用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型

用戶研究是用戶中心的設(shè)計(jì)流程中的第一步。它是一種理解用戶,將他們的目標(biāo)、需求與商業(yè)宗旨相匹配的理想方法,能夠幫助企業(yè)定義產(chǎn)品的目標(biāo)用戶群。在用戶研究過程中,數(shù)據(jù)的使用及挖掘是非常重要的。那么,有哪些通用的用戶分析方法?如何分析你的用戶?本篇重點(diǎn)圍繞七大用戶分析方法論/模型,展開分享幾個比較常見的用戶運(yùn)營實(shí)際案例。

六大用戶分析方法論

  • 1、行為事件分析
  • 2、點(diǎn)擊分析模型
  • 3、用戶行為路徑分析
  • 4、用戶健康度分析
  • 5、漏斗模型分析
  • 6、用戶畫像分析

下面一一解析每種方法論的定義及實(shí)戰(zhàn)案例,先從最基礎(chǔ)的行為事件分析法開始

 

1?行為事件分析

 

行為事件分析法主要用于研究某行為事件的發(fā)生對企業(yè)組織價值的影響以及影響程度。企業(yè)借此來追蹤或記錄用戶行為及業(yè)務(wù)過程,如用戶注冊、瀏覽商品詳情頁、成功下單、退款等,通過研究與事件發(fā)生關(guān)聯(lián)的所有因素來挖掘用戶行為事件背后的原因、交互影響等。

行為事件分析法一般經(jīng)過三大環(huán)節(jié):事件定義、多維度下鉆分析、解釋與結(jié)論。

1、事件定義

事件定義包括定義所關(guān)注的事件及事件窗口的長度,這也是事件分析法最為核心和關(guān)鍵的步驟。事件的定義遵循5W原則:Who、When、Where、What、How。

5W事件定義方式:

某X平臺的所有注冊用戶在X月X日使用優(yōu)惠券下單購買的單數(shù)是多少?這是一個完整的時間定義,一般數(shù)據(jù)人員需要記錄的對應(yīng)字段有:時間、商品名稱、商品是否使用優(yōu)惠券、父單數(shù)、購買數(shù)量、購買金額等。

5W

  • (Where)某X平臺
  • (Who)所有注冊用戶
  • (When)在X月X日
  • (How)使用優(yōu)惠券
  • (What)下單購買的單數(shù)

在大廠混的我們都多少接觸過各種數(shù)據(jù)報表,Path口徑、Session口徑等各種口徑,我們所熟悉的字段“訪問次數(shù)”、“瀏覽深度”、“使用時長”、“停留時長”、“跳出率”、“頁面退出率”等指標(biāo),都需引入 Session 才能分析。因此,創(chuàng)建和管理 Session 是事件定義的關(guān)鍵步驟。

這里需要了解“Session”的概念,Session一般翻譯為時域。在計(jì)算機(jī)專業(yè)術(shù)語中,Session是指一個終端用戶與交互系統(tǒng)進(jìn)行通信的時間間隔,通常指從注冊進(jìn)入系統(tǒng)到注銷退出系統(tǒng)之間所經(jīng)過的時間。具體到Web中的Session指的就是用戶在瀏覽某個網(wǎng)站時,從進(jìn)入網(wǎng)站到關(guān)閉瀏覽器所經(jīng)過的這段時間,也就是用戶瀏覽這個網(wǎng)站所花費(fèi)的時間。因此從上述的定義中我們可以看到,Session實(shí)際上是一個特定的時間概念。

2、多維度下鉆分析

最為高效的行為事件分析要支持任意下鉆分析和精細(xì)化條件篩選。當(dāng)行為事件分析合理配置追蹤事件和屬性,可以激發(fā)出事件分析的強(qiáng)大潛能,為企業(yè)回答關(guān)于變化趨勢、維度對比等等各種細(xì)分問題。“篩選條件”例如:“地理位置”、“時間”、“廣告系列媒介”、“操作系統(tǒng)”、“渠道來源”等。當(dāng)進(jìn)行細(xì)分篩查時,才可以更好地精細(xì)化定位問題來源。

3、解釋與結(jié)論

解釋與結(jié)論即所謂的出分析報告階段。對分析結(jié)果進(jìn)行合理的理論解釋,判斷數(shù)據(jù)分析結(jié)果是否與預(yù)期相符,如果相悖,則應(yīng)該針對不足的部分進(jìn)行再分析與實(shí)證。

行為事件分析案例解說

運(yùn)營A在日常運(yùn)營某平臺頻道的過程中發(fā)現(xiàn),某天的UV值突然翻倍異常標(biāo)高,需要快速定位:是異常流量還是虛假流量?我們可以先按照5W法則拆解事件,可以發(fā)現(xiàn)實(shí)際上我們是要找出HOW,也就是為什么流量飆升的理由。

  • (Where)某平臺
  • (Who)某頻道
  • (When)某天
  • (How)???
  • (What)UV值異常翻倍

緊接著,通過多維度“篩選條件”進(jìn)行下鉆分析:選擇“流量入口來源”、“時間點(diǎn)”、“地理位置”、“操作系統(tǒng)”等。當(dāng)進(jìn)行細(xì)分篩查時,運(yùn)營A發(fā)現(xiàn):早上10點(diǎn)鐘時,微信渠道側(cè)的流量飆高并且是由于公眾號推送場景帶來的流量,確認(rèn)公眾號確實(shí)為早上10點(diǎn)推動并且當(dāng)天的推送質(zhì)量很高,用戶點(diǎn)擊數(shù)較往常更高,基本判斷UV的飆高是異常值,不是虛假流量,并且是由于該事件帶來。

 

2?點(diǎn)擊分析模型

 

點(diǎn)擊分析模型在各行業(yè)內(nèi)數(shù)據(jù)分析應(yīng)用較為廣泛,是重要的數(shù)據(jù)分析模型之一。其中點(diǎn)擊圖是點(diǎn)擊分析方法的效果呈現(xiàn),在用戶行為分析領(lǐng)域,點(diǎn)擊分析包括元素被點(diǎn)擊的次數(shù)、占比、發(fā)生點(diǎn)擊的用戶列表、按鈕的當(dāng)前與歷史內(nèi)容等因素。

點(diǎn)擊分析方法主要解決的問題主要有三點(diǎn):

  • 1、精準(zhǔn)評估用戶與產(chǎn)品交互背后的深層關(guān)系;
  • 2、實(shí)現(xiàn)產(chǎn)品的跳轉(zhuǎn)路徑分析,完成產(chǎn)品頁面之間的深層次的關(guān)系需求挖掘;
  • 3、與其他分析模型配合,全面視角探索數(shù)據(jù)價值,深度感知用戶體驗(yàn),實(shí)現(xiàn)科學(xué)決策。

點(diǎn)擊分析模型主要用于什么分析?

  • 1、官網(wǎng)
  • 2、活動頁面
  • 3、產(chǎn)品頻道/首頁
  • 4、詳情頁

點(diǎn)擊分析通用的兩種形式包括:可視化與固定埋點(diǎn),可視化多用熱力圖進(jìn)行呈現(xiàn),運(yùn)營可以根據(jù)點(diǎn)擊密度判斷用戶的瀏覽喜好。

用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型
熱力圖形式
用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型
固定埋點(diǎn)形式

下面對比熱力圖與固定埋點(diǎn)形式的差異化

用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型
熱力圖VS固定埋點(diǎn)

 

點(diǎn)擊分析模型案例解說

 

以上圖天貓超市為案例,開發(fā)可對每一個前端模塊進(jìn)行埋點(diǎn),然后上報數(shù)據(jù),運(yùn)營可在數(shù)據(jù)報表處下載對應(yīng)數(shù)據(jù),數(shù)據(jù)可包括:PV、UV、下單、GMV等,可針對不同指標(biāo)進(jìn)行分析。

假設(shè)上圖中個人護(hù)理icon點(diǎn)擊UV占比為67%,是頻道內(nèi)所有icon中最高的一個,那么對于貓超這么一個老用戶居多的業(yè)務(wù)場景來說,老用戶對在超市中購買“個人護(hù)理”有很強(qiáng)烈的訴求與黏性,可以重點(diǎn)挖掘業(yè)務(wù)價值。再比如,假設(shè)banner模塊的日均UV為1w,我們假定這個值是偏低的,并且banner在頁面首頁的使用面積占比又超過UV及訂單的貢獻(xiàn)占比,此時可以考慮兩種方案:壓縮banner尺寸或者提升banner點(diǎn)擊率。

從長期監(jiān)控?cái)?shù)據(jù)上看,點(diǎn)擊分析可以觀察頁面某位置(業(yè)務(wù))的改變對于用戶的價值,一般而言,點(diǎn)擊UV越高,說明用戶的黏性越大。當(dāng)然點(diǎn)擊率還跟所處位置有關(guān),同一頁面高度,根據(jù)用戶視覺習(xí)慣,一般左邊點(diǎn)擊優(yōu)于右邊。

 

3?用戶行為路徑分析

 

用戶路徑的定義,就是用戶在APP或網(wǎng)站中的訪問行為路徑。對于一個指定的頁面(URL),用戶是從哪些場景來到這個頁面(來源)?進(jìn)入這個頁面后又去往哪些場景(去向)?用戶瀏覽路徑是否是按照運(yùn)營設(shè)計(jì)的路徑前進(jìn)還是偏移?用戶行為路徑分析就是解決以上問題的分析方法:指導(dǎo)運(yùn)營明確用戶現(xiàn)存路徑,優(yōu)化用戶行為沿著最優(yōu)訪問路徑前進(jìn),結(jié)合業(yè)務(wù)場景需求進(jìn)行前端布局調(diào)整。

以電商為例,買家從登錄網(wǎng)站/APP到支付成功需要經(jīng)過首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等一系列過程。一個新用戶和一個老用戶在進(jìn)行購買流程的時候,他們的瀏覽路徑是否有區(qū)別?新用戶傾向什么路徑?老用戶傾向什么路徑?與其他分析模型配合進(jìn)行深入分析后,可以快速找到用戶動機(jī),從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。

用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型
電商平臺店鋪用戶行為路徑圖

 

用戶路徑分析案例解說

 

假設(shè)上圖中,用戶進(jìn)入店鋪頁中選擇以下路徑:

  • 1、約40%的客戶會點(diǎn)擊Banner活動頁;
  • 2、約30%的客戶會直接進(jìn)行商品搜索;
  • 3、約10%的用戶會瀏覽商品詳情頁;
  • 4、約5%的客戶啥都不干直接退出店鋪;

假設(shè)以上四種路徑中,第三種直接瀏覽商品詳情頁的用戶下單比例最高,超過90% ,與其形成鮮明對比的是,盡管第一種“點(diǎn)擊Banner活動頁”的用戶占比高達(dá)40%,但是僅5%的用戶下單了,說明Banner的內(nèi)容布局和利益點(diǎn)有著比較糟糕的用戶體驗(yàn),則將此作為首選優(yōu)化與改進(jìn)的方向。

改進(jìn)方式:

  • 1、優(yōu)化內(nèi)容質(zhì)量:素材圖片、利益點(diǎn)、承接頁動線、承接頁商品讓利程度等;
  • 2、壓縮banner模塊實(shí)際面積:比如淘寶的banner基本為千人千面或者商家直通車購買,展示總量大,比較難控制所有內(nèi)容質(zhì)量,因此選擇更小的尺寸高度來分散用戶點(diǎn)擊占比,為其它首屏優(yōu)質(zhì)業(yè)務(wù)提供更多的流量;相對的,天貓的banner活動一般為類目排期活動,較少商家購買(能花得起這個錢的商家一般也是KA,不會把內(nèi)容質(zhì)量搞的很糟糕),因此天貓的banner高度較淘寶會更醒目;

 

4?用戶健康度分析

 

用戶健康度是基于用戶行為數(shù)據(jù)綜合考慮的核心指標(biāo),體現(xiàn)產(chǎn)品的運(yùn)營情況,為產(chǎn)品的發(fā)展進(jìn)行預(yù)警。包括三大類型指標(biāo):產(chǎn)品基礎(chǔ)指標(biāo)、流量質(zhì)量指標(biāo)、產(chǎn)品營收指標(biāo)。它們?nèi)邩?gòu)成了評價產(chǎn)品健康度的體系,它們也各有側(cè)重點(diǎn)。

  • 1、產(chǎn)品基礎(chǔ)指標(biāo),主要評價產(chǎn)品本身的運(yùn)行狀態(tài):PV、UV、新用戶數(shù);
  • 2、流量質(zhì)量指標(biāo),主要評價用戶流量的質(zhì)量高低:跳出率、人均瀏覽次數(shù)、人均停留時間、用戶留存率、用戶回訪率;
  • 3、產(chǎn)品營收指標(biāo),主要評價產(chǎn)品的盈利能力與可持續(xù)性:用戶支付金額(GMV)、客單價(ARPU)、訂單轉(zhuǎn)化率;

1、產(chǎn)品基礎(chǔ)指標(biāo):

UV:獨(dú)立訪客數(shù)(unique visitor),指通過互聯(lián)網(wǎng)訪問、瀏覽這個網(wǎng)頁的自然人。但對于UV的定義有一個時間限制,一般是1天之內(nèi),訪問你的產(chǎn)品的獨(dú)立訪客數(shù),如果一個用戶一天內(nèi)多次訪問也只計(jì)算為1個訪客。UV是衡量產(chǎn)品量級的最重要指標(biāo)。

PV:頁面瀏覽量(Page View),用戶每1次對網(wǎng)站中的每個網(wǎng)頁訪問均被記錄1次。用戶對同一頁面的多次訪問,訪問量累計(jì)。因此一般PV值大于UV值。

新用戶數(shù):對于電商來說,新用戶一般定義為未注冊或者已注冊,但還未進(jìn)行首單支付的用戶。一個新用戶到老用戶的轉(zhuǎn)變過程可以用四象空間來劃分:次數(shù)、金額、時間、品類;

2、流量質(zhì)量指標(biāo)

跳出率:跳出率(Bounce Rate)也被稱為蹦失率:瀏覽單頁即退出的次數(shù)/訪問次數(shù)=single access/entry visits。瀏覽單頁即退出的次數(shù)——簡單說就是進(jìn)入某個頁面后沒有點(diǎn)擊任何頁面就離開。一般用來來衡量用戶訪問質(zhì)量,高跳出率通常表示內(nèi)容對用戶不具針對性(吸引);

用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型

  • A頁面的跳失率=(5/10) *100%
  • A頁面的退出率= (5+2/10+2 )*100%

人均停留時間:是指用戶瀏覽某一頁面時所花費(fèi)的平均時長,平均停留時間越長,說明網(wǎng)站或頁面對用戶的吸引力越強(qiáng),能帶給用戶的有用信息越多。

用戶留存率:留存指的就是“有多少用戶留下來了”。用戶在某段時間內(nèi)開始使用應(yīng)用的用戶,經(jīng)過一段時間后,仍然繼續(xù)使用的用戶,被認(rèn)作是留存用戶。

留存率=新增用戶中登錄用戶數(shù)/新增用戶數(shù)(一般統(tǒng)計(jì)周期為天)

留存率反映的實(shí)際上是用戶的一個留存漏斗,即新用戶轉(zhuǎn)化為活躍用戶、穩(wěn)定用戶、忠誠用戶的過程,宏觀觀察用戶的生命進(jìn)程情況,通過用戶的后期留存情況就能從一個層面把握渠道質(zhì)量,比如,付費(fèi),粘性,價值量,CAC成本。

用戶回訪率:用戶在某段時間內(nèi)開始使用應(yīng)用,經(jīng)過一段時間后,繼續(xù)登陸使用的用戶,被認(rèn)作是回訪用戶。比如用戶在使用該App之后的N天/周/月之后,再次使用該App的比例,叫做N天/周/月回訪率。留存與回訪這兩者的區(qū)別就是:前者是新增多少用戶,留下來多少;后者是在某時間段內(nèi),用戶再次使用、訪問app、軟件的數(shù)量。

3、產(chǎn)品營收指標(biāo)

客單價(ARPU):客單價=支付有效金額/支付用戶數(shù),客單價反應(yīng)平均一個用戶支付的金額,金額越高,為企業(yè)帶來的利潤也越多,因此提升客單價是一個很好幾刺激毛利潤的方法,比如我們常見的促銷手段:買2件減10元,買2件送贈品等;

轉(zhuǎn)化率:訂單轉(zhuǎn)化率=有效訂單用戶數(shù)/UV。轉(zhuǎn)化率是做成交營收的一個關(guān)鍵因素,轉(zhuǎn)化越高表示越多用戶在目標(biāo)頁面下單。

用戶支付金額(GMV):支付金額即產(chǎn)品某段時間的流水。產(chǎn)品的營收做得好與不好,主要就是看支付流水。盈利模式如何,有沒有穩(wěn)定的創(chuàng)收能力,是對一個產(chǎn)品終極的考驗(yàn)(戰(zhàn)略燒錢和圈用戶的先不算在內(nèi))

產(chǎn)品營收指標(biāo)有一個恒等式:

  • 銷售額=訪客數(shù)×成交轉(zhuǎn)化率×客單價
  • 銷售額=曝光次數(shù)×點(diǎn)擊率×成交轉(zhuǎn)化率×客單價;

這是電商入門基礎(chǔ)中的戰(zhàn)斗機(jī)

 

5?漏斗模型分析

 

定義:漏斗模型分析,本質(zhì)是分解和量化,也就是說從一個事件環(huán)節(jié)的最開始(獲取用戶)到最終轉(zhuǎn)化成購買這整個流程中的一個個子環(huán)節(jié),相鄰環(huán)節(jié)的轉(zhuǎn)化率表現(xiàn)力,就是指用數(shù)據(jù)指標(biāo)來量化每一個步驟的表現(xiàn)。所以整個漏斗模型就是先將整個事件流程拆分成一個個步驟,然后用轉(zhuǎn)化率來衡量每一個步驟的表現(xiàn),最后通過異常的數(shù)據(jù)指標(biāo)找出有問題的環(huán)節(jié),從而解決問題,優(yōu)化該步驟,最終達(dá)到提升整體購買轉(zhuǎn)化率的目的。

流量漏斗模型在產(chǎn)品運(yùn)用中的一個經(jīng)典運(yùn)用是AARRR模型,來自增長黑客Growth hacker一書中(這本書特別值得一看),AARRR模型是結(jié)合產(chǎn)品本身的特點(diǎn)以及產(chǎn)品的生命周期位置,來關(guān)注不同的數(shù)據(jù)指標(biāo),最終制定不同的運(yùn)營策略。

《增長黑客》增長黑客是介于技術(shù)和市場之間的新型團(tuán)隊(duì)角色,主要依靠技術(shù)和數(shù)據(jù)的力量來達(dá)成各種營銷目標(biāo),而非傳統(tǒng)意義上靠砸錢來獲取用戶的市場推廣角色。他們能從單線思維者時常忽略的角度和難以企及的高度通盤考慮影響產(chǎn)品發(fā)展的因素,提出基于產(chǎn)品本身的改造和開發(fā)策略,以切實(shí)的依據(jù)、低廉的成本、可控的風(fēng)險來達(dá)成用戶增長、活躍度上升、收入額增加等商業(yè)目的。簡單來說,就是低成本甚至零成本地讓產(chǎn)品獲得有效增長。增長黑客的核心是:自傳播/病毒傳播。

AARRR的說明:

  • 獲取Acquisition:用戶如何發(fā)現(xiàn)并來到你的產(chǎn)品?(瀏覽層)
  • 激活A(yù)ctivation:用戶的第一次使用體驗(yàn)如何?(點(diǎn)擊/參與)
  • 留存Retention:用戶是否還會回到產(chǎn)品?(回訪/留存)
  • 收入Retention:產(chǎn)品怎樣通過用戶賺錢?(付費(fèi))
  • 傳播Retention:用戶是否愿意告訴其他用戶?(忠實(shí)/傳播用戶)

漏斗模型在實(shí)際的運(yùn)營中很常見,我們可以抽象出決定漏斗形態(tài)的三個元素:時間、節(jié)點(diǎn)、流量。

  • 1、時間:轉(zhuǎn)化周期,即為完成每一層漏斗所需時間的集合。通常來講,一個漏斗的轉(zhuǎn)化周期越短越好。
  • 2、節(jié)點(diǎn):每一層漏斗,就是一個節(jié)點(diǎn)。而對于節(jié)點(diǎn)來說,最核心的指標(biāo)就是轉(zhuǎn)化率,轉(zhuǎn)化率 = 通過該層到達(dá)下一次層的流量/到達(dá)該層的流量。
  • 3、流量:每個環(huán)節(jié)的數(shù)值大小,也就是人群數(shù)。

 

流量漏斗模型案例解說

 

以電商實(shí)際運(yùn)營過程中的具體案例說明流量漏斗模型的運(yùn)用,假設(shè)(數(shù)據(jù)均虛擬)我們做了一場營銷活動,活動頁面的流量漏斗模型如下圖:用戶的流量路徑如下:點(diǎn)擊主會場頁面→進(jìn)入商品詳情頁→下單購買→發(fā)貨(上賬);

用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型
電商主會場流量漏斗數(shù)據(jù)

對比正常賣場流量漏斗平均圖可以看出,用戶在“活動頁面→進(jìn)入商品詳情頁”這個步驟中,跳轉(zhuǎn)率只有40%,假設(shè)遠(yuǎn)低于平均值45%,可以思考下用戶進(jìn)入主會場后為什么不點(diǎn)擊商品呢?一般而言,跳轉(zhuǎn)率低下主要由以下幾個原因:

  • 1、頁面開發(fā)問題bug:手機(jī)機(jī)型適配問題、無法點(diǎn)擊、頁面空窗、鏈接錯誤等;
  • 2、內(nèi)容與引流用戶不匹配:引流用戶對商品/內(nèi)容不感興趣、BI推薦不準(zhǔn)確等 ;
  • 3、頁面運(yùn)營問題:利益點(diǎn)對應(yīng)商品承接、商品讓利不夠、文案內(nèi)容與承接落地頁面不符;

一個個去排除問題后,我們可以初步將問題點(diǎn)鎖定,針對性解決。簡單總結(jié),漏斗模型適合運(yùn)用于監(jiān)控不同的產(chǎn)品環(huán)節(jié)數(shù)據(jù)指標(biāo),并找出對應(yīng)的問題。

 

6?用戶畫像分析

 

用戶畫像的正式名稱是User Profile,是指根據(jù)用戶的屬性、用戶偏好、生活習(xí)慣、用戶行為等信息而抽象出來的標(biāo)簽化用戶模型。通俗說就是給用戶打標(biāo)簽,而標(biāo)簽是通過對用戶信息分析而來的高度精煉的特征標(biāo)識。通過打標(biāo)簽可以利用一些高度概括、容易理解的特征來描述用戶,可以讓人更容易理解用戶,并且可以方便計(jì)算機(jī)處理。在產(chǎn)品早期和發(fā)展期,會較多地借助用戶畫像,幫助產(chǎn)品運(yùn)營理解用戶的需求,想象用戶使用的場景,產(chǎn)品設(shè)計(jì)從為所有人做產(chǎn)品,變成為帶有某些標(biāo)簽的3-5個人群做產(chǎn)品,間接降低復(fù)雜度。

用戶畫像的數(shù)據(jù)內(nèi)容包含但不局限于:

  • 1、人口屬性:包括性別、年齡等人的基本信息;
  • 2、興趣特征:瀏覽內(nèi)容、收藏內(nèi)容、閱讀咨詢、購買物品偏好等;
  • 3、位置特征:用戶所處城市、所處居住區(qū)域、用戶移動軌跡等;
  • 4、設(shè)備屬性:使用的終端特征等;
  • 5、行為數(shù)據(jù):訪問時間、瀏覽路徑等用戶在網(wǎng)站的行為日志數(shù)據(jù);
  • 6、社交數(shù)據(jù):用戶社交相關(guān)數(shù)據(jù);

用戶畫像主要運(yùn)用常場景如下圖

用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型

用戶畫像運(yùn)用場景三維空間圖,X軸代表業(yè)務(wù)場景維度;Y軸代表用戶標(biāo)簽維度;Z軸代表服務(wù)層次維度。首先用戶畫像業(yè)務(wù)場景可以分為用戶細(xì)分、產(chǎn)品優(yōu)化、渠道拓展、運(yùn)用提升、風(fēng)險控制等?;诿恳粋€業(yè)務(wù)場景,都有不同的用戶標(biāo)簽定義,比如用戶細(xì)分場景業(yè)務(wù)中,主要是用戶的基本屬性,包括性別、年齡、地域等。而風(fēng)險控制業(yè)務(wù)場景中,主要是用戶風(fēng)險控制標(biāo)簽,包括黃牛標(biāo)簽、異常評分標(biāo)簽等。首先對用戶群進(jìn)行用戶標(biāo)簽處理,根據(jù)不同的標(biāo)簽進(jìn)行個性化推薦,再到到運(yùn)營層面進(jìn)行決策運(yùn)營。環(huán)環(huán)相扣,所以用戶畫像的核心是標(biāo)簽的建立。

 

用戶畫像分析案例解說

 

「她是一位住在北京的80后的女性白領(lǐng),起居時間規(guī)律,喜歡運(yùn)動,家有幼兒,關(guān)注時尚愛蘭蔻……」這段話語用來描述的是某個用戶,并不是一類用戶。我們談的用戶畫像User Profile,本質(zhì)是對任何一個用戶都能用標(biāo)簽和數(shù)據(jù)描述。

用戶運(yùn)營實(shí)戰(zhàn)案例之 7 大用戶分析增長模型

因此,我們將此類用戶標(biāo)簽化為:作息規(guī)律、注重品質(zhì)、生活健康、嘗試新鮮、小資;當(dāng)然這種標(biāo)簽沒辦法精細(xì)化指導(dǎo)運(yùn)營工作,對于用戶運(yùn)營而言,比較經(jīng)典的用戶畫像指導(dǎo)運(yùn)營的模型是RFM模型;

文:廖小蟲愛吃肉/運(yùn)營狗成長筆記(yygczbj)

首席增長官CGO薦讀產(chǎn)品運(yùn)營:

更多精彩,關(guān)注:增長黑客(GrowthHK.cn)

增長黑客(Growth Hacker)是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時常忽略的角度和高度,梳理整合產(chǎn)品發(fā)展的因素,實(shí)現(xiàn)低成本甚至零成本帶來的有效增長…

本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/cgo/product/13431.html

(0)
打賞 微信掃一掃 微信掃一掃 支付寶掃一掃 支付寶掃一掃
上一篇 2018-08-12 21:46
下一篇 2018-08-13 10:44

增長黑客Growthhk.cn薦讀更多>>

發(fā)表回復(fù)

登錄后才能評論