从 0 开始做增长
刘津
前宜人贷用户增长团队负责人,《破茧成蝶》系列图书作者,UGDlab 创始人
24498 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 44 讲
模块一 | 找对目标,增长路上不迷失 (3讲)
模块五 | 小小实验让增长稳稳落地 (2讲)
模块六 | 巧妙复制让增长遍地开花 (2讲)
模块七 | 增长总结 (1讲)
从 0 开始做增长
15
15
1.0x
00:00/00:00
登录|注册

11 | 用户分类:围绕北极星指标细分人群

转变角度
问题
传统用户分类
问卷调查周期
样本量注意事项
发放问卷方式
数据统计工具
收集问卷注意事项
问卷调查
收集数据的方法
实例4: 网约车
实例3: 活跃度
实例2: 彩票产品
实例1: 宜人贷
分类要求
用户分类方法
产品定位
数据对比
收集并分析数据实践
用户调研知识地图
围绕北极星指标做分类
用户分类的意义及问题
数据分析思路
思考题
用户分类

该思维导图由 AI 生成,仅供参考

你好,我是刘津。
今天我们来学习在数据分析的基础上细分人群,为进一步差异化洞察做好准备。
不过在开始之前,我们先回顾一下上次的内容。上一讲我们学习了数据分析的思路,但是具体该如何操作呢?

收集并分析数据实践

收集数据的方法有很多。
你可以找专业的数据分析师帮你跑一下后台业务数据,如果只分析“性别”“年龄”“地域”的话,由于字段不多,所以过程并不复杂。没有专业的数据分析师的话,你也可以自学 SQL,并申请数据权限自己分析(模块五)。实在不行你还可以参考百度指数。
如果暂时不方便进行数据分析,你也可以通过发放问卷的方式收集用户信息。
问卷中除了收集用户性别、年龄、地域这三项基础信息之外,你可以根据产品属性,增加任何你认为有意义的信息,比如职业、受教育水平、从什么途径了解到产品等等。你还可以询问产品相关负责人,看看他们有什么想了解的信息,酌情加入到问卷里。
注意,问卷内容不要太多,最好控制在 25 个问题以内;尽量少问开放性问题,避免用户反感。在正式发放问卷之前,你最好先找几个人试填一下,确保不出现大的问题。
准备好问卷内容后,你需要通过问卷工具撰写内容并收集结果。
网上可以搜索到很多免费的问卷工具,之前我们用过腾讯问卷,感觉还不错,可以很方便地查看数据统计并进行交叉分析。当然你也可以去探索其它的问卷工具。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

本文介绍了如何在数据分析的基础上进行用户分类,并围绕北极星指标进行细分人群的方法。作者提到了收集并分析数据的实践方法,包括寻求专业数据分析师的帮助、自学SQL进行数据分析,或者通过问卷调查收集用户信息。传统的用户分类方法存在问题,作者提出了围绕北极星指标进行分类的新思路。文章给出了几个实例,说明了如何根据不同的北极星指标,如低成本高贷款余额、销量、活跃度等,进行用户分类,并根据不同类别的特点确定优先级。整体而言,本文提供了实用的数据分析方法和用户分类思路,对于需要进行用户细分的读者具有一定的参考价值。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《从 0 开始做增长》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(14)

  • 最新
  • 精选
  • 趁早
    将日常约车”和“商务出行”按场景分类之后,如何能提升gmv,商务出行路途长远,客单价高但是客单数少了吧

    作者回复: 这里只是寻找分类维度,并不是说只做商务出行。

    2019-07-14
    1
  • 王彬成
    目前在医药电商公司,北极星指标我目前认定是:销售额。而销售额=订单数*客单价。 所以我们目前客户分类按照rfm模型进行分类,即消费频次、最近消费间隔、购买金额,作为区分的维度。 具体可查看我总结的文章 https://mp.weixin.qq.com/s/H2KhjK6dyOpTQk_q6KnHkw

    作者回复: 很棒的总结👍

    2019-11-19
    2
  • 桃园悠然在
    我所在的行业是外卖行业,试着按照我理解的北极目标对用用户群体分类: 北极星目标:低补贴下的GMV增长=订单数*客单价,由于是高频刚需+价格敏感+二元竞争,客单价提升空间较小 市场教育已经完成,按照使用频次或者人口学属性分类意义不大,按照外卖发展路径从一二线到三四线辐射,结合北极星目标可以按照城市体量(GDP+餐饮规模)维度划分,对于低体量城市可以通过倾斜资源降低抽佣等方式提升订单数;对于高体量城市需要设法拓展业务类型,增加生鲜、商超等订单数。
    2019-05-06
    1
    28
  • 苗小羊
    摸索在python数据分析的野路子上
    2019-05-10
    5
  • 深白浅黑
    通过数据对用户进行聚类,这个思路的实现方法很难,需要熟悉业务和技术的通才,才能担任,或者互相能够站在更高的维度讨论问题。因为从思路来说,这个思路是由数据逆推用户类别,由于用户标签(姑且先这么叫吧)类别多样,角度不同,标准不同,在进行聚类时通常会进行降低复杂度处理。因此只有当样本数据量足够大时,才能够反映出一定的趋势,结果是不精准的。 而后续的围绕北京市指标做分类,其实也有潜在的分类标签,这些标签存在于思想认知中,并没有在数据中存在。 我把两个方向的分类一个称之为业务侧数据用户分类,一个称为用户侧现实用户分类。 结合实际情况,有侧重的对两个分类结果进行参考借鉴。 技术懂业务,跨界思维很重要。
    2019-08-21
    4
  • nata
    用俞军老师喜欢的2个概念词来说,是从交易模型,推出“用户模型”。 区分用户的维度千千万,用户其实是“一个个特定场景下的需求总和”。 文中提到的网约车“客单价”——恰好反映了“特定场景的需求”。
    2019-06-23
    4
  • eds
    来了
    2019-05-05
    2
  • 老炎
    北极星指标:服务企业的数量 用户分类:员工、管理、老板
    2021-08-02
    1
  • 李沛欣
    掌握数据分析之道: √ 你有一个数据分析师 √你自学SQL √百度指数 √调研问卷 成交量×客单价 可作为一种北极星指标
    2019-05-15
    1
  • 何小明
    看到数据分析师的身影,😄。
    2019-05-07
    1
收起评论
显示
设置
留言
14
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部