辑导语：有时候，我们做用户分析，数据倒是列了不少，但是很多只是简单地归类，分析没有落到实处，对我们丝毫没有用处。那么用户分析究竟要怎么做，才能够有用？作者从策略层和执行层进行分析，希望对你有所帮助。
经常有同学抱怨：我们公司的用户分析做得太挫了。虽然数据列了很多，可都是简单的把用户按新老分个类，然后对比下性别、年龄、活跃时长、付费的差异就结束了。最后丢一句“新用户搜索功能用的少，建议搞高……”这分析完全没用处呀！用户分析到底要怎么做才有用？今天系统解答一下。
首先大家要明白：简单的拉个交叉表，丫就不叫分析，丫就是一张表而已。做数据分析，要有清晰的目标和可落地的细节才行。在用户分析领域，则是分成了策略/执行两大类专题。
一、策略层用户分析
在策略层，用户分析要着力解决三个核心问题：
- 重点用户是谁：我的业务，依靠少数高层次用户，还是大量低层次用户？
- 获得用户方式：我的目标用户，是通过筛选得到，还是通过培养得到？
- 投入产比比测算：获取/培养一个合格的目标用户，需要多久，投入产出比多少？
问题一，是事关业务成败的关键。因为高中低用户层次，需求天生不同。如果选择满足少数高层次用户，意味着一定有非常高的新用户流失率，一定要提供足够有吸引力的，让普通人望而却步，让有钱人显得足够尊贵、足够爽的产品与服务才行。如果选择满足大多数人的需求，薄利多销是必然的（如下图）。
很难有一个业务满足所有层次人的需求，必须有所取舍。在业务到一定规模之前，得先服务好某一个群体，才能建立品牌形象和口碑。因此，用户价值分层分析，是非常重要的。并且不能光看实际用户的数据，还得和目标群体做对比，来判断是否打造的品牌还不够高端，还得再加码。
问题二，是设计执行方案的思路来源。并非所有的客户都能培养，很多高端服务，比如金融、汽车、房子、商业投资、甚至美容保健，天生需要高端客户才能受用的起。此时只能做筛选，大浪淘沙的从大量新用户中，挑选出符合目标的。而零售、餐饮等行业既能走培养忠实用户的路线，又能走高端路线，此时就得业务方自己很清醒：我到底要做培养，还是筛超高端用户。
在数据上，观察培养与筛选的区别，主要看用户的需求是否会随着与我司关系深入而增加，以及能否被我司营销行为影响。如果经过长期相处与反复投放，都很难提升用户表现，则说明至少在当下我司力所能及的范围内，用户是无法被培养的。如果有某些措施能明显提升用户表现，则说明这个手段是好的培养手段。
问题三，是设计执行方案的尺子。给用户的补贴不可能无休无止，底线在哪里，要考获客/培养用户的投入产出比测算。
如果用户行为本身发生的很随机，则测算可以简化。比如啤酒、瓜子、矿泉水一类零食，用户购买可能完全是临时起意，没啥深入思考，也没啥忠诚度可言。此时只靠按单次广告投放核算成本即可。只要每次投出去的商品能赚钱就行。
比较有挑战的是需要培养才见效的用户。比如做美容，可能头三次都是为了吸引用户充卡加会员做的体验服务，收费很少，只有在体验期充卡的才能赚回利润。这时候就得把握：有多大比例用户转化，转化用户利润是否能覆盖体验用户的成本。
解决了策略问题以后，汇总的输出成果就是一张用户价值分布地图（如下图），在这里要清晰的展示：
- 我依靠的用户群体是谁，有多大商业价值？
- 用户成长轨迹是什么，获客以后多长时间能达成期望产出？
- 用户成长关键节点是什么，节点上业务动作是啥，往下一阶段的转化率/留存率是多少？
回答完这三个问题，策略层面就算做的差不多了，可以探讨执行层面了。
二、执行层用户分析
到了执行层面，用户分析反而变得简单了。因为在执行层，核心解决的问题就是：如何让用户响应我的策略。一条具体的策略，比如“促进用户二次消费”，落实到执行层，就是具体的：
- 在什么时间（看自然时间 or 用户生命周期时间）
- 用什么渠道（站内广告页、站外广告、短信……）
- 用什么文案（利益型、感情型、蹭热点型、……）
- 搭配什么商品（同类商品、关联商品、热销商品……）
- 给多少优惠（积分、礼品、优惠券……）
这一整套信息推送到用户身上，之后期待用户能产生响应（如下图）：
在执行层，更多是大量的响应分析，看我的运营手段，是否能达成目标。如果只看一次推送的响应，收获会很小。如果把围绕同一目标的历次执行摆在一起，就能发现很多规律。比如下图，针对用户首单购买，讲多次推送列列清单，能发现更多问题。
此时，可以利用历次数据，同时给用户和业务打标。
- 用户标签：活动偏好、促销敏感度、渠道偏好、内容偏好
- 业务标签：XX渠道/内容/产品，更容易吸引XX类型用户
这些标签是可以直接指导业务行为的。在已知用户偏好的情况下，可以直接按标签组合，生成运营策略，所谓的自动化营销（Marketing Automatic简称MA）就是这个思路。
也可以把一个用户群体的所有标签摆在一起，看群体需求。比如发现高价值群体都更偏好某一类产品，则可以相应开发搭配产品、升级版产品。
也可以基于执行层的结果，反向影响策略。比如原来用户成长轨迹里，在1个月左右有明显转折。经过运营操作，用户生命周期已延长，到3个月，但响应成本也在增加。此时可以考虑在第2、3个月，阶梯性增加高利润产品推送，来弥补成本损失，保持高收益。
小结
什么很多公司的用户分析做不出东西来，原因已经很清晰了。
- 没有策略层分析，每次都用性别、年龄、累计消费、活跃这些简单分类维度划分用户，把各种类型混杂在一起看平均值，模糊了重点。
- 没有策略指引，执行层做的非常散，总是针对一次次零散活动搞评估，不注意围绕一个目标多测试几次，也没有同一群体多次活动对比。
- 没有标签积累，总是零散的看各种数据，不沉淀标签，不验证标签。虽然看似做了很多，但缺少表现稳定的标签。
这样总是没头苍蝇一样，肯定没结论积累。当然，不见得每个公司的运营，都能很清醒的先定策略，再做执行，再复盘积累标签。很多公司的运营，也是头疼医头、脚疼医脚，看着活跃低了就上大转盘，看着新人少了就砸一波流量，看着转化低了就猛发券。这样在执行层做出来的事情很零散，对积累数据经验是很不利的。
但是作为数据分析人员，策略层的洞察是不依赖执行的，完全可以自己多做，这样加深了自己的策略认知，再回头看执行层的数据，也更容易得出结论来。看到这，肯定有同学想看：用户标签到底怎么打。
#专栏作家#
接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。
本文原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于CC0协议。
什么是用户体验？只能说每个行业甚至是公司侧重点都是不一样的，以互联网公司距离，它的侧重的体验感就是界面设计，网站使用感受等等。而餐饮的话对于场景、供应链、服务、产品等等都会影响体验。这篇文章就是从体验的视角，如何赋能企业以实现增长和创新。
场景体验感
场景体验感是给顾客带来最直观的感受，是为消费者提供极致产品和品牌体验的重要窗口，这方面现在很多餐饮公司做的很到位，比如喜茶，喜茶北京前门大街店建筑外立面延续和保持了原有老北京古建筑特色，内部以榫卯、梁柱等传统建筑元素为灵感，以现代设计语言进行重现，让人在传统与现代的碰撞中，感受到独特的东方美学；喜茶西安永宁里店外观充满现代气息，同时又与周围古城墙形成巧妙融合，内部以兵马俑、古城墙等西安城市文化元素为灵感进行大胆重构，让人在品饮时能感受到西安历史文化的厚重绵长。
图片来自百度
供应链体验感
餐饮供应链是餐饮行业的基础应用，是为了一共餐饮店里所需的各类食材为主要目的。经过原料采购、生产加工、配送、销售到回收处理等环节，以信息技术来协调和链接链条上各个节点有关主题，生贺所有节点物流、信息流、资金流的组织形态。完善的餐饮供应链是以餐饮企业为核心，与原料供应商、物流服务商、消费者等节点组成的网状链。通过餐饮产业链的分析，确定餐饮供应链的其实位置。通过代表性餐饮企业运营流程的分析，确定餐饮供应链的关键流程，从而构建起餐饮供应链结构模型。餐饮供应链是一个贯穿资源市场与需求市场，由为餐饮业产业化产前、产中、产后提供不同功能服务额企业或是单元组成的网络结构。餐饮产业链直接影响到用户体验感。
图片来自百度
服务体验感
说起服务体验感其实脑海里第一个出现的就是海底捞，虽然近年来被人诟病服务过度让人尴尬，但是不可否认的是海底捞就是靠服务体验感出圈的。好的服务会抵消掉一些其他有瑕疵的方面。
图片来自百度
产品体验感
1、饮食口味、菜品分量、呈现形式、菜品价格等带来的体验味觉体验：以味道为核心，口味口感为主，饮食口味是餐饮品牌的基本载体，可以说，没有好的口味，即使服务很好，也很难长远取得发展。
2、食品安全问题，安全感带来的体验，近年来，从"吃得饱""吃得好"到"吃得放心"，消费者对食品安全的重视度与日俱增，食材是否新鲜、来源是否正规、制作过程是否环保卫生、是否使用添加剂等，这些都是客户体验中的红线。
3、对产品地道正宗的诉求带来的体验在产品主义中的"地道正宗"最受消费者关注。大数据收集的众多消费者评论中，"正宗""地道""特色"等词汇在火锅、小吃以及各大菜系餐厅中频繁出现。从数据统计来看，消费者眼中的"正宗""地道""特色"，通常和制作工艺、食材（包括调料等）、老板身份三大要素关联在一起。很多人追求正宗，地道，表象看起来是一种情怀，无非就是追求传统的工艺以及原产地的新鲜食材。情怀也是一种体验。
图片来着百度
前和大家讨论了餐饮行业的痛点以及MagicBI核心功能模块-MagicSearch在餐饮行业的一个场景解析，接下来我们来讨论餐饮行业普遍关注的一个论题-消费者分析。
消费者分析——客户流失预警模型
以MagicBI针对餐饮分析模型之一-客户流失预警模型举例，对于餐饮店铺来说，获客都是存在成本的，所以用户留存的时间越长，带来的现金流或者利润就越高。
我们提高留存率或者活跃率一般是从两方面来看，首先是降低我们激活状态下的流失客户，那么首先是对用户进行分群，活跃用户和不活跃用户等指标的拆解，通过用户行为阶段流失的分析来看是哪一个环节导致的用户的大量流失，进行流失预警，然后来制定相应的策略（促销活动的改进等）。
第二是在用户流失平稳阶段，我们需要对产品进行优化，分析菜品留存流失贡献度的分析来对产品进行改进。
< class="pgc-img">这只是针对餐饮行业的模型之一，通过MagicBI,餐饮行业可以做到提前预警，从分析历史数据和实时数据得出精确的业务结论，以弹窗方式提醒用户现阶段的问题，通过根因分析得出导致问题的原因，协助制定策略并创建有助于提升业务未来成功的举措。
今天给大家介绍的是MagicBI核心功能模块-MagicInsight在餐饮行业的一个场景解析，后续我们会持续推出不同功能在不同场景下的应用，请持续关注我们哦~
关于MagicBI
MagicBI是国内最早从事搜索式数据分析技术并商业化落地的团队。团队成员主要来?微软、阿?、百度、字节等公司的?数据团队。我们的使命是“简便每?次分析，只为每?位?户”。公司致力于搜索式分析，通过类似百度搜索的?式查询数据，应用可解释AI、自然语言分析等技术，实现数据分钟级地?动化洞察，?需过多培训，同时打通PC端与移动端，支持语音输入，满足任何?、任何时间、任何地点、任何方式进?数据洞察，提?业务决策效率。
