在用户运营体系中，有一个经典的框架叫做AARRR，即新增、留存、活跃、传播、盈利。
然而，从用户活跃到盈利，不是两个简单的步骤。
如果用户打开产品既算活跃，就一定能保证商业模式盈利？优秀的用户运营体系，应该是动态的演进。
演进是一种金字塔层级的用户群体划分，上下层呈依赖关系。
首先，用户群体的状态会不断变化。
以电商为例，他们会注册，下载，使用产品，会推荐，评价，购买以及付费，也会注销、卸载、和流失。
从运营角度看，我们会引导用户做我们想要他做的事（这里是付费），这件事叫核心目标。
核心目标当然不是一蹴而就的，用户要经历一系列的过程。
也不是所有的用户会按照我们设想完成步骤，各步骤会呈现漏斗状的转化。
我们把整个环节看作用户群体的演进。
上图就是一个典型的自下而上的演讲，概括了用户群体的理想行为。
既然用户群体是不再是一个简单的整体，运营们也就无法一刀切的粗暴运营了，而是需要根据不同人群针对性运营。
这既叫精细化策略，也叫做用户分层。
那么，用户运营要怎么做？其实，大部分从事运营的同事方法均有所差异。
作为运营，无非就是拉新、促活、提高留存、提高订单、提升流水等。
而针对不同的运营目的，每一个资深的运营从事者运营的方法是不同。
以下，介绍一种通过RFM模型转化来的用户运营体系方法，也是笔者最近的一个心得，运营老司机请绕道。
一、定义不同层次的用户类型首先需对不同类型用户区分，如下：临界值的确定这里分为横向和纵向两个维度来进区分。
举例如下：数据取值范围：1.1-3.1（两个月的数据）（1）横向：按照用户消费频次（成熟度）区分，如：初级用户：消费1-5单用户；成长用户：消费6-10单用户；成熟用户：10单以上用户。
（2）纵向：按照用户活跃度区分，如：活跃期：最近4天有消费的用户；衰退期：5-10天未消费的用户；流失期：11-20天未消费的用户；死亡期：20天以上未消费的用户。
举例：初级用户&活跃期：即代表在近两个月内，用户消费了5单以下。
但该用户最近三天有消费。
数据需求表参考：注：这里可看前三列，后两列作为数据参考。
以上仅仅是举例（偏电商类型的业务），可能不同行业不同业务下，用户的消费频次和活跃度是不同的。
这里要看具体的业务而定。
二、制定对应的用户体系模型通过以上用户定义：我们可绘制出我们整个用户运营的框架注：此模型之前参考过一个大神文章启发的。
以上的图简单易懂，这里说明一下：我们的目标即可细化为：初级用户转化成长用户，成长用户转化为成熟用户。
沉睡用户和流失用户进行唤醒，拉为活跃用户。
通过以上两种方式，形成循环闭环。
其中几个小细节是关键要素：（1）初级用户由于对产品熟悉度不够，故流失和沉睡可能较多，需专门针对此批用户进行专项分析、运营。
（2）到成长期和成熟期以后，对于流失和沉睡的用户需重点关注。
特别是成熟期的流失用户，此批用户大部分是经过长期的维护和大量的资源支出，才变成我们的忠实fans，如果流失数据异动很大，就要立项专门去研究。
负责这一块的小伙伴更要走下去，深入和这批用户沟通，找出真正的原因，而不是在办公室看着数据拍脑袋定原因。
分析出来的东西，更要去和真正的用户反复进行验证。
（3）当然，精细化的分析出用户体系，最重要就是对症下药，减少预算、提高转化。
所以，对不同类型用户，可能运营的策略和方法是不同。
三、具体的运营方法首先，我们可以通过以上的模型，挖掘出对应的用户数据。
这里说个题外话：很多同学可能对这批数据的获取会比较头疼。
特别是创业型公司，根本没有相应的数据平台。
所以这里可以提3点建议：通过后台导出相应的订单数据源表，自行通过excel等工具进行处理（具体的excel方法就不赘述了）和管数据库的开发哥哥沟通，通过sql语句进行导出。
（方便是方便，但经常打扰人家也不太好。
）如果此体系定下来了。
一定要和产品经历沟通此需求。
个人觉得这方面很关键，数据是运营的基础，有强大的数据后台，会节省很多工作量，提高工作效率。
以下导出相应的数据：注：数据仅仅是举例参考。
根据简单数据分析，即可尝试以下的运营动作：初级用户的沉睡期和流失期用户最多。
可申请铺一批组合券进行唤醒。
如：1张高面额、低门槛券，1张低面额、低门槛券进行促活，并做好券到期提醒。
（两张券的含义是让用户能多逗留、多消费一次。
尽量能加长使用我们的产品时间）处于成长期的用户，相对来讲，也算较为熟悉我们产品。
可设置消费返券或发放中等面额的优惠券，并根据其用户购买习惯push相应的文案。
对于成熟用户，重点关注其流失期和沉睡期用户。
可安排客服进行抽样访谈，了解流失原因。
并申请一批优惠券或者礼品（需使用产品兑换），作为奖励或者歉意的补偿等。
活跃期的成长和成熟的用户，目的是提高用户的消费客单价和频次。
所以可以相应发一些低面额，较高门槛的优惠券，并push热门或者爆款的商品等。
以上只是笔者简单列举一些方式，具体动作需根据业务和具体的数据反馈来定。
但大体的形式可以参考。
通过初级、成长、成熟和活跃、衰退、沉睡多个维度交叉分析，总能发现出问题，制定相应的运营策略。
四、运营动作的周期和推送的方式运营动作周期用户运营的体系，是需要进行长期的运营 *** 作。
可能会根据过程中的数据反馈，来调整具体的动作。
但方法和大方向基本应该保持一致。
当然，根据业务的不同性，运营动作的 *** 作也会有所差异。
以电商业务举例，在电商业务中，不同用户类型 *** 作的频率也是不同。
如：死亡期的用户：一个月/半个月集中整理一次数据，进行发券、推送等。
流失期的用户：此批用户属于濒临死亡，则需每3天/7天需分析一次，进行运营激活等。
关键点于：当你对某批用户进行 *** 作后，要进行相应的追踪。
如隔1个星期后，再观察相应的数据转化情况，以及在新的时间维度中，此批数据在各个层级中的占比。
也方便你做好相应的汇报和总结。
举例：3月1号对前两个月的数据进行上述的分析后，在4月份捞出来的数据中，3月份这批数据在最新数据中的情况，以此来评估你的运营效果和指导后续的动作。
同时，还能同比日活情况、留存情况等指标，多维护结合来分析效果。
对于用户推送这方面展开来讲，可能又是一篇文章，先抛开时间、频次这些因素，简单的策略建议如下：初级用户、死亡用户推送优惠，引导消费。
成长、成熟用户推送根据用户数据反馈，推送相应爆款，特色商品、产品活动等。
推送后的用户引导链接、跳转方式越短越好。
五、总结最后，简单梳理下本文阐述的方法：对我们产品用户进行精细分层级；制定相应的用户模型（RFM模型的应用）；根据定好模型，进行相应用户数据的收集；通过数据的分析制定相应的运营策略；运营周期、推送的方式和数据效果的评判标准。
我们做用户运营，一定要确定好目标。
无论是促活、提高留存、提升订单、拉高客单和提升流水，具体到相应的运营动作是有差异的。
一定记得要对症下药，确定1-2个目标，循序渐进。
对于后续的复盘分析也要认真分析到位，做好统计，及时进行调整。
当然，RFM的模型，还有一个用户的消费金额。
当你需要更细化对用户进行分层时，还可以将此指标考虑进去。
然后对数据进行加权处理，可能又会得到不同的结果了。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）