用户生命周期与改进型RFM模型
一、用户生命周期模型
用户生命周期是指用户在产品使用过程中的状态 变化，一般分为5个阶段，分别为引入期、成长期、成熟期、沉默期和流失期。
| 生命周期 | 用户行为特征 | 核心数据指标 | 运营目标 | 运营策略 |
|---|---|---|---|---|
| 引入期 | 下载、注册 | 新客停留市时长、留存 | 获取用户 | 精准定位、发掘渠道 |
| 成长期 | 登录、实名认证 | MAU、DAU、活跃率、功能和场景渗透率 | 提高活跃、促进交易 | 关键转化路径的引导策略 |
| 成熟期 | 首次办理业务 | 留存率、复购率 | 促交易、获收入、促传播 | 交叉营销、激励复购 |
| 沉默期 | 30天内无登录 | DAU、活跃率、活跃天数 | 提高留存、提高活跃 | 流失预警、沉默唤醒 |
| 流失期 | 90天内无登录 | 流失召回率、召回用户的留存 | 提高留存、召回 | 用户利益刺激召回 |
二、用户画像
用户画像指能够描述和刻画用户 信息和特征的数据指标。用户画像分为两类：静态属性画像和动态兴趣画像。
- 静态属性画像：关注用户的（一段时间内不会变化或相对稳定的）属性特征，比如年龄、性别、地域、渠道、状态等。
- 动态兴趣画像：关注用户的偏好和兴趣，比如活跃时段、功能偏好、商品偏好、内容偏好等。动态兴趣画像大部分都具备统计周期，缘由在于其是可变的，故需要制定统计周期，例如近3个月活跃。
| 分类 | 属性画像（静态） |
|---|---|
| 基本属性 | 性别 |
| 年龄 | |
| 星座 | |
| 血型 | |
| 职业 | |
| 学历 | |
| 收入 | |
| 手机号码 | |
| 注册日期 | |
| 账户类型 | |
| 会员类型 | |
| 注册渠道 | |
| 地域属性 | 家庭住址（国家-省-市-区） |
| 工作住址（国家-省-市-区） | |
| 常去地点 | |
| 绑定渠道 | |
| 社交属性 | 注册渠道 |
| 有无关注公众号 | |
| 有无关注微信客服 | |
| 有无关注微博 |
| 分类 | 属性画像（动态兴趣） |
|---|---|
| 行为偏好 | 近3个月活跃用户 |
| 在线时长大于5分钟 | |
| PUSH敏感用户 | |
| 偏好点赞 | |
| 兴趣偏好 | 电影敏感 |
| 低价敏感 | |
| 视频偏好 |
三、用户分层模型
经典的用户分层模型：RFM模型，我之前的文章里有讲过，略。我们这里介绍改进型的RFM模型。
3.1 进化的RFM模型
优化：
- 不再局限于R-F-M，而是根据业务需求自定义几个（一般3个）核心指标。指标需要根据业务需求去定义，不是越多越好。
- 不再局限于每个指标只有0和1这两个值，而是根据业务需求自行制定每个指标值的区间和数量。把RFM模型中的R、F、M这3个值换成X、Y、Z（XYZ即业务的不同指标），让这个模型扩 展到更多领域。
弊端：当指标的数量和指标值的数量增加时，会造成客群数量爆炸。
3.2 在 Excel 实现进化的RFM模型
所用数据：python脚本生成的模拟数据
步骤1：根据分类依据使用公式创建点击次数、呈现次数、点击率的对应辅助列，用来进行RFM模型的分类；
步骤2：创建数据透视表
步骤3：为了方便查看，可以套用条件格式，添加数据条或色阶，最后就可以根据透视表分析爆款／优质视频有哪些类别了。（不纠结结果，模拟数据无意义，关注实现过程）
同样的，进化的RFM模型也可以适用于基于用户画像的用户分层。
# 说明：以上内容仅用于个人学习