社群运营：社群管理的分级分层，最好的管理机制

在互联网时代，购物已经从线下转移到线上，再到线下、线上相结合的购物模式。用户购买行为也发生了截然不同的变化，比如用户获取信息的速度更快，用户从低价实用的购买行为逐渐转移到产品品质上来，用户更加注重产品及服务的多方面体验等等，对于品牌方及销售方来说也是在利用互联网的特性想尽一切办法增强用户购买欲望，深挖用户痛点。

一句话：用户利用互联网的便捷进行消费，品牌方及销售方利用互联网的特点吸引消费者购买产品。

那如何在互联网时代里将流量打通，做社群的闭环呢？今天我就和大家分享一下“社群里的用户细分逻辑”。

用户分层数据分析
用户分层的意义在于帮助运营人员，更好地梳理用户所处的流程状态，进而可以针对不同状态的用户，制定不同的运营策略。
用户分层没有固定的方式，只能根据产品形态和业务流程设立因地制宜的体系，不过它有一个中心思想：根据核心业务流程进行划分。
这里我们依旧以宠物社群为例，按照业务流程可以划分出如下用户层级结构，并且对每个层级用户给出了明确的用户行为字段要求。

有用户分层结构以及每个层级的字段要求后，接下来的数据分析工作就很清晰了，按照各个层级的字段要求来筛选用户行为数据字段，把符合各个层级要求的用户都找出来。
怎么理解用户分群，我们还是继续拿宠物社群案例进行说明。
比如宠物社群在付费用户这一层里，可以根据用户的消费金额、养宠品类、用户性别进行再区分。
1）基于消费金额的分群
根据下边基于消费金额的付费用户分群，你可以知道付费用户中有 100 人的消费金额是 150~300 元，有 200 人月消费 50~150元，有 500 人月消费在 0~50 元。
2）基于消费品类的分群
根据下边基于养宠品类的付费用户分群，你可以知道付费用户中养猫的用户有 320 人，养狗的用户 480 人。
3）基于用户性别的分群
根据下边基于用户性别的付费用户分群，你可以知道付费用户中男性的用户有 340 人，女性的用户 460 人。
有时候我们做用户分群是为了解决一个具体的业务问题，比如你想知道在付费用户中，什么样的宠物品类月消费客高，什么性别的用户月消费高，那这时候就可以把 3 个分群维度进行交叉分析。
把分群维度切得更细后，会得出更精彩的数据结论。
通过对付费用户进行分群处理后，我们发现女性在宠物的消费意愿度上比男性强，同时养狗用户的消费金额比养猫用户多（因为狗吃得多，用得多）。
而再往下深扒用户消费数据后，确实会发现养狗用户购买的主粮和零食明显比养猫用户要多。
所以在针对养不同宠物品种的用户，我们可以制定不同的优惠促销策略，比如针对养狗的用户我们提供满减门槛更高的优惠券，为了提升转化率重点对女性用户进行营销推送。
RFM用户价值数据分析
你手上有@隔壁老王、@卖课的团子、@小贤去哪儿 3 位流失用户，如果你手上的预算仅够对一个人进行召回，你会选择召回谁？
这是运营同学经常会面临的用户召回问题，关于哪个用户才是最值得被你投入精力进行召回的，就要用到 RFM 用户价值数据方法了。
RFM 用户价值分析方法是客户管理中的经典数据分析方法，它用以衡量消费用户的价值和创利能力，从某种意义上来说它也是一种用户分群，它依托收费的 3 个核心指标：
· 最近一次消费时间（Recency）
· 消费频率（Frequency）
· 消费金额（Monetary）
以此来构建用户价值分群体系。
最近一次消费时间 Recency：衡量用户的流失，消费时间越接近当前的用户，越容易维系与其的关系。1 年前消费的用户价值肯定不如一个月才消费的用户。
消费频率 Frequency：消费频率是用户在限定的期间内购买的次数，最常购买的用户，忠诚度也越高。
消费金额 Monetary：消费金额是营销的黄金指标，二八法则指出，企业 80% 的收入来自 20% 的用户，该指标直接反应用户的对企业利润的贡献。
对于产品而言，我们理想的用户状态是用户消费时间的间隔（R）越短越好；用户的消费频率（F）越高越好；用户一段时间的消费金额（M）越大越好。
用户运营是通过各种手段来「套路」用户做我们想要他做的事（也称之为最大化提升用户价值），为了让自己的运营策略更加有效，我们需要对用户行为进行数据如下处理：
1）用户分层，分层维度没有统一标准，你以拿 AARRR 用户增长路径为分层逻辑，也可以按照业务核心流程为分层逻辑。
2）用户分群，它是对每一层级用户的横向再细分，可以从消费金额、消费品类、用户城市、用户性别等维度分群。
3）FRM 用户价值分群模型，它是一种立体式分群思维，F、R、M 可以按照实际业务需求进行调整，社区产品的M可以被替换成发帖量。