全栈工程师?
嗯.....目前并不是!

十年增長運營手記:用戶運營實戰與行為數據洞察

究竟什麼是用戶運營?成為一位用戶運營需要具備哪些能力與素養呢?

什麼是用戶運營?

“用戶運營”顧名思義圍繞用戶的全LTV的運營動作、策略都可以稱之為用戶運營:

有些人覺得做活動、做社群是用戶運營該做的;

有些人覺得做用戶體系、轉化、數據監控是用戶運營該做的;

還有些人把渠道投放運營也放到用戶運營中。其實我認為這些都可以稱之為用戶運營,因為這些工作都會影響用戶的整個LTV周期。那麼成為一位用戶運營需要具備哪些能力與素養?

用戶從哪裡來?

1. 渠道投放職能劃分

用戶進入web、app的形式分為兩種:付費、免費,通常會在web、app以及一些流量分發平台開放用戶的導流入口,根據職能劃分可以大致分為:SEO、SEM、ASO、ASM、DSP(信息流)這五種渠道運營職能。

2. 付費渠道的結算方式

通常SEM、DSP在進行投放時的結算策略可以大致分為:CPC、CPA、CPM、CPD等結算方式。其中CPS、CPA對買方有利,CPC、CPM對賣方有利。

3. 資源對接

像股票交易平台一樣,不同的買方與賣方也會通過中間商來進行資源的對接。Ad Exchange聯繫的是廣告交易的買方(廣告主-即投放廣告的,如我們的App)和賣方(SSP的流量廣告位擁有方,如愛奇藝)。

通過以上幾種方式,用戶就已經來到了我們的產品中。

(互聯網的投放渠道)

產品建設

1. 用戶分層&用戶標籤體系化建設

用戶標籤是用戶運營策略中非常依賴的一項前提條件,如果能對用戶的某些行為進行自動打用戶標籤那麼就可以對後面垂直的精細化運營做出良好的鋪墊。

第一類標籤可以採用公司最看重的業務類型來對用戶分層,比如 電商公司的利潤、直播公司的用戶充值金額、交易型公司的手續費等。如果再進行下一步的拆分,可以是交易金額、利潤、充值金額等維度。

第二類標籤可以採用用戶屬性來對用戶進行分層,比如用戶的年齡、職業、性別等等

第三類標籤可以採用用戶在Web、App中的行為,比如 用戶的瀏覽、查看、註冊、下單、支付、復購等。但此項對於產品的埋點、數據、後台支持要求較高。

像還有更多的用戶標籤體系玩法,比如用戶的LTV全生命周期打標籤、RFM模型對用戶進行打標籤都是比較流行的傳統互聯網運營玩法。

那有了用戶標籤以後該怎麼用起來呢,會在下面的運營策略中重點講解。

(用戶分層&用戶標籤體系化建設)

2. 產品反饋機制

建立“不感興趣”功能,目前很多產品經理在做頁面的時候缺乏和用戶良好的溝通,導致不清楚用戶的喜好。所以在產品側開一個用戶建議投訴箱、不感興趣功能就顯得至關重要。

3. 用戶激勵體系&用戶成長體系

這是個老生常談的話題,很長一段時間App如果沒有這東西都不敢稱之為是做App的,那其實這種用戶成長體系是分為不同類型的產品應該做成不同樣子的。

比如高頻產品 墨跡天氣這種的創收行為主要集中在廣告展示,那麼用戶的高頻登陸來獲取積分、等級、經驗值就顯得至關重要。

再比如中頻產品 淘寶、天貓這種的創收行為主要集中在ARPU(AverageRevenuePerUser),那麼體系中應該重點偏向註冊-瀏覽-下單-復購這一條路線。

再比如低頻產品去哪、攜程這種,要在電商類產品基礎上增加內容論壇的活躍度等指標來增加用戶粘性。

例:

(簡單列舉幾個積分的獲取方式)

4. 優惠券、會員機制

這些常見於電商類、交易類產品中,比如 天貓、攜程等產品類型。作為用戶運營提高平台用戶客單價的利器,優惠券是運營一定需要掌握的必備技能。就好比是程咬金的“三板斧”,哪類用戶用低面額優惠券、哪類用戶用高面值、哪類用戶用長期限優惠券、哪類用戶用短期限優惠券、哪類用戶用全品類、哪類用戶用垂直品類優惠券。

這些可以單獨寫一篇文章,在此處不做詳細介紹了。

(優惠券)

5. 數據平台

用戶運營是運營中對數據要求最為敏感的角色,因為互聯網時代使我們可以接受的數據變得異常豐富,也給我們提供了足夠的發揮空間。列出一些我用過的業內常見數據平台:

  • 移動端用戶數據分析平台: 百度移動統計、Talkingdata
  • 網頁端:百度統計、GoogleAnalytics、GrowingIO
  • 競品監控:Alexa、Similarweb
  • 流量監控:站長之家、CNZZ(原友盟+)
  • 市場監控:一些常見的指數平台如:百度指數、淘寶指數都可以實現
  • 列舉些常見平台的用法:

(用戶的來源與去向)

(用戶來源類型分析)

有了這些平台,那麼用戶的這些數據是怎麼得來的?

通常是由底層數據埋點,再到上層的數據清洗、挖掘、分析共同得出一份可供業務決策的結果數據。

(用戶行為基礎數據來自哪裡)

運營策略

1. 分級運營

在有了用戶標籤體系后,應當建立不同用戶的運營策略庫。

  • 短中長期的流失用戶該進行哪些策略的召回。
  • 在用戶的平均LTV流失時間點的時候,應該對用戶進行哪些策略。這些都是可以實現常規、標準化的打法。
  • 渠道投放假量驗證

當我們在渠道中進行投放時,經常會受到渠道放刷量、用戶刷量的困擾。那麼我們可以運用用戶標籤體系對一些真實用戶的共性行為進行打標籤,以此區分“真實用戶”與“假量用戶”

  • 新註冊用戶的體驗轉化

有些用戶從來沒有使用過產品的某些功能,那麼可以針對此類用戶有針對性的實施運營側錄了,比如:PUSH,推送,站內信,跳轉,小圖標引導,banner展示可以定向化的指定用戶運營,讓用戶在產品內流動起來。

2. 用戶運營常用模型

  • 用戶流失預警模型

該模型可以前期採用運營定區間,監測效果。後期再送到產品研發來實現自動化的報警、運營策略、觸達等全流程落地。

然後,將這些指標作為流失用戶模型的指標,它們的權重分別要已流用戶佔比做調整,模型要根據行為數據的不斷變化去迭代,從而儘可能的預測到某一類用戶快要流失了,我們要採取相應措施去挽留他們了。根據挽留的效果,我們又可以把相關流失用戶的挽留措施、挽留效果加入流失用戶模型中,以儘可能的形成『預測-挽留措施』的自動化預警。

  • RFM模型

RFM模型最早常見於互聯網電商行業,該模型重落地后的優化,我曾在監控用戶分層流動、定點運營策略中經常使用RFM模型,是我比較喜歡用的一個模型。前期可以運營內部先憑經驗搭配出一版區間值,後期R、F、M的數字維度確定后 再提交給產品經理、研發同事形成自動化的數據導出。

(RFM模型)

  • SPSS預測模型

此類模型常用於電商行業的運營,如:Kohonen神經網絡模型、線性回歸方程預測,通常用於預測下個月的DAU、GMV等數值,如果有異常,那麼運營可以及時切入進去分析數據、制定運營策略。

  • SKU價格聚類

此類模型常用於將用戶按照不同的貢獻價值區間對用戶進行分層,或者以SKU為單位對商品進行分層。

  • 關聯預測模型

此類模型常用於將一些對用戶創收動作有價值的動作挖掘出來,比如用戶對商品進行了收藏、加購物車的動作是對下單等創收目標動作的強關聯,還可以進一步計算出這些動作所佔有的權重指數。

以上模型在這裡不做詳細展開,後續會單獨出一篇數據分析的文章。

3. 常見觸達方式

  1. 站內信:需要開發,但對用戶運營來說性價比最高。可以分類對用戶進行運營。
  2. 短信:需要成本,屬於短期過度型、召回、特大活動營銷時常用的方式。
  3. 郵件:國外較為常用,國內用戶對郵件的使用率較低,不建議使用。
  4. Push:在友盟、個推等第三方平台嵌入SDK以後,即可進行對全量用戶的push
  5. 電話:需要成本,通常在對平台頭部創收用戶的定向維護、營銷、召回時才會使用。
  6. AB 測試

(AB在召回策略中的用法)

在Growthhacker中最常用的手段莫過於此,所有世間萬物都離不開迭代。那麼擅長使用AB、歸納、復盤、總結的運營人在長遠來看一定是能產生成效的。

推薦一些新手用戶運營的教科書

  1. 《運營之光1.0、2.0》
  2. 《增長黑客實戰》
  3. 《引爆用戶增長》
  4. 《數據挖掘與數據化運營實戰》

感謝閱讀~(完)

 

作者:程瀚,微信公眾號:十年增長運營手記。專註於互聯網運營領域的研究和總結,在活動運營、用戶運營、數據運營等方面有較深的興趣和思考。

版权声明:本文采用知识共享 署名4.0国际许可协议 [BY-NC-SA] 进行授权
文章名称:《十年增長運營手記:用戶運營實戰與行為數據洞察》
文章链接:https://www.pmbear.com/%e5%8d%81%e5%b9%b4%e5%a2%9e%e9%95%b7%e9%81%8b%e7%87%9f%e6%89%8b%e8%a8%98%ef%bc%9a%e7%94%a8%e6%88%b6%e9%81%8b%e7%87%9f%e5%af%a6%e6%88%b0%e8%88%87%e8%a1%8c%e7%82%ba%e6%95%b8%e6%93%9a%e6%b4%9e%e5%af%9f/
本站资源仅供个人学习交流,请于下载后24小时内删除,不允许用于商业用途,否则法律问题自行承担。

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

大前端WP主题 更专业 更方便

联系我们联系我们