找到了分类标准，我们可以看从什么维度切分用户，能让用户群体间差异更明显

找到了分类标准，我们可以看从什么维度切分用户，能让用户群体间差异更明显。这里又是一个大坑，因为看起来似乎可选维度非常非常多。

很多同学陷入迷茫，到底我该怎么选。或者好不容易选出来，运营问：为什么这么分？他答：这么分差异大！然后被批判为：不懂业务，瞎胡乱做。好郁闷……

实际上，分类维度筛选有一定标准，完全不用到处乱跑：

如何选择分类维度选数据来源可靠的维度：

比如性别，年龄这些基础维度，很多公司没有严格采集流程，数据空缺多，真实性难保证，就不要用这些。尽量用消费、活跃、注册来源这些可靠的数据。

选运营可影响的维度：

比如设备型号，可能开发很关心，但运营知道了也干不了啥事，这时候就不要选；有些指标运营特别关注，比如运营想发优惠券，那用户对优惠券领取率、使用率就是特别好的指标。

选自身分层差异明显的指标：

有些指标自身差异都不大，数据分布很集中，这时候就不优先选用，优先选择那些自身分布差异大一些的指标。

以上，基于这三个标准，可以避免大海捞针瞎做实验，也能避免做出来被运营批判为：“这有啥用”。

有同学会觉得，这个过程和做风控模型时找特征很像。确实很像，但有区别。风控模型对应的业务动作只有“通过/拒绝”两类，所以完全不需要考虑那么多。

而做给运营的用户细分，运营落地时要考虑：活动主题、时间、产品、卖点、传播渠道……一大堆玩意，所以必须考虑哪些维度对运营有用。

第三步：尝试细分，观察结果

有了分类维度，我们可以尝试对分类标准做切分：

这里又有三个很纠结的问题：

• 到底每个分类维度且几段
• 到底要加多少分类维度
• 到底分多少类合适

先从结果来说：原则上，最终分类数量不宜太多，每个群体要在运营看来有可操作意义。

运营做活动要设计海报、备货、开发系统、准备投放资源，因此如果群体规模太小，是不适合单独做活动的。所以做用户细分时，习惯上限制群体最大为8类（每个群体都大于10%的份额）至于具体规模大小，可以根据项目目标，运营情况做设计。

在这个大原则下，意味着分类维度和每个维度的切分都不可能太多，尽量选关键维度，关键切分点。