從網(wǎng)站的用戶層面，我們根據(jù)用戶訪問的行為特征將用戶細分成各種類型，因為用戶行為各異，行為統(tǒng)計指標各異，分析的角度各異，所以如果要對用戶做細分，可以從很多角度根據(jù)各種規(guī)則實現(xiàn)各種不同的分類，看到過有些數(shù)據(jù)分析報告做了各種用戶的細分，各種用戶行為的分析，再結合其他各種維度，看上去內容絕對足夠豐富，但很難理解這些分析結果到底是為了說明什么問題，也許作為一個咨詢報告反映當前整體的趨勢和用戶特征確實合適，但如果真的要讓數(shù)據(jù)分析的結果能夠引導我們去做些什么，還是要在做用戶細分前確定分析的目的，明確業(yè)務層面的需求。

既然要做基于用戶細分的比較分析，自然是為了明確某些用戶分類群體的行為特征與其他用戶群體的差異。這里主要從指導內容層面的調整為導向，通過比較各用戶細分群體對內容需求的差異，優(yōu)化內容運營，將優(yōu)質的內容或者符合用戶偏好的內容推薦給相應的用戶。

既然是基于用戶細分，首先明確用戶的細分規(guī)則，這里舉例3類細分：流失用戶與留存用戶、新用戶與老用戶、單次購買用戶和二次購買用戶，基于這3類細分，對每個分類的用戶購買商品進行比較分析，明確哪些商品更加符合用戶的預期。

流失用戶和留存用戶比較

當然，要區(qū)分流失用戶和留存用戶，首先必須對用戶流失有一個明確的定義，關于流失用戶的定義可以參考博客之前的文章——網(wǎng)站的活躍用戶與流失用戶。有了定義我們就可以做統(tǒng)計和細分了，還是以電子商務網(wǎng)站為例，電商網(wǎng)站的內容就是商品，我們基于每個商品計算購買這些商品的用戶中購買后造成流失的用戶比例，如下：

這里的指標定義應該比較明確，每個商品的流失用戶比例應該是購買該商品后流失的用戶數(shù)在所有購買該商品的用戶中的占比，但只知道每個商品的流失用戶比例無法評價這個商品是否對用戶保留有促進作用，或者在一定程度上造成了用戶的流失，只有通過與總體水平的比較才能得出相應的結論。所以這里需要重點解釋的是“與總體比較”這個數(shù)值是怎么計算的到的，這里的百分比不是直接相減的結果，而是一個差異的幅度體現(xiàn)，這里假設總體用戶流失率為56%，那么以A商品為例，與總體比較的結果是：（ 58.13% – 56% ） / 56% = 3.80% ，使用同樣的計算方法也可以得到其他商品與總體比較的差異幅度。最后就是展示，在Excel里面通過“條件格式”里面的數(shù)據(jù)條功能可以直接展現(xiàn)出圖中的效果，非常方便。

很明顯，上面圖中的分析結果對運營調整有直接的指導性，目的是促進用戶保留，所以我們要做的就是將有利于用戶留存的商品（F商品的用戶流失率明顯要比總體低得多，說明F產(chǎn)品更有利于用戶保留）推薦給用戶，而將那些可能導致用戶流失的商品（C商品）進行優(yōu)化或者下架。

新用戶和老用戶比較

同樣，使用上面的方法可以區(qū)分不同用戶群的購買偏向。新老用戶的細分是最常見的用戶細分方法，我們可以使用類似的方法來看看新老用戶對商品的不同喜好：

從上圖中你看出了什么？購買D商品的用戶中新用戶的比例明顯偏低，也許新用戶根本就不喜歡這個商品，而B商品和F商品顯然更加符合新用戶的口味。如果你的網(wǎng)站可以進行新老用戶區(qū)分的定向推廣，那么上面這個分析結果將讓你受益良多。

當然，這個數(shù)據(jù)呈現(xiàn)的特征可能跟商品的推廣渠道有一定的關系，比如上圖的D商品比較多的是使用老用戶比較集中的推廣渠道（比如EDM），那么自然購買用戶中老用戶的比例會偏高；或者把某些商品放在新用戶比較集中的Landing Page中展示，那么購買該商品的新用戶比例也顯然會偏高。所以，在做諸如此類的分析時需要注意根據(jù)推廣渠道的差異，具體問題具體分析，不能一概而論。

標簽： 用戶細分 網(wǎng)站分析 網(wǎng)站轉化率 

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。