将一段时间内具有相同属性或发生了相同行为的用户找到并保存下来的做法就是用户分群。用户分群是精细化运营的重要支撑手段之一，您可以对细分后的用户群开展用户画像、精细化分析、精准触达等工作。本文为您介绍创建与使用用户分群的注意事项与操作要点。 # 背景信息用户分群的典型使用场景包括（但不限于）： * 筛选特定人群以进行精准触达，如：定义流失人群并进行触达召回； * 开展分区域用户运营，如：针对一线、二线、三线用户开展不同的运营工作； * 对用户进行分层划分和分析，如：按核心功能使用频次，将用户划分为核心用户、活跃用户、不活跃用户、流失用户等，并分别分析； * 按行为特征对用户进行针对性分群，如：UGC内容平台将用户分为内容创作者和内容消费者两类群体。 # 创建用户分群用户分群支持两种创建方式：规则创建和上传创建。 ## 创建方式1：规则创建即通过事件筛选、属性筛选等条件创建用户分群，支持选择‘每日例行’或‘手动更新’。 1. 配置基本信息。 ![Image](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/9704e3fb96cd4535bc53ba247bae588e~tplv-goo7wpa0wc-image.image =555x) | | | \ |参数 |配置说明 | |---|---| | | | \ |分群名称 |自定义分群名称。 | | | | \ |计算周期 |选择以什么时间周期，根据下方配置的用户分群规则去计算用户分群结果。 |\ | | |\ | |* 每日例行：用户分群创建完成后将进行计算，并在每日6点计算前一日数据。 |\ | |* 手动更新：用户分群创建完成后将进行计算，计算完成后不会自动更新。若需要重新计算，需手动点击‘更新’。 | | | | \ |分析主体 |仅开启了多主体功能的用户需要配置，您可以在此处选择用户分群创建在哪个主体中。 |\ | |:::tip |\ | |多主体为进阶功能，仅对已主动申请开通的用户开放，且仅SaaS-云原生、私有化4.5版本后的用户可使用，详情请参见[多应用/多主体/多ID类型概述](/docs/84129/1261558)。 |\ | |::: | 2. 配置用户分群创建规则。 ![Image](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/34de19b0754d487dbc4f22a2624fb93d~tplv-goo7wpa0wc-image.image =784x) | | | \ |参数 |配置说明 | |---|---| | | | \ |相同时间段/不同时间段 |* 相同时间段：所有筛选条件的时间段都一致。 |\ | |* 不同时间段：自定义每个筛选条件的时间段。 |\ | |* 每次时间范围仅支持选择连续365天。 | | | | \ |用户分群规则 |您可以灵活组合使用以下规则来筛选当前创建的分群中的用户：“用户做过”、“用户没做过”、“用户依次做过”、“用户是”、“用户不是”。 |\ | | |\ | |* 每个规则均支持增加对应规则的过滤条件，且多个过滤条件间的逻辑关系支持“AND/OR”切换。如下图所示。 |\ | | ![Image](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/7557f52326024aca95326a1c2305ed3c~tplv-goo7wpa0wc-image.image =853x) |\ | |* 组合使用多个规则时，最多支持两层规则套用，且外层规则与内层规则支持修改规则间的逻辑关系，支持“AND/OR”切换。 |\ | | ![Image](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/4d88439cd4084f26bd0eb0e5a0a9a2c5~tplv-goo7wpa0wc-image.image =3342x) |\ | | |\ | |更多“用户做过”、“用户没做过”、“用户依次做过”、“用户是”、“用户不是”规则的详细介绍请参见下文的[参考：用户分群创建逻辑](/docs/84129/1261555#579b6f4b)章节。 | | | | \ |预估人数 |点击刷新小图标可以立即计算当前分群的人数。 | ## 创建方式2：上传创建通过上传 id 列表文件的方式创建用户分群，当项目有多个用户口径id时，您可以自选其中1个id上传，请注意保持上传的文档id类型与页面选择的一致。 ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_bbe2f0712bcfe2cf4026f87610442bef.png =864x) # 创建后使用分群 * 对分群用户进行分析。在用户分群列表中，找到新创建的用户分群，然后： * 点击「用户画像」对该分群的用户进行画像分析； * 点击「查看用户列表」可查看该分群的用户，并且可以勾选相应的属性同时进行下载； ![Image](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/0b74e298f4464d8c8c4a19aa4eab639d~tplv-goo7wpa0wc-image.image =1060x) * 在Finder的其它分析功能中使用用户分群。以「事件分析」功能为例： * 进入「事件分析」，选择要分析的事件； * 在用户过滤中选择用户分群作为筛选条件。 ![Image](https://lf6-volc-editor.volccdn.com/obj/volcfe/sop-public/upload_1c9f763a35e82e525bf002880f09c28b =842x) # 查看、编辑和管理用户分群在这里，可以对用户分群进行如下管理操作： * 如果用户分群较多，可以使用「我创建的」或搜索功能查找用户分群； * 对列表中的用户分群进行分析，以及下载、编辑、刷新、复制、删除等操作。 ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_de2b6194de9faecdf5ad9e60061bc017.png =864x) * 查看用户列表。进入用户列表后指出勾选用户属性，同时支持下载，如下图： ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_2897a1ce0c052770411328c4d67597fd.png =864x) # 回溯历史分群结果 ## 历史回溯（仅规则创建）该功能支持您回溯创建日过去7日的分群结果，目的为了让您快速了解该分群的历史趋势。 * 自2022-05-16首次创建的分群，分群详情页-列表区默认显示最新计算结果，并支持您对创建日过去7日进行数据回溯，来帮助您快速了解该条件下分群结果的趋势。 ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_64b1150a5c952e67f8cadf9747b5aa3a.png =842x) * 于2022-05-16前创建的分群，默认不支持历史回溯功能。 * 若您需要回溯‘创建日过去7日’数据，请不要修改分群条件，并点击‘重新计算’。 ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_ecad18b7e22b835cfd181975c68010f8.png =818x) * 若您修改了分群条件，也可对已有历史结果的分群进行批量重新计算（按照最新条件进行计算）。 ## 历史结果规则创建&文件上传的分群任务，均可查看**该分群产生过计算的历史结果**。 * 规则创建的分群任务。 ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_1b96ac92ab5f895a01383ee6d9b56a60.png =842x) 无论是手动更新或每日例行的分群任务，您可在详情页中看见**所选日期范围内真实产生计算的历史结果**。 * **历史结果：** 以手动更新的分群任务举例，若分群创建日期为2022-5-10，并在2022-5-12中更新过分群计算结果，分群详情中，仅记录5-10 & 5-12的计算数据。 * **当日多次计算：** 若在自然日，您对该分群进行多次计算，仅保留最后一次计算结果（如5-12当日，产生过3次重新计算，系统仅保留当日最后一次计算结果）。 * **查看用户列表**：点击则跳转至用户细查，查看该分群用户列表。 * **重新计算**：点击后按照该分群最新计算条件进行重新计算。 * **下载**：则按照最新结果进行下载。 * 文件上传的分群任务您可在详情页中看见**所选日期范围内真实产生计算的历史结果**；并支持‘查看用户列表’和‘下载’分群。 ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_3f0ec2756f8a4b949e9a64b202a15fda.png =842x) # 参考：用户分群创建逻辑 ## **分群创建规则** | | | | | \ |**规则条件** |**规则介绍** |**计算条件** |**取值范围** | |---|---|---|---| | | | | | \ |用户做过 |选择符合业务所需的具体事件。 |* 总次数：该事件发生的总次数 |\ | | |* 每日次数：该事件每日发生的总次数 |\ | | |* 天数分布：用户触发该事件的天数分布 |\ | | |* 连续天数：用户连续触发该事件的天数 |\ | | |* 按...求和/求最大值/求最小值/求平均值/求去重数 |等于、大于、大于等于、小于、小于等于或者区间 | | | | | | \ |用户没做过 |运营中一个很常见的场景是，希望找到一段时间内没做过某些事情的用户，对他们进行针对性的触达。 |* 总次数：该事件发生的总次数 |\ | | |* 每日次数：该事件每日发生的总次数 |\ | | |* 天数分布：用户触发该事件的天数分布 |\ | | |* 连续天数：用户连续触发该事件的天数 |\ | | |* 按...求和/求最大值/求最小值/求平均值/求去重数 |等于、大于、大于等于、小于、小于等于或者区间 | | | ||| \ |用户依次做过 |指定事件行为序列，用户只有按顺序触发这些事件时才会被选中。 | |* | | | || | \ |用户是 |支持选择用户属性、用户分群、用户标签（默认选择最新值）。 |* |等于、不等于、包含、不包含、为空、不为空、自定义包含、正则匹配 | | | || | \ |用户不是 |排除特定用户属性、用户分群、用户标签的用户。 |* |等于、不等于、包含、不包含、为空、不为空、自定义包含、正则匹配 | ## “用户没做过”和“用户做过”对比介绍使用“用户没做过”和“用户做过”的筛选条件进行圈选人群时，圈选的逻辑如下。

| | | \ |**圈选条件** |**逻辑说明** | |---|---| | | | \ |用户做过 |在全量用户（默认为过去一年的活跃用户）中，**筛选出在指定时间范围内做过某件事件**指定次数的用户。 |\ | |:::warning |\ | |使用“用户做过”进行圈选时，筛选条件规则中，需确保用户做过事件的次数>1，次数=0或次数<1时圈选结果为空。 |\ | |::: | | | | \ |用户没做过 |在全量用户（默认为过去一年的活跃用户）中，**去除掉（not in）在指定时间范围内做过某件事件**指定次数的用户。 | **圈选示例：** * 示例用户特征 | | | | | | \ |**用户名** |**近1年活跃** |**近7日活跃** |**近7日登录次数** |**近7日购买次数** | |---|---|---|---|---| | | | | | | \ |A |是 |是 |30 |5 | | | | | | | \ |B |是 |是 |10 |1 | | | | | | | \ |C |是 |是 |10 |0 | | | | | | | \ |D |是 |否 |0 |0 | | | | | | | \ |E |否 |否 |0 |0 | * 圈选场景示例1：筛选一段时间内，做过某事件的用户，推荐使用“用户做过”进行筛选 | | | | | \ |圈选场景示例 |圈选条件示例 |圈选结果 |结果说明 | |---|---|---|---| | | | | | \ |筛选近7天有购买行为的用户 |**用户做过**（筛选条件） + **购买**（事件） + **总次数 ≥1**（次数） + **过去7天**（指定事件发生时间） |A、B |**结果正确** | | | | | | \ |筛选近7天购买行为超过3次的用户 |**用户做过**（筛选条件） + **购买**（事件） + **总次数 > 3**（次数） + **过去7天**（指定事件发生时间） |A |**结果正确** | |^^| | | | \ | |**用户没做过**（筛选条件） + **购买**（事件） + **总次数 ≤ 2**（次数） + **过去7天**（指定事件发生时间） |A、C、D |**结果错误** |\ | | | |:::warning |\ | | | |“用户没做过”进行筛选时，先筛选出用户做过对应事件xx次数的用户，然后从近一年活跃总用户数中去除对应的用户，得到圈选结果。因此圈选结果中，从近一年活跃用户A~D中去除掉了购买次数小于2的用户B，得到了结果A、C、D。 |\ | | | |::: | * 圈选场景示例2：筛选一段时间内，未做过某事件的用户，推荐使用“用户没做过”进行筛选 | | | | | \ |圈选场景示例 |圈选条件示例 |圈选结果 |结果说明 | |---|---|---|---| | | | | | \ |筛选近7天没有购买行为的用户 |**用户没做过**（筛选条件） + **购买**（事件） + **总次数 ≥1**（次数） + **过去7天**（指定事件发生时间） |C、D |**结果正确** |\ | | | |:::warning |\ | | | |筛选时，用户总量为近一年的活跃用户数，因此筛选结果中不会包含用户E。 |\ | | | |::: | |^^| | | | \ | |**用户没做过**（筛选条件） + **购买**（事件） + **总次数 = 0**（次数） + **过去7天**（指定事件发生时间） |A、B |**结果错误** |\ | | | |:::warning |\ | | | |“用户没做过”进行筛选时，先筛选出用户做过对应事件xx次数的用户，然后从一年总活跃用户数中去除对应的用户，得到圈选结果。 |\ | | | |::: | |^^| | | | \ | |**用户做过**（筛选条件） + **购买**（事件） + **总次数 =0**（次数） + **过去7天**（指定事件发生时间） |无结果 |**结果错误** |\ | | | |:::warning |\ | | | |“用户做过”进行筛选时，次数=0或次数<1，结果为空。 |\ | | | |::: | | | | | | \ |筛选近7天登录的用户中，没有购买行为的用户 |组合使用两个筛选规则： |\ | | |\ | |* **用户做过**（筛选条件） + **登录**（事件） + **总次数 ≥1**（次数） + **过去7天**（指定事件发生时间） |\ | |* **用户没做过**（筛选条件） + **购买**（事件） + **总次数 ≥1**（次数） + **过去7天**（指定事件发生时间） |C |**结果正确** | ## 分群计算的时间 * 目前系统会在每日6点开始进行例行计算分群，通常在8点前会完成一次计算。 * 若分群时间条件中包含‘今日’，首次计算&刷新时会触发实时计算；每日例行任务仅计算t-1日数据。当前分群计算策略尽可能保障了使用者使用分群时，分群中的人群是最新的。 ## 静态分群的计算时间 * 若您的分群条件中，仅包含静态时间（如2022.1.1-2022.2.1），计算方式仅支持手动更新。 * 若您不需要每日更新分群结果，也可以选择手动更新。 ## 分群计算逻辑变更说明分群计算逻辑变更，请关注： 1. 计算逻辑变更说明 * 当条件为“用户是省份不等于江苏”（省份为计算全部值属性），仅计算时间范围内省份不等于江苏的用户。（此前规则还会包含近1年有数据上报但是查询区间没有数据上报的用户） * 当条件为“用户做过事件A小于3次”，查询结果为活跃用户中做过事件A等于2次、1次的用户，0次用户不计算在内。（老版本会将非日活用户计算在内，如果需要涵盖这部分用户，可添加“用户没做过事件A”） 2. 调整影响 * 23年2月9日前创建/更新的分群仍按老规则计算，历史版本分群如需要按新规则计算可点击“重新计算”；2月9日起更新的版本按新规则计算。 * 23年2月9日后创建/更新的分群全部按照新规则计算。 ## 规则创建场景案例：低活跃用户内容类产品日常运营过程中需要通过一些运营手动定期促活，因此运营同学常需要找到“低活跃”用户进行运营动作。促活一般面向两类用户，一种是近7/14日活跃频次较低的用户，可直接以近期热门内容发送push信息，促进此类客户打开推荐的内容；另一种是近7/14日未活跃，但上一时段曾活跃的流失用户，可以以好友评论或点赞记录等更强诱因的发送短信，吸引用户回归。低频用户圈选逻辑较简单，只需要选择用户在规定时间内目标事件触发次数小于或小于等于某一数值即可： ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_09690fa3624293e581002ea1394c162b.png =864x) 流失用户涉及不同时间段，需要结合未做过的逻辑进行逻辑组合： ![Image](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_a42216884fac1b935d14863333901b31.png =864x) # 使用示例 ## 【召回沉默用户】最近30天使用过但是最近7天没使用过

## 【用户依次做过】最近30天做过先打开app然后去搜索...

# 常见问题 ### Q1 为什么有的分析图表旁提示我“所选择"用户分群"不支持今日实时数据分析”？当条件中包含用户分群时，我们暂时不支持当天的数据一起计算。 ### Q2 为什么选择平台是 iOS 或 Android 的访问次数大于5次的用户时的结果要大于分别查询平台是 iOS 和 Android 的数量之和？因为有的用户同时在使用 iOS 和 Android。分别使用两个设备的次数不到5次，但将二者加到一起恰好超过5次了。这时该用户就会计入分群中来了。 ### Q3 打开导出用户ID的文件，为什么用户ID是以科学计数法表示，如何才能正确展示？导出用户ID的文件是 csv 格式的，在你的电脑上可能会默认使用 excel 或 wps 打开，打开后会看到用户ID的值显示为了科学计数法，而且也无法还原原始值。如下图所示： ![Image](https://lf3-volc-editor.volccdn.com/obj/volcfe/sop-public/upload_71db2cefa66ae3c25bfc35eb6f365ee1 =864x) 出现这个问题的原因是 Excel 和 WPS 打开 csv 时，会自动将超长的数字转换为科学计数法表示，同时存为了字符串。这种转换不可逆，所以也无法还原数字的原始值。 **解决方案** **方案一：在 Excel 直接导入CSV** 通过 Excel 的导入功能，在导入流程中将包含超长数值的列的数据格式改为“文本”，可以正确显示。如果你的 Mac Excel 版本是 16.59，由于 Excel 的已知问题，可能导致会无法正确识别 csv 的内容，那么也可以选择方案二。 Mac Excel 示例 1. 创建空白的 Excel 文档； 2. 点击`文件 > 导入`，选择刚刚下载的 csv 文件； 3. 第二步中，选择”逗号“作为分隔符； 4. 第三步中，`列数据格式`选择”文本“，`预览选定数据`中选中”用户ID“列（选中时为黑色）； ![Image](https://lf3-volc-editor.volccdn.com/obj/volcfe/sop-public/upload_a8787ba7ff22d109a252e847887a90d6.png =842x) 5. 点击`完成`，并按默认状态完成后续步骤；如下图所示，按上述步骤导入的A列，可以直接显示为正确的内容。 ![Image](https://lf3-volc-editor.volccdn.com/obj/volcfe/sop-public/upload_3e091b59ed63eb5db4d1dd825786ee34.png =864x) **方案二：通过 Excel “获取数据”功能进行导入** Mac Excel 示例 1. 创建空白的 Excel 文档； 2. 点击「数据」 > 「获取数据」，选择「文本/csv」的数据源； ![Image](https://lf6-volc-editor.volccdn.com/obj/volcfe/sop-public/upload_1e4f8f039d9e2d76168a5536bd17d353.jpg =842x) ![Image](https://lf3-volc-editor.volccdn.com/obj/volcfe/sop-public/upload_bcf90cf53dbd6abd0104666593e66fa3.jpg =842x) 3. 点击「浏览」，选择刚刚下载的csv文件； 4. 预览文件数据，默认文件原始格式为（UTF-8），分隔符为逗号，数据类型监测为基于前200行； ![Image](https://lf3-volc-editor.volccdn.com/obj/volcfe/sop-public/upload_dcac0e7c837b4bc12172cd0508d7991e.jpg =842x) 5. 点击加载，完成数据导入。 **方案三：先通过其他软件打开，保存 Excel 格式** MacOS 的 Numbers、飞书文档或文本编辑器等不会对超长的数字自动进行转换。可以使用这几个软件打开 csv，然后将文件保存为 Excel 格式，之后再使用 Excel 或 WPS 打开，就可以正确显示了。这种情况对于小文件也比较方便。但如果文件很大，处理起来比较慢，就要考虑直接在 Excel 导入的方案了。

增长分析 DataFinder