用户分层模型，让你的设计看起来更专业

王镇雷：日常工作，除了完成单点需求以外，如果能用上一系列高大上的「模型」，一下子专业度就上来了。

所以今天给大家介绍三个最常见的用户分层模型，希望大家可以尝试使用到工作中，Show 一下你的专业度。

一、购买力模型 RFM

Recency（近度：距某节点最近的一次消费） Frequency（频度：一段时间内消费次数） Monetary（额度：一段时间内的消费金额）

对于电商类产品，RFM 是几乎最常见、最通用的一种用户分层模型，只不过，对于很多人常常只使用「M」金额。就拿淘系来说，会按照年消费总额把用户分为 L1～L10，进而看不同层级用户的行为、需求差异。

△ tubik

产品设计中，一方面做「消费升级」，也就是通过一系列活动、工具和体验设计，让 L1 的用户尽可能向 L10 升级。

另一方面，做「消费分级」，L1～L3 的用户可能就是喜欢买便宜货的人，给他们做的导购更应该以促销优惠为主，而 L8～L10 的顶尖用户，可能更爱奢侈品和国际大牌。

「F」维度在实际应用中会以另一种大家熟悉的形态出现，就是「活跃用户」的判定。当然，通常我们不会单纯以消费频次来界定用户是否活跃，而可能会结合一段时间内的登录次数、操作深度等一起界定。

我们常说的 DAU，就是指日活跃用户，活跃用户可不仅仅是登录或打开一次 App 就完事儿了，必须达成 1min 以上的使用时间、访问一个商品页面等要求，才能算数。

设计中，我们希望通过设计让不活跃的用户变成活跃的用户，毕竟活跃用户才更能为平台带来价值。

「R」比较少见，主要是用于观察某个时期的用户时，将这部分用户单独圈出来。比如我要看双11的用户分层数据，就会以双11当天为原点，圈一批用户来分析。

二、忠诚度模型 AIPL

Awareness（感知） Interest（兴趣） Purchase（购买） Loyalty（忠诚）

与 RFM 常被拆散了用相比，AIPL 模型本身就是一个完整体系，不常拆分开来使用。

△ tubik

AIPL 模型是营销中非常经典的消费链路模型，即对于一个品牌或产品，用户都会经历从陌生，到体验，到成交转化，最终变成一个忠实粉丝的过程。当然，这是一个理想过程，不可能每个用户都会走到忠实粉丝这一步。

而我们要做的，就是通过产品优化、品牌升级、活动运营等方式，让更多用户逐渐向上层运动。

在实际设计中，首先我们需要设定每个层级的标准。

还是以电商产品为例，「A」对应的就是纯新用户，「I」对应的是访问过页面但没有成交的用户，「P」则是有过个成功订单的用户，「L」可能是每个月都会有购买的那群人。

其次，我们会为每一个层次的用户设计适合他们的体验，目标就是让他们像下一个层级移动。

对于「A」用户，需要让他更多地浏览、了解产品，而不要急于让他下单；而对于「I」用户，则是需要临门一脚，送他进购物车。

三、生命周期模型 AARRR

Acquisition（获取用户） Activation（提高活跃度） Retention（提高留存率） Revenue（获取收入） Refer（传播）

AARRR 模型也是非常经典的数据分析模型，在知名互联网书籍《增长黑客》中也是用它做案例。

△ tubik

与 AIPL 模型对用户做分层不同，AARRR 严格来说并不是一个用户层次模型，而更像是用户增长的一个过程。

换言之，这是一种经典有效的用户增长手段，看这几个单词的名字就知道，翻译成中文都是「动词」。

AIPL 模型中不同层次的用户是长期同时存在的，AARRR 模型的五个步骤则针对新用户有明显的先后顺序。

外部投放、线下拉新、注册登录都是属于「Acquisition」；

积分签到、周期性活动则属于「Activation」；

Push 是典型提高留存和回访的手段；

引导下单或优惠券发放都是为了「Revenue」；

最后，分享有礼、拉新用户分红包都是属于「Refer」。

值得注意的是，我们可以按照这5个步骤，对照去看目前产品中是否有足够的功能满足每一步的数据要求。也可以通过数据去看哪一个环节目前存在最大的问题。

所以不管滴滴打车、手机淘宝、饿了么等等不同业态的产品，只要还有新用户进入，对拉新有诉求，AARRR 模型就都会适用。

欢迎关注作者的微信公众号：「王镇雷」

图片素材作者：MUN

「设计师不能不知道的数据知识」

《写给设计师看的基础数据知识》 《用一个实战案例，帮你学会用数据验证产品设计》 《12个用户数据的理解与使用误区》 《为什么我用数据驱动设计，结果却不尽人意？》