從網(wǎng)站的用戶層面，我們根據(jù)用戶訪問的行為特征將用戶細分成各種類型，因為用戶行為各異，行為統(tǒng)計指標各異，分析的角度各異，所以如果要對用戶做細分，可以從很多角度根據(jù)各種規(guī)則實現(xiàn)各種不同的分類，看到過有些數(shù)據(jù)分析報告做了各種用戶的細分，各種用戶行為的分析，再結合其他各種維度，看上去內容絕對足夠豐富，但很難理解這些分析結果到底是為了說明什么問題，也許作為一個咨詢報告反映當前整體的趨勢和用戶特征確實合適，但如果真的要讓數(shù)據(jù)分析的結果能夠引導我們去做些什么，還是要在做用戶細分前確定分析的目的，明確業(yè)務層面的需求。

既然要做基于用戶細分的比較分析，自然是為了明確某些用戶分類群體的行為特征與其他用戶群體的差異。這里主要從指導內容層面的調整為導向，通過比較各用戶細分群體對內容需求的差異，優(yōu)化內容運營，將優(yōu)質的內容或者符合用戶偏好的內容推薦給相應的用戶。

既然是基于用戶細分，首先明確用戶的細分規(guī)則，這里舉例3類細分：流失用戶與留存用戶、新用戶與老用戶、單次購買用戶和二次購買用戶，基于這3類細分，對每個分類的用戶購買商品進行比較分析，明確哪些商品更加符合用戶的預期。

流失用戶和留存用戶比較

當然，要區(qū)分流失用戶和留存用戶，首先必須對用戶流失有一個明確的定義，關于流失用戶的定義可以參考博客之前的文章網(wǎng)站的活躍用戶與流失用戶。有了定義我們就可以做統(tǒng)計和細分了，還是以電子商務網(wǎng)站為例，電商網(wǎng)站的內容就是商品，我們基于每個商品計算購買這些商品的用戶中購買后造成流失的用戶比例，如下：





這里的指標定義應該比較明確，每個商品的流失用戶比例應該是購買該商品后流失的用戶數(shù)在所有購買該商品的用戶中的占比，但只知道每個商品的流失用戶比例無法評價這個商品是否對用戶保留有促進作用，或者在一定程度上造成了用戶的流失，只有通過與總體水平的比較才能得出相應的結論。所以這里需要重點解釋的是與總體比較這個數(shù)值是怎么計算的到的，這里的百分比不是直接相減的結果，而是一個差異的幅度體現(xiàn)，這里假設總體用戶流失率為56%，那么以A商品為例，與總體比較的結果是：( 58.13% 56% ) / 56% = 3.80% ，使用同樣的計算方法也可以得到其他商品與總體比較的差異幅度。最后就是展示，在Excel里面通過條件格式里面的數(shù)據(jù)條功能可以直接展現(xiàn)出圖中的效果，非常方便。

很明顯，上面圖中的分析結果對運營調整有直接的指導性，目的是促進用戶保留，所以我們要做的就是將有利于用戶留存的商品(F商品的用戶流失率明顯要比總體低得多，說明F產(chǎn)品更有利于用戶保留)推薦給用戶，而將那些可能導致用戶流失的商品(C商品)進行優(yōu)化或者下架。

新用戶和老用戶比較

同樣，使用上面的方法可以區(qū)分不同用戶群的購買偏向。新老用戶的細分是最常見的用戶細分方法，我們可以使用類似的方法來看看新老用戶對商品的不同喜好：





從上圖中你看出了什么?購買D商品的用戶中新用戶的比例明顯偏低，也許新用戶根本就不喜歡這個商品，而B商品和F商品顯然更加符合新用戶的口味。如果你的網(wǎng)站可以進行新老用戶區(qū)分的定向推廣，那么上面這個分析結果將讓你受益良多。

當然，這個數(shù)據(jù)呈現(xiàn)的特征可能跟商品的推廣渠道有一定的關系，比如上圖的D商品比較多的是使用老用戶比較集中的推廣渠道(比如EDM)，那么自然購買用戶中老用戶的比例會偏高;或者把某些商品放在新用戶比較集中的Landing Page中展示，那么購買該商品的新用戶比例也顯然會偏高。所以，在做諸如此類的分析時需要注意根據(jù)推廣渠道的差異，具體問題具體分析，不能一概而論。

單次購買用戶和二次購買用戶比較

使用同樣的方法也可以促成用戶的多次購買。對于電子商務網(wǎng)站而言，用戶的首次購物體驗非常重要，這將會直接影響用戶是不是會產(chǎn)生再次或者之后的多次購買，或者是否能夠成為網(wǎng)站的忠誠客戶。如果你的網(wǎng)站注重用戶關系管理，那么你可以嘗試下使用下面的分析方法：





需要注意的是這里的基礎用戶群設定在了每個商品的首次購買用戶(不是所有)，我們要分析的是所有將該商品作為首次購買商品的情況下，用戶是否還會發(fā)起之后的再次甚至多次購買行為，從而評價商品對于首次購買體驗的影響好壞。從上表可以看出，B商品和F商品在促成二次購買的表現(xiàn)不佳，很有可能商品的使用或質量問題影響了用戶的滿意度，阻礙了用戶再次購買的腳步。根據(jù)分析結果，我們尤其需要對那些二次購買率比總體水平低非常多的商品進行重點關注，同時也需要根據(jù)商品的特征進行分析，有些商品確實比較容易促成二次購買，因為可能存在交叉銷售和向上營銷的情況。

其實本來想把這篇文章拆分成多篇整成一個系列專題，因為從實現(xiàn)層面而言，每一塊的用戶細分的分析都需要獨立完成，而且大部分要從底層的數(shù)據(jù)計算得到，如果你從Google Analytics上面從尋找類似的數(shù)據(jù)，其實唯一可以找到的就只有新訪問比例，而且在內容模塊里面細分到每個頁面的指標也未包含% New Visits(在流量來源、地域細分里面有該度量)，當然你可以自定義報告來查看網(wǎng)站每個頁面的新訪問比例，比較的基準還是網(wǎng)站總體的新訪問比例，GA的展現(xiàn)方式選擇里面直接提供了與總體比較的視圖Comparison，下圖是我做的自定義報表：





GA上面的展現(xiàn)的效果跟用Excel 2010上面定制條件格式后的效果很像(2010可以展現(xiàn)正負值在坐標軸左右側區(qū)分的紅綠數(shù)據(jù)條，2007貌似還未實現(xiàn)此功能)，這種基于基準的比較展現(xiàn)非常直觀使用，其實在其它的分析中同樣可以用到。那么你從我的博客的各內容新用戶比例比較分析中看出了什么?訪問數(shù)排在前幾名的文章中很明顯的趨勢就是概念性方法論的文章新用戶比例高于均值(當然主要靠搜索引擎的幫忙)，而觀點性和分析性的文章的新用戶比例低于均值(老用戶更偏向于實踐和應用)，所以如果我的博客可以動態(tài)向新用戶和老用戶展現(xiàn)不同的內容，那么這個分析將十分具有價值，也許你的網(wǎng)站可以嘗試下。

最后還是回到一開始的問題，需要總結的是：細分是用于比較的，比較是為了反映差異進而做出調整優(yōu)化的，所以細分的目的最終還是指導運營決策，這個才是數(shù)據(jù)分析的價值體現(xiàn)。

原文：