本文給大家介紹了三種常見的模型，希望對運營小白有幫助~

運營，是基于業務線的目標實現，從而實施的各種方法的綜合。

那么目標就會有不同，比如增長，比如變現，比如短期用戶增長，比如長期的用戶生命價值最大化。

當然方法也會有好有壞，有花時間但是穩、省預算的，也有追求快，但是花費大的，還有就是偶然的爆發式的現象級的，而好的運營從來都是組合式的。

至于怎么組合，就要看你手里有多少人，多少預算，多少資源，還有各業務指標的優先級了，追求快速變現為先，還是追求數組增長為先方法就會不一樣。

這么多的方法論里面，效率的高低是不一樣的，為了提高效率我們會引入各種模型和優化方法論。

而用戶運營，則是為了提高效率，從而對不同的用戶進行區分分組，從而實施差異化運營的一種方法論。

所以，用戶運營的不同分類方式，比如RFM、金字塔模型、正態分布等，都是基于不同的業務目標下的選擇。

• RFM，更多是基于成交金額的優化，提升用戶的LTV的分類方式。
• 金字塔模型，則是基于多層次數據穩定增長，形成健康AARRR體系循環的分類方式。
• 而正態分布，則更加偏向于粗放式運營，在維護用戶資源有限的情況下，調用有限資源維護長尾客戶的分類方式。

三種用戶運營的分類方式，和背后的運營策略是怎么樣的呢？

RFM模型可以說是經典了，從傳統CRM管理開始，再到互聯網的用戶運營，可以說從來不會過時，畢竟銷售是所有商業的核心。

RFM分別表示用戶消費的三個指標：消費金額，消費頻率和最近一次消費的時間，來構建一個消費模型。

消費金額Monetary，可以說是商業的核心，也是最重要的一個指標，而消費頻次Frequency，是在限定時間內的消費次數，是用戶忠誠度的體現，而最近一次消費的時間Recency，則是衡量用戶流失的一個指標，也是衡量用戶對你的品牌記憶的一個指標。

這三者根據高低不同，就可以形成八種組合，消費金額高/低，頻次高/低，最近購物時間近/遠，當然這個金額高低和頻次高低還有購物時間的遠近的設定，需要和本身產品的消費周期相關聯。

畢竟買家電的用戶，和買面膜的用戶，時間線設定肯定不一樣的。

然后根據這八種維度的分類方式，進行不同的運營策略，比如消費金額高，但是最近購物時間遠，頻次也低，那么這一批用戶背后發生了什么？怎么樣召回？

在比如消費金額低，但是頻次高，最近購物時間也近，這樣的忠實客戶需要怎么樣去維護？去保持？

這是站在RFM的分類基礎上，去進行的基礎維護運營，根據關鍵運營指標，選取重點需要優化的用戶群體，進行策劃運營活動。

這是用戶體系的建設，是長期的需要去做的運營事件組合，從而優化運營指標。

這里只是最普遍的原理，如果深入進去，那么就得根據用戶群體、產品特性，產品的周期單獨建模，而且需要具體分析最佳的指標，進而進行差異化運營。

同樣的，我們也可以根據不同的運營活動，去反向在RFM里面篩選出用戶群體，從而提高活動的效果。

在做電商運營的時候，天貓的數據里面專門有RFM模型供選擇，不過有點低配，不如自己建模，一般每當大型活動，比如雙十一，針對不同分類的用戶，針對的優惠力度，甚至文案都是不同的。

這就是基于活動反向篩選用戶。

作為運營，還有一個海盜模型應該說是熟的不能再熟的咯，就是那個AARRR倒漏斗轉化模型。

用戶從即新增、留存、活躍、傳播、到盈利，每一層代表著部分用戶流失，這些用戶在不斷的一層層的進行演進著。

那么，金字塔模型，就是根據這個流程來給用戶分類的一個模型。

根據用戶的行為軌跡，從注冊，下載，使用產品，會推薦，評價，購買以及付費，也會注銷、卸載、和流失，這是一個完整的流程，而每一個流程里，都存在一部分用戶。

而我們的核心指標，當然是讓用戶付費。

那么給這些用戶的分層，就是為了對于每一層的用戶進行差異化運營，讓他們一步一步的往前演進，或者直接進入轉化購買階段。

這就是金字塔模型的用戶運營分類方法，一般我們用一個APP的用戶來舉例。

當然用戶的行為不僅僅是這五步，可能還會有更多的細分的步驟，不過普遍的我們會根據這典型的五步來分類，因為每一步網上走的過程，都非常有代表性。

于是這五層的用戶分類，我們運營對于每一類都有不同的需求：新用戶我們希望他下載，那么給新手福利；下載用戶希望他們使用，那么給予傻瓜式的操作引導；而使用的用戶又希望他多來，常來，建立信任，那么就要有不斷的刺激和優化。

而興趣用戶，當然希望他付費了，自然促銷是常用手段。至于付費用戶，那么服務肯定要做好，希望人家二次購買，三次購買，甚至推薦給其他人。

不同層次的用戶，采取不同的策略，從而最終導向運營的關鍵指標，這就是用戶分層的核心。

當然這只是其中的一種分層方式，還有其他的，比如當RFM模型下，運營的資源非常有限的時候，我們就會通過單一維度的分層。

比如根據消費金額，進行層次區分，金字塔分個三級，消費100萬以上的，消費50-100萬的，100萬以下的這樣。

再比如，消費了10次以上的，消費了5-10次的，消費了1次的，尚未消費只看不買的這樣。

這也是另一種金字塔模型。

給用戶分層的目的，一方面是為了達到運營的業務指標，另一方面也是因為運營資源有限，所以必須效率最大化。

當用戶運維的資源更加的粗放，而且資源非常有限的時候，就可以用正態分布模型。

比如二八法則就是一種正態分布的形式，80%處于曲線的平均值附近，而剩下的20%才是利潤的來源。

后來做了新媒體代運營，針對B端客戶的時候，基本上所有的客戶只要維護好最好的那一波，和最差的那一波就行，至于中間的那一波大量的客戶，標準化執行就行了。

所以正態分布模型，和RFM模型，剛好一個二維，一個三維的不同建模。

正態分布模型，就是在兩個維度比如利潤貢獻和人數兩個維度進行建模，你會發現提供利潤最多的那幾個客戶是少數，因為運營成本和突發狀況造成沒錢賺反而虧本的也是少數，而留下的大多數利潤都是在一個恒定值附近的。

那么根據這三種情況，我們就可以來分配運維的資源了，重點維護高利潤用戶，同時也要核心關注不給利潤但是占據大部分公司資源的客戶，要舍棄。

而中間大多數在恒定值附近的客戶，則要進行標準化服務，節省資源，讓邊際成本降低。

當然，如果你想要繼續精細化運營，那么可以通過方差去繼續細分。

比如上圖，1個標準差之內的用戶進行服務標準化，而1西格瑪-2西格瑪之間則進行用戶挖掘，看能否讓用戶演進到28法則里面的2中，也就是2西格瑪-3西格瑪之間。

至于-2西格瑪到-1西格瑪之間的用戶，是有利潤，但是依然運營成本吃力的，看能否稍微提高價格，或者減少產品的標準，進行優化處理，進而把利潤提升到正常的1個標準差之內？

至于-2西格瑪之外的，則進行舍棄。

這就是正態分布模型的用戶分層方式，這種模型經常會用在B2B的商業中，而B2C則更多會用RFM模型，至于金字塔模型，則是RFM模型的簡化版。

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。

作者：蛋殼花生，授權青瓜傳媒發布。

來源：蛋殼花生