本文作者介紹一種用戶(hù)運營(yíng)體系方法，樣搭營(yíng)體營(yíng)體是建用(yong)建用通過(guò)RFM模型轉化來(lái)的。
從事互聯(lián)網(wǎng)的戶(hù)運戶(hù)運同行相信也了解現在的市場(chǎng)行情，在獲客成( ?ヮ?)本越來(lái)越高，系搭系市場(chǎng)用戶(hù)總數大致不變的大方情況(╯°□°）╯下。到處都是樣搭營(yíng)體營(yíng)體一片紅海。
那么，(???)系搭系用戶(hù)運營(yíng)要怎么做？大方其實(shí)，大部分從事運營(yíng)的同事方法均有所差異。作為運營(yíng)，無(wú)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(de)運營(yíng)目的，每一個(gè)資深的運營(yíng)從事者運營(yíng)的方法是不同。
以下，介紹一種通過(guò)RFM模型轉化來(lái)的用戶(hù)運營(yíng)體系方法，也是筆者最近的一個(gè)心得，運營(yíng)老司機請繞道。
一、定義不同層次的用戶(hù)類(lèi)??型首先(xian)需對不同類(lèi)型用戶(hù)區分，如下：
臨界值的確定這里分為橫向( ?ヮ?)和縱向兩(liang)個(gè)維度來(lái)進(jìn)區分。舉例如下：
數據取值范圍：1.1-3.1（兩個(gè)月的數據）
（1）橫向：按照用戶(hù)消費頻次（成熟度）區分，如：
初級用戶(hù)：消費1-5單用戶(hù)；成長(cháng)(chang)用戶(hù)：消費6-10單用戶(hù)；成熟用戶(hù)：10單以上用戶(hù)。（2）縱向：按照用戶(hù)活躍度區分，如：
活躍期：最近4天有消費的用ヾ(′ω｀)?戶(hù)；衰退期：5-10天未消費的用戶(hù)；流失期：11-20天未消費的用戶(hù)；死亡期：20天以上未消費的用戶(hù)。舉例：初級用戶(hù)&活躍期：即代表在??近兩個(gè)月內，用ヽ(′▽?zhuān)?/戶(hù)消費了5單以(╬?益?)下。但該用戶(hù)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。
通過(guò)以上用戶(hù)定義：我們可繪制出我們整個(gè)用戶(hù)運ヽ(′ー｀)ノ營(yíng)的框架
注：此模型之前參考過(guò)一個(gè)大神文章啟發(fā)的。
我們的目標即可細化為：
初級用戶(hù)轉化成長(cháng)用戶(hù)，成長(cháng)用??戶(hù)轉化為成熟用戶(hù)。沉睡用戶(hù)和流失用戶(hù)進(jìn)行喚醒，??拉為活躍用戶(hù)。通(tong)過(guò)以上兩種方??(?????)式，形成循環(huán)閉環(huán)。
其中幾個(gè)小細節是關(guān)鍵要素：
（1）初級用戶(hù)ヽ(′▽?zhuān)?ノ由于對(dui)產(chǎn)品熟悉度不夠，故流失和沉睡可能較多，需專(zhuān)門(mén)針對此批用戶(hù)進(jìn)行專(zhuān)項分析、運營(yíng)(′?｀*)。
（2）到成??長(cháng)期和成熟期以后，對于流失和┐(′д｀)┌沉睡的用戶(hù)需重點(diǎn)關(guān)注。
特別是成熟期的流失用戶(hù)，此批用戶(hù)大部分是經(jīng)過(guò)長(cháng)(′?_?`)期的維護和大量的資源支出，才變??成我們的忠實(shí)fans，如果流失數據異動(dòng)很大，就要立項專(zhuān)門(mén)去研究。負責這一塊的小伙伴更要走下去，深入和這批用戶(hù)溝通，找出真正的原因??，而不是在辦公室看著(zhù)數據拍腦袋定原因。分析出來(lái)的東西，更要去和(he)真正的用戶(hù)反復進(jìn)行驗證(′_ゝ`)。
所以，對不同類(lèi)型用戶(hù)，可能運營(yíng)的策略和方法是不同。
三、具體的(╯°□°)╯運營(yíng)方法首先，我們可以通過(guò)以(??ヮ?)?*:???上的模ヽ(′ー｀)ノ型，挖掘出對應的用戶(hù)數據。
這里說(shuō)個(gè)題外話(huà)：很多同學(xué)可能對這??批數據的獲取會(huì )比較頭疼。特別是創(chuàng )業(yè)型公(???)司，根本沒(méi)有相應的數據平臺。所以這里可(ke)以提3點(diǎn)建議：
通過(guò)后臺導出相應的(??-)?訂單數據源表，自行通過(guò)excel等工具進(jìn)行處理（具體的excel方法就不贅述了）和管數據庫的開(kāi)發(fā)哥哥溝通，通過(guò)sql語(yǔ)句進(jìn)行導出。（方便是方便，但經(jīng)常打擾人家也不太好。）如果此體系定下來(lái)了。一定要和產(chǎn)品經(jīng)歷溝通此需求。個(gè)人覺(jué)得這方面很關(guān)鍵，數據是運營(yíng)的??基礎，有強大的數據后臺，會(huì )節省很多工作量，提高工作效率。以下導出相應的數據(ju)：
注：數據僅僅是舉(′▽?zhuān)?)例參考。
根據簡(jiǎn)單數據分析，即可嘗試以(yi)下的運營(yíng)動(dòng)作：
初級用ヽ(′ー｀)ノ戶(hù)的沉睡期和流失期用戶(hù)最多?？缮暾堜佉慌M合??券進(jìn)行喚醒。如：1張高面額、低門(mén)檻券，1張低面額、低門(mén)檻券進(jìn)行促活，并做好券到期提醒。（兩張券的含義是讓用戶(hù)能多逗留???、多消費一次。?盡量能加長(cháng)使用我們的產(chǎn)品時(shí)間）處于成長(cháng)期的用戶(hù)，相對來(lái)講，也算較為熟悉我們產(chǎn)品?？稍O置消費返券或發(fā)放中等面額的優(yōu)惠券，并根據其用戶(hù)購買(mǎi)習慣push相應的文案。對于成熟用戶(hù)，重點(diǎn)關(guān)??注其流失期和沉睡期用戶(hù)?？砂才趴头M(jìn)行抽樣訪(fǎng)談，了解流失原因。并申請一批優(yōu)惠券或者禮品（需使用產(chǎn)品兌換），作為??獎??勵或者??歉意的補償等?；钴S期的成長(cháng)和成熟的用(yong)戶(hù)，目的是提高用戶(hù)的消費客單價(jià)和頻次。所以可以相應發(fā)一些低面額，較高門(mén)檻的優(yōu)惠券，并push熱門(mén)或者爆款的商品等。以上只是筆者簡(jiǎn)單列舉一些方式，具體動(dòng)作需根據業(yè)務(wù)和具體的數據反饋來(lái)定。但大體的??形式可以參考。
通過(guò)初級、成長(cháng)、成熟和活躍、衰退、沉睡多個(gè)維度交叉分析，總能發(fā)現出問(wèn)題，制定相應的運營(yíng)策略(′▽?zhuān)?。
四、運營(yíng)動(dòng)作的周期和推送的方式運營(yíng)動(dòng)作周期用戶(hù)運營(yíng)的體系，是需要進(jìn)行長(cháng)期的運營(yíng)操作?？赡?neng)會(huì )根(?⊿?)據過(guò)程中的數據反饋，來(lái)調整具體的動(dòng)作。但方法和大方向基本應該保持一致。??
當然，根據業(yè)務(wù)的不同性，運營(yíng)動(dòng)作的操作也會(huì )有所差異。
以電商業(yè)務(wù)舉例，在電商業(yè)務(wù)中，不同用戶(hù)類(lèi)型操作的頻率也是不同。
如：
死亡期的用戶(hù)：(?⊿?)一個(gè)月/半個(gè)月集中整理一次數據，進(jìn)行發(fā)券、推送等。流失期的用戶(hù)：此批用戶(hù)屬于瀕臨死亡，則需每3天/7天需分析一次，進(jìn)行運營(yíng)激活等(◎_◎;)。關(guān)鍵點(diǎn)于：當你對某批??用戶(hù)進(jìn)行操作后，要進(jìn)行ヽ(′▽?zhuān)?/相應的追蹤。如隔1個(gè)星期后，再觀(guān)察相應的數據轉化情況，以及在新的時(shí)間維度中，此批??數據在各個(gè)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(gè)月的數據進(jìn)行上述的分析后，在4月份撈出來(lái)的數據中，3月份這批數據在最??新數據中的情況，以此來(lái)評估你的運營(yíng)效果和指導后續的動(dòng)作。同時(shí)，還能同比日活情況、留存情況等指標，多維護結合來(lái)分析效(/ω＼)果。
對于用戶(hù)推送這方面展開(kāi)來(lái)講，可能又是一篇文章，先拋開(kāi)時(shí)間、頻次這些因素，簡(jiǎn)單的策略建議如下：
初級用戶(hù)、死亡用戶(hù)推送優(yōu)惠，引導消費。成長(cháng)、成熟用戶(hù)推送根據用戶(hù)數據反饋，推送相應爆款，特色商品、產(chǎn)品活動(dòng)等。推送后的用戶(hù)引導鏈接、跳轉方式越短越好。、總結最后，簡(jiǎn)單梳理下本文闡述的方法：
對我們產(chǎn)品用戶(hù)進(jìn)行精細分層級；制定相應的用戶(hù)模型（RFM模型的應用）；根據定好模型，進(jìn)行(xing)相應用戶(hù)數據的收集；通過(guò)數據的分析制定相應的運營(yíng)策略；(′▽?zhuān)?運營(yíng)周期、推送的方式和數據效果的評判標準。我們做用戶(hù)運營(yíng)，一定要確定好目標。無(wú)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(yíng)動(dòng)作是有差異的。一定記得要對癥下藥，確定1-2個(gè)目標，循序漸進(jìn)。對于后續的復盤(pán)分析也要認真分析到位，做好統計，及時(shí)進(jìn)行調整。
當然，RFM的模型，還有一個(gè)用戶(hù)的消費(fei)金額。當你需要更細化對用戶(hù)進(jìn)行分層時(shí)，還可以將此指標考慮進(jìn)去??。然后對數據進(jìn)行加權處理，可能又會(huì )得到不同的結果了。
