大家好，我是小z，也可以叫我阿粥

今天给大家分享一个网易大客户分析的案例，一些思路和技巧，值得借鉴。

在直播行业，用户的付费活跃规模及支付习惯与传统行业有很大的不同。直播大R付费是低频高arppu，可能一笔消费就达10万元，可能5分钟刷出100万，但是一个月就刷那么一两次，很不规律。因此，传统的“二八定律”早已不再适用。事实上，在我们的日常流水中，往往是1%的人撬动了80%以上的营收，不到0.1%的大R用户提供了一半以上的流水。（注：大R的R就是人民币RMB的R，通俗来说就是大客户，花很多钱的人）

因此，如果我们能让大R用户的产生和他们的消费行为变得规律可控，能扩大这个群体，就有机会优化整体的营收生态。所以该项目简单来说，就是去挖掘平台还没在直播消费过的用户，把他们转化成直播付费用户，并跟进其成长为大R。

那么，大R规模要如何扩大，到底是培养大R比较靠谱，还是去发现、挖掘大R比较靠谱呢？我们首先对现有的付费用户成长路径做了数据分析，来回答这个问题。

首先我们以活跃和消费作为两个维度，去分析了用户从不同层级迁移到其他水平的周期。主要看这两条红线就可以了，一个活跃用户，从0开始累积消费100块钱，平均需要76天的时间，周期非常长，极难培养，而一开始就有100元以上打赏行为的用户，他一周内就能提升活跃。也就是说——大R不是养出来的，如果一个人没有钱，你让他付100块钱都费劲。

那么我们要做的就是，先能筛选出哪些人可能有高消费实力的，吸引他们来看直播，先培养起他们看直播的习惯，去打通他们的成长链路，最终帮助他们顺利成长成为高付费用户。

好，那么什么样的用户可能会有消费实力呢，我们还是基于现有用户去分析，把现有的大R用户分成几种类型，五边形、梯形代表两种不同类型的用户，而三角形是五边形用户逐渐演变而来。所以对于业务方来说，我们希望挖掘到的就是前两类用户，他们代表了大R用户刚进入直播时的行为状态，是天然的，更高效的模型。

这些大R对应的画像，年龄以20-35岁的年轻人为主，占比达到58%，还有30%多是没有办法识别他们几岁的，换言之，在已知年龄的用户里，绝大多数都是这个年龄段。而在性别方面，因为我们的产品特性，女性用户占据了半壁江山，和传统视频直播基本都是男土豪的有很大区别的。这些大R现实中，基本都在经济发达城市，还有就是东北人特别多，娱乐繁荣。资产方面，开豪车、好车的大R多，但是房价出乎意料，除了北上广深杭，这些大R的房价甚至都只要几千，一万多一平，得到这个结论之后，我们发现，诶，原来我们也有成为大R的潜质，但我们的钱，都拿去买房当房奴了。只要不买房，分分钟怒刷几十万当大R不是梦......

所以分析下来，我们要去找的用户，重点是20-35岁之间，男女不限，房价不限，在发达地区的人，开豪车优先。再结合他们的前端行为，筛出有付费意愿的，结合他们的活跃时长分布、是否具备情感需求等因素，首批筛选了4万多人，作为我们的潜在高付费用户群。

圈出这批用户后，我们开始进行落地转化的工作。第一步，首先让这些用户能看到直播模块。我们通过直播模块上移等方式，增加直播模块在潜在人群中的曝光；第二步，用户看见直播了，我们要给他推什么内容呢？同样的，我们拿现有的直播用户去做了音乐品味对直播内容的喜好匹配分析，比如曲风偏好【华语流行】的用户，喜欢听我们的流行音乐主播，曲风偏好【电子】的用户，对二次元、摇滚、动漫主播更感兴趣。通过这种直播标签和音乐标签的匹配，我们完成了主播推荐的工作。

再接下来就要考虑如何让用户留下来的问题。我们首先给用户送礼包，礼包是具有两大特性的，第一有明显的外观，用户只要进直播间，发言就能被关注到，第二是具有互动感，用户送出东西能给主播增长热度，主播会对他进行感谢，勾起用户的虚荣心。投放礼包我们也做了ABtest，有礼包的用户，验证下来，刺激效果会更好，能以更快的速度花钱破冰。最后一步，通过一些简单的任务带一个新用户逐步进入直播场景，与主播建立联系，进而养成直播观看习惯、衍生打赏行为。

结合前面的筛选和这些运营手段，我们两期活动挖掘的用户付费转化率分别为3.37%和4.8%，目前累计营收达到197万和139万。虽然这个累计营收对于直播整体来说不算很多，但是整体对比自然人，目标用户的ARUP值比同期自然人高出一倍以上，说明我们的挖掘起到了比较高效的作用，证明我们通过分析现有大R群体去平台中反推潜在客户的思路得到了验证。

当然，这部分用户算下来，人均月消费也就是一两百块钱，还远远达不到大R的标准，我们的项目也并没有止步于此，针对这些已经挖掘出的高潜力付费用户，我们又通过监控他们在直播的具体付费行为，去精准筛选用户介入维护，例如单日高消费、单笔高消费用户，通过报表展现其付费详情，例如打赏内容、付费金额等，方便运营人员进行情况摸查和喜好分析，再制定个性化维护方向。

其实，对于大客户运营来说，最难做的就是，有钱人是千人千面的，每一个花了几十万几百万的用户，都有非常个性化的画像和需求，常常让人感觉无从下手。所以我们这个项目，就是试图通过数据，去看见这些千人千面，或者说，通过数据辅助运营工作，让千人千面的大R变得有迹可循。项目从一开始提出问题，应用基本数据分析模型九宫格进行抽象推导，得到初步结论；再因地制宜运用产品特性去探索个性化模块搭建、精准喜好匹配，叠加权益，完成消费破冰；最后基于数据洞察和业务理解，从初步成果中找到关键因素，放大势能，提升收益，完成了挖掘-转化-拉升付费的价值闭环。

以上。

●分析师如何正确的提建议？
●品牌知名度分析