本文為【智能用戶運營】系列第 5 篇
構建用戶運營體系，最重要的是建立合理的用戶分層模型，而用戶分層模型多種多樣，不一樣的劃分規則就能形成不一樣的分層模型。
除了我們之前在《找出最有價值的用戶》一文中提到的RFM模型，以及易觀方舟提出的智能用戶運營ARGO模型，最常用的還有用戶忠誠度和用戶生命周期模型。此外，在具體的行業應用中，我們還可能用到以下這幾種模型：
正態分布模型
當用戶運營資源非常有限時，我們可以使用正態分布模型。比如二八法則即屬於正態分布形式，80%的用戶處於價值曲線的平均值附近，而剩下的20%的用戶才是主要的利潤來源。一般而言，正態分布模型從利潤貢獻和用戶數量兩個維度進行建模，大家會發現提供營收最多的客戶是極少數。因為運營成本和突髮狀況造成用戶流失，造成虧本的也是少數，大多數利潤都集中在一個恆定值附近。
基於上述情況，我們就可以分配更多的運營資源去重點維護高利潤用戶，同時對於占據大部分公司運營資源，但對提供利潤有限的客戶進行適當的資源調整。而大多數在恆定值附近的客戶則進行標準化服務，節省資源，降低邊際成本。
所以，用戶體系建立，就是為了方便進行不同的運營策略優化，進而完成最終的業務指標——利潤。
品類綜合偏好模型
品類綜合偏好對於電商而言，與品類具有緊密關係；而對於內容產品而言，與內容種類緊密相連。現在獲取內容或者購買商品渠道愈發多元化，用戶對不同品類商品/內容都可能選擇不同渠道。品類綜合偏好，通過用戶搜索、瀏覽、關注、購買品類商品的次數、頻率等行為來計算品類權重，而從對用戶進行分層、分群，以便更好的進行用戶運用，最終促進用戶的購買。
用戶活躍度模型
用戶活躍度分層在各類網站的用戶運營中運用的非常多，通常使用PV、停留時長、發帖數等來劃分用戶活躍度。對於電商或者新零售來說，最重要的還是購買行為。可以根據用戶近期購買頻次，按一定的規則劃分成新用戶、活躍用戶、沉睡客戶和流失用戶，活躍用戶可以進一步劃分成高、中、低頻。
購物決策力模型
購物決策力是通過用戶購買商品的行為來描繪區分用戶購物時的決策方式，對用戶進行分群分層。用戶可劃分為購物衝動型、反覆猶豫型、理性比較型等等。購物決策類型可以增進客服對用戶心理的了解，或提升優惠券的使用情況，從而提高最終購買率，降低退換貨率。了解不同購物人群的比例，還可以用於產品設計，根據用戶下單前瀏覽時間、瀏覽SKU數量、首次瀏覽到購買時長等特徵做聚類，從而實現個性化推薦或者推送相關的用戶運營活動。
促銷敏感模型
常見的促銷類型有單品折扣促銷、滿減促銷、加購等等，不同用戶對於不同的促銷方式有著不同偏好。我們可以在獲知用戶願意接受的促銷方式後，進行定向營銷，可以有效避免運營成本浪費，提高相應品類、相應活動的購買轉化率。