選不同質量的使用者群體，以群體特徵為原點設計運營活動促進使用者關係的遞進。

例如，在電商類產品的使用者分層中我們一般

採用RFM使用者分層模型

，按照R（最近消費時間）、F（最近購買次數）、M（最近累計消費金額）3個維度將使用者分為重要價值客戶、重要發展客戶、重要挽留客戶、重要保持客戶、一般發展客戶、一般價值客戶、一般挽留客戶、一般保持客戶8個型別，針對不同使用者的行為特徵設計針對性運營活動。

同樣，RFM使用者分層模型也適用於其他品類，按照R（最近訪問時間）、F（最近時段訪問次數）、M（最近時段互動次數）3個維度進行使用者細分。

02

根據運營需求建立使用者分層模型

在使用者分層方式上，並不侷限於固有的模型，可以根據當下運營階段的

“北極星指標”

設定使用者分層維度。

例如，當下運營階段的“北極星指標”為提升使用者粘性，那麼使用者分層的質量維度主要是使用者訪問頻次、訪問時長和訪問深度。

使用者訪問頻次：階段時間內使用者開啟APP的次數，例如核心使用者1天3次，活躍使用者1天1次，普通使用者3天1次；

使用者訪問時長：階段時間類使用者使用產品的累計時長，例如核心使用者1天60分鐘，活躍使用者1天30分鐘，普通使用者1天10分鐘；

使用者訪問深度：根據使用者行為定義使用者的互動性，例如核心使用者平均瀏覽20個頁面，活躍使用者瀏覽10個頁面，普通使用者瀏覽5個頁面。

在定義使用者質量分層維度後，找到提升指標的關鍵點，例如提供普通使用者的訪問頻次，可以向普通使用者推送感興趣的內容，提升普通使用者的訪問深度，可以向普通使用者推出互動活動。

使用者分層運營的目的在於針對性“投餵”，避免大魚越來越大，小魚逐漸流失的現象。

03

資料驅動的使用者分層實踐

使用者分層運營是基於使用者行為資料建立的使用者群組標籤，透過資料分析工具洞察使用者行為，對使用者進行有效分層。

以諸葛io為例，可以根據運營北極星指標設計多維度的使用者分層指標。下面以“提升活躍使用者”這個指標為例，對資料驅動分層的方法進行說明：

首先，分析使用者行為找到提升指標，

既然要提升活躍使用者，那麼首先需要對“活躍使用者”進行定義，例如活躍使用者的定義是連續4天訪問並且每天使用超過20分鐘的使用者，那麼透過諸葛io的“粘性分析”可以看到15。2%的使用者滿足連續使用4天這個條件。

接下來，針對其餘未滿足條件的使用者分析使用者行為，將這一部分使用者定義為“高流失風險使用者”群組，在路徑分析中分析使用者的訪問行為，觀察在進入首頁後哪一步的使用者流失比較嚴重。

使用者路徑分析有2個目的，首先檢視根據設定好的使用者路徑起始點，跟蹤使用者的後續行為習慣，其次檢視不同行為的轉化人數，找到使用者高頻訪問行為以及低頻使用者訪問行為，透過使用者行為習慣向流失使用者進行針對性喚醒活動的設計。

04

總結

魚塘分群的核心在於實現不同層級使用者的正向迴圈發展，透過使用者分群模型的應用及各群組針對性運營策略，在分群而飼的同時共同建立一個有效的魚塘生態。