中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

發展速度減慢，或者碰到天花板，甚至產生倒退，這逼著我們運營一定要升級，而精細化的運營首先要更了解我們的用戶特征，才能更好的實施個性化的產品和服務。

前段時間寫了一篇文章《目標用戶群的定位和維系是產品運營的核心》，文中講述了我們做用戶運營最核心的四個過程：

• 目標用戶的定位：要足夠細分，足夠具體，才能足夠的聚焦，做的深入。
• 種子用戶的運營：更好的驗證并完善產品和服務，也是建立品牌傳播的基礎。
• 目標用戶的運營：緊抓目標用戶群的需求來構建產品服務能力，快速擴張。
• 目標用戶的調整：不斷驗證當前用戶群和目標用戶群的一致性，以價值為導向維系或調整我們的目標用戶群。

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

建立這樣一個運營的思路非常有必要，但是具體到執行環節，光靠這個流程是遠遠不夠的，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營團隊來說，我認為可能要經歷感性化運營、數據化運營和精細化運營三種階段。

第一階段：感性化運營

這個階段多存在運營的初期階段，依賴早期運營人員的專業能力以及對用戶群特性的了解，通俗一點說運營團隊和用戶群對脾氣，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雜起來，一種單一的調性不能完全滿足所有用戶的需求。而且隨著運營團隊的擴大，運營人員的能力及風格不一，也對運營產生干擾。感性化運營到了一定階段，可能就會導致忠實用戶的沉默甚至流失，新用戶缺乏特征。解決這一問題，我們就要通過運營過程的數據分析來找出問題，找出規律，形成比較客觀的解決方法。

第二階段：數據化運營

數據化運營顧名思義就是通過數據的分析來指導運營。以微信運營為例，想必做過微信運營人都有體會，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據和圖文閱讀的數據，分析各個渠道的數據，分析某段時間的趨勢。看數據能讓我們很容易監測我們運營的效果，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。

分析問題其實就是尋找問題的因果關系，還是以微信運營為例，內容的質量會影響用戶的增減，內容是因，用戶是果。但是我們往往是把用戶數據和內容數據分別來單看，微信的分析模塊也是分開的，不建立數據的關聯關系，就很難找到問題的因果關系。

所以數據化運營最重要的是建立起數據的關系，用一個更豐富的全景視圖來看運營的狀況。

在微信現有數據的基礎上，結合自身的業務特點，我做了一個表格，將用戶的數據和文章的數據關聯起來，每天采集一次。

圖注：微信全景數據的表格

采集數據是數據化運營的第一步，我們要先確定我們需要哪些數據，然后才是如何分析哪些數據。（有技術開發能力的團隊可以開發一個數據采集和分析的模塊，沒有技術能力的團隊也可以靠excel或者網上一些專門做數據分析的平臺來進行多維分析）

建立全景數據視圖的目的其實就是為了更直觀的做問題的因果分析：

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

通過用戶的增長數據和內容的標簽，我們就能更好的分析用戶群最感興趣的內容畫像，從而指導微信運營人員更好的做內容定位，而不再是完全靠個人感覺去做運營。

對于網站或者APP的運營，我們不僅需要建立更多的數據關聯關系，更應該把這些數據做成一個個可視化的運營看板，從各個維度來監控并分析產品的運營狀況。比如做一個運營日報的全景視圖，全方位的看每天的運營狀況。比如下圖：

圖片來源：數據觀

第三階段：精細化運營

隨著產品功能的增多和用戶的增多，用戶需求的多樣化和產品服務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。而精細化的運營就是通過用戶分群，對不同需求的用戶匹配不同的服務和內容，從而滿足其個性化的需求，從而更好的完成運營中拉新、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，不同的產品類型，用戶畫像的維度也有不同，以醫生的頭條–掌上醫訊為例，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

而用戶畫像的數據來源主要來自三個方面：

1. 用戶的個人資料
2. 日常行為標簽的累加
3. 根據規則進行數據算法的計算

（用戶行為數據的分析，需要技術團隊通過大數據的分析算法，不斷的總結歸納用戶特征，從而形成行為畫像。做精細化運營光靠運營團隊是遠遠不夠的，需要產品、技術、運營有統一的意識。）

當我們為每個人建立起這樣一個畫像以后，我們就能精準的為每個用戶推送不同的內容和服務，從而滿足用戶不同的需求。

建立用戶畫像后，我們就要根據用戶畫像進行精細化運營，我總結了精細化運營分三個過程：

第一步：分群畫像，找異同

圖注：運營指導模型：AARRR模型

上圖是指導我們運營工作的AARRR模型，首先運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，才能更好的來調整產品和服務來滿足各個群體的需求，讓現存用戶更活躍，讓流失用戶回來，讓新用戶進來。以我們掌上醫訊這個產品為例，我們根據用戶使用產品狀況把用戶進行了分層，如下表所示：

圖注：用戶群細分規則說明

然后再結合用戶畫像的數據，最終得到如下一個分群用戶的畫像數據分析。

圖注：用戶分群的用戶畫像分析，行為數據省略

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（有技術能力的團隊，最好還是直接開發出一套用戶分層分析的數據視圖看板出來），限于篇幅就不展示了。

上表還可以按照使用度+基礎屬性、使用度+行為屬性的不同組合再進行細分，更加針對性的描述用戶畫像。比如，做病例運營的同事可能更關心活躍用戶中關心病例的人群有什么特點？比如產品經理可能更關注活躍用戶中高年資醫生主要使用哪些服務？

根據AARRR模型，運營的最高境界是要做用戶的轉化，從而獲取收入，實現病毒式的傳播。所以針對活躍用戶，我們還可以根據用戶的價值再進行分群，比如普通用戶、傳播用戶、付費用戶、B端價值用戶等，原理都是一樣的。

第二步：分析原因，找對策

當我們的運營人員看到這個表格的時候，大家發現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生為主，但是卻發現高年資的醫生比例已經超出了行業的人群比例，而且這部分人群更有價值，這部分就可以修訂為我們的目標人群。比如我們的目標人群中有腫瘤科，但是在我們的活躍用戶里腫瘤科的醫生占比卻沒想象的高，那么會不會和我們的內容比例有關系，和我們推廣的渠道有關系，再結合其他數據（比如內容的畫像）來找差異。

我們再深入的分析用戶群體畫像，僅僅基礎屬性是不夠的，我們還要分析用戶的行為屬性?；钴S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?；钴S的用戶和流失的用戶在基礎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，這時候要產品和運營一起抓，運營調整見效快，但產品調整更長遠。比如運營會適當的加大腫瘤科內容的比重以及推薦力度，多做一些腫瘤科的內容專題，從而提升腫瘤醫生的活躍度和留存率；而產品可以升級腫瘤頻道，推出更多服務滿足腫瘤科醫生，改進內容推薦算法，更好的推薦內容。

第三步：執行監控，看效果

找到對策，具體對策對不對，效果怎么樣，這就需要我們在執行的過程中，不斷的監控數據。我們不僅要關注用戶的增長趨勢，而且我們每周都要更新我們的用戶畫像數據，看人群的轉化率，看和目標用戶群的匹配度，過程中我們根據效果進行不斷的調整。

從另外一個方面，我們不僅僅只關注用戶增長的數量，我們也要關注用戶群體的質量，從而滿足AARRR整個模型的要求，實現運營的目標。簡單做了一個數據監控圖（如下圖所示），縱坐標代表用戶的活躍程度，橫坐標代表用戶的價值，如果隨著運營的改進和升級，數據沿著紅色箭頭的方向增大，說明我們運營策略和執行過程是正確的，反之則需要我們再按照以上過程去調整。

圖注：監控活躍用戶中的價值用戶的比例，數據為示例，不具備可參考性

結語

梳理完這些方法和模型，的確可以指導團隊更好的進行分析思考，更有針對性的做方案，開展運營活動。但是真正執行起來卻發現，其實并沒有那么容易，存在各種各樣的問題：

• 想要的數據沒有！
• 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計分析，完全手工效率太低！

其實，大部分團隊都會遇到這些問題，因為資源有限。我們總是想辦法更好地服務用戶和客戶，卻忽視了一個能支持內部運營的高效的、智能的精細化運營系統的重要性。所以，要實現精細化的運營，不僅僅需要升級我們的運營思維，更需要整個產品團隊的高度重視，為精細化運營設計開發高效的運營工具。

作者：亂譚君，掌上醫訊產品經理，微信公眾號：菜根亂譚I（ID：CGLT_TAN）

本文由 @亂譚君 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Pexels，基于 CC0 協議