用户分层本身并不是目的，只是实现业务发展的手段方式。

用户分层运营，太多文章太多大咖有提到的。比较“百度百科科学式”理论是基于RFM模型。RFM模型现已被广泛深入的运用在传统+互联网企业里，它主要运用三个维度来用户区分，分别是：

R（Recency）：离某个时间点最近的一次消费，为「近度」维度；

F（Frequency）：一段时间内的消费频次，为「频度」维度；

M（Monetary）：对应这段时间内的消费金额，为「额度」维度。

但具体到每个行业每家公司每个业务的时候，j2直播，甚至同一场景下不同的人也会是不同的玩法。以下是笔者我基于互联网+基金行业，在做基金转化（商业变现）时一些方法论体会供参考。其中涉及到特定的结果结论和一些数据我就抹去了。主要是从四个方面来与大家一同探讨：

用户分层维度确认

用户分层标签支持

精细化运营测试产出

精细化运营能效提升

其他寄语

首先要说明的是，根据不同目的目标和不同业务属性，所区分的用户分层维度选择也是不尽相同的。最终所表现出来的结果可以是“象限分层四类用户”、“时间维度层次多类用户”、“产品核心行为多环节用户”等等。甚至这也是一种用户分层：

此处关于基金业务，我主要是根据用户意愿、用户属性做“象限分层”：

用户意愿，即根据目标用户的特定行为所体现出来的对产品和服务的意愿强弱；

用户属性，即目标用户对产品和服务所反映出来的关联属性，具体到基金业务来说可以对标成对用户对基金产品投资专业程度。

业务导向，即通过上述维度区分了象限用户后，不论中间经历何种用户需求的测试、验证和满足等，都TM最终要走到业务转化，把流量变现这一步去考虑！

二、用户分层的标签支持

以上已经基本确定了按照用户基金投资意愿的强弱、专业程度的强弱等来做横坐标、纵坐标的分层维度。那么如何在产品内寻找到用户标签来做象限识别呢？

这个就要回到对自己所在业务和分层维度的双层理解基础上，从这两方面出发去提取产品内支持“用户意愿强弱”、“用户专业程度强弱”的各类数据来加以利用。并且这里有个假设的过程，即假设这部分用户标签是可以作证用户分层维度正确方向的，atv，而后不断测试验证和优化。此外，必须明白做用户分层精细化运营的三大要素是不断动态调整更新的过程，它可能随着分层标签的不断验证佐证甚至产品发展的不同阶段而更新，无论如何它都不是一成不变的：

用户分层维度本身；

支持用户分层维度的用户标签本身；

支持用户标签本身的用户行为数据本身。

从平台提取了以下相关数据并假设他们可以作证用户分层维度方向的。这里提个一个结果，即先期假设“购买过非货基”的用户是比较专业的基金投资用户了。但其实后来不断的测试验证，我们认为应该在“购买过非货基”基础上，加上“距离首次购买时间一个月及以上时间”这个标签。

关于用户购买意愿强弱

提到这一块，建议大家把这样的虚拟业务场景现实化去想想，就好像一个客户是经过你的店面瞅了一眼便转身不再回头，又或是经过你的门面前甚至在某件商品前，再三徘徊一再把玩。其实类比到线上产品里，这样的用户行为也依然有表现和反射的。

此处主要提取用户访问基金产品页面、购买流程的每个路径botton、访问以上步骤的次数和频次，并就上述路径的用户行为逐一打上标签和权重分数，权重分数随访问路径越深层而越高：

确定上述用户行为标签及相应的权重分数后，即可在数据库里跑出相应的用户uid和体量绝对值。而且要说明的是，打权重分没有严格的界限与标准，只要大体符合漏斗路基和路径权重的方向即可。最终我得出如下结果：

三、精细化运营测试产出