如何做好活躍使用者的運營?

編輯導語:使用者運營是一個比較冗長的過程,我們需要對使用者進行管理和活躍,以及最後的轉化;並且如今的“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;本文作者分享了關於活躍使用者的分析,我們一起來了解一下。

如何做好活躍使用者的運營?

“活躍使用者怎麼精細化運營?使用者分層和使用者分群到底有啥區別?口號喊了千萬遍,精細化何時能實現?”

新使用者體驗到產品的核心價值後會花費更多的時間和精力在產品上,逐漸成為產品的活躍使用者,活躍使用者是比較認可產品的價值、願意為產品買單或背書的使用者,他們不僅會貢獻自己的價值,對於產品的品牌建設也非常關鍵,所以活躍使用者運營的重要性不言而喻。

活躍使用者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使用者價值,把錢花在刀刃上,讓不同的使用者享受到不同的服務,讓使用者感受到溫度,讓產品有靈魂。

於是,“精細化運營”誕生了,提到使用者運營,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)的時候少了這些詞彙都不好意思說你是搞運營的,但精細化運營到底是什麼?又該怎麼落地呢?

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,鬍子眉毛一把抓永遠留不住使用者,最理想的情況就是千人千面。但是如何對使用者進行細分呢?這裡介紹兩種很常用的方法:使用者分層和使用者分群。

02 使用者分層vs使用者分群

使用者分層vs使用者分群,看似差不多,但在定位和目標上還是有明顯差異的。使用者分層,是基於大方向的劃分,你希望使用者朝什麼核心目標努力,而使用者分群,則是將他們劃分為更細的粒度,便於針對性運營提高效果,兩者相輔相成。

使用者分層中的層就是層次層級,比如我們把使用者從註冊開始使用產品成為我們的新使用者開始,到成為活躍使用者,再到頻繁活躍或者是付費的忠誠使用者,再到後期由於其他競品的出現或者本身產品功能不再滿足需求時使用者開始沉默到最終流失;這一個生命週期也是一個層次,就像如圖所示,那麼有了這個分層,我們就可以比較清晰的知道當前使用者的組成結構,各生命週期使用者成長是否健康。

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,那麼對於忠誠使用者來說,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,對於這樣的情況我們就要對忠誠使用者在進行細化,分成更精細的組。

再比如說,最近產品上新上了信用引導,想看看這個對於新使用者留存是否有幫助,或者是開展了一場運營活動,看看核心指標有沒有拉昇,這個時候就需要對使用者進行進一步細分,出現了分群;分群是對分層的進一步細分,分群后便於針對使用者進行精準地運營動作。

如何做好活躍使用者的運營?

常用的使用者分群的方法有我們熟悉的RFM、基於資料探勘的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使用者價值,將使用者進行分群,分成高價值使用者,一般價值使用者,重要挽留使用者等等,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主要是透過資料探勘的方式找出有相似特點的使用者,實現物以類聚人以群分,使用者進行過聚類後透過分析各組的特點也可以針對性地進行運營。

03 使用者分層應用案例

下面我們透過一個案例將使用者分層的理論落地,案例僅為便於說明問題而虛構。首先我們假設活躍使用者數的變化趨勢如下圖,乍一看每月的活躍使用者數在持續增長,看似還不錯。

但是我們要警惕的是虛榮指標給我們的錯覺,我們可以把累計的使用者數放進來,也就是截止到當前的累計使用者數,活躍使用者數除以累計使用者數得到使用者的活躍度,表徵的是活躍使用者佔整體的比例,這樣一看發現好像比例在逐漸減小。

如何做好活躍使用者的運營?

我們可以繼續細分,可以根據累計使用者數計算出新增使用者數,發現活躍使用者中很大比例是新增的使用者。

如何做好活躍使用者的運營?

相似地,我們可以把累計使用者分為新使用者和老使用者,把活躍使用者分為新活躍使用者和老活躍使用者,相似的,可以得到新老使用者的活躍度,我們發現老使用者的活躍度更低了。

如何做好活躍使用者的運營?

我們想要看老使用者中到底是怎麼了?我們把活躍使用者再進行細分,分成活躍、不活躍使用者2大類,活躍使用者我們包括了新活躍使用者和老使用者活躍,然後老使用者活躍我們又分成了一般活躍使用者,忠誠使用者和迴流使用者,不活躍使用者主要包括沉默使用者和流失使用者。

我們發現老使用者活躍主要是因為一般活躍和忠誠使用者的活躍都很少,但是新使用者很多,說明我們需要做好新使用者引導和留存,同時促使使用者向忠誠使用者轉化。

如何做好活躍使用者的運營?

進而可以透過對每個月使用者進行細分,分析同一月份不同層級的使用者構成,從而判斷使用者成長的健康狀況。

如何做好活躍使用者的運營?

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

如何做好活躍使用者的運營?

使用者是在產品的生命週期中不斷成長的,我們除了會看某個時間點使用者的活躍組成情況,我們可能還要關注使用者的成長路徑:每天有多少新增使用者變成了活躍使用者?有多少活躍使用者變得不活躍?有多少忠誠使用者變得不活躍?又有多少流失使用者被我們召回等,這樣有助於我們更直觀地分析使用者的去向,更精準地定位問題,從而針對性地進行動作。

比如可以透過桑基圖的形式展示某產品1月份新增使用者在接下來的成長路徑,發現在2月份有相當比例的使用者沒有再活躍而變成沉默使用者,需要及時透過運營手段觸達這部分使用者,以防止其在3月份流失。

如何做好活躍使用者的運營?

相似地,對於某段時間的活躍使用者或者沉默使用者,也可以透過類似的方式進行監控,以便及時瞭解使用者的去向,及時進行干預,以防使用者流失。

04 使用者分群應用案例

以上透過一個案例講述了使用者分層的思路和方法,下面再透過一個案例介紹使用者分群的應用。使用者分群中有一些比較常用的方法;比如可以透過經驗型的RFM模型,從不同維度對使用者進行評價,進而劃分成不同價值的使用者進行運營;或者透過大資料探勘的聚類演算法等,挖掘大量使用者的相似特徵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,就不在這裡贅述了。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使用者的進一步細分,對處於相同生命週期的使用者進行分群,看相似分群的效果。

一般來說,同期群需要滿足:處於相同生命週期,比如研究的都是新使用者,或者具有共同的行為使用者,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最佳化方案前後的效果;比如2月份我們上了一個新功能,導致3月、4月的新使用者留存明顯好於1/2月,透過對爹帶錢1、2月的新使用者留存和迭代後3、4月新使用者留存的同期群對比發現最佳化方案效果顯著。

如何做好活躍使用者的運營?

我們透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資料,透過資料發現,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麼?

為了探究這個原因,我們先把客戶進行分層,分為新老使用者,然後分別對新老使用者進行同期群分析。

如何做好活躍使用者的運營?

我們首先對1-4月份的新使用者的ARPU進行同期群分析,即取每個月的新增使用者作為一個同期群,研究不同同期群在首月及以後的ARPU變化情況,發現隨著時間的推移,1-4月份新增的使用者首月的ARPU在不斷提高,說明新使用者的購買力是在不斷增強的,那就很有可能是老使用者的購買力下降了。

如何做好活躍使用者的運營?

相似地,我們對老使用者進行同期群分析,發現隨著時間的推移,老使用者的ARPU在逐漸降低,是老使用者的購買力下降導致整體使用者的ARPU下降。

如何做好活躍使用者的運營?

05 總結

本文嘗試從活躍使用者的運營出發,探討如何將活躍使用者的精細化運營落地,以及實現精細化運營的2種重要的方法—使用者分層和使用者分群,並分別透過案例逐步展示了2種方法應用的詳細步驟,希望透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,活躍使用者的運營絕不是說掌握了這些方法就可以高枕無憂,使用者的認知和需求都在隨著網際網路的高速發展而不斷變化。

我們不能指望透過一些固定的方法套路就能搞定使用者,一切方法套路都是為了儘可精準地瞭解使用者,為使用者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階的方法套路。

本文由 @大資料分析與運營星球 原創釋出於人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基於CC0協議。

頂部