【作者：亂譚君】

【編輯：善小布】

 

發(fā)展速度減慢，或者碰到天花板，甚至產(chǎn)生倒退，這逼著我們運(yùn)營一定要升級，而精細(xì)化的運(yùn)營首先要更了解我們的用戶特征，才能更好的實(shí)施個性化的產(chǎn)品和服務(wù)。

我們做用戶運(yùn)營最核心的四個過程：

• 目標(biāo)用戶的定位：要足夠細(xì)分，足夠具體，才能足夠的聚焦，做的深入。
• 種子用戶的運(yùn)營：更好的驗(yàn)證并完善產(chǎn)品和服務(wù)，也是建立品牌傳播的基礎(chǔ)。
• 目標(biāo)用戶的運(yùn)營：緊抓目標(biāo)用戶群的需求來構(gòu)建產(chǎn)品服務(wù)能力，快速擴(kuò)張。
• 目標(biāo)用戶的調(diào)整：不斷驗(yàn)證當(dāng)前用戶群和目標(biāo)用戶群的一致性，以價(jià)值為導(dǎo)向維系或調(diào)整我們的目標(biāo)用戶群。

這四個過程貫穿到我們的產(chǎn)品運(yùn)營全過程中，每一次產(chǎn)品迭代，我們都可以通過這四個過程來指導(dǎo)并檢驗(yàn)我們的產(chǎn)品運(yùn)營，從而讓我們的產(chǎn)品運(yùn)營更有方向性，更加專注，更加高效。

建立這樣一個運(yùn)營的思路非常有必要，但是具體到執(zhí)行環(huán)節(jié)，光靠這個流程是遠(yuǎn)遠(yuǎn)不夠的，我們需要有針對性的方法和工具。作為一個不斷成長的年輕的運(yùn)營團(tuán)隊(duì)來說，我認(rèn)為可能要經(jīng)歷感性化運(yùn)營、數(shù)據(jù)化運(yùn)營和精細(xì)化運(yùn)營三種階段。

第一階段：感性化運(yùn)營

這個階段多存在運(yùn)營的初期階段，依賴早期運(yùn)營人員的專業(yè)能力以及對用戶群特性的了解，通俗一點(diǎn)說運(yùn)營團(tuán)隊(duì)和用戶群對脾氣，雙方心有靈犀。比如很多做的非常出色的微信自媒體公眾號，在初期完全靠自媒體作者一己之力獲得粉絲的欣賞而發(fā)展起來的。

圖注：我知你不知，你知我不知，到底知不知，我們無所知

但是隨著用戶的增加，用戶群的屬性也在開始變得豐富而復(fù)雜起來，一種單一的調(diào)性不能完全滿足所有用戶的需求。而且隨著運(yùn)營團(tuán)隊(duì)的擴(kuò)大，運(yùn)營人員的能力及風(fēng)格不一，也對運(yùn)營產(chǎn)生干擾。感性化運(yùn)營到了一定階段，可能就會導(dǎo)致忠實(shí)用戶的沉默甚至流失，新用戶缺乏特征。解決這一問題，我們就要通過運(yùn)營過程的數(shù)據(jù)分析來找出問題，找出規(guī)律，形成比較客觀的解決方法。

第二階段：數(shù)據(jù)化運(yùn)營

數(shù)據(jù)化運(yùn)營顧名思義就是通過數(shù)據(jù)的分析來指導(dǎo)運(yùn)營。以微信運(yùn)營為例，想必做過微信運(yùn)營人都有體會，每天一早打開微信公眾號后臺，我們首先要去看用戶增長的數(shù)據(jù)和圖文閱讀的數(shù)據(jù)，分析各個渠道的數(shù)據(jù)，分析某段時間的趨勢。看數(shù)據(jù)能讓我們很容易監(jiān)測我們運(yùn)營的效果，從而意識到問題。但是只是從這些宏觀趨勢圖上，我們卻很難定位問題。

分析問題其實(shí)就是尋找問題的因果關(guān)系，還是以微信運(yùn)營為例，內(nèi)容的質(zhì)量會影響用戶的增減，內(nèi)容是因，用戶是果。但是我們往往是把用戶數(shù)據(jù)和內(nèi)容數(shù)據(jù)分別來單看，微信的分析模塊也是分開的，不建立數(shù)據(jù)的關(guān)聯(lián)關(guān)系，就很難找到問題的因果關(guān)系。

所以數(shù)據(jù)化運(yùn)營最重要的是建立起數(shù)據(jù)的關(guān)系，用一個更豐富的全景視圖來看運(yùn)營的狀況。

在微信現(xiàn)有數(shù)據(jù)的基礎(chǔ)上，結(jié)合自身的業(yè)務(wù)特點(diǎn)，我做了一個表格，將用戶的數(shù)據(jù)和文章的數(shù)據(jù)關(guān)聯(lián)起來，每天采集一次。

圖注：微信全景數(shù)據(jù)的表格

采集數(shù)據(jù)是數(shù)據(jù)化運(yùn)營的第一步，我們要先確定我們需要哪些數(shù)據(jù)，然后才是如何分析哪些數(shù)據(jù)。（有技術(shù)開發(fā)能力的團(tuán)隊(duì)可以開發(fā)一個數(shù)據(jù)采集和分析的模塊，沒有技術(shù)能力的團(tuán)隊(duì)也可以靠excel或者網(wǎng)上一些專門做數(shù)據(jù)分析的平臺來進(jìn)行多維分析）

建立全景數(shù)據(jù)視圖的目的其實(shí)就是為了更直觀的做問題的因果分析：

• 什么樣的內(nèi)容對新增粉絲的轉(zhuǎn)化率更高？
• 對用戶的流失影響最大？
• 對小程序的轉(zhuǎn)化率更高？

通過用戶的增長數(shù)據(jù)和內(nèi)容的標(biāo)簽，我們就能更好的分析用戶群最感興趣的內(nèi)容畫像，從而指導(dǎo)微信運(yùn)營人員更好的做內(nèi)容定位，而不再是完全靠個人感覺去做運(yùn)營。

對于網(wǎng)站或者APP的運(yùn)營，我們不僅需要建立更多的數(shù)據(jù)關(guān)聯(lián)關(guān)系，更應(yīng)該把這些數(shù)據(jù)做成一個個可視化的運(yùn)營看板，從各個維度來監(jiān)控并分析產(chǎn)品的運(yùn)營狀況。比如做一個運(yùn)營日報(bào)的全景視圖，全方位的看每天的運(yùn)營狀況。比如下圖：

圖片來源：數(shù)據(jù)觀

第三階段：精細(xì)化運(yùn)營

隨著產(chǎn)品功能的增多和用戶的增多，用戶需求的多樣化和產(chǎn)品服務(wù)的多樣化之間就存在了匹配和不匹配，選擇與不選擇，喜歡與不喜歡之間的矛盾，新用戶的選擇，老用戶的活躍、流失就帶來了各種各樣的原因。而精細(xì)化的運(yùn)營就是通過用戶分群，對不同需求的用戶匹配不同的服務(wù)和內(nèi)容，從而滿足其個性化的需求，從而更好的完成運(yùn)營中拉新、促活和激活的工作。

既然要給用戶分群，我們就要給用戶建立畫像，更好的區(qū)別不同特征的用戶的不同需求。用戶畫像可以從多個維度來描繪，不同的產(chǎn)品類型，用戶畫像的維度也有不同，以醫(yī)生的頭條–掌上醫(yī)訊為例，我們從四種維度來建立用戶畫像。

圖注：四種維度建立用戶畫像

而用戶畫像的數(shù)據(jù)來源主要來自三個方面：

1. 用戶的個人資料
2. 日常行為標(biāo)簽的累加
3. 根據(jù)規(guī)則進(jìn)行數(shù)據(jù)算法的計(jì)算

（用戶行為數(shù)據(jù)的分析，需要技術(shù)團(tuán)隊(duì)通過大數(shù)據(jù)的分析算法，不斷的總結(jié)歸納用戶特征，從而形成行為畫像。做精細(xì)化運(yùn)營光靠運(yùn)營團(tuán)隊(duì)是遠(yuǎn)遠(yuǎn)不夠的，需要產(chǎn)品、技術(shù)、運(yùn)營有統(tǒng)一的意識。）

當(dāng)我們?yōu)槊總€人建立起這樣一個畫像以后，我們就能精準(zhǔn)的為每個用戶推送不同的內(nèi)容和服務(wù)，從而滿足用戶不同的需求。

建立用戶畫像后，我們就要根據(jù)用戶畫像進(jìn)行精細(xì)化運(yùn)營，我總結(jié)了精細(xì)化運(yùn)營分三個過程：

第一步：分群畫像，找異同

圖注：運(yùn)營指導(dǎo)模型：AARRR模型

上圖是指導(dǎo)我們運(yùn)營工作的AARRR模型，首先運(yùn)營的主要工作是拉新、促活和留存，那么我們首先要分析新用戶長什么樣，活躍用戶長什么樣，流失用戶長什么樣，才能更好的來調(diào)整產(chǎn)品和服務(wù)來滿足各個群體的需求，讓現(xiàn)存用戶更活躍，讓流失用戶回來，讓新用戶進(jìn)來。以我們掌上醫(yī)訊這個產(chǎn)品為例，我們根據(jù)用戶使用產(chǎn)品狀況把用戶進(jìn)行了分層，如下表所示：

圖注：用戶群細(xì)分規(guī)則說明

然后再結(jié)合用戶畫像的數(shù)據(jù)，最終得到如下一個分群用戶的畫像數(shù)據(jù)分析。

圖注：用戶分群的用戶畫像分析，行為數(shù)據(jù)省略

為了更直觀的分析，我們可以把不同用戶群的畫像以及變化通過圖形的方式展示出來（有技術(shù)能力的團(tuán)隊(duì)，最好還是直接開發(fā)出一套用戶分層分析的數(shù)據(jù)視圖看板出來），限于篇幅就不展示了。

上表還可以按照使用度+基礎(chǔ)屬性、使用度+行為屬性的不同組合再進(jìn)行細(xì)分，更加針對性的描述用戶畫像。比如，做病例運(yùn)營的同事可能更關(guān)心活躍用戶中關(guān)心病例的人群有什么特點(diǎn)？比如產(chǎn)品經(jīng)理可能更關(guān)注活躍用戶中高年資醫(yī)生主要使用哪些服務(wù)？

根據(jù)AARRR模型，運(yùn)營的最高境界是要做用戶的轉(zhuǎn)化，從而獲取收入，實(shí)現(xiàn)病毒式的傳播。所以針對活躍用戶，我們還可以根據(jù)用戶的價(jià)值再進(jìn)行分群，比如普通用戶、傳播用戶、付費(fèi)用戶、B端價(jià)值用戶等，原理都是一樣的。

第二步：分析原因，找對策

當(dāng)我們的運(yùn)營人員看到這個表格的時候，大家發(fā)現(xiàn)有些地方和之前的感覺完全不對，比如活躍用戶的職稱分布，我們一直以為主要以年輕的低年資醫(yī)生為主，但是卻發(fā)現(xiàn)高年資的醫(yī)生比例已經(jīng)超出了行業(yè)的人群比例，而且這部分人群更有價(jià)值，這部分就可以修訂為我們的目標(biāo)人群。比如我們的目標(biāo)人群中有腫瘤科，但是在我們的活躍用戶里腫瘤科的醫(yī)生占比卻沒想象的高，那么會不會和我們的內(nèi)容比例有關(guān)系，和我們推廣的渠道有關(guān)系，再結(jié)合其他數(shù)據(jù)（比如內(nèi)容的畫像）來找差異。

我們再深入的分析用戶群體畫像，僅僅基礎(chǔ)屬性是不夠的，我們還要分析用戶的行為屬性。活躍的用戶的行為和流失用戶的行為之間有什么差別，什么原因造成的這個差別。活躍的用戶和流失的用戶在基礎(chǔ)屬性上相同的用戶群體，他們在行為上又有什么差別。

找到原因，那就想解決方案，這時候要產(chǎn)品和運(yùn)營一起抓，運(yùn)營調(diào)整見效快，但產(chǎn)品調(diào)整更長遠(yuǎn)。比如運(yùn)營會適當(dāng)?shù)募哟竽[瘤科內(nèi)容的比重以及推薦力度，多做一些腫瘤科的內(nèi)容專題，從而提升腫瘤醫(yī)生的活躍度和留存率；而產(chǎn)品可以升級腫瘤頻道，推出更多服務(wù)滿足腫瘤科醫(yī)生，改進(jìn)內(nèi)容推薦算法，更好的推薦內(nèi)容。

第三步：執(zhí)行監(jiān)控，看效果

找到對策，具體對策對不對，效果怎么樣，這就需要我們在執(zhí)行的過程中，不斷的監(jiān)控?cái)?shù)據(jù)。我們不僅要關(guān)注用戶的增長趨勢，而且我們每周都要更新我們的用戶畫像數(shù)據(jù)，看人群的轉(zhuǎn)化率，看和目標(biāo)用戶群的匹配度，過程中我們根據(jù)效果進(jìn)行不斷的調(diào)整。

從另外一個方面，我們不僅僅只關(guān)注用戶增長的數(shù)量，我們也要關(guān)注用戶群體的質(zhì)量，從而滿足AARRR整個模型的要求，實(shí)現(xiàn)運(yùn)營的目標(biāo)。簡單做了一個數(shù)據(jù)監(jiān)控圖（如下圖所示），縱坐標(biāo)代表用戶的活躍程度，橫坐標(biāo)代表用戶的價(jià)值，如果隨著運(yùn)營的改進(jìn)和升級，數(shù)據(jù)沿著紅色箭頭的方向增大，說明我們運(yùn)營策略和執(zhí)行過程是正確的，反之則需要我們再按照以上過程去調(diào)整。

圖注：監(jiān)控活躍用戶中的價(jià)值用戶的比例，數(shù)據(jù)為示例，不具備可參考性

結(jié)語

梳理完這些方法和模型，的確可以指導(dǎo)團(tuán)隊(duì)更好的進(jìn)行分析思考，更有針對性的做方案，開展運(yùn)營活動。但是真正執(zhí)行起來卻發(fā)現(xiàn)，其實(shí)并沒有那么容易，存在各種各樣的問題：

• 想要的數(shù)據(jù)沒有！
• 用戶行為沒記或者不全！
• 用戶畫像沒有建立！
• 沒有自動化程序來統(tǒng)計(jì)分析，完全手工效率太低！

其實(shí)，大部分團(tuán)隊(duì)都會遇到這些問題，因?yàn)橘Y源有限。我們總是想辦法更好地服務(wù)用戶和客戶，卻忽視了一個能支持內(nèi)部運(yùn)營的高效的、智能的精細(xì)化運(yùn)營系統(tǒng)的重要性。所以，要實(shí)現(xiàn)精細(xì)化的運(yùn)營，不僅僅需要升級我們的運(yùn)營思維，更需要整個產(chǎn)品團(tuán)隊(duì)的高度重視，為精細(xì)化運(yùn)營設(shè)計(jì)開發(fā)高效的運(yùn)營工具。