用户分析体系，该如何搭建( 二 )

之后可以思考：如何提升用户价值。最好用的手段就是优惠活动，因此可以从这里入手。
常见的优惠有五种形式满减型：买XX元商品，优惠XX金额。

折扣型：XX商品，原价X折销售
买赠型：买XX件商品，得Y件赠品。
用券型：使用X元抵用券，抵扣订单金额
积分型：消费得积分，积分再抵现/兑换礼品

这五种形式的数据有可能非常混乱！特别是在同一张订单，能同时使用2-3条优惠规则的时候。很多公司的开发非常懒，没有单独做活动标签库，也没有做活动表、商品表、订单表、用户表、积分表（俗称：促销五表）之间的关联关系，导致最终订单只能看到有优惠，不能拆解到每一条规则。从而给后续的分析带来不可修复的难题。
理论上，需要：

促销五表关联清晰
避免全品类/无门槛的券
避免用户抵用券/商品抵用券叠加

这样才能有清晰的数据可分析
有了这些基础数据，分析就大有可为：

哪些用户是优惠敏感型？哪些是不敏感的？
不敏感的用户，忠于什么商品？在哪些特定场景下消费？
敏感的用户，是否薅羊毛薅过量？业绩不足的时候，拉他们出来顶上！

第五步：用户接触渠道分析最后，还可以进一步看：留存的用户在哪些平台出现，流失的用户最后一次出现在哪些平台。这样就不至于像报丧鸟一样，只会喳喳：“用户要流失啦！”而是能具体给到：“我们能在XX渠道把用户捞回来”。
如果是对于有门店、小程序、APP、电商网站多种渠道并存的传统企业，优先要做的是分清楚：哪些用户能通过线上渠道接触。传统企业的门店渠道，常常数据缺失严重，区分线上渠道用户，能加强私域运营能力，同时弥补线下数据缺失问题。
如果是以APP/小程序为主战场的线上企业，则主要对用户接触的内容进行区分。区分出用户对哪些内容（新品？活动？时尚？健康？节日？……）感兴趣，从而选择更好的内容激活用户。
二、不适合优先做的内容相比之以上五个模块，有些分析可以相对靠后做：

用户画像分析：好的用户画像是养出来的，不是天生的。如果一开始没有收集啥基础信息，就先不用动这个脑子，等数据多补充一些再说。
用户行为路径分析：如果用户在小程序/自有电商平台的活跃数据很少，就不要急着做。数据都没几条，分析不出啥来。
用户响应率预测分析：如果只有少量消费数据，就不建议做各种响应率预测（包括活动响应、流失预警、购买预测等等），历史经验上看，只基于消费数据预测，准确度都不咋可观，还不如直接上人工规则。

三、小结这一套用户分析体系搭建，是紧密结合数据采集过程的，充分考虑了：万一没有数据怎么办。由浅入深的推动（如下图）。

文章插图
这一套用户分析体系搭建思路，其分析思路，是站在业务视角，思考如何运营用户：

高价值用户是谁？值得我投入多少？
我能在哪些渠道，找到这些高价值用户？
存量高价值用户，谁还在活跃，谁已经流失？
我能用什么手段，保留存量的高价值用户？
存量的低价值用户，是否有激活可能？怎么激活？

文章插图
这种目标感强的分析，远比列出来：“男女比例4:6”“25岁-30岁占比30%”更能解决问题。并且在推动业务的过程中，也能结合运营手段，补充数据，后续分析也越做越顺，同学们可以尝试下哦。