从网站的用户层面，我们按照用户拜候的行为特征将用户细分成各类类型，因为用户行为各别，行为统计指标各别，阐发的角度各别，所以如果要对用户做细分，可以从很多角度按照各类法则实现各类不合的分类，看到过有些数据阐发述说做了各类用户的细分，各类用户行为的阐发，再连络其他各类维度，看上去内容绝对足够丰富，但很难理解这些阐发成果事实是为了说明什么问题，也许作为一个咨询述说反应当前整体的趋势和用户特征确实适合，但如果真的要让数据阐发的成果能够引导我们去做些什么，仍是要在做用户细分前确定阐发的目的，明确业务层面的需求。

既然要做基于用户细分的比较阐发，自然是为了明确某些用户分类群体的行为特征与其他用户群体的差别。这里主要从指导内容层面的调剂为导向，通过比较各用户细分群体对内容需求的差别，优化内容运营，将优质的内容或适适用户偏好的内容推荐给相应的用户。

既然是基于用户细分，首先明确用户的细分法则，这里举例3类细分：流失用户与保存用户、新用户与老用户、单次采办用户和二次采办用户，基于这3类细分，对每个分类的用户采办商品进行比较阐发，明确哪些商品加倍适适用户的预期。

流失用户和保存用户比较

当然，要区分流失用户和保存用户，首先必须对用户流失有一个明确的定义，关于流失用户的定义可以参考博客之前的文章——网站的活跃用户与流失用户。有了定义我们便可以做统计和细分了，仍是以电子商务网站为例，电商网站的内容就是商品，我们基于每个商品计较采办这些商品的用户中采办后造成流失的用户比例，如下：

这里的指标定义应该比较明确，每个商品的流失用户比例应该是采办该商品后流失的用户数在所有采办该商品的用户中的占比，但只知道每个商品的流失用户比例无法评价这个商品是否对用户保存有增进作用，或在一定水平上造成了用户的流失，只有通过与总体水平的比较才能得出相应的结论。所以这里需要重点诠释的是“与总体比较”这个数值是怎么计较的到的，这里的百分比不是直接相减的成果，而是一个差别的幅度体现，这里假定总体用户流失率为56%，那么以A商品为例，与总体比较的成果是：( 58.13% – 56% ) / 56% = 3.80% ，使用同样的计较体例也可以取得其他商品与总体比较的差别幅度。最后就是展示，在Excel里面通过“条件格局”里面的数据条功能可以直接展现出图中的效果，很是便利。

很明显，上面图中的阐发成果对运营调剂有直接的指导性，目的是增进用户保存，所以我们要做的就是将有利于用户保存的商品(F商品的用户流失率明显要比总体低很多，说明F产品更有利于用户保存)推荐给用户，而将那些可能致使用户流失的商品(C商品)进行优化或下架。

新用户和老用户比较

同样，使用上面的体例可以区分不适用户群的采办偏向。新老用户的细分是最常见的用户细分体例，我们可使用近似的体例来看看新老用户对商品的不合喜好：

从上图中你看出了什么?采办D商品的用户中新用户的比例明显偏低，也许新用户底子就不喜欢这个商品，而B商品和F商品显然加倍适合新用户的口味。如果你的网站可以进行新老用户区分的定向推广，那么上面这个阐发成果将让你受益很多。

当然，这个数据显现的特征可能跟商品的推广渠道有一定的关系，比如上图的D商品比较多的是使用老用户比较集中的推广渠道(比如EDM)，那么自然采办用户中老用户的比例会偏高;或把某些商品放在新用户比较集中的Landing Page中展示，那么采办该商品的新用户比例也显然会偏高。所以，在做诸如此类的阐发时需要注意按照推广渠道的差别，具体问题具体阐发，不克不及一概而论。

单次采办用户和二次采办用户比较

使用同样的体例也可以增进用户的多次采办。对电子商务网站而言，用户的首次购物体验很是重要，这将会直接影响用户是不是会产生再次或之后的多次采办，或是否能够成为网站的忠诚客户。如果你的网站注重用户关系办理，那么你可以测验测验下使用下面的阐发体例：