常见用户行为分析模型：用户分群

Posted 2022-02-01 AI算法攻城狮

用户分群是企业精细化，数据化运营的第一步。

用户分群数据分析方法是进行用户画像的关键数据分析模型，这是企业进行数据分析、精细化运营的第一步。用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。

漏斗分析关注阶段差异，用户分群关注群体差异

前面的文章我们讲了漏斗分析模型。通过漏斗分析模型，运营人员可以看到，用户在不同阶段所表现出的行为是不同的，譬如新用户的关注点在哪里？已购用户什么情况下会再次付费？然而，由于群体特征不同，行为会有很大差别，因此运营人员或者产品人员希望可以根据历史数据将用户进行划分，将具有一定规律特性的用户群体进行归类，进而再次观察该群体的具体行为。这就是用户分群的原理。

普通用户分群与预测分群

严格说来，用户分群分为普通分群和预测分群。普通分群是依据用户的属性特征和行为特征将用户群体进行分类；预测分群是根据用户以往的行为属性特征，运用机器学习算法来预测他们将来会发生某些事件的概率，分别从两个场景介绍下这两种用户分群方式。

普通用户分群——分析用户属性与行为特征

以直播产品行业为例。高黏性与高频消费用户的行为观察是产品经理和运营人员工作重点。

例如某运营人员可以筛选出过去30 天内、等级 10 级以上、有“留言”和“点赞”行为，并且付费礼物送出次数超过 10 次的用户，视其为高黏性且高频消费用户，对其进行分群定义后展开数据分析。

通过高黏性与高频消费用户近期的行为观察不同用户群体近期的行为表现，从而可以看出该用户群体的人均观看时长与其他用户存一些差别