最近更新时间:2023.12.28 10:35:40
首次发布时间:2021.02.23 10:41:49
将一段时间内具有相同属性或发生了相同行为的用户找到并保存下来的做法就是用户分群。
用户分群是精细化运营的重要支撑手段之一,您可以对细分后的用户群开展用户画像、精细化分析、精准触达等工作。
用户分群的典型使用场景包括(但不限于):
以电商场景用户分群「低活跃用户」的创建和使用为例进行介绍。
查看和管理用户分群。
在这里,可以对用户分群进行如下管理操作:
进入用户列表后指出勾选用户属性,同时支持下载,如下图:
用户分群支持两种创建方式:规则创建和上传创建。
即通过事件筛选、属性筛选等条件创建用户分群,支持选择‘每日例行’或‘手动更新’。
规则条件 | 规则介绍 | 计算条件 | 取值范围 |
---|---|---|---|
用户做过 | 选择符合业务所需的具体事件。 |
| 等于、大于、大于等于、小于、小于等于或者区间 |
用户没做过 | 运营中一个很常见的场景是,希望找到一段时间内没做过某些事情的用户,对他们进行针对性的触达。 |
| 等于、大于、大于等于、小于、小于等于或者区间 |
用户依次做过 | 指定事件行为序列,用户只有按顺序触发这些事件时才会被选中。 | ||
用户是 | 支持选择用户属性、用户分群、用户标签 (默认选择最新值)。 | 等于、不等于、包含、不包含、为空、不为空、自定义包含、正则匹配 | |
用户不是 | 排除特定用户属性、用户分群、用户标签的用户。 | 等于、不等于、包含、不包含、为空、不为空、自定义包含、正则匹配 |
可见火山引擎增长分析的分群计算策略确保了无论何时使用者用到分群时,分群中的人群都是最新的。
通过上传 id 列表文件的方式创建用户分群,当项目有多个用户口径id时,您可以自选其中1个id上传,请注意保持上传的文档id类型与页面选择的一致。
该功能支持您回溯创建日过去7日的分群结果,目的为了让您快速了解该分群的历史趋势。
规则创建&文件上传的分群任务,均可查看该分群产生过计算的历史结果。
当条件中包含用户分群时,我们暂时不支持当天的数据一起计算。
因为有的用户同时在使用 iOS 和 Android。分别使用两个设备的次数不到5次,但将二者加到一起恰好超过5次了。这时该用户就会计入分群中来了。
导出用户ID的文件是 csv 格式的,在你的电脑上可能会默认使用 excel 或 wps 打开,打开后会看到用户ID的值显示为了科学计数法,而且也无法还原原始值。如下图所示:
出现这个问题的原因是 Excel 和 WPS 打开 csv 时,会自动将超长的数字转换为科学计数法表示,同时存为了字符串。这种转换不可逆,所以也无法还原数字的原始值。
方案一:在 Excel 直接导入CSV
通过 Excel 的导入功能,在导入流程中将包含超长数值的列的数据格式改为“文本”,可以正确显示。如果你的 Mac Excel 版本是 16.59,由于 Excel 的已知问题,可能导致会无法正确识别 csv 的内容,那么也可以选择方案二。
Mac Excel 示例
文件 > 导入
,选择刚刚下载的 csv 文件;列数据格式
选择”文本“,预览选定数据
中选中”用户ID“列(选中时为黑色);完成
,并按默认状态完成后续步骤;如下图所示,按上述步骤导入的A列,可以直接显示为正确的内容。
方案二:通过 Excel “获取数据”功能进行导入
Mac Excel 示例
方案三:先通过其他软件打开,保存 Excel 格式
MacOS 的 Numbers、飞书文档或文本编辑器等不会对超长的数字自动进行转换。可以使用这几个软件打开 csv,然后将文件保存为 Excel 格式,之后再使用 Excel 或 WPS 打开,就可以正确显示了。
这种情况对于小文件也比较方便。但如果文件很大,处理起来比较慢,就要考虑直接在 Excel 导入的方案了。
使用“用户没做过”和“用户做过”的筛选条件进行圈选人群时,圈选的逻辑如下。
圈选条件 | 逻辑说明 |
---|---|
用户做过 | 在全量用户(默认为过去一年的用户)中,筛选出在指定时间范围内做过某件事件指定次数的用户。 注意 使用“用户做过”进行圈选时,筛选条件规则中,需确保用户做过事件的次数>1,次数=0或次数<1时圈选结果为空。 |
用户没做过 | 在全量用户(默认为过去一年的用户)中,去除掉(not in)在指定时间范围内做过某件事件指定次数的用户。 |
圈选示例:
示例用户特征
用户名 | 近1年活跃 | 近7日活跃 | 近7日登录次数 | 近7日购买次数 |
---|---|---|---|---|
A | 是 | 是 | 30 | 5 |
B | 是 | 是 | 10 | 1 |
C | 是 | 是 | 10 | 0 |
D | 是 | 否 | 0 | 0 |
E | 否 | 否 | 0 | 0 |
圈选场景示例1:筛选一段时间内,做过某事件的用户,推荐使用“用户做过”进行筛选
圈选场景示例 | 圈选条件示例 | 圈选结果 | 结果说明 |
---|---|---|---|
筛选近7天有购买行为的用户 | 用户做过(筛选条件) + 购买(事件) + 总次数 ≥1(次数) + 过去7天(指定事件发生时间) | A、B | 结果正确 |
筛选近7天购买行为超过3次的用户 | 用户做过(筛选条件) + 购买(事件) + 总次数 > 3(次数) + 过去7天(指定事件发生时间) | A | 结果正确 |
用户没做过(筛选条件) + 购买(事件) + 总次数 ≤ 2(次数) + 过去7天(指定事件发生时间) | A、C、D | 结果错误 注意 “用户没做过”进行筛选时,先筛选出用户做过对应事件xx次数的用户,然后从近一年活跃总用户数中去除对应的用户,得到圈选结果。因此圈选结果中,从近一年活跃用户A~D中去除掉了购买次数小于2的用户B,得到了结果A、C、D。 |
圈选场景示例2:筛选一段时间内,未做过某事件的用户,推荐使用“用户没做过”进行筛选
圈选场景示例 | 圈选条件示例 | 圈选结果 | 结果说明 |
---|---|---|---|
筛选近7天没有购买行为的用户 | 用户没做过(筛选条件) + 购买(事件) + 总次数 ≥1(次数) + 过去7天(指定事件发生时间) | C、D | 结果正确 注意 筛选时,用户总量为近一年的用户数,因此筛选结果中不会包含用户E。 |
用户没做过(筛选条件) + 购买(事件) + 总次数 = 0(次数) + 过去7天(指定事件发生时间) | A、B | 结果错误 注意 “用户没做过”进行筛选时,先筛选出用户做过对应事件xx次数的用户,然后从一年总用户数中去除对应的用户,得到圈选结果。 | |
用户做过(筛选条件) + 购买(事件) + 总次数 =0(次数) + 过去7天(指定事件发生时间) | 无结果 | 结果错误 注意 “用户做过”进行筛选时,次数=0或次数<1,结果为空。 | |
筛选近7天登录的用户中,没有购买行为的用户 | 组合使用两个筛选规则:
| C | 结果正确 |
分群计算逻辑变更,请关注:
内容类产品日常运营过程中需要通过一些运营手动定期促活,因此运营同学常需要找到“低活跃”用户进行运营动作。促活一般面向两类用户,一种是近7/14日活跃频次较低的用户,可直接以近期热门内容发送push信息,促进此类客户打开推荐的内容;另一种是近7/14日未活跃,但上一时段曾活跃的流失用户,可以以好友评论或点赞记录等更强诱因的发送短信,吸引用户回归。
低频用户圈选逻辑较简单,只需要选择用户在规定时间内目标事件触发次数小于或小于等于某一数值即可:
流失用户涉及不同时间段,需要结合未做过的逻辑进行逻辑组合: