EasiestCarRental是一款针对美国用户的租车平台，这篇文章，作者为它搭建一套完整的用户运营体系，这是它的第三部分，用户分级和分群运营。

用户分级运营：

用户核心成长路径指示了用户成长、成熟情况，而用户分级则是对用户的综合价值进行划分。要注意的是：用户的成熟程度与综合价值不一定等同。

比如说：有个用户虽然只在平台购买过一次，但因为对平台服务很满意，于是主动为平台贡献评论、填写调研问卷、分享传播，并购买了付费会员。这个用户虽然只处于用户生命周期中的成长期初期，但已经具备很高的价值。

又如：有个用户在平台购买4次，但都只在获得了大额度折扣券才购买，也不为平台贡献内容和传播，是典型的“羊毛党”，对平台的价值很低。

因此，基于用户综合价值对用户进行分级，可以让运营人员区分出高价值用户，根据二八原则来把精力和资源投入到高价值的用户中，产生更大产出。

对C端用户分级的主要方法是会员体系，另外，也需要对B端的车行进行分级。

一、会员体系

会员体系是提高用户留存、促进用户购买、引导用户成长的常用手段。

会员体系的设计重点：一是会员等级的升降规则，二是会员权益的设计和成本核算。

1. 会员等级的升降规则

会员等级升降的依据是经验值的获取和扣减，经验值的获取依据是用户成长路径的关键动作。

由于租车需求的特殊性，用户租车的租期长短仅与旅行计划有关，与用户对平台的信任感关系不大。所以，为避免长租期用户会员等级增长太快，短租期用户太慢，我们对通过租车获得的经验值进行折算。

确定好经验值的获取规则后，我们设计出会员体系的等级：

2. 会员权益设计

旅游产品的会员体系均存在用户感知度低的问题，归根结底是因为会员权益的吸引力不足。会员权益主要分为两类：一类是优惠，另一类是特权。因为平台总是在不断进行促销，优惠对于用户来说并不是很吸引，而且过多的优惠会损伤利润率，所以特权才是应该考虑的会员权益。

参照车行（如AVIS、Hertz）的会员特权，我们发现：同样的特权，租车平台提供的成本远比车行高。比如说：增加额外驾驶人对于车行来说成本接近零，而租车平台却需要为用户垫付费用。

因此，为了在避免大幅增加运营成本的情况下为会员提供尽量多的权益，我们增加了付费会员等级。

操作如下：

1. 用户在支付30美元购买付费会员后，才能享受付费会员的全部特权。免费会员只享有少量特权；
2. 付费会员每次下单时，如满足特权条件，每次最多可以享受一项特权。如不满足任何一项特权条件，则可使用一张20美元的无门槛优惠券（不叠加）；
3. 每项特权的优惠额均有封顶值。

增加付费会员的意义：

• 一是弥补用户前两次购买时平台付出的部分运营成本，让平台可以为用户提供更大力度的优惠；
• 二是使用户在购买付费会员后，黏性大幅提升。

在新增了付费会员等级后，整体会员体系如下：

在确定每项特权的优惠额时，我们可以模拟用户使用场景，计算用户生命周期价值（LTV），并通过LTV＞CAC+COC来确定COC。假设我们计算出用户每次使用特权，平台平均支出不能超过30美元。

我们可以设计如下特权：

二、B端用户分级运营

租车平台连接用户和车辆提供商（车行）。对于车行，也需要进行分级运营。对车行的分级标准可以是销售额、门店数、佣金比例等。

• 对于销售额较高的车行，要加强合作，并获得优惠。
• 对于佣金比例较高的车行，要合作增加销售量。
• 另外，还可以定期和部分车行合作，共同推出爆款。

限于篇幅，这里就不展开了。

用户分群运营

通过用户分级，我们能划分出综合价值不同的用户，但在同一级中，可能存在不同用户属性的用户，需要用不同的运营手段去运营。在用户分级的基础上再横向划分用户，就成了用户分群，这样分群的典型方法是RFM模型。

还有一种用户分群方法是：把具有相同或相似属性的用户划分到同一群组，并对不同群组的用户施加不同的运营手段，这种分群方法是标签化的用户分群运营。

三、RFM模型的本土化应用

RFM模型是用户分群的常用模型。标准RFM模型如下：

1. R（Recency）：最近一次购买距今多长时间；
2. F（Frequency）：用户在限定时间内的购买次数；
3. M（Monetary）：用户在平台的累计消费金额。

对于租车平台，Recency和Frequency都是很有价值的指标，但Monetary的定义需要做出一些调整。因为用户消费金额主要取决于租期，而租期完全取决于用户旅游计划，不能很好地反映出用户对平台的信任度和价值贡献。

对于EasiestCarRental来说，能反映出用户对平台价值贡献的指标有：累计购买次数、累计消费金额、是否注册用户、会员等级、平台满意度（通过客诉记录来判断）、推荐好友数。

我们给上述指标赋予权重，计算出一个加权的值，作为Monetary的值。

确定了RFM各自代表的意义，我们现在对RFM各个维度进行划分。

R（Recency）

对于Recency的划分，有两种方法。假设复购周期为3个月（90天）：

第一种方法是根据用户复购周期来划分。可以简单地把每个复购周期作为一个区间，则：

第二种方法是根据用户复购比例来划分。用户在经历一个复购周期后，部分用户会自然产生购买需求，在不施加刺激的情况下自动产生复购行为；部分用户需要施加刺激才回来购买；部分用户即使施加强刺激也不回来了，这些用户属于流失用户。

对于未购买天数为3个月（90天）到9个月（270天）的用户，在其上次购买后90天到180天（即购买后1个到2个复购周期）内，在不施加任何刺激的情况下，进行再次购买的人数比例。

对于未购买天数为150天到360天的用户，在我们对其发放8%折扣优惠券的当天到90天内，再次购买的比例：

对于未购买天数为240天到360天的用户，在我们对其发送20%折扣优惠券后的当天到90天内，再次购买的比例：

从上述数据中可以看出，在90≤R≤150时，自然唤回比例较高，在150＜R时，唤回比例大幅降低。类似地，发放小额和大额优惠券后，在240＜R和300＜R时，唤回比例显著降低。这是用户流失的几个关键节点。

因此，R的区间可以划分为：

F（Frequency）

因为租车属于低频需求，复购周期为3个月，所以我们考察1年内用户的购买次数。

正常情况下，我们选取全体用户的平均购买次数和购买最多的前20%用户的最低购买次数作为划分点。但我们发现这两个数值分别为1.4和2.2，都不是整数。所以，我们改为选取整数数值作为划分点。

于是，F的区间划分为：

M（Monetary）

根据上述分析，我们通过加权的方式计算M值：

M=a×累计购买次数＋b×累计消费金额+c×是否注册用户+d×会员等级+e×平台满意度+f×推荐好友数

计算前，需要把各项（如累计购买次数、累计消费金额等）进行归一化，换算为介于0到100之间的数值。然后合理设置权重，并对M值进行划分：

因为M值是通过多个指标加权计算出来的，所以它可以直接用来做用户综合价值分层。

而当平台某段时间有特定运营需求时，比如：希望刺激更多用户进行分享传播，平台需要找到分享传播动机较强的用户。相应地，我们可以把M值公式中的a、b、e、f值调大，计算出衡量用户分享传播动机的M’值，再进行分层。

四、标签化的用户分群运营

把具有相同或相似属性的用户划分成同一群组，对不同群组的用户施加不同的运营策略，能提高运营效率。标签化用户分群的第一步是，确定划分用户的维度（即标签）。常见的维度包括用户基本属性、访问行为、购买行为等。

确定维度后，根据具体场景对维度进行组合，确定不同的用户群组，设计运营策略和运营操作，并进行日常监控跟踪。

举例如下：

本文由威海软件开发公司半岛科技转载整理2018.06.28