什么是用戶分層？

用戶分層，顧名思義就是對(duì)不同特征的用戶歸屬不同的“層級(jí)”。用戶分層的意義在于為不同特征的用戶提供不同的服務(wù)，同時(shí)快速定位問(wèn)題，找到業(yè)務(wù)突破口。（這里的分層，跟實(shí)驗(yàn)系統(tǒng)的分層屬于不同的概念）

傳統(tǒng)行業(yè)也有非常明確的用戶分層的做法，我估計(jì)大家感受比較明顯的是在銀行。白金卡，金卡，黑卡 針對(duì)不同的存款的用戶有不同的客戶經(jīng)理和接待方式。當(dāng)然，現(xiàn)在大家去銀行辦事的次數(shù)由于移動(dòng)支付的方便而銳減，可能對(duì)用戶分層的感受沒有那么明顯了。

用戶分層上應(yīng)用得爐火純青的是毛教員，在第一次國(guó)內(nèi)革命戰(zhàn)爭(zhēng)時(shí)期，毛教員曾經(jīng)發(fā)表了一篇《中國(guó)社會(huì)各階級(jí)的分析》，充分論述了不同人群當(dāng)前的現(xiàn)狀和特征，指出革命領(lǐng)導(dǎo)力量的人群，哪些是主要的敵人，哪些是可以爭(zhēng)取的人群以及哪些是需要提防的人群。

同樣的，在互聯(lián)網(wǎng)產(chǎn)品中，用戶分層的運(yùn)營(yíng)策略也是非常明顯的。針對(duì)不同的用戶進(jìn)行不同的運(yùn)營(yíng)活動(dòng)和策略。用戶分層的最高境界是千人千面，在這塊，個(gè)性化推薦策略的應(yīng)用就很強(qiáng)大。但即使是“千人千面”，在實(shí)際的分析中也是對(duì)特征相近的用戶進(jìn)行聚類來(lái)分析的，只是聚類的用戶量顆粒度相對(duì)細(xì)。

在廣告策略中，依然需要對(duì)不同的用戶進(jìn)行分層，下發(fā)不同的廣告策略，根本原因就是，不同的用戶對(duì)于廣告的反應(yīng)和容忍程度是不同的，不同的用戶商業(yè)價(jià)值也是不同的。

為什么廣告要進(jìn)行用戶分層策略？

用戶端產(chǎn)品進(jìn)行廣告商業(yè)化變現(xiàn)，核心的目標(biāo)是在較少的損害用戶體驗(yàn)的前提下獲取收益的最大化。

信息流類的產(chǎn)品，比如今日頭條，抖音，快手之類的產(chǎn)品有幾個(gè)核心的指標(biāo)。一是廣告的ARPU 值（即每個(gè)活躍用戶價(jià)值 -Average Revenue Per User)，一個(gè)是廣告的adload（即廣告曝光量/產(chǎn)品信息流VV總量，最終代表的是廣告的庫(kù)存），這兩個(gè)是廣告的商業(yè)化關(guān)注的核心指標(biāo)；另外一個(gè)是，產(chǎn)品核心指標(biāo)的折損情況，如時(shí)長(zhǎng)折損率或者用戶留存率下降值。

關(guān)于時(shí)長(zhǎng)折損率和用戶留存率下降值，必須要再明確說(shuō)明。產(chǎn)品時(shí)長(zhǎng)折損率指的是某個(gè)信息流類的產(chǎn)品在展示廣告后與不展示廣告的對(duì)照組相比，產(chǎn)品的人均時(shí)長(zhǎng)折損比例情況。用戶留存率下降值，指的是某個(gè)產(chǎn)品在上線了廣告商業(yè)化之后，產(chǎn)品的留存率相對(duì)比沒有廣告的時(shí)候（對(duì)比實(shí)驗(yàn)）留存率的變化絕對(duì)值。

商業(yè)化產(chǎn)品團(tuán)隊(duì)有一個(gè)非常重要的工作就是，在滿足產(chǎn)品用戶體驗(yàn)指標(biāo)折損不至于過(guò)大的情況下盡量的提升商業(yè)化的收入。

有些產(chǎn)品插入廣告后產(chǎn)品的核心指標(biāo)——留存率或者產(chǎn)品的用戶時(shí)長(zhǎng)會(huì)明顯下降，這些是就需要投入較多的精力去優(yōu)化。有些產(chǎn)品，即便插入了廣告，產(chǎn)品的核心指標(biāo)沒有明顯的變化，這些產(chǎn)品無(wú)一不是具備強(qiáng)大的用戶粘性，比如Facebook 或者抖音。

產(chǎn)品核心指標(biāo)的調(diào)控，就涉及到用戶的分層。用戶分層的目的在于，去平均化，分析用戶特征找出問(wèn)題對(duì)應(yīng)人群，進(jìn)行有針對(duì)性的策略。

舉例來(lái)說(shuō)，信息流產(chǎn)品插入廣告進(jìn)行商業(yè)化變現(xiàn)后，產(chǎn)品人均時(shí)長(zhǎng)下降了8%。這就是一個(gè)大盤的平均數(shù)。這里面有多種可能性，有部分用戶時(shí)長(zhǎng)折損大，有部分用戶時(shí)長(zhǎng)折損小，有部分用戶甚至沒有時(shí)長(zhǎng)的折損。這就需要對(duì)不同的用戶進(jìn)行分層分析。

信息流產(chǎn)品商業(yè)化分層的策略，考慮的關(guān)鍵因素是兩個(gè)：用戶時(shí)長(zhǎng)折損率和用戶價(jià)值。目前還沒有一個(gè)比較公認(rèn)的指標(biāo)來(lái)評(píng)估用戶體驗(yàn)與廣告商業(yè)化之間的評(píng)估。因此，這里面不同的產(chǎn)品有不同的評(píng)估指標(biāo)和閾值。沒有標(biāo)準(zhǔn)答案。

針對(duì)分層用戶的情況，有哪些動(dòng)態(tài)廣告策略

針對(duì)用戶時(shí)長(zhǎng)折損率和用戶價(jià)值的情況，與之對(duì)應(yīng)的商業(yè)化策略有以下幾點(diǎn)。

1）時(shí)長(zhǎng)折損率高的部分用戶，就少展示廣告。這就代表部分用戶對(duì)廣告敏感，需要減少?gòu)V告的投放；與之相應(yīng)的則是，時(shí)長(zhǎng)折損率低的用戶，就增加投放，代表部分用戶對(duì)廣告不那么敏感，可以稍微增加點(diǎn)廣告；

2）用戶價(jià)值高的用戶，可以多進(jìn)行廣告的曝光，代表這些用戶廣告價(jià)值高，轉(zhuǎn)化率好；相應(yīng)的，廣告價(jià)值低的用戶，可以減少?gòu)V告展示。

這里面又涉及到時(shí)長(zhǎng)折損率 +  用戶的商業(yè)價(jià)值 的多個(gè)組合策略。用戶的商業(yè)價(jià)值相對(duì)好判斷，這個(gè)值主要的判斷依據(jù)是在用戶請(qǐng)求廣告實(shí)時(shí)返回的ECPM價(jià)值來(lái)判斷。（ECPM價(jià)值依賴于廣告模型對(duì)于用戶點(diǎn)擊率和轉(zhuǎn)化率的預(yù)估準(zhǔn)確率）

而產(chǎn)品核心指標(biāo)折損率的情況，目前是沒有一個(gè)很明確的指標(biāo)可以計(jì)算某個(gè)用戶實(shí)時(shí)的折損情況，因此需要對(duì)用戶進(jìn)行分層分析。即某一部分特征的用戶可能對(duì)廣告比較敏感。

用戶分層的方式有多種。不同的產(chǎn)品形態(tài)，分層的邏輯也不同，這里列出來(lái)的是用戶分層分類的因素。每一個(gè)特征對(duì)應(yīng)的用戶群都需要進(jìn)行線上實(shí)驗(yàn)，來(lái)觀察實(shí)際的用戶劃分的邏輯以及設(shè)置的閾值是否有利于提升廣告價(jià)值和降低產(chǎn)品核心指標(biāo)的折損。

從用戶活躍指標(biāo)來(lái)看，主要有以下幾個(gè)維度：新增用戶；回流用戶；低活躍用戶；普通活躍用戶；高活躍用戶。

從廣告體驗(yàn)來(lái)說(shuō)，主要要以下幾個(gè)維度：廣告負(fù)反饋用戶；看廣告后馬上退出產(chǎn)品的用戶；廣告快劃用戶等。

從產(chǎn)品的福利邏輯來(lái)看，部分產(chǎn)品通過(guò)福利策略激勵(lì)用戶多使用產(chǎn)品，比如趣頭條，快手極速版等都有通過(guò)紅包福利來(lái)增加產(chǎn)品粘性的策略，因此福利用戶也會(huì)分為高福利，普通福利和低福利用戶，不同的用戶群體，對(duì)應(yīng)的廣告曝光策略會(huì)有所不同。舉個(gè)例子，薅羊毛的用戶，就可以將廣告往更多的懟。

針對(duì)用戶特征分層對(duì)應(yīng)的動(dòng)態(tài)adload 策略的實(shí)驗(yàn)，通常有兩種做法。

一是，每個(gè)特征采用不同的閾值進(jìn)行實(shí)驗(yàn)，指標(biāo)正向就繼續(xù)放量，不正向就繼續(xù)調(diào)整閾值實(shí)驗(yàn)，直到針對(duì)某個(gè)指標(biāo)有具體的結(jié)論（要么放量，要么放棄）。這種方法好處是，針對(duì)每個(gè)指標(biāo)都是獨(dú)立的實(shí)驗(yàn)，能很好的評(píng)估不同指標(biāo)對(duì)于廣告商業(yè)化的價(jià)值和用戶指標(biāo)的折損。

另一個(gè)方法是將多個(gè)特征采用某個(gè)公式（經(jīng)驗(yàn)公式）抽象成一個(gè)指標(biāo)，比如將廣告負(fù)反饋+用戶活躍情況+用戶福利登記根據(jù)某個(gè)公式擬合一個(gè)“廣告耐受度”的值，不同的指標(biāo)的權(quán)重不同。

但抽象指標(biāo)的閾值沒有標(biāo)準(zhǔn)值，不同的場(chǎng)景不同的閾值，都需要通過(guò)實(shí)驗(yàn)來(lái)看最終結(jié)果。這個(gè)抽象指標(biāo)匯報(bào)起來(lái)比較高大上，比上文的“廣告耐受度值”指標(biāo)來(lái)指導(dǎo)動(dòng)態(tài)adload策略。但問(wèn)題在于，當(dāng)結(jié)果有效時(shí)，由于擬合指標(biāo)本身是多個(gè)不同的點(diǎn)抽象而來(lái)，解釋的成本將會(huì)很高，即便這個(gè)指標(biāo)生效，你都不知道是哪個(gè)策略點(diǎn)的作用。最終實(shí)驗(yàn)就變成了不斷的調(diào)整各個(gè)參數(shù)的值。

用戶體驗(yàn)與商業(yè)化是一個(gè)不斷需要平衡和優(yōu)化的工作。這里沒有銀彈，需要持續(xù)挖掘用戶的特征以及做實(shí)驗(yàn)。未來(lái)，可能出現(xiàn)，廣告與內(nèi)容混排的標(biāo)準(zhǔn)方案，即產(chǎn)品內(nèi)容指標(biāo)貨幣化，將用戶產(chǎn)品的核心指標(biāo)換算成貨幣價(jià)值，與商業(yè)廣告一起根據(jù)商業(yè)價(jià)值混合排序，目前很多團(tuán)隊(duì)都在探討。有更多的進(jìn)展，我們也可以一起溝通交流下。

-END-