起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識針對直播產品的成熟期，重構用戶運營體系方案
隨著產品體量越來越大，用戶量與用戶類型逐漸復雜化、多樣化，這時候單一的運營策略就不足以支撐產品運營了。筆者為我們提供了一種新思路以及新的運營策略，重新構建用戶運營體系，有效解決這一難題。
一、方案背景
產品在前期的運營過程中，因為用戶量小，用戶行為不穩定，所以在運營的過程中，針對不同的業務目的在產品中設計了很多零散的運營策略去引導，激活用戶。
隨著產品的不斷發展，功能增加，用戶量越來越大，用戶類型也越來越豐富；但產品的運營策略也越發復雜龐大，對于后續的新進用戶不太友好，也不利于運營思路的整理與運營策略的制定。
故需要對零散的運營策略進行梳理，在現有用戶數據積累的支撐下，重新構建成一套完整、清晰、有效的用戶運營體系。
二、搭建框架
?三、詳細步驟
1. 梳理產品商業通路&用戶價值成長路徑
1.1?商業通路分析
- DAU價值：期望大體量用戶粘性與持續活躍，產品內需要一個用戶習慣養成通路。
- GMV價值：期望用戶有良好的付費習慣，產品內需要一個付費行為轉化通路。
1.2?用戶價值成長路徑分析
2.?基于用戶價值&個性角色對用戶進行分層
2.1?基于用戶角色進行分層
通過對產品進行拆解分析，根據經驗定性地給產品中不同類型的用戶劃分角色。
2.2?基于生命周期進行分層
生命周期是用戶從【接觸產品】到【離開產品】的全過程，首要任務是如何劃分生命周期？
通過上面的商業通路分析，我們了解到產品的商業價值體現在DAU與GMV上，所有在用戶生命周期也需要根據這兩個價值進行劃分：
將注冊時間在15天以上的留存用戶提取出來，抓取他們在15天內的登陸次數+使用時長+付費額度進行分析，借此找出高價值的用戶。
將15天前注冊的留存用戶進行分群：
觀察這批用戶的登陸次數的分布、平均使用時長分布、消費額度分布。
通過數據分析發現，這批留存15天以上用戶的數據如下：
- 31%的用戶登陸次數在1-5次
- 49%的用戶登陸次數在5-8次
- 20%的用戶登陸次數在8次以上
- 11%的用戶平均訪問時長在30分鐘內
- 52%的用戶平均訪問時長在30-120分鐘以內
- 37%的用戶平均訪問時長120分鐘以上
- 57%的用戶付費總額在100以下
- 29%的用戶付費總額在100-500之間
- 14%的用戶付費總額在500以上
根據上面分析出的留存用戶行為共性，對用戶進行生命周期劃分：
將之前定義好的個性角色分層與生命周期分層結合起來，將成長期與成熟期的用戶進行二次劃分，將運營的顆粒度再拆細一點，搭建用戶的成長階梯，以便于后續做更有針對性的精細化運營。
3.?基于用戶分層搭建用戶成長階梯+運營模型
3.1?搭建用戶成長階梯
根據之前定義好的個性角色分層與生命周期分層進行結合，將用戶的價值逐層遞進。
?3.2?圍繞用戶成長階梯梳理用戶運營模型
?4.?梳理成長階梯不同階段的成長路徑，并進行篩選（用戶留存與漏斗分析）
通過?；D，枚舉出用戶不同階段的所有成長路徑，能夠達到提升用戶成長階段的路徑都可以羅列出來：
?每個成長階段，都梳理出幾個提升的路徑，并通過漏斗，留存分析等，將每個階段有運營價值的成長路徑篩選出來（可多個）。
以注冊用戶到新手用戶為例，分析如何篩選出有價值的成長路徑，其他階段的用戶群分析過程也類似。
先通過頁面訪問路徑并結合業務進行分析，挖掘出了用戶從注冊用戶提升到新手用戶，再到使用產品核心功能的兩條路徑。
接下來對這兩條路徑進行分析，考慮到兩個路徑都是屬于主路徑，為了盡量讓用戶在前期的行為符合產品設計的預期，不至于出現過多選擇而導致流失，這兩條路徑只留下一條；并著重做好相關的運營打磨引導工作，分析主要側重在三個方面：
- 哪條路徑更優？
- 大部分用戶符合什么特征？
- 大部分用戶是否做什么相同的行為？
整理出新用戶到新手用戶的所有成長路徑：
分析相關性（哪條路徑更優→分析基礎共性→分析行為共性）
先通過漏斗分析，對比兩個轉化路徑的轉化率。
路徑A漏斗：
路徑B漏斗：
接下來將這兩個路徑的轉化人群和流失人群分別保存并進行對比分析，主要以用戶的基礎數據+用戶的行為數據作為分析的維度，看能否挖掘出一些共性，為后續做路徑優化提供決策。
接下來通過用戶的屬性，使用事件分析功能，對這些用戶進行多維度的拆解，主要從地區，性別，年齡等方面進行分析。
接下來分析用戶的行為特性，通過事件分析功能，分別對這批轉化成功的用戶進行留存相關的分析，以檢驗轉化的后續穩定性，并挖掘出留存的關鍵轉化功能，提升價值的關鍵功能。
評估結果（對比轉化率，對比留存率）：
1. 2000名新用戶中，走完路徑1的用戶有1238，轉化率為74%；路徑2的用戶有1738，轉化率為85%。可得2路徑更優。
2. 兩個路徑加起來3000多轉化成功的用戶中：
- a.?男女比例為77.3%，22.7%。
- b.?一、二線城市的用戶占比為32.3%，3，4線城市占比為67.7%。
- c.?使用了‘關注主播’功能的用戶中，次留為30%，站內平均是20%。
將用戶成長路徑表里的所有不同提升階段的路徑都分析后，就可以得到一些關于這些路徑的理解以及數據分析展現的結果，將這些分析結果整理起來，為后續運營策略提供決策支持。
5.?圍繞用戶成長路徑進行運營策略的落地
通過上面的一系列分析，我們已經得到了對不同層次的用戶進行提升的洞察。接下來需要借助這些洞察，對每個路徑的各個不同節點進行運營策略的設計，也就是對用戶的行為進行引導與激勵，讓用戶按照我們預設路徑去走，進而完成對用戶價值的提升。
進行運營策略設計之前需要對用戶行為進行歸類，分為：
- 一次性行為（一般主要存在于主路徑，即首次達成某個目標，如第一次送禮，第一次開播等）。
- 里程碑行為（主要用戶對用戶累積性行為進行激勵，簽到10天，點贊超過1000，在線30分鐘等）。
- 持續性行為（需要用戶持續執行的動作，每天登陸獎勵，每次開播等）。
從用戶成長路徑中找到需要進行一次性激勵或里程碑式激勵的激勵點。
從產品功能模塊來找需要長期持續激勵的激勵點。
運營策略設計：略
6. 設計等級系統，串聯起用戶成長路徑
對激勵的用戶行為賦予獎勵與成長值，并依照不同函數模型構建用戶等級曲線，最后將相應的用戶等級匹配到權益跟獎勵。
成長體系設計方案：略
7. 預流失預警與召回機制設計
7.1?定義流失指標，并定位出流失人群
通過對用戶的回流率進行分析發現，當回流率降到5%時，會有一個明顯的拐點，后面數據趨向平緩，于是將30天無登陸定義為流失用戶。
7.2?構建不同層級的流失用戶結構圖，分析流失用戶行為
- 是否流程環節問題：以新手期，成長期，成熟期為分析維度，分析流失用戶的占比。
- 是否用戶質量問題導致：分析不同渠道的流失用戶占比。
- 是否特定用戶群問題：分析用戶的基礎屬性，性別，地域，年齡，興趣等是否類似。
- 是否特定行為/功能問題：分析流失場景，用戶做了什么行為/使用什么功能。
下面以新手期為例，分析流失用戶行為，其他階段的用戶群分析過程也類似。
分析流失用戶特征，建立流失用戶分級預警數據庫。
對用戶進行分群：
分析新手期用戶每天的平均使用時長：
分析每周登陸次數：
前面分析觀察到，“關注主播”這個功能會大大提升留存，所以對這個功能也進行分析，分析用戶關注的主播數。
對數據進結果行可視化展示：
根據數據分析，總結出新手期用戶流失的特征：
- 55%的用戶來源于地推二維碼
- 98%的用戶每日使用時長為30分鐘以下
- 93%的用戶每日登陸次數在2次以下
- 92%的用戶關注的主播不到2個
7.3?監控數據，進行新手期預流失用戶建模
- 地推注冊的用戶天然流失率高，質量差。
- 連續3天每日登陸次數在2次以下標記為預流失用戶。
- 度過注冊期并活躍但沒有關注主播的用戶標記為預流失用戶。
- 連續3天每日在線時長少于30分鐘的用戶標記為預流失用戶。
……
7.4?制定召回策略，建立自動召回協同體系
召回策略：略
相關閱讀
作者：AFen
本文為「人人都是產品經理」社區和友盟＋聯合舉辦的“2019「友盟杯」數據分析大賽”中獲獎作品，未經作者及平臺許可，禁止轉載
本文部分數據有脫敏處理，非全部真實數據
題圖來自Unsplash，基于CC0協議
很棒的分享
請問文中的數據分析后臺工具，是自己開發的，還是借助的第三方產品?。?/p>
感謝分享，對運營變化思路有很大的幫助
你好，請問怎么樣可以聯系到這篇作者的同學呢？
你好，作者微信ZiFong，可以添加交流。
感謝分享??