数据驱动用户运营的理论与实务

AI浪潮袭来,产品经理如何应对?15天系统化入门AI产品经理,先人一步抢占时代红利。了解一下>>

文章从用户运营的概念出发,对数据驱动用户运营的原因以及方法展开了分析与总结,与大家分享!

一、什么是用户运营

用户运营指的是以用户为中心,制定运营策略与机制,运用各种手段实现达到获取新用户,留住老用户,保持用户活跃及付费转化等目标。由定义可以看出,用户运营是围绕用户生命周期来开展工作的,从潜在用户、新用户到老用户的转化,在不同阶段用户运营的侧重点会又有所不同。同时,可以看出,要想做到精细化运营,还需要对用户进行画像和分类分层,再对症下药、精准施策,采取合适的手段,以实现用户价值和产品价值提升的商业目标。

二、为什么需要用数据驱动用户运营?

之所以强调数据在用户运营中起到的作用,是因为数据元素能对用户运营的决策和操作过程带来三个转变:

1. 用户洞察:从模糊向清晰转变

在数据的加持下,我们能获得更全面的用户标签,消除之前的用户信息盲区,形成更清晰、更生动的用户画像,再加上对用户更细致的分层分级,让我们对用户的理解更全面、更清晰。对用户的洞察从模糊走向清晰后,有助于我们围绕用户的全生命周期制定更为精准有效的运营策略。

2. 运营决策:从定性向量化转变

之前我们制定用户运营的策略时往往是凭经验、拍脑门或者按照领导的指示来做的,运营的决策没有充分的数据分析做依据。有了数据分析做基础,我们的运营决策能实现从定性向量化的转变。

基于数据分析做运营决策无疑能减少我们对个人经验的依赖,使我们的判断更准确,决策更科学合理,运营的路径和目标也就更清晰了。基于严谨的数据分析和论证来做决策,能让我们在用户运营时消除部门间的意见分歧,有助于协调落实运营工作所需的资源。

3. 运营操作:从粗放向精细转变

传统的用户运营由于受限于数据意识的淡薄或者数据支撑技术不到位,往往对运营操作的把控是比较粗放的,运营的精细化程度不足。数据驱动的用户运营能实现对运营全过程的数据监测和指标分析,使得运营过程的信息分享更充分、信息更透明,对每个动作执行的效果评估也更及时和全面,更能提高部门间协同工作的效率。基于关键指标的预警还能提醒我们及时调整运营细节,快速灵活的响应用户的需求,让我们运营工作更智慧和高效。

正是数据能给我们的用户运营带来这么多积极正面的影响,我们才倡导用数据赋能用户运营,用数据优化用户运营。

三、数据驱动用户运营如何做?

正如前面所述,数据作为核心线索能渗透到用户的全生命周期各个阶段,也能全面监测用户运营的全过程。基于此,数据驱动用户运营的作用场景主要可分解为以下六个方面:

1. 运营监测:用数据监测和指挥运营全过程

用户运营体系的监测可以围绕用户规模、用户质量、用户活性和用户价值四个维度来展开。规模与用户数相关,质量与用户等级和纯度相关,活性与用户的行为活跃度相关,而价值则与用户的消费贡献相关。

以某游戏运营商的用户运营监测指标体系为例,可以从规模、质量、活性和价值四个维度来评价用户运营的有效性或运营的健康度。

2. 用户洞察:用数据构建标签体系给用户画像

用户洞察离不开用户标签和画像模型。所谓用户标签是指对用户特征进行形象化、数学化的勾勒与表达。所谓用户画像则是指采取标签化的方法对用户进行分析和描绘。用户标签分为事实标签、模型标签和预测标签,基于标签的用户画像可广泛支持用户运营的多种场景。比如:精准营销和个性化服务等。

以电信运营商数据为例,可从人口属性、通信特征、位置轨迹、人际交往、信用信息六个维度进行用户标签提取和画像建模。提取的用户标签可以构建标签词云图。标签化的用户画像有助于我们在全面洞察用户特征的基础上制定差异化的运营策略。

3. 精准获客:用精准营销模型获取更多新的目标用户

精准营销最基本的思想就是为合适的用户匹配合适的产品。基于用户标签的筛选和组合可以得到符合产品定位的目标用户,再通过合适的渠道进行触达和沟通,就能实现精准营销。

以某银行借助电信运营商的用户标签进行“白领贷”营销为例。“白领贷”是指贷款人根据借款人的信用及贡献状况,向借款人提供一定额度的人民币信用授信业务,在授信有效期限和授信额度内,借款人可根据需要向贷款人申请指定用途的人民币贷款。“白领贷”信用授信金额为30万、20万、15万、10万、5万五种,授信期限最长3年,单笔贷款期限不得超过1年。

“白领贷”的目标用户是公务员、教师、医生、企事业单位中高级管理人员等。基于此,我们设计了目标用户筛选的“三步法”模型。第一步:固定准入用户的范围,锁定用户的身份和年龄等;第二步:排除不符合产品要求的用户,特别是金融行业内用户;第三步:优选高质量人群,优先提取营销响应概率较高的人群。

该银行在应用以上精准营销模型所筛选出目标用户进行电话营销后,电话接通率和意向率都比之前有大幅度提升,“白领贷”的用户规模也有所增加。

4. 沉默激活:用数据找到能激活用户的“兴奋点”

移动互联网应用开发厂商遇到用户下载APP后很久都不再打开,APP更新了这些用户却不知道,APP内有活动也从不参与等等情况,如何激活这部分沉默用户让大家很伤脑筋。借助数据分析的方法,可以找准这部分沉默用户的触媒习惯和兴趣点,与异业伙伴开展联合营销,通过精准的内容设计与消息推送,可以有效的唤醒这部分用户。

以某银行为例,该银行上线了生活福利类的APP,发现有部分用户下载了该APP后就“休眠”了,手机上还安装着该APP,但在最近1年内没有再打开过。通过数据分析发现,这部分沉默用户平时用爱奇艺、优酷视频比较多,对韩剧比较感兴趣,于是该银行联合爱奇艺等公司进行跨界营销合作,推出用APP享优惠活动,对沉默用户进行了定向的消息推送。经过一段时间后,沉默用户逐渐被唤醒,激活了32%的沉默用户。

5. 存量运营:多措并举做好存量维系与价值提升

针对存量市场的用户运营,一方面要注重老用户的关怀和维系,让老用户保持适当的活跃度;另一方面要采取交叉销售、升级营销等手段,提升老用户的价值。

比如要提升某APP的日活量,可以通过对用户行为和反馈的数据的分析,识别用户的偏好趋势,并“投其所好”迎合用户的偏好,为种子用户发放激励性的福利,以增强其活跃度。

再如:电信运营商在流量经营时经常研究细分用户群的内容偏好,为用户推荐合适的内容,开展流量进阶活动,巩固用户上网习惯;当发现用户出现流量溢出时,及时提醒和鼓励用户参加套餐升档优惠活动,通过短信群发、电话外呼等方式,鼓励用户升档到高额度的流量套餐上,从而实现了用户价值的提升。

6. 流失预警:用户流失预警模型助力挽留效率提高

在用户衰退阶段,会出现较多的用户流失。为防止用户,可以建立流失预警模型,找到有高危流失风险的用户名单,再针对这些名单设计针对性的挽留策略、落实相关举措,尽量减少用户的流失。

以电信运营商的用户离网预警为例,我们可以采集全网用户近六个月内的话单数据、账单数据、用户信息、套餐信息、产品信息、客服中心互动数据等,采取神经网络、决策树、规则提取等数据挖掘算法预测用户的离网倾向。数据挖掘算法从数据集中提取出隐含的用户流失模式,并通过测试数据集检验模式的精确性和稳定性。根据离网预警模型可获得离网倾向较高的用户名单,设置分级预警规则,并设计出针对这些用户的挽留策略,这些挽留策略分配到具体的渠道和触点去落实,最终达到减少用户流失、延长用户的生命周期的目的。

以上六个方面只是粗略的介绍了用户运营的一些主要场景,实际上围绕用户各生命周期阶段可做的事情远不止这些,数据能发挥作用的场景也还有更多,这里只仅仅是抛砖引玉而已。

 

作者:黄小刚,微信公众号:大数据产品设计与运营

本文由 @黄小刚 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!
  1. 说得非常实在,受用

    回复