25 万名用户并进行相同的分析。但是，我认为对活跃用户的分析更具可操作性，因为它将研究范围限制在那些积极参与的用户身上。此外，对所有用户的分析可能会深入了解某些用户群体为何完全不活跃。 Moz 还可以将这些数据与应用程序使用情况数据进行分层，以更全面地了解哪些内容能让用户继续使用该产品。
测量和定位应用 下
面这张幻灯片来自我 2012 年 MozCon 演讲，当 手机号数据库列表 时可能已经忘了，但我认为这是数字营销未来的基础。这是套利和动态定位成为更强大、更可行的解决方案的框架。 这个概念实际上叫做群组分析。在你还没看明白之前，这个方法远没有我在 2011 年底开发的关键词级人口统计方法那么复杂。
通过群组分析
我们根据用户共同的特征对用户 过采用全渠道策略 进行细分，并相应地跟踪他们。通过关键词级人口统计，我们使用 Facebook 数据将相关用户数据与我们确定为与预定义角色相关的特征进行匹配。通过群组分析，我们从另一个方向进行操作，首先收集数据，然后根据实际使用情况（而不仅仅是小组和调查）定义细分。 也就是说，Moz 不必构建包含人口统计和用户故事的人物角色；他们可以止步于细分。
与 Google Analytics 细分非常相似
Moz 可以开发亲和力细分，以查看哪 回波数据 些内容与整个网站的哪些用户类型产生共鸣。利用用户资料中提供的所有数据，Moz 可以以多种方式进行细分，并可以选择以会员类型为基础，因为它是用户之间的最小公分母之一。但为了便于理解，让我们使用在 SEO 上花费的时间作为我们的定义特征。
Moz 可以定义高级细分如下
超级重度用户——每周在 SEO 上花费的时间超过 50 小时。 重度用户——每周在 SEO 上花费 35-50 小时 中度用户——每周在 SEO 上花费 20-35 小时 轻度用户– 每周在 SEO 上花费 5-20 小时 我们知道 Moz 希望瞄准企业主。从高层洞察来看，