你说的问题，通过用户分群分析模型能够很快捷解决。用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。

与漏斗分析模型不同，运营人员可以看到，用户在不同阶段所表现出的行为是不同的，譬如新用户的关注点在哪里？已购用户什么情况下会再次付费？然而，由于群体特征不同，行为会有很大差别，因此运营人员或者产品人员希望可以根据历史数据将用户进行划分，将具有一定规律特性的用户群体进行归类，进而再次观察该群体的具体行为。这就是用户分群的原理。

严格说来，用户分群分为普通分群和预测分群。普通分群是依据用户的属性特征和行为特征将用户群体进行分类；预测分群是根据用户以往的行为属性特征，运用机器学习算法来预测他们将来会发生某些事件的概率，分别从两个场景介绍下这两种用户分群方式。

列举个普通用户分群的例子，普通用户分群主要分析用户属性和行为特征。以直播产品行业为例。高黏性与高频消费用户的行为观察是产品经理和运营人员工作重点。例如某运营人员可以筛选出过去 30 天内、等级 10 级以上、有“留言”和“点赞”行为，并且付费礼物送出次数超过 10 次的用户，视其为高黏性且高频消费用户，对其进行分群定义后展开数据分析。通过高黏性与高频消费用户近期的行为观察不同用户群体近期的行为表现，从而可以看出该用户群体的人均观看时长与其他用户存一些差别，如高频花费用户与非高频花费用户观看时长人均值对比；

预测用户分群，主要通过机器学习算法预测事件概率。互联网金融产品常常会用到预测用户分群的功能。互联网金融客户按照风险投资偏好这一属性分为保守、稳健和激进，按照投资行为可分为已投资和未投资。运营人员可以根据这一属性和行为将满足某种条件的用户群体提取出来，譬如激进型但未投资的这群用户，然后分析这一群体的行为特征从而优化产品促进用户投资，或者根据其浏览的项目页面推荐用户可能会感兴趣的项目。

神策数据创始人&CEO 桑文锋所著《数据驱动：从方法到实践》京东预售正式开启。

购买地址：《数据驱动：从方法到实践》- 京东图书

本书由《精益数据分析》作者Alistair Croll、网站分析和互联网营销分析教父级专家宋星、互联网数据官创始人车品觉等亲笔作序。由红杉资本、线性资本、百度、今日、百联、纷享销客、饿了么、杏树林、造数科技十位高管力荐。