【用戶運營】如何做好活躍用戶的運營?

2 評論 1萬 瀏覽 14 收藏 15 分鐘

編輯導語:用戶運營是一個比較冗長的過程,我們需要對用戶進行管理和活躍,以及最后的轉化;并且如今的“精細化運營”也是運營人員的一種方式,可以更好的活躍和轉化;本文作者分享了關于活躍用戶的分析,我們一起來了解一下。

“活躍用戶怎么精細化運營?用戶分層和用戶分群到底有啥區別?口號喊了千萬遍,精細化何時能實現?”

新用戶體驗到產品的核心價值后會花費更多的時間和精力在產品上,逐漸成為產品的活躍用戶,活躍用戶是比較認可產品的價值、愿意為產品買單或背書的用戶,他們不僅會貢獻自己的價值,對于產品的品牌建設也非常關鍵,所以活躍用戶運營的重要性不言而喻。

活躍用戶的運營是個很大的話題,今天只是嘗試從一些特定的角度來探討這個問題,雖然不能一次性把這個話題講完講透,但是希望能拋磚引玉,給大家一些思路和思考。

01 何為精細化運營?

過去市場更關注如何大規模、低成本獲客,隨著人口紅利逐漸消失,獲客成本越來越高,現在,越來越多的人關注如何提升單體用戶價值,把錢花在刀刃上,讓不同的用戶享受到不同的服務,讓用戶感受到溫度,讓產品有靈魂。

于是,“精細化運營”誕生了,提到用戶運營,就逃不開“精細化”,它好像已經成為運營人的基本操守,跟別人交(chui)流(niu)的時候少了這些詞匯都不好意思說你是搞運營的,但精細化運營到底是什么?又該怎么落地呢?

所謂精細化,第一個就是精準,第二個就是細分,兩者相輔相成,缺一不可,想想要做到精準就要進行細分,胡子眉毛一把抓永遠留不住用戶,最理想的情況就是千人千面。但是如何對用戶進行細分呢?這里介紹兩種很常用的方法:用戶分層和用戶分群。

02 用戶分層vs用戶分群

用戶分層vs用戶分群,看似差不多,但在定位和目標上還是有明顯差異的。用戶分層,是基于大方向的劃分,你希望用戶朝什么核心目標努力,而用戶分群,則是將他們劃分為更細的粒度,便于針對性運營提高效果,兩者相輔相成。

用戶分層中的層就是層次層級,比如我們把用戶從注冊開始使用產品成為我們的新用戶開始,到成為活躍用戶,再到頻繁活躍或者是付費的忠誠用戶,再到后期由于其他競品的出現或者本身產品功能不再滿足需求時用戶開始沉默到最終流失;這一個生命周期也是一個層次,就像如圖所示,那么有了這個分層,我們就可以比較清晰的知道當前用戶的組成結構,各生命周期用戶成長是否健康。

那這樣是不是就足夠了呢,我們知道很多領域都存在著二八原則,即20%的人貢獻了80%的營收,那么對于忠誠用戶來說,這其中有部分是人均消費較低的平民群體,也有揮金如土的金主爸爸,對于這樣的情況我們就要對忠誠用戶在進行細化,分成更精細的組。

再比如說,最近產品上新上了信用引導,想看看這個對于新用戶留存是否有幫助,或者是開展了一場運營活動,看看核心指標有沒有拉升,這個時候就需要對用戶進行進一步細分,出現了分群;分群是對分層的進一步細分,分群后便于針對用戶進行精準地運營動作。

【數據運營】|如何做好活躍用戶的運營?

常用的用戶分群的方法有我們熟悉的RFM、基于數據挖掘的Kmeans等等。前者是用最近一次消費時間,消費頻次和消費金額來衡量用戶價值,將用戶進行分群,分成高價值用戶,一般價值用戶,重要挽留用戶等等,但是RFM模型的建立需要專家經驗,也就是說指標的選擇以及各指標閾值的確定都必須有業務sense,而不是拍腦袋決定的。

Kmeans主要是通過數據挖掘的方式找出有相似特點的用戶,實現物以類聚人以群分,用戶進行過聚類后通過分析各組的特點也可以針對性地進行運營。

03 用戶分層應用案例

下面我們通過一個案例將用戶分層的理論落地,案例僅為便于說明問題而虛構。首先我們假設活躍用戶數的變化趨勢如下圖,乍一看每月的活躍用戶數在持續增長,看似還不錯。

【數據運營】|如何做好活躍用戶的運營?

但是我們要警惕的是虛榮指標給我們的錯覺,我們可以把累計的用戶數放進來,也就是截止到當前的累計用戶數,活躍用戶數除以累計用戶數得到用戶的活躍度,表征的是活躍用戶占整體的比例,這樣一看發現好像比例在逐漸減小。

【數據運營】|如何做好活躍用戶的運營?

我們可以繼續細分,可以根據累計用戶數計算出新增用戶數,發現活躍用戶中很大比例是新增的用戶。

【數據運營】|如何做好活躍用戶的運營?

相似地,我們可以把累計用戶分為新用戶和老用戶,把活躍用戶分為新活躍用戶和老活躍用戶,相似的,可以得到新老用戶的活躍度,我們發現老用戶的活躍度更低了。

【數據運營】|如何做好活躍用戶的運營?

我們想要看老用戶中到底是怎么了?我們把活躍用戶再進行細分,分成活躍、不活躍用戶2大類,活躍用戶我們包括了新活躍用戶和老用戶活躍,然后老用戶活躍我們又分成了一般活躍用戶,忠誠用戶和回流用戶,不活躍用戶主要包括沉默用戶和流失用戶。

我們發現老用戶活躍主要是因為一般活躍和忠誠用戶的活躍都很少,但是新用戶很多,說明我們需要做好新用戶引導和留存,同時促使用戶向忠誠用戶轉化。

【數據運營】|如何做好活躍用戶的運營?

進而可以通過對每個月用戶進行細分,分析同一月份不同層級的用戶構成,從而判斷用戶成長的健康狀況。

【數據運營】|如何做好活躍用戶的運營?

但是為了更加清晰,我們按照活躍、不活躍分別看用戶的構成,這樣的話能更清楚地看到各層用戶的健康狀態。

【數據運營】|如何做好活躍用戶的運營?

用戶是在產品的生命周期中不斷成長的,我們除了會看某個時間點用戶的活躍組成情況,我們可能還要關注用戶的成長路徑:每天有多少新增用戶變成了活躍用戶?有多少活躍用戶變得不活躍?有多少忠誠用戶變得不活躍?又有多少流失用戶被我們召回等,這樣有助于我們更直觀地分析用戶的去向,更精準地定位問題,從而針對性地進行動作。

比如可以通過?;鶊D的形式展示某產品1月份新增用戶在接下來的成長路徑,發現在2月份有相當比例的用戶沒有再活躍而變成沉默用戶,需要及時通過運營手段觸達這部分用戶,以防止其在3月份流失。

【數據運營】|如何做好活躍用戶的運營?

相似地,對于某段時間的活躍用戶或者沉默用戶,也可以通過類似的方式進行監控,以便及時了解用戶的去向,及時進行干預,以防用戶流失。

04 用戶分群應用案例

以上通過一個案例講述了用戶分層的思路和方法,下面再通過一個案例介紹用戶分群的應用。用戶分群中有一些比較常用的方法;比如可以通過經驗型的RFM模型,從不同維度對用戶進行評價,進而劃分成不同價值的用戶進行運營;或者通過大數據挖掘的聚類算法等,挖掘大量用戶的相似特征實現物以類聚人以群分的目的。

這些方法已經很成熟了,而且很多人已經耳熟能詳了,就不在這里贅述了。今天給大家介紹另外一種比較重要的分群方法—同期群分析,所謂同期群分析就是針對分層用戶的進一步細分,對處于相同生命周期的用戶進行分群,看相似分群的效果。

一般來說,同期群需要滿足:處于相同生命周期,比如研究的都是新用戶,或者具有共同的行為用戶,這樣群內我們可以看時間上的變化趨勢,不同群之間對比可以看效果,一般用來衡量產品或者運營優化方案前后的效果;比如2月份我們上了一個新功能,導致3月、4月的新用戶留存明顯好于1/2月,通過對爹帶錢1、2月的新用戶留存和迭代后3、4月新用戶留存的同期群對比發現優化方案效果顯著。

【數據運營】|如何做好活躍用戶的運營?

我們通過一個案例來說明同期群分析的具體應用,假設我們拿到某個店鋪的銷售數據,通過數據發現,雖然每個月的銷售額和客戶數持續增長,但客戶的ARPU卻在持續下降,客戶的購買力是在逐漸減弱么?

為了探究這個原因,我們先把客戶進行分層,分為新老用戶,然后分別對新老用戶進行同期群分析。

【數據運營】|如何做好活躍用戶的運營?

我們首先對1-4月份的新用戶的ARPU進行同期群分析,即取每個月的新增用戶作為一個同期群,研究不同同期群在首月及以后的ARPU變化情況,發現隨著時間的推移,1-4月份新增的用戶首月的ARPU在不斷提高,說明新用戶的購買力是在不斷增強的,那就很有可能是老用戶的購買力下降了。

【數據運營】|如何做好活躍用戶的運營?

相似地,我們對老用戶進行同期群分析,發現隨著時間的推移,老用戶的ARPU在逐漸降低,是老用戶的購買力下降導致整體用戶的ARPU下降。

【數據運營】|如何做好活躍用戶的運營?

05 總結

本文嘗試從活躍用戶的運營出發,探討如何將活躍用戶的精細化運營落地,以及實現精細化運營的2種重要的方法—用戶分層和用戶分群,并分別通過案例逐步展示了2種方法應用的詳細步驟,希望通過理論結合案例的方式將人人吹捧卻又鮮有實現的精細化運營落地。

但不可否認的是,活躍用戶的運營絕不是說掌握了這些方法就可以高枕無憂,用戶的認知和需求都在隨著互聯網的高速發展而不斷變化。

我們不能指望通過一些固定的方法套路就能搞定用戶,一切方法套路都是為了盡可精準地了解用戶,為用戶持續提供有靈魂的產品、高質量的服務才是讓產品長久不衰最高端的方法套路。

 

本文由 @大數據分析與運營星球 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

給作者打賞,鼓勵TA抓緊創作!
3人打賞
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 幾個問題:
    1、一般活躍用戶、忠誠用戶是怎么定義的?那幾個數據是怎么來的?感覺突然就給到了那幾個數據
    2、同期群分析的方法下,新客和老客的APRU 是怎么計算的?也是數據突然就出來了,這部分沒有數據支撐,感覺說服力很不足

    回復
    1. 感謝反饋,很好的2個問題,文章篇幅有限,沒有展開講,我在這里補充一下:
      1、一般活躍用戶和忠誠用戶的劃分是相對而言的,也就是說沒有一個固定的標準,可以按照業務的判斷敲定一個標準?;蛘?,另外一種方式是反推過來的,反過來想,如果我們劃分好了,運營有沒有搭配的策略去針對性的運營,如果有的話,我們從這個運營策略出發,反推劃分的標準。這也是我們常用的一個思路。
      2、同期群分析中重點是講了新客老客的差異,沒有把重點放到ARPU的解釋上,ARPU是平均一個用戶貢獻的收入,時間力度上我們可以分年、月、周,這個看具體的業務場景。

      回復