由于人民日益增长的物质文化需求同落后的互联网 er 生产力之间的矛盾,导致用户经常喜新厌旧,如何利用有限的资源,从一众竞品中杀出重围,变得尤为重要,所以越来越多的人提出了精细化运营的概念,主要目的主要是为了充分利用资源,减少拉新成本,同时培养用户粘性,让用户从天使轮用到 IPO。

精细化运营到底是什么?我有一个思路如下图。

图1 大数据时代下的精细化运营框架

所以基于 Event-User 模型的精细化运营分为三个步骤:

  1. 了解用户属性 + 洞察用户行为;

  2. 实现用户细分;

  3. 根据策略进行精细化运营。

1.了解用户属性

了解用户的过程,实质上是一个为用户打上不同标签并分群的过程。用户的信息可以从内在属性、外在属性和业务属性等等很多方面来交叉分析。比如内在属性由客户内在因素决定,如姓名、性别、年龄等,外在属性包括城市、联系方式、教育程度、手机机型、屏幕大小等,业务属性则需要根据自身业务进行设定,如电商平台包含首次注册时间、首次下单时间、VIP 等级等。

图2 神策数据电商 DEMO 用户属性示例

通过属性数据的补充,每一位用户的形象逐渐丰富,“脾性”将被摸清,如

王小明,25,单身未婚,最近访问时间凌晨 3:00;

张小红,23,广东人,电商网站 VIP 黄金会员;

然后你就知道张小红沉迷网购,王小明有恋爱需求了……

了解用户属性是一个长期积累数据的工作,功夫要下在日常中,如薄荷网的用户信息补充步骤、阴阳师的游戏内调查问卷等,这有助于运营对用户进行分别的管理。

2.洞察用户行为

Event-User 模型是一个很常见的数据模型,通过这个模型,可以很方便地记录用户及其行为。其中 Event 表示用户在 Web/App 上的操作,例如登录 APP、浏览商品、加入购物车、提交订单、支付订单、收藏商品等行为,通过这些用户行为流,我们可以了解用户的行为习惯,进而为精细化运营做准备。

图3 神策数据电商 DEMO 用户行为(事件)示例

对用户行为进行分析,有助于运营同学了解到用户使用 Web/APP 的习惯,如用户登录时间段、常点选的广告位、偏爱的服装品牌等,进而为用户准备更吸引人的内容,改进产品界面排布,优化用户体验。

比如,张小红收藏商品较多,购物车里商品较多,支付订单次数较少,可能是因为推荐的商品价格过于昂贵,可以尝试推荐价格较为低廉的商品,提高购买率。

3.基于用户细分的精细化运营

用户分群是一个人工筛选的过程,大数据为用户分群提供了丰富的可能性,如通过用户属性为用户打标签,或通过用户行为进行用户画像。标签是通过人工高度提炼的特征标识,而分析的维度越丰富,则用户分群做的越精准。

基于高度用户细分的用户分群,我们可以对产品进行精细化运营,如对高价值用户进行精准推送,对已流失的用户进行用户召回,对低回访率用户举办线上活动促活等。

以精准推送为例,精准推送是基于我们前期对用户全貌进行的勾勒和分群工作,二者缺一不可。神策数据可以将已有的 Web/APP 用户通过“用户分群”功能划分为不同群体。如下图,利用神策数据的用户分群功能,我们将上周注册且 APP 元素点击次数为 0 的用户存储为用户分群“未激活用户”。针对这类注册了但是没有用起来的用户,我们需要在短时间内推送他们最感兴趣的内容,如免费试用、限时优惠、新人礼包等。

图4 神策数据用户分群功能示例

还可以直接查看不同数据分析模型的具体用户明细,并保存为分组,作为推送对象。

图5 神策数据针对某流失人群进行精准推送

神策数据打通了多维分析、用户分群、精准推送、效果反馈的闭环,帮助企业与用户实现了高效的信息互通。让企业真正能做到了解用户需求,精准推送内容。

互联网时代,流量日益金贵,竞品多如牛毛,精细化运营才能提升用户留存率、降低获客价格、提高用户忠诚度、提升企业核心竞争力……手法各不相同,原理大同小异,使用数据分析的方法,结合一系列指标体系制定相应策略,可以帮助企业实现数据驱动运营决策。