TC Incubator

每個企業都有自己的一套相對完善的用戶運營體系

本文作者結合運營過程中的經驗分享

以及他社區o2o用戶運營過程中的一些經驗

將用戶運營體系分為四大策略體系

即增長框架+用戶建模+場景化分層+數據運營

用戶運營體系是什麼樣的？

相信每個企業都有一套相對完善的用戶運營體系

之前接觸一些介紹用戶體系的文章

基本將用戶運營體系等同於用戶分群策略和AARRR運營模型

這只是整個運營體系中的一角

結合運營過程中的復盤經驗

作者在社區o2o用戶運營過程中摸索出一套較為實戰的用戶運營體系 

包含4大策略體系：

一、用戶增長框架的搭建

用戶增長團隊+核心增長渠道+增長工具

用戶建模：用戶模型搭建

包含標籤畫像、用戶價值模型、用戶偏好識別模型、

用戶流失預警模型、用戶活躍度模型等

用戶增長的重要意義不言而喻 沒有用戶增長也無從談起用戶運營

每個企業在做用戶增長之前 

首先想到的是渠道運營 由渠道來配置運營人員

普遍做法是：

市場部招渠道運營 負責各應用商城和網絡廣告平台投放、優化

新媒體招新媒體運營 負責社交渠道的內容產出

用戶團隊負責用戶池用戶的激活、促活、留存

乍看起來這套團隊體系完全沒問題 各自負責一塊 各自去達成KPI

可在實際運營過程中 存在以下無法避免的問題：

1. 部門的邊界和KPI的設置 整個運營銜接會很差勁

    基本各個部門埋頭去達成自己KPI

    同時渠道運營人員往往只考核註冊用戶量

    為達成這個KPI 人為降低用戶質量 摻假用戶 時常發生

    導致後續激活、促活、留存工作難以為繼

2. 渠道部門為達成KPI 付費渠道基本全面開花

    一方面核心增長渠道無法集中精力培育 

    另一方面CAC居高不下

3. 缺乏有效的增長工具

    比如渠道分析體系工具、線下社區獲客模型等

    基於以上問題 企業做用戶增長的首要任務就是搭建用戶增長團隊

    增長團隊首先要消除部門邊界 以項目組形式或增長部門存在

    包含渠道運營、活動運營、產品、用戶運營

增長利器例如：

開發一套線下社區用戶模型

通過社區畫像、用戶畫像、大數據建模 對各個社區用戶的需求、偏好進行預測

並打上相應的標籤 指導門店到社區進行針對性地推 

將便利店和超市用戶轉化為社區o2o用戶

實際上 增長工具作為獲客利器

一方面與企業核心業務緊密結合 另一方面又能夠切中用戶需求

兩者缺一不可

如果無法找到增長工具 企業靠刷臉的方式是無法獲得持續用戶增長的

二、用戶模型搭建

如果一個企業連基本的標籤畫像模型都沒有能力搭建的話 用戶運營只能紙上談兵了

用戶模型的搭建是實現用戶分層分群的基礎 也是做精準用戶運營的必要工具：

・用戶模型包括標籤畫像模型

・用戶價值模型

・用戶偏好識別模型

・用戶流失預警模型

・活躍度模型 等

1.標籤的價值在於基於業務幫助運營人員對用戶實現場景化分層

   並設計針對性的營銷活動

2.畫像的價值在於幫助運營人員瞭解每個群體的特徵

3.用戶價值模型可以識別高價值用戶群體

4.偏好識別模型幫助運營人員進行產品的針對性推送

5.流失預警模型在用戶流失之前對用戶進行挽留

   活躍度模型可以有針對性的進行喚醒、促活等

模型的搭建需要專門的數據產品團隊來完成

運營人員基於用戶模型進行營銷時

需要將重點放在營銷效果分析和營銷方案疊代優化上

通過多次營銷嘗試與數據產品團隊 找到一個比較合適的模型建立方式

並逐步建立起一個穩定的運營方案和運營計劃

每天上班時

運營人員可以將前一天跑出來的標籤組合成用戶群的營銷信息發送出去

（push或短信）監督其轉化情況

不斷疊代 逐步建立起基於用戶模型的標準的運營方案和運營計劃

三、場景化分層策略

12大類運營場景 每個場景基於用戶標籤和建模工具進行分層分群

並制定相應的精準營銷手段進行運營

基於平台業務可以衍生出若干運營場景

每個場景下需要對不同的用戶群進行運營

用戶群來自與標籤模型及各個用戶模型

我們在具體運營過程中 運營分為兩大類：

・一類是growth hack

・一類是用戶精細化運營

兩類運營細分12大場景 以其中一個運營場景舉例：

業務場景：

平台某個頻道用戶復購率較低 頻道運營懷疑用戶流失嚴重

希望用戶部門幫助監測用戶流失情況 並預測現有哪些用戶可能會流失？

通過流失預警制定相應的挽留策略

結合這個業務場景 我們會在標籤系統裡篩選出打上xx頻道標籤的用戶

並通過用戶流失預警模型來訓練流失用戶樣本

通過模型可以將流失用戶特徵找出來

並計算不同特徵用戶的流失得分 以流失得分對用戶進行分群

具體可以組合為低風險流失用戶、中風險流失用戶、高風險流失用戶

低風險用戶群可以保持現狀 進行日常推送營銷

而中高風險流失用戶群

需要結合用戶畫像系統和用戶偏好分析模型分析來確定觸達策略

比如：

分析得到這個用戶群女性比例較大 社區屬性為中高端屬性

偏好購買進口水果和高端洗衣

這時可以以此來制定挽留策略

向這些用戶推送相應的針對女性群體的活動信息即可成功喚醒用戶 達到挽留的目的

四、用戶數據運營策略

數據運營包括核心指標體系和數據分析體系

核心指標體系可以監控用戶運營的發展趨勢

實時瞭解用戶活躍度、健康度等基本信息

用戶數據分析體系能夠幫助運營人員定位問題 並針對問題及時優化產品

首先是核心指標體系的搭建 核心指標一定與產品目標緊密結合

比如：

單車類產品目標是獲得租車收入 

其核心指標應該以付費用戶為核心進行搭建

資訊類產品目標是用戶閲讀產生流量 

其核心指標應該以DAU和瀏覽深度、時長為核心進行搭建

同時 核心指標數據在企業內部不同層級的人員關注點也不一樣

領導層級關注的是大盤用戶體量、成本、收益

運營層級關注的是用戶活躍度、留存度、轉化情況

在指標體系產品的搭建中

我們圍繞消費用戶核心指標從

新獲客能力、健康度、偏好度、購買行為四大維度進行構建

1. 新獲客能力

用戶增長潛力分析：

城市、門店、地推人員瞭解區域、商圈、社區用戶開發總體情況和開發潛力

用戶來源渠道分析：

各頻道想知道目前在推的渠道 用戶主要從哪些渠道來的？

哪些渠道優質 從而優化渠道策略

拉新產品分析：

門店、地推人員想知道片區內哪個產品拉新貢獻最多

客戶首次下單的產品定義為拉新產品

各社區拉新偏好分析：

門店、地推人員想知道片區內每個社區新用戶的偏好

比如：A社區偏好電子產品、B社區偏好生鮮

從而在每個社區拉新的時候進行針對性的推廣

2. 用戶健康度

用戶價值分析：

頻道想知道自己忠誠用戶群是誰 活動時候可以找這些優質用戶讓他們來參與

同理地推人員可以在線下邀約這些用戶到門店參與活動

用戶流失指數：

頻道想知道不同分群的用戶有哪些會流失 如何預防他們流失

社區用戶貢獻度：

門店和地推人員想知道地推人員所在片區內

每個小區的GMV貢獻率 分周、月 片區內分佈要有趨勢圖

3. 用戶偏好度

品類偏好：

門店和地推人員、頻道想知道哪個小區/地域更傾向消費什麼類型的商品

（購買者位置和品類的交叉關係）

活動偏好：

門店和地推人員、頻道想知道哪個小區/地域更傾向什麼類型的活動

（購買者位置和活動的交叉關係）

價格偏好：

頻道想知道不同品類用戶更傾向什麼價格

從而將各種價格段商品推給相應用戶（品類和價格的交叉關係）

觸點偏好：

門店和地推人員、頻道想知道不同品類用戶更傾向在什麼渠道購買

（品類和觸點的交叉關係）

4. 用戶購買行為

不同用戶群的復購率：

頻道想知道新老用戶的復購率及找出高復購商品

及時調整新老用戶運營策略和做好商品運營 按月度監控

用戶路徑分析：

頻道想知道頻道首頁到活動頁的用戶參與情況

用戶是在什麼環節流失的 從而做好頁面運營

其次是數據分析體系：

需要搭建系列分析模型工具 幫助運營人員定位運營過程中的問題

模型工具包含漏斗分析模型、歸因分析模型、微轉化分析模型、同期群分析模型等

・【電商趨勢】實體零售上線 電商嘗試往下走

・洞察用行為數據提升App用戶體驗

・2018 南抖音，北快手 用戶研究報告

文章來源 電子商務研究中心