随着产品体量越来越大,用户量与用户类型逐渐复杂化、多样化,这时候单一的运营策略就不足以支撑产品运营了。笔者为我们提供了一种新思路以及新的运营策略,重新构建用户运营体系,有效解决这一难题。

一、方案背景
产品在前期的运营过程中,因为用户量小,用户行为不稳定,所以在运营的过程中,针对不同的业务目的在产品中设计了很多零散的运营策略去引导,激活用户。
随着产品的不断发展,功能增加,用户量越来越大,用户类型也越来越丰富;但产品的运营策略也越发复杂庞大,对于后续的新进用户不太友好,也不利于运营思路的整理与运营策略的制定。
故需要对零散的运营策略进行梳理,在现有用户数据积累的支撑下,重新构建成一套完整、清晰、有效的用户运营体系。
二、搭建框架

三、详细步骤
1. 梳理产品商业通路&用户价值成长路径
1.1 商业通路分析
DAU价值:期望大体量用户粘性与持续活跃,产品内需要一个用户习惯养成通路。
GMV价值:期望用户有良好的付费习惯,产品内需要一个付费行为转化通路。
1.2 用户价值成长路径分析

2. 基于用户价值&个性角色对用户进行分层
2.1 基于用户角色进行分层
通过对产品进行拆解分析,根据经验定性地给产品中不同类型的用户划分角色。

2.2 基于生命周期进行分层
生命周期是用户从【接触产品】到【离开产品】的全过程,首要任务是如何划分生命周期?
通过上面的商业通路分析,我们了解到产品的商业价值体现在DAU与GMV上,所有在用户生命周期也需要根据这两个价值进行划分:
将注册时间在15天以上的留存用户提取出来,抓取他们在15天内的登陆次数+使用时长+付费额度进行分析,借此找出高价值的用户。
将15天前注册的留存用户进行分群:

观察这批用户的登陆次数的分布、平均使用时长分布、消费额度分布。

通过数据分析发现,这批留存15天以上用户的数据如下:

31%的用户登陆次数在1-5次
49%的用户登陆次数在5-8次
20%的用户登陆次数在8次以上

11%的用户平均访问时长在30分钟内
52%的用户平均访问时长在30-120分钟以内
37%的用户平均访问时长120分钟以上

57%的用户付费总额在100以下
29%的用户付费总额在100-500之间
14%的用户付费总额在500以上
根据上面分析出的留存用户行为共性,对用户进行生命周期划分:

将之前定义好的个性角色分层与生命周期分层结合起来,将成长期与成熟期的用户进行二次划分,将运营的颗粒度再拆细一点,搭建用户的成长阶梯,以便于后续做更有针对性的精细化运营。
3. 基于用户分层搭建用户成长阶梯+运营模型
3.1 搭建用户成长阶梯
根据之前定义好的个性角色分层与生命周期分层进行结合,将用户的价值逐层递进。


3.2 围绕用户成长阶梯梳理用户运营模型

4. 梳理成长阶梯不同阶段的成长路径,并进行筛选(用户留存与漏斗分析)
通过桑箕图,枚举出用户不同阶段的所有成长路径,能够达到提升用户成长阶段的路径都可以罗列出来:

每个成长阶段,都梳理出几个提升的路径,并通过漏斗,留存分析等,将每个阶段有运营价值的成长路径筛选出来(可多个) 。

以注册用户到新手用户为例,分析如何筛选出有价值的成长路径,其他阶段的用户群分析过程也类似。
先通过页面访问路径并结合业务进行分析,挖掘出了用户从注册用户提升到新手用户,再到使用产品核心功能的两条路径。
接下来对这两条路径进行分析,考虑到两个路径都是属于主路径,为了尽量让用户在前期的行为符合产品设计的预期,不至于出现过多选择而导致流失,这两条路径只留下一条;并着重做好相关的运营打磨引导工作,分析主要侧重在三个方面:
哪条路径更优?
大部分用户符合什么特征?
大部分用户是否做什么相同的行为?
整理出新用户到新手用户的所有成长路径:

分析相关性(哪条路径更优→分析基础共性→分析行为共性)
先通过漏斗分析,对比两个转化路径的转化率。
路径A漏斗:

路径B漏斗:

接下来将这两个路径的转化人群和流失人群分别保存并进行对比分析,主要以用户的基础数据+用户的行为数据作为分析的维度,看能否挖掘出一些共性,为后续做路径优化提供决策。

接下来通过用户的属性,使用事件分析功能,对这些用户进行多维度的拆解,主要从地区,性别,年龄等方面进行分析。

接下来分析用户的行为特性,通过事件分析功能,分别对这批转化成功的用户进行留存相关的分析,以检验转化的后续稳定性,并挖掘出留存的关键转化功能,提升价值的关键功能。

评估结果(对比转化率,对比留存率):
1. 2000名新用户中,走完路径1的用户有1238,转化率为74%;路径2的用户有1738,转化率为85%。可得2路径更优。
2. 两个路径加起来3000多转化成功的用户中:
a. 男女比例为77.3%,22.7%。
b. 一、二线城市的用户占比为32.3%,3,4线城市占比为67.7%。
c. 使用了‘关注主播’功能的用户中,次留为30%,站内平均是20%。
将用户成长路径表里的所有不同提升阶段的路径都分析后,就可以得到一些关于这些路径的理解以及数据分析展现的结果,将这些分析结果整理起来,为后续运营策略提供决策支持。
5. 围绕用户成长路径进行运营策略的落地
通过上面的一系列分析,我们已经得到了对不同层次的用户进行提升的洞察。接下来需要借助这些洞察,对每个路径的各个不同节点进行运营策略的设计,也就是对用户的行为进行引导与激励,让用户按照我们预设路径去走,进而完成对用户价值的提升。
进行运营策略设计之前需要对用户行为进行归类,分为:
一次性行为(一般主要存在于主路径,即首次达成某个目标,如第一次送礼,第一次开播等)。
里程碑行为(主要用户对用户累积性行为进行激励,签到10天,点赞超过1000,在线30分钟等)。
持续性行为(需要用户持续执行的动作,每天登陆奖励,每次开播等)。
从用户成长路径中找到需要进行一次性激励或里程碑式激励的激励点。

从产品功能模块来找需要长期持续激励的激励点。

运营策略设计:略
6. 设计等级系统,串联起用户成长路径
对激励的用户行为赋予奖励与成长值,并依照不同函数模型构建用户等级曲线,最后将相应的用户等级匹配到权益跟奖励。
成长体系设计方案:略
7. 预流失预警与召回机制设计
7.1 定义流失指标,并定位出流失人群
通过对用户的回流率进行分析发现,当回流率降到5%时,会有一个明显的拐点,后面数据趋向平缓,于是将30天无登陆定义为流失用户。

7.2 构建不同层级的流失用户结构图,分析流失用户行为
是否流程环节问题:以新手期,成长期,成熟期为分析维度,分析流失用户的占比。
是否用户质量问题导致:分析不同渠道的流失用户占比。
是否特定用户群问题:分析用户的基础属性,性别,地域,年龄,兴趣等是否类似。
是否特定行为/功能问题:分析流失场景,用户做了什么行为/使用什么功能。
下面以新手期为例,分析流失用户行为,其他阶段的用户群分析过程也类似。
分析流失用户特征,建立流失用户分级预警数据库。
对用户进行分群:

分析新手期用户每天的平均使用时长:

分析每周登陆次数:

前面分析观察到,“关注主播”这个功能会大大提升留存,所以对这个功能也进行分析,分析用户关注的主播数。

对数据进结果行可视化展示:




根据数据分析,总结出新手期用户流失的特征:
55%的用户来源于地推二维码
98%的用户每日使用时长为30分钟以下
93%的用户每日登陆次数在2次以下
92%的用户关注的主播不到2个
7.3 监控数据,进行新手期预流失用户建模
地推注册的用户天然流失率高,质量差。
连续3天每日登陆次数在2次以下标记为预流失用户。
度过注册期并活跃但没有关注主播的用户标记为预流失用户。
连续3天每日在线时长少于30分钟的用户标记为预流失用户。
……
7.4 制定召回策略,建立自动召回协同体系
召回策略:略
相关阅读
作者:AFen
本文为「人人都是产品经理」社区和友盟+联合举办的“2019「友盟杯」数据分析大赛”中获奖作品,未经作者及平台许可,禁止转载
本文部分数据有脱敏处理,非全部真实数据
有关产品测评大赛合作事宜,请联系邮箱:denis@woshipm.com
网友评论