为什么80%的用户运营体系都是战五渣

之前回答群友提问,用户分层,用户分群,用户画像等概念分别是什么意思,整理成此文。读完你就知道为啥80%的用户运营体系都是渣渣了。

什么是用户生命周期

我们从运营的视角来看这个问题。

首先,运营的目的是为了让用户完成特定的动作。这个动作可以是促活、召回、完成关键行为等,一般最终的目的都是为了让用户付费。

但是大部分的产品,用户从进入产品到最终付费,这个过程会很长。所以一般不会有运营把付费转化的广告对着全体用户狂轰滥炸,这样不仅效果不好,用户体验也非常糟糕。

所以,将用户从第一次接触产品,到用户离开产品的整个周期,总结出一套适合绝大多数用户的使用轨迹。这套轨迹可以让运营更加了解用户,可以做更有针对性的运营动作。

总结出的这套用户轨迹,就是用户生命周期。

用户生命周期一般分为引入期、成长期、成熟期、休眠期、流失期。根据每一个时期的用户价值大小,可以画出下方的曲线。

运营的目的是尽可能地延长用户的生命周期,并且在生命周期中尽一切可能产生商业价值。就是用户生命周期运营。

引入期,我们注重引导,希望用户尽快进入成长期。

成长期,我们希望能够提升用户留存,养成用户使用习惯,尽快成为成熟期。

成熟期,我们希望用户继续保持在成熟期,或者产生更多的收入。

休眠期,我们会对用户进行促活,重新让用户糊掉成熟期。

流失期,我们对用户进行召回动作,延长用户的生命周期。

具体执行的话,需要制定一些具体的数据口径。比如一款在线教育产品,我们将付费学习用户定义为成熟期用户,将超过3个月没有新付费的用户定义为休眠期用户。

如果我们想要让这款在线产品的成熟期用户生命周期延长,或者产生更多的价值,具体该怎么办?

什么是用户分层

虽然成熟期用户都是付费用户,但付费金额有大有小,后续付费意愿也有强有弱。我们可以细分付费用户,找到让付费用户持续付费,或者付费更多金额的抓手。

假设我们分析成熟期的用户,发现这样几个特点(这些情况都是我假设的,不符合真实情况,在线教育的同学别纠结细节。):

如果购买超过3门课程,那么后续的持续付费意愿会很高。

续费的用户,大多数都完整学完了第一个课程。

首个购买的课程学习超过三天,则完整学习第一个课程的概率会大大增加。

根据这些信息,我们将生命周期中属于成熟期的用户细分成了这样几类(依然是我的假设):

首次付费用户

学习超过3天的用户

完成第一门课学习的用户

再次购买的用户

购买超过3次的用户

上述几类,每一类都在上一个类型的基础上更加深入。这些类型就像一个金字塔,从下到上逐步发展。

运营可以根据这些类型,逐步将一个用户向金字塔上层转化,从而提升用户价值。

这种方法就是用户分层。

分层之间是连续而兼容的,比如“再次购买的用户”必须满足下方的所有其他条件,必须是完成第一门课学习的用户再次购买才算。

这会导致这个分层选出的用户不会覆盖所有用户群体,总有一些用户不是按照这个典型的路径发展,他们可能在买了第一门课的第二天就购买了另一门课,但这类用户占比较小,不太典型。

只要分层模型可以圈出大部分的人群,那它就有相当的代表性,可以作为相应的决策参考和业务参考。

分层之间是相互独立的。用户分层每层之间是独立,这和分群有很明显的区别,下文介绍分群会再提到。

没有分层的时候,运营面对“延长用户的成熟期”这个目标,是很没头绪的。有了分层,运营人员的运营思路就很清楚了。成熟期内不同阶段的用户,有不同的运营的目的,这样就可以制定对应的运营策略。

什么是用户分群

将成熟期用户进行用户分层后,在运营目的上已经逐渐明确了,但是用户依然存在差异。

比如完成第一门课学习的用户,我们的运营目标是让他再次购买。但是不同的用户需求不同,我们可以把运营做的更精细化。

有些用户之前购买的是运营课程,有些用户购买的是产品课程,对这两类用户进行运营转化,可以推送用户和之前课程相关的课程内容,提升转化率。

有些用户是大学生,有些用户是职场老鸟,对这两类用户进行转化,可以推送不同难度的课程,提升转化率。

还有很多不同的细分维度,找到和这些维度对应运营策略,就能在分层的基础上实现更精细的运营。

这种做法,就叫做用户分群。

用户分群和用户分层最大的区别是,用户分层每层用户之间是独立的,而用户分群是同一层级的。同样一批用户,我们可以用多种不同的分群方法进行细分,用户可以在多个不同的分群里

至于分群如何做,有时间可以再写一篇文章详细说说。

什么是用户画像

为了更好的实现用户分群,我们希望能找到更多的可以区分用户的维度,这就要求我们更了解用户。

于是我们仔细的研究用户,找出了很多很多的特征,比如用户年龄、职业、使用习惯、行为特点等等,并用数据将他们记录下来。

记录的用户信息多了,这一套东西就成为了用户画像。

用户画像最大的作用是配合用户分群进行精细化营销。

常见的基于用户画像的推荐系统其实就是一种用户分群。推荐系统展开来看就是为了让某一分层的用户转化到下一分层,然后用推荐系统匹配不同的偏好(用户分群)从而提升转化率的做法。

为什么不先分类用户,再分层?

为什么不能根据分群之后再分层,那样不是更精准吗?

比如音乐类产品,用户群体可以按照70后,80后,90后,00后等做不同的分层模型。或者像知乎一样,对作者和读者做不同的分层模型。这种做法相当于在分层之前先做了一次用户分类。

这种分法有些人也叫用户分层,我觉得叫用户分类可能更合适一些。

这确实是可行的,但是这种做法不容易推广。

不是所有产品都像音乐产品一样场景明确,可以提前做好用户分类的。很多产品初期甚至不知道自己的用户是哪些人的。这些产品一开始只能通过统一的一个用户分层模型进行用户运营,之后再逐步细化。

所以一般规律还是先搭建一个通用的用户分层模型,再不断精细化。

为啥80%的用户运营体系是战五渣

说了这么多理论,看看现实情况是什么样的?

很多公司的领导看到别人搞的东西,各种高大上各种效果好。推荐系统、用户画像、生命周期,越看越觉得公司得马上搞。

然后轰轰烈烈推行下去,各个项目之间没有关联,做好之后效果很一般。但这不妨碍项目负责人升职加薪,然后留下几个新人维护这套不知道有啥用的运营系统。

为啥别人做成了,你做不成?

因为运营系统不是一起搭建的,而是一环套一环的。

你没有吃第一个包子,直接吃第六个包子吃不饱,能怪包子么。

没有想好应用场景,直接上马各种独立的项目,是大多数公司的通病。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,902评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,037评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,978评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,867评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,763评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,104评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,565评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,236评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,379评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,313评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,363评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,034评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,637评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,719评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,952评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,371评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,948评论 2 341