本文作者介紹一種用戶運營體系方法，是通過RFM模型轉化來的。

從事互聯網的同行相信也了解現在的市場行情，在獲客成本越來越高，市場用戶總數大致不變的情況下。到處都是一片紅海。

所以，在“蛋糕就這么大，分蛋糕的人卻越來越多的情況下”，如果維護好每一個費力爭取進來的用戶，自然成了至關重要的作用。這個事，主要也是用戶運營從事在進行操盤的。

那么，用戶運營要怎么做？其實，大部分從事運營的同事方法均有所差異。作為運營，無非就是拉新、促活、提高留存、提高訂單、提升流水等。而針對不同的運營目的，每一個資深的運營從事者運營的方法是不同。

以下，介紹一種通過RFM模型轉化來的用戶運營體系方法，也是筆者最近的一個心得，運營老司機請繞道。

一、定義不同層次的用戶類型

首先需對不同類型用戶區分，如下：

臨界值的確定

這里分為橫向和縱向兩個維度來進區分。舉例如下：

數據取值范圍：1.1-3.1（兩個月的數據）

（1）橫向：按照用戶消費頻次（成熟度）區分，如：

1. 初級用戶：消費1-5單用戶；
2. 成長用戶：消費6-10單用戶；
3. 成熟用戶：10單以上用戶。

（2）縱向：按照用戶活躍度區分，如：

1. 活躍期：最近4天有消費的用戶；
2. 衰退期：5-10天未消費的用戶；
3. 流失期：11-20天未消費的用戶；
4. 死亡期：20天以上未消費的用戶。

舉例：初級用戶&活躍期：即代表在近兩個月內，用戶消費了5單以下。但該用戶最近三天有消費。

數據需求表參考：

注：這里可看前三列，后兩列作為數據參考。

以上僅僅是舉例（偏電商類型的業務），可能不同行業不同業務下，用戶的消費頻次和活躍度是不同的。這里要看具體的業務而定。

二、制定對應的用戶體系模型

通過以上用戶定義：我們可繪制出我們整個用戶運營的框架

注：此模型之前參考過一個大神文章啟發的。

以上的圖簡單易懂，這里說明一下：

我們的目標即可細化為：

1. 初級用戶轉化成長用戶，成長用戶轉化為成熟用戶。
2. 沉睡用戶和流失用戶進行喚醒，拉為活躍用戶。

通過以上兩種方式，形成循環閉環。

其中幾個小細節是關鍵要素：

（1）初級用戶由于對產品熟悉度不夠，故流失和沉睡可能較多，需專門針對此批用戶進行專項分析、運營。

（2）到成長期和成熟期以后，對于流失和沉睡的用戶需重點關注。

特別是成熟期的流失用戶，此批用戶大部分是經過長期的維護和大量的資源支出，才變成我們的忠實fans，如果流失數據異動很大，就要立項專門去研究。負責這一塊的小伙伴更要走下去，深入和這批用戶溝通，找出真正的原因，而不是在辦公室看著數據拍腦袋定原因。分析出來的東西，更要去和真正的用戶反復進行驗證。

（3）當然，精細化的分析出用戶體系，最重要就是對癥下藥，減少預算、提高轉化。

所以，對不同類型用戶，可能運營的策略和方法是不同。

三、具體的運營方法

首先，我們可以通過以上的模型，挖掘出對應的用戶數據。

這里說個題外話：很多同學可能對這批數據的獲取會比較頭疼。特別是創業型公司，根本沒有相應的數據平臺。所以這里可以提3點建議：

1. 通過后臺導出相應的訂單數據源表，自行通過excel等工具進行處理（具體的excel方法就不贅述了）
2. 和管數據庫的開發哥哥溝通，通過sql語句進行導出。（方便是方便，但經常打擾人家也不太好。）
3. 如果此體系定下來了。一定要和產品經歷溝通此需求。個人覺得這方面很關鍵，數據是運營的基礎，有強大的數據后臺，會節省很多工作量，提高工作效率。

以下導出相應的數據：

注：數據僅僅是舉例參考。

根據簡單數據分析，即可嘗試以下的運營動作：

1. 初級用戶的沉睡期和流失期用戶最多。可申請鋪一批組合券進行喚醒。如：1張高面額、低門檻券，1張低面額、低門檻券進行促活，并做好券到期提醒。（兩張券的含義是讓用戶能多逗留、多消費一次。盡量能加長使用我們的產品時間）
2. 處于成長期的用戶，相對來講，也算較為熟悉我們產品。可設置消費返券或發放中等面額的優惠券，并根據其用戶購買習慣push相應的文案。
3. 對于成熟用戶，重點關注其流失期和沉睡期用戶。可安排客服進行抽樣訪談，了解流失原因。并申請一批優惠券或者禮品（需使用產品兌換），作為獎勵或者歉意的補償等。
4. 活躍期的成長和成熟的用戶，目的是提高用戶的消費客單價和頻次。所以可以相應發一些低面額，較高門檻的優惠券，并push熱門或者爆款的商品等。

以上只是筆者簡單列舉一些方式，具體動作需根據業務和具體的數據反饋來定。但大體的形式可以參考。

通過初級、成長、成熟和活躍、衰退、沉睡多個維度交叉分析，總能發現出問題，制定相應的運營策略。

四、運營動作的周期和推送的方式

運營動作周期

用戶運營的體系，是需要進行長期的運營操作?？赡軙鶕^程中的數據反饋，來調整具體的動作。但方法和大方向基本應該保持一致。

當然，根據業務的不同性，運營動作的操作也會有所差異。

以電商業務舉例，在電商業務中，不同用戶類型操作的頻率也是不同。

如：

• 死亡期的用戶：一個月/半個月集中整理一次數據，進行發券、推送等。
• 流失期的用戶：此批用戶屬于瀕臨死亡，則需每3天/7天需分析一次，進行運營激活等。

關鍵點于：當你對某批用戶進行操作后，要進行相應的追蹤。如隔1個星期后，再觀察相應的數據轉化情況，以及在新的時間維度中，此批數據在各個層級中的占比。也方便你做好相應的匯報和總結。

舉例：3月1號對前兩個月的數據進行上述的分析后，在4月份撈出來的數據中，3月份這批數據在最新數據中的情況，以此來評估你的運營效果和指導后續的動作。同時，還能同比日活情況、留存情況等指標，多維護結合來分析效果。

對于用戶推送

這方面展開來講，可能又是一篇文章，先拋開時間、頻次這些因素，簡單的策略建議如下：

1. 初級用戶、死亡用戶推送優惠，引導消費。
2. 成長、成熟用戶推送根據用戶數據反饋，推送相應爆款，特色商品、產品活動等。
3. 推送后的用戶引導鏈接、跳轉方式越短越好。

五、總結

最后，簡單梳理下本文闡述的方法：

1. 對我們產品用戶進行精細分層級；
2. 制定相應的用戶模型（RFM模型的應用）；
3. 根據定好模型，進行相應用戶數據的收集；
4. 通過數據的分析制定相應的運營策略；
5. 運營周期、推送的方式和數據效果的評判標準。

我們做用戶運營，一定要確定好目標。無論是促活、提高留存、提升訂單、拉高客單和提升流水，具體到相應的運營動作是有差異的。一定記得要對癥下藥，確定1-2個目標，循序漸進。對于后續的復盤分析也要認真分析到位，做好統計，及時進行調整。

當然，RFM的模型，還有一個用戶的消費金額。當你需要更細化對用戶進行分層時，還可以將此指標考慮進去。然后對數據進行加權處理，可能又會得到不同的結果了。

本文由 @花道?原創發布于人人都是產品經理。未經許可，禁止轉載。