一文实例解读:用户分层经营办法论
本文摘要:用户分层本身其实不是意图,只是完成事务开展的手法方式。用户分层运营,太多文章太多大咖有提到的。比较“百度百科科学式”理论是基于RFM模型。RFM模型现已被广泛深化的运用在传统+互联网企业里,它主要运用三个维度来区分用户,分别是:R(Recency):离某

用户分层本身其实不是意图,只是完成事务开展的手法方式。

用户分层运营,太多文章太多大咖有提到的。比较“百度百科科学式”理论是基于RFM模型。RFM模型现已被广泛深化的运用在传统+互联网企业里,它主要运用三个维度来区分用户,分别是:

R(Recency):离某个时间点最近的一次消费,为「近度」维度; F(Frequency):一段时间内的消费频次,为「频度」维度; M(Moary):对应这段时间内的消费金额,为「额度」维度。

但详细到每一个行业每家公司每一个事务的时分,乃至同一场景下不同的人也会是不同的玩法。以下是笔者我基于互联网+基金行业,在做基金转化(商业变现)时一些方法论体会供参考。其间触及到特定的成果结论和一些数据我就抹去了。主要是从四个方面来与我们一同评论:

用户分层维度确认 用户分层标签支撑 精密化运营测试产出 精密化运营能效提高 一、用户分层维度确实认

首要要说明的是,依据不同意图方针和不同事务属性,所区分的用户分层维度选择也是不尽相同的。最终所体现出来的成果可所以“象限分层四类用户”、“时间维度层次多类用户”、“产品核心行为多环节用户”等等。乃至这也是一种用户分层:

此处关于基金事务,我主要是依据用户意愿、用户属性做“象限分层”:

用户意愿,即依据方针用户的特定行为所体现出来的对产品和效劳的意愿强弱; 用户属性,即方针用户对产品和效劳所反映出来的关联属性,详细到基金事务来说可以对标成对用户对基金产品投资专业程度。 事务导向,即通过上述维度区分了象限用户后,不论中心阅历何种用户需求的测试、验证和满足等,都TM最终要走到事务转化,把流质变现这一步去考虑!

二、用户分层的标签支撑

以上现已根本确定了依照用户基金投资意愿的强弱、专业程度的强弱等来做横坐标、纵坐标的分层维度。那么怎么在产品内寻找到用户标签来做象限辨认呢?

这个就要回到对自己地点事务和分层维度的双层了解基础上,从这两方面出发去提取产品内支撑“用户意愿强弱”、“用户专业程度强弱”的各类数据来加以使用。并且这里有个假设的过程,即假设这部分用户标签是可以作证用户分层维度正确方向的,然后不断测实验证和优化。此外,有必要理解做用户分层精密化运营的三大体素是不断动态调整更新的过程,它可能跟着分层标签的不断验证佐证乃至产品开展的不同阶段而更新,无论怎么它都不是原封不动的:

用户分层维度本身; 支撑用户分层维度的用户标签本身; 支撑用户标签本身的用户行为数据本身。 关于用户专业程度强弱

从平台提取了以下相关数据并假设他们可以作证用户分层维度方向的。这里提个一个成果,即先期假设“购买过非货基”的用户是比较专业的基金投资用户了。但其实后来不断的测实验证,我们认为应该在“购买过非货基”基础上,加上“间隔初次购买时间一个月及以上时间”这个标签。

关于用户购买意愿强弱

提到这一块,建议我们把这样的虚拟事务场景现实化去想一想,就好像一个客户是通过你的店面瞅了一眼便回身不再回头,又或是通过你的门面前乃至在某件商品前,再三徜徉一再把玩。其实类比到线上产品里,这样的用户行为也仍然有体现和反射的。

此处主要提取用户拜访基金产品页面、购买流程的每一个途径botton、拜访以上步骤的次数和频次,并就上述途径的用户行为逐一打上标签和权重分数,权重分数随拜访途径越深层而越高:

确定上述用户行为标签及相应的权重分数后,即可在数据库里跑出相应的用户uid和体量肯定值。并且要说明的是,打权重分没有严厉的界限与规范,只需大体契合漏斗路基和途径权重的方向即可。最终我得出如下成果:

三、精密化运营测试产出

依据上述分层维度和相应的用户标签支撑,即逐渐地来到我们的分层方针用户面前,他们的形象还比较模糊,仍有待我们去逐步描绘明晰。与此同时,你已开始取得了通过一定逻辑、相应数据筛选出来的有特定特征的用户群了。这里建议暂时不要打上肯定的因果关系标签,而是保留着慎重又大胆的假设之心暂且去把看待成一种有关系的现象即可。

据上用户分层维度的分出四个象限,对应出以下四类用户(过度阶段暂不考虑):

购买意愿强但用户偏小白的用户 购买意愿弱且用户偏小白的用户 购买意愿强且用户偏专业的用户 购买意愿弱但用户偏专业的用户

接下来就是逐步针对以上四类用户,在保障用户体验的条件下不断尝试各类测试转化,不断朝着事务方针验证并得出相应结论。如下提一些就基金产品投资首购、复购的一些测试点,来协助打开同学们的其他事务思路。触及到实践商业成果结论在此就不便走漏了。

10元即购的基金来引导低门槛首购; 依据风险偏好,即推用户持仓基金同属性基金来引导复购; 使用资产配置,即推用户持仓基金风险交叉的基金来引导复购; 不断用户教育,通过基金投资优点、基金定投优点来做内容变现转化; 特定场景下再尝试用某本钱额度的利益刺激来尝试; 基金费率优惠等等其他。

另可见此前一篇文章

四、精密化运营能效提高

在通过用户分层维度确定、用户标签提取、不同属性用户的不断测试产出,终究仍是要落地到以事务意图方针为导向的结论上来。并且,要优先跟进其间潜在价值产出最大最高的用户,就本文本事务而言特别是其间“购买意愿较强用户”。关于其他潜在价值较低用户,其实不是不去管,譬如它可能需要投入较长时间、转化难度高,这里需要制定方案逐步推进,适当于建立一个“潜在变现用户的蓄水池”。据此建议产出成果结论主要是从以下几个方面:

针对的方针分层用户是谁; 拿什么点去做、怎么做转化,方针效果最好; 方针效果而言,可提高的空间和点在哪;

当然,拿到上述测试成果结论还其实不够,需要进一步推进的是怎么运营所得的成果结论,使其能效最大化。笔者主要是从如下几个方面:

首要产品化,将所得成果结论产品化,推进嵌入到用户场景和流程中去,这样能效更高; 铺开面积推,由点及面地全量铺开推向用户,并在过程当中不断优化完善,这样产能更大; 必要状况下,特别是用户分层和场景拆分很细状况下,需要通过搭建运营后台快速产出。 五、其他寄语

经历来看,这是条有很多弯很多坑要的路,但最重要的是先开始起来。结合自己的事务方针、主事务核心途径、用户的行为体现数据等等,先动起来,再然后不断的优化调整并最终建立起自己的运营策略和体系。并且,在这个框架和体系下,开展活动运营、内容运营、数据运营等才会显得更具逻辑性和意图性,而非孤伶伶的毫无节奏毫无支撑的运营支点!

 

作者:善财君,微信号:zhima_lvdou;一些个人方法论总结,欢迎评论交流。

本文由 @善财君 原创发布于人人都是产品主管。未经答应,禁止转载


感觉蛮专业的。想讨教下,“应该在“购买过非货基”基础上,加上“间隔初次购买时间一个月及以上时间”这个标签”这一点,是怎么通过“测试”得到要添加这个标签的结论的呢?谢谢


本身通过用户行为来判断用户属性就是不断测试、矫正和完善的过程!就本案例来看其实刚转化首购的人就把他算成“专业投资用户”,是可以想象是不稳妥的。那问题就是变成“首购转化之后什么状态下可算是个专业投资用户”或“专业投资用户在首购之后呈现出什么特征”。然后在回到事务中不断测试尝试,此处的结论也仍然是比较粗豪的,仅是论述一个思路。


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。

相关内容