 在用戶數量較低時，粗曠式運營也許能夠滿足日常的運營需求。 但隨著產品規(guī)?？焖贁U張，面對越來越多的用戶，越來越多元的用戶需求與用戶場景，體系化的運營策略成了提高工作效率與效果的重要利器。在具體的用戶運營開展前，體系化運營的前提就是建立用戶運營的數據指標。 在搭建用戶運營體系時，應按照以下步驟進行：
接下來，我們將按照上述環(huán)節(jié)一一進行講解。 注冊用戶精細分群分層，顧名思義，就是進行用戶分層并標記各種標簽。一千個讀者就有一千個哈姆雷特,同樣是使用產品，但用戶使用產品的理由、滿足的需求間存在各種不同的差異。也許A 用戶看中了品牌情懷，B用戶看中了產品性價比高，C用戶看中了產品的服務好。 如果不進行用戶分群分層，又怎么針對用戶的不同需求提供服務呢？ 因此，在用戶運營的過程中，用戶分群分層的作用很明顯，它幫助我們把用戶分成各個層級和群體，然后我們根據各個層級和群體的不同，制定出更精準、更有針對性的運營策略。在這里有幾個概念需要明確，即「用戶畫像」、「用戶分層」、「用戶分群」，為了保持概念的準確性，在此我們進行簡單解釋。 01 用戶畫像一般包含用戶的人本屬性，如身份特征、行為特征、消費特征、心理特征、興趣愛好、渠道屬性。具體內容如下：  02 用戶分層一般來說，我們結合用戶在產品上所處狀態(tài)作為用戶分層的依據，比如我們最常見的RFM模型，依托于用戶最近一次購買時間、消費頻次以及消費金額，通過衡量用戶價值與用戶創(chuàng)利能力，對用戶進行分層。 比如，我們結合RFM模型，把用戶劃分為8個群體，從高消費頻次、高消費額、最近消費過的重要價值用戶，到低消費頻次、低消費額、很久未消費的一般挽留用戶。  RFM模型 這里解釋一下RFM模型的構成：
基于這三個維度，我們將每個維度劃分為高、中、低三種情況，并構建出完整的用戶價值象限。  通過上面的RFM模型，我們可以更加直觀的把用戶劃分為8個不同層級。如果能夠找出產品內用戶隸屬于以上8類中的哪一類，就可以針對性的制定運營策略。 比如某用戶最近一次消費時間距今比較久遠，沒有再消費了，但是累計消費金額和消費頻次都很高，說明這個用戶曾經很有運營價值（屬于 “重要保持客戶”），我們不希望流失。所以，運營人員就需要專門針對這類型用戶，設計召回用戶運營策略，這也是RFM模型的核心價值。 在劃分完不同層級后，最困難的事情在于如何制定每個值的高、中、低評判標準。一般而言，在結合實際場景需求的同時，我們可以通過散點圖進行大致的區(qū)分。  通過散點圖，我們可以比較直觀的看清用戶分布情況。進行確定評判標準時，盡可能的將密集部分劃分在一起，促使用戶群體的行為共性更大。與此同時，需要我們在實際運營過程中進行不斷調整。如果面臨超大規(guī)模的數據時，如果能通過聚類分析等手段，可以得到更加科學精準的結果，從而幫助我們進行標準制定。 03 用戶分群相較于用戶分層，用戶分群更加聚焦于用戶行為表現，。例如，高消費頻次 低消費額、低消費頻次 高消費額，這兩類用戶可能都是某種意義上的高消費用戶，但行為特征會存在很大差異，所對應的運營策略也不一樣。 其實也可以這么理解，用戶分群是用戶分層的進一步精細化劃分。ARGO成長模型的相關指標有著明顯的遞進關系，而RFM模型則相互獨立。 解釋清楚上述關鍵詞，那么我們繼續(xù)講下注冊用戶精細分群分層。 因為不同行業(yè)中，用戶分群分層可能是多樣性的，用戶分群分層在產品發(fā)展的不同階段也有不同的變化，且用戶分群分層需要定性與定量。因此我們可以遵循下面這兩個原則，幫助我們更好地完成用戶分群分層： 1. 精細分群分層，遵循 MECE 原則在進行注冊用戶精細分群分層的過程中，我們遵循由麥肯錫提出的MECE分析法，這不僅僅是幫助用戶運營找到所有影響預期目標的關鍵因素，并找到所有可能的解決辦法，而且有助于對用戶、問題或解決方案進行排序、分析，并從中找到令人滿意的解決方案。
即在確立主要目標的基礎上，再逐個往下層分解，直至所有的細分目標都找到，通過對目標的層層分解，分析出用戶的關鍵行為與目標間的關聯。 2. 明確階段目標，讓分群分層更簡單正如用戶有生命周期一樣，產品與用戶運營也有著明顯階段性的目標和策略。產品所處的生命周期階段不同，對用戶運營的要求也不盡相同。 對用戶進行分群分層只是用戶運營的其中一個環(huán)節(jié)，想要系統(tǒng)全面地了解如何精細化地智能用戶運營，實現用戶生命全周期監(jiān)測以及營銷閉環(huán)。 本文由 @酒仙橋石原里美 原創(chuàng)發(fā)布于人人都是產品經理。 題圖來自 Unsplash，基于CC0協(xié)議 |
|
|
