产品的增长分析当中，想关注符合某些条件的一部分用户，不仅想知道这些人的整体行为（访问次数，访问时长等），还希望知道其中差异较大的细分群体 。用户分群方法，能帮助我们对差异较大的群体分别进行深入分析，从而探究指标数字背后的原因，探索实现用户增长的途径 。
一、用户分群的应用场景
在日常的数据工作中，我们经常接到这样的需求：想关注符合某些条件的一部分用户，不仅想知道这些人的整体行为（访问次数，访问时长等），还希望知道具体是哪些人符合这些条件 。
然后查看这些人的数据导出用户名单，针对性的发送tips消息 。有时还想进一步查看某些人在使用某功能上的具体操作行为 。用户分群，就是用来满足这类需求的工具方法，它能帮助我们对差异较大的群体分别进行深入分析，从而探究指标数字背后的原因，探索实现用户增长的途径 。
如用户画像分群，核心价值在于精细化的定位人群特征，挖掘潜在的用户群体 。使网站、广告主、企业及广告公司充分认知群体用户的差异化特征，根据群体的差异化特征，帮助客户找到营销机会、运营方向，全面提高客户的核心影响力 。
二、用户分群
文章插图
图1：用户分群的5个类型
类型一：不分群，如全量活跃用户投放，群发短信等，缺点是没有针对性，容易引起用户反感 。
类型二：用户基本信息分群，如根据用户注册的信息分群 。相比不分群，这种方法已具备一定的针对性， 但是由于对用户不是真正了解，产生不了很好的结果预期 。
类型三：用户画像分群，如年龄、性别、地域、用户偏好等，画像建设的焦点是为用户群打“标签”，一个标签通常是人为规定的高度精炼的特征标识，最后将用户分群的标签综合，即可勾勒出该用户群的立体“画像” 。画像分群让我们真正了解了用户的某些特征，对业务推广帮助很大 。
类型四：根据用户行为进行分群，此阶段会在画像分群的基础上关注用户的行为特征, 如根据用户的注册渠道和活跃习惯，制定不同的营销推广策略 。
类型五：聚类和预测建模分群，聚类建模可以根据用户的综合特征指标，将用户分为不同的群体，如将用户划分为娱乐型、挂机型、社交型、办公型等；预测建模即尝试去猜测用户下一步的态度与行为（例如想知道什么，想做什么） 。正因如此，它对将复杂的行为过程变为营销自动化，是十分有帮助的 。
三、常见的用户分群维度
1. 统计指标：年龄，性别，地域
2. 付费状态：免费，试用，付费用户
3. 购买历史：未付费用户，一次付费用户，多次付费用户
4. 访问位置：用户使用产品的区域位置
5. 使用频率：用户使用产品的频率
6. 使用深度：轻度，中度，重度用户
7. 广告点击：用户点击了广告 vs 未点击广告
四、常用的聚类分群方法介绍
上面介绍了一些关于分群的方法和思路， 接下来重点讲解一下用户聚类分群，聚类分群可分为层次聚类（合并法，分解法，树状图）和非层次聚类（划分聚类，谱聚类等），而较常用的互联网用户聚类方法为K-means聚类方法和两步聚类法（均为划分聚类）。
聚类分析的特征：
1、简单、直观；
2、主要应用于探索性的研究，其分析的结果可以提供多个可能的解，选择最终的解需要研究者 的主观判断和后续的分析；
3、不管实际数据中是否真正存在不同的类别，利用聚类分析都能得到若干类别的解；
4、聚类分析的解完全依赖于研究者所选择的聚类变量，增加或删除一些变量对最终的解都可能产生实质性的影响 。
5、研究者在使用聚类分析时应特别注意可能影响结果的各个因素；
6、异常值和特殊的变量对聚类有较大影响；
7、当分类变量的测量尺度不一致时，需要事先做标准化处理 。
聚类分析的弱点：
1、聚类是一种无监督类分析方法，无法自动发现应该分成多少个类；
2、期望能很清楚的找到大致相等的类或细分市场是不现实的；
3、样本聚类，变量之间的关系需要研究者决定；
4、不会自动给出一个最佳聚类结果 。
聚类分析的应用过程：
（1）选择聚类变量
在选取特征的时候，我们会根据一定的假设，尽可能选取对产品使用行为有影响的变量，这些变量一般包含与产品密切相关的用户态度、观点、行为 。
推荐阅读
- 华为手机提示拦截QQ删除照片，腾讯QQ回应尊重用户隐私
- 对流式电暖器优缺点分析
- 仔细给你来分析红茶到底值不值得收藏
- 分享7款帮助独立站提升站外引流的SEO分析工具
- 为何鲍鱼有3头和9头之分？听海鲜老板一分析，原来之前买错了
- 国三小轿车还能开多久呢？老司机做了分析，所有的车主快看看吧
- 新基建5G等技术加持下，服务机器人行业将迎来增长黑天鹅？
- Windows 10中的DHCP安全性：分析关键漏洞CVE-2019-0726
- 微信11亿用户，为啥发朋友圈的人却越来越少？原因无非这3点
- 企业APP推广案例分析 软件推广赚钱