最核心的4大体系 用户运营体系搭建是什么( 二 )


事实上,成长工具作为获客工具,一方面与企业核心业务紧密结合,另一方面又能满足用户需求,两者缺一不可 。如果找不到增长工具,企业就无法通过刷脸实现持续的用户增长 。
-用户模型构建-
如果一个企业连基本的标签画像模型都建不起来,用户操作只能是纸上谈兵 。用户模型的建立是实现用户分层分组的基础,也是用户精准操作的必要工具 。
用户模型包括标签画像模型、用户价值模型、用户偏好识别模型、用户流失预警模型、活动模型等 。
标签的价值在于基于业务帮助运营人员对用户实现场景化分层,并设计针对性的营销活动 。画像的价值在于帮助运营人员了解每个群体的特征; 用户价值模型可以识别高价值用户群体; 偏好识别模型帮助运营人员进行产品的针对性推送; 流失预警模型在用户流失之前对用户进行挽留,活跃度模型可以有针对性的进行唤醒、促活等 。模型的建立需要专门的数据产品团队来完成 。运营商基于用户模型进行营销时,需要重点关注营销效果的分析和营销方案的迭代优化 。
通过多次营销尝试和数据产品团队,找到了合适的建模方法,并逐步建立了稳定的运营方案和运营计划 。
运营人员每天在工作中,可以将前一天跑出来的标签组合成用户群的营销信息发出去(推送或短信),监督其转化,不断迭代,逐步建立起基于用户模型的标准运营方案和运营计划 。
-场景的分层策略-
基于平台业务,可以衍生出几种运营场景 。在每一个场景下,都需要运营不同的用户组,用户组来自标签模型和各个用户模型 。
在我们具体的运营过程中,运营分为两类:一类是成长hack,一类是用户精细化运营 。
两种类型的操作细分为12个场景,以其中一种为例:
业务场景:平台某渠道用户复购率低,渠道运营怀疑用户流失严重 。希望用户部门能帮忙监控用户流失情况,预测现有哪些用户可能流失 。通过流失预警,制定相应的留存策略 。
结合这个业务场景,我们将在标签系统中筛选出标注有xx频道的用户,通过流失用户预警模型对流失用户的样本进行训练 。通过模型可以找出流失用户的特征,计算不同特征用户的流失分数,并根据流失分数对用户进行分组 。
具体可以组合成低风险损失用户、中风险损失用户和高风险损失用户 。低风险用户群体可以维持现状,进行日常推送营销 。对于中高风险流失用户群体,需要结合用户画像系统和用户偏好分析模型的分析来确定触达策略 。
比如分析显示,该用户群体中女性比例较大,社区属性为高端属性,更喜欢购买进口水果和高端洗衣 。这时候就可以据此制定留存策略,将相应的针对女性群体的活动信息推送给这些用户,成功唤醒用户,达到留存的目的 。
-用户数据运营策略-
数据运营包括核心指标体系和数据分析体系 。核心指标体系可以监测用户运营发展趋势,实时了解用户活跃度、健康等基本信息 。用户数据分析系统可以帮助运营商及时定位问题,优化产品 。
首先是核心指标体系的建立,必须与产品目标紧密结合 。比如单车产品的目标是获取租金收入,其核心指标要以付费用户为核心来构建 。信息产品的目标是用户阅读产生的流量,其核心指标应以DAU、浏览深度和时长为核心构建 。
同时,核心指标数据在企业内部不同层级的人之间有不同的关注点,领导关注的是大规模用户的体量、成本和效益 。运营层面侧重于用户活跃度、留存和转化;在指标体系产品的构建上,从新客户获取能力、健康、偏好、购买行为四个维度构建消费用户的核心指标 。
1 。新客户获取能力
用户增长潜力分析:城市、门店、地推人员了解区域、商圈、社区用户开发总体情况和开发潜力; 用户来源渠道分析:各频道想知道目前在推的渠道,用户主要从哪些渠道来的?哪些渠道优质,从而优化渠道策略; 拉新产品分析:门店、地推人员想知道片区内哪个产品拉新贡献最多,客户首次下单的产品定义为拉新产品; 各社区拉新偏好分析:门店、地推人员想知道片区内每个社区新用户的偏好,比如:A社区偏好电子产品、B社区偏好生鲜,从而在每个社区拉新的时候进行针对性的推广 。2 。用户健康
用户价值分析:频道想知道自己忠诚用户群是谁,活动时候可以找这些优质用户让他们来参与,同理地推人员可以在线下邀约这些用户到门店参与活动; 用户流失指数:频道想知道不同分群的用户有哪些会流失,如何预防他们流失; 社区用户贡献度:门店和地推人员想知道地推人员所在片区内,每个小区的GMV贡献率,分周、月,片区内分布要有趋势图 。3 。用户首选项


推荐阅读