本文独创用户运营5步实战法,每一步环环相扣,从实际业务场景出发,搭建相应的用户模型,并输出目标用户群和画像,进而制定精准营销策略进行营销,以提升用户的生命周期价值。
用户画像到底如何使用?
在抛出这个疑问之前,我研究过许多文章,这些文章的研究方向更热衷于如何给用户360度画像,用常见的人物形象卡来描述平台某部分用户的特征,比如:
这是一种典型的用户画像,也是许多企业热衷做用户画像分析的方法,这种人物画像卡在用户研究方面有很大的帮助,可以帮助产品经理找准产品的方向,但在用户运营层面,如果单纯给用户贴标签做画像,反而有一种无从应用的感觉。
我们举例几个业务场景:
我是一个电商平台,销售100种品类产品,该给用户精准推荐什么产品?
我要给用户推券,希望提高券的ROI,该给什么样的用户推券?
平台用户流失严重,希望分析哪些用户流失了,怎么挽留?
以上三个业务场景,如果要用到用户画像,你该如何应用?
显然简单的用户分析卡根本无法支持我们的运营工作,用户分析一个重要的方法论就是从业务场景出发,找到精准的用户群,定向分析画像,然后应用到实际运营活动中。
接下来,我们重点阐述用户运营5步法:
一、明确业务场景
之所以把业务场景放到第一位,是因为业务场景是用户运营的重中之重,很多用户运营往往走入一种误区是先有用户画像。再基于画像标签对用户进行分群,再推送定向活动,这种运营思路往往是为了营销而营销,最终是解决了什么业务问题反而无从谈起。
比如某个平台把几个标签组合筛出了一部分人群,标签包括:性别、年龄、最近的购买时间、客单价等,最终推了一个满减活动过去。那这个营销结束之后我们只能分析一次活动的成败,而对整体用户运营缺乏实际的业务支撑意义。
明确业务场景的意义在于,我们有了具体业务场景,才会有具体营销的目标人群,进而再针对人群的画像特征制定更加明确的营销策略。
我们以第三个业务场景为例,平台用户月滚动流失率为30%,希望能通过定向的用户运营将流失率降低至15%。
接下来的任务就是找到哪些用户产生了流失?
有的同学会说这好办,我们将平台用户三个月未回来购买的用户定义为流失,然后将这些用户分出来,定向推送一张复购券,接下来分析这张券的核销效果,如果核销较好,则用户流失率会降低。
这是一种最简单但效果最差的用户运营方式了,相信很多人刚做用户运营的时候,都是这么做的。
一方面是缺乏用户模型的支撑,无法更加精准的预测流失,只能根据已流失用户做一些召回活动,但用户真正流失后召回率往往很难达到1%。另一方面缺乏画像的支撑,不了解流失用户群的特征,想当然的推一些大力度活动,反而很难再打动流失用户。
二、用户建模
用户建模是做用户运营的必备技能,就好比一个技术猿如果不会写代码,不了解一门代码语言,那怎么可以从事这个行业呢。
针对这个业务场景我们需要搭建什么样的用户模型呢?
我们有三种思路:
筛选已知流失用户建模,通过决策树模型分析流失规则,通过流失规则预测最可能的流失用户营销csp模型,筛选出这部分用户做营销。筛选已知流失用户建模,通过神经网络模型建立流失评分机制,对平台所有高价值用户进行流失评分,将评分较高的高价值用户筛选出来做更精准的营销。搭建用户生命周期模型,通过用户生命周期预测用户流失节点,在用户快要流失时候进行及时的干预营销,以降低用户流失率。
我们采取第三种建模营销方法,搭建如下模型:
在模型中,我们可以根据箭头了解整个用户的数据走向,把平台用户的全部数据导入模型中进行分析。
这里使用到了cox生存分析的算法,这个算法可以帮助我们分析用户的生存时间营销csp模型,进而得到平台全部用户的生命周期分布。我们基于生命周期可以得到用户的流失边界值,从而确定用户的整体流失节点。
三、定准目标用户群
用户建模完成后,我们可以把平台用户数据与大数据模型打通,通过大数据分析的方法可以定向输出我们想要的用户群。
回到我们的业务场景,我们业务目标是降低用户流失率,也就是从30%降低至15%。
那我们的目标营销用户群该是谁呢?
如果单纯筛选已流失用户,试图通过挽回这部分用户来提升回流率,我们知道营销难度非常大,一般流失用户往往是直接卸载APP或者不再使用我们的产品,一旦卸载APP后触达率非常低,通过短信召回的办法往往也是得不偿失。
那我们把目光瞄向流失边界的用户,这部分用户通过模型预测,流失倾向要高于平台的活跃用户但并未流失,这个时候如果及时采取干预营销,用户留下的可能性反而很大。
四、分析用户画像
目标营销用户群定位完成,接下来需要分析用户群的画像以了解用户行为特征,从而制定更具有针对性的营销策略。
用户画像该如何分析呢?
这里分析用户画像不是大而全,而是要基于实际业务场景,哪些画像更有助于营销策略的制定,我们只分析这部分画像信息即可。我们先通过模型看下这部分用户群的实际画像。
来源【写作训练营】自媒体,更多内容/合作请关注「辉声辉语」公众号,送10G营销资料!
版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站不拥有所有权,不承担相关法律责任。如发现有侵权/违规的内容, 联系邮箱jkhui22@126.com,本站将立刻删除。