我們都知道，所有的運營工作都是圍繞著用戶展開的。運營策略從某種程度來說，就是資源對用戶的有效分配。那麽，知道什麽用戶應該制定什麽樣的運營策略，就尤為重要了，而這就要依賴於我們的用戶分層了。
在運營過程中，用戶分層的作用很明顯，它能 幫助我們把用戶分成各個層次和群體，然後我們根據各個層次和群體的不同，才能有的放矢的制定出更精準、更有針對性的運營策略。
我們在運營工作中，經常會聽到“用戶畫像”、“用戶分層”、“用戶分群”這幾個詞，貌似有些類似特別是後面兩個，但如果嚴格說的話，還是有區別的。
本篇準確地說應該是包括了“用戶分層+用戶分群”，這裏就統稱為用戶分層了。而本篇我們也會通過壹個實例，用壹張Excel表作為工具，從零開始壹步壹步的完成壹次用戶分層過程。
關於用戶分層，我們需先明白以下幾點：
壹、用戶分層在不同的行業中是不壹樣的，而且可能是多樣化的。
比如滴滴打車，用軟件打車的人是壹種用戶；司機也是壹種用戶；廣告商也是壹種用戶。如果要做用戶分層的話，就需要對這三種類型的用戶分別做壹套不同的用戶分層體系。
二、用戶分層在產品發展的不同階段會有不同的變化。
比如我們區分價值用戶和壹般用戶，
初期我們產品少，壹個月買2次化200元錢可能就是我們的價值用戶了。
隨著公司的發展我們產品的不斷增多，需要壹個月買10次化5000元才有能算是我們的價值用戶了。
三、用戶分層需要定性和定量
如上面的例子壹樣，我們需要對用戶有壹個定性的過程，如價值用戶、壹般用戶，或者VIP，超級VIP等等；然後必須要對此進行定量，比如消費多少金額才能算價值用戶。
那麽如何用科學化的手段進行壹次用戶分析，以確定各用戶群體的行為特征，完成壹次用戶分層的過程，就必須要說到經典的RFM用戶模型了。如下圖：
RFM模型歷史悠久，其理論知識這裏就不闡述了，簡單的說就是通過 最近壹次消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)這三個指標 ，然後把每個指標按照實際的情況，分成5檔，壹***形成了125類的用戶。然後為了執行方便，把125類的用戶歸納成8大類， 如下圖 ，最後根據這8大類用戶的情況制定運營策略。
這裏要說明的壹點是，RFM模型不是互聯網時代的產物，事實上在傳統行業裏也用的很廣，所以其指標主要針對的是付費用戶。 如果我們的互聯網產品用戶人群是免費用戶，壹樣可以用這個RFM模型並使用它的方法 ，只是指標換成了 最後壹次登錄、登錄頻率、產品使用時間。
接下來我們就用實例來操作壹遍：
我們現在手上有500份付費用戶數據，包含（用戶、最後壹次消費時間間隔、消費頻率、消費金額）四個字段，我們如何進行用戶分層並制定有效運營策略呢？
第壹步：我們把數據導入或粘貼到Excel當中，再原有的4個表頭基礎上，再增加R值、F值、M值三個表頭。做好這樣壹張Excel表，如下圖：
（此處只選10條數據做實例）
第二步：分別確定好RFM這三個指標五檔的標準。
這是比較難的壹步，因為不同的行業不同的產品不同的階段都有不同的劃分標準。比如消費金額，1000個用戶裏面，最低1元，最高10000元。大部分情況下，20%的用戶占據了80%的金額，而80%的用戶占了20%的金額，是壹個長尾的分布效果。所以我們不能簡單的用最高金額/5，或者用戶總數/5的平均分法，這樣分出來的結果不能代表壹個擁有類似行為表現的群體。
這個主要還是依靠大家在本身各自行業中的理解和實際場景需求來確定了。 當然，如果我們實在沒有什麽頭緒的話，我們可以 通過散點圖大致分辨壹下 ，如下圖：
大家可以看到，通過散點圖，我們可以比較直觀的看清用戶的分布（上圖為用戶的消費金額分布）。 我們去分檔的時候就盡可能的將密集的壹部分分在壹起，這樣，該檔用戶群體的行為***性也就更大壹點。
需要說明的是，這不是壹個很嚴謹的分法，需要大家在實際過程中進行不斷的調整。而如果我們面臨海量數據的時候，最好是通過聚類算法等技術手段，才能更加科學精準的幫助我們進行判斷。
以本例來說，我們最後定下了RFM各個指標下的五個分檔標準。如圖：
第三步：分別計算出每條記錄的R、F、M值。
我們通過在Excel裏面加入if判斷，自動計算出該記錄對應的R、F、M值，比如我們RFM分層表中，0001用戶對應的R值，
即單元格E3：=IF(B3>10,1,IF(B3>8,2,IF(B3>5,3, IF(B3>3,4,5))))
我們來解釋壹下這條if判斷語句：
同樣的算法，我們寫出計算每壹條記錄F值和M值的判斷條件。
然後，我們把Excel的單元格往下拉，最後形成這樣的圖：
第四步：分別算出總的R、F、M的平均值。
這壹步比較簡單，我們以上全部算完之後，再最下面增加壹行，用AVERAGE（）計算出以上所有行數的平均值。如圖：
第五步：根據每條記錄的R、F、M值和所有記錄的平均值，判斷出每條記錄的R、F、M值是在平均值之上，還是平均值之下。
首選，我們先增加三個表頭，如圖：
然後，我們用每壹條記錄的R值來R的平均值進行比較，如果<平均值則顯示“低”，如果大於等於則顯示“高”。
我們還是用If判斷語句進行自動判斷，以上圖為例，用戶0001的“R高低值”即：
這樣，我們就變成了下圖：
這個時候，我們發現了壹個問題，當我們把單元格往下拉的時候，E3固然變成了E4，但E13也變成了E14，由於E13是壹個固定格子的數字，我們不希望它隨著單元格的下拉而改變。我們就需要在if語句中在E13兩邊加上“$”這個符號了。
如下：
同時，為了更直觀，我們設置壹個條件格式，若文本中含有“高”則背景色為紅色，若含有“低”則背景色為綠色。這時候再往下拖壹下單元格，就變成這樣拉，如圖：
第六步：根據比較值，進行八大類的歸類。
接下來，我們就要根據我們的“R高低值”“F高低值”“M高低值”，自動計算出我們的用戶層級拉。我們先加個表頭“用戶層級”。
這壹次，我們要寫壹串稍微長壹點的IF判斷語句，如下：
本文所寫的都是在Excel裏面的IF判斷語句，建議大家能夠自己寫壹下，不想寫或寫不出也沒關系，直接保存好上面的if語句Copy壹下直接用就行了（修改壹下單元格的序號就可以了）。
最後，如下圖：
當然，我們還可以在用戶層級的表頭上加上“篩選”功能，可以直接搜索到我們需要的那些用戶。大家也可以通過不同的顏色來區分不同的用戶層級，這個就自由發揮拉。
好了，到這裏，我們就已經通過用壹張Excel表，完成了壹次用戶分層的全過程。 這張表最後的效果是，就像壹個程序壹樣，我們任意輸入三個RFM數字，表格將自動會跳出這個用戶的層級。 大家保存好這張excel表，以後用起來套壹下就可以了，效率是相當快的。大家可以嘗試自己從頭做壹遍，若有需要的話可在留言區留下郵箱，我會發送給大家。
完成後上面六步之後，我們已經得到了完成用戶分層之後的所有用戶記錄，這時我們需要做成圖表的形式，開個會、做個匯報啥的，如下圖：
回到我們上面說的，做用戶分層的目的是為了有的放矢的制定出更精準、更有針對性的運營策略。所以，我們最終我們還是回到制定運營策略上來。我們的例子可參考下圖：
再接下來要如何具體實施和執行，就不在本篇文章的範疇裏了。
用戶分層是運營過程中非常重要的壹個環節，快速的進行用戶分層也是我們必備的壹個方法。我們把用戶分的層，其實用戶本身是不知道的。如果我們分壹個層級讓用戶知道，不僅知道而且還非常喜歡，以此來不斷引導用戶進行自我層級的上升。