用戶(hù)運營(yíng)是用戶(hù)運營(yíng)營(yíng)做什么？

答主就職的部??門(mén)有三個(gè)職能：用戶(hù)運營(yíng)、數據分析、增長(cháng)數據產(chǎn)品??。戶(hù)運

以我所在的個(gè)職新零售+電商行業(yè)(╯‵□′)╯為例。

用戶(hù)運營(yíng)

核心就是用戶(hù)運營(yíng)營(yíng)圍繞【人貨場(chǎng)】進(jìn)行運營(yíng)，進(jìn)而提升??復購率等指標：

• 【人】即客戶(hù)，增長(cháng)了解整體畫(huà)像，戶(hù)運根據場(chǎng)景進(jìn)行用戶(hù)分層營(yíng)銷(xiāo)
• 【貨】即產(chǎn)??品及與之搭配的個(gè)職促銷(xiāo)策(ce)略(′?｀*)
• 【場(chǎng)】廣義來(lái)說(shuō)，即為渠道、用戶(hù)運營(yíng)營(yíng)節日活動(dòng)，增長(cháng)與客戶(hù)觸達的戶(hù)運“天時(shí)地利”

大白話(huà)說(shuō)，就是個(gè)職解決【什么時(shí)候什么樣的人會(huì )在怎樣的場(chǎng)合下購買(mǎi)什么產(chǎn)品】的問(wèn)題

根據【人貨場(chǎng)】的不同組合，可產(chǎn)生不同的用戶(hù)運營(yíng)營(yíng)業(yè)務(wù)場(chǎng)景，例如：

• 【貨場(chǎng)→人】天貓??確定??了情人節活動(dòng)，增長(cháng)產(chǎn)品部門(mén)要求主推情人節套裝產(chǎn)品，戶(hù)運平臺運營(yíng)(°o°)明確了折扣政策，此時(shí)，用戶(hù)運營(yíng)部就出場(chǎng) → 圈選出可??能會(huì )(′?｀*)在情人節復購的人群A，圈選可能偏好主推產(chǎn)品的人群B，對人群A與人群B做交叉即為此活動(dòng)目標人群，根據促銷(xiāo)政策制定優(yōu)惠券，并觸達人群。
• 【人場(chǎng)→貨】用戶(hù)??運營(yíng)部門(mén)使用RFM模型對人群精細化運營(yíng)，明確需提升重要價(jià)值用戶(hù)比例，即明確了目標人群 → 此時(shí)用戶(hù)運營(yíng)的童鞋就需要去找產(chǎn)品要合適的產(chǎn)品，找運營(yíng)拿折扣，甚至(zhi)找推廣配合做投放。
• 等等

• 
  

數據分析

在【人貨場(chǎng)】各種組合而成的復雜業(yè)務(wù)場(chǎng)景中，僅憑“直覺(jué)”，甚至“拍腦袋”，已經(jīng)無(wú)法業(yè)務(wù)目標(′?｀)。絕大(da)部分行業(yè)進(jìn)入存量(liang)運營(yíng)的今天，數據化決策已經(jīng)是紅海戰場(chǎng)上的武器。

所以，從前面【用戶(hù)運營(yíng)】的工作(zuo)中，存在著(zhù)許多數據分析的需求。它們的目的是通過(guò)數據分析找到業(yè)務(wù)增長(cháng)的鑰匙：

• 【貨場(chǎng)→人】?此場(chǎng)景已明確需主推的產(chǎn)品、節點(diǎn)及促銷(xiāo)政策，需進(jìn)行數據分析的地方：
• 【人貨匹??配】確定產(chǎn)品后，需要從全量人群中找到可能喜歡該產(chǎn)品的人
• 簡(jiǎn)單點(diǎn)的方式可以通過(guò)歷史訂單統計實(shí)現，即提取出產(chǎn)品的元??素，如愛(ài)心形，再從人群歷史訂單中找到喜歡心形的客戶(hù)，認為他們可能??也喜歡該新品
• 復雜點(diǎn)的方式可以通過(guò)例如復購關(guān)聯(lián)分析、商品推薦等模型反向找人群( ?ヮ?)
• 【復購周期】每個(gè)客戶(hù)的活躍狀態(tài)ヾ(′ω｀)?都不同，要先了解行業(yè)或者該品類(lèi)客戶(hù)的【生?命周期】是多長(cháng)，即復購間隔
  ，如30天 → 找出30前剛買(mǎi)完的(?????)客戶(hù)，認為他們處于活躍購買(mǎi)狀態(tài)
• 【節日偏好】一般認為多次在節??日節點(diǎn)購買(mǎi)的客戶(hù)是偏好??該節日的，例如產(chǎn)品有送禮屬性，則客戶(hù)在情人節買(mǎi)就是送對象的，一般??他們感情不破裂就有可能在下個(gè)情人節繼續送
• 【折扣敏感】不可否認的確存在對價(jià)格敏感的客戶(hù)，甚至是“羊毛黨”，折扣力度大才會(huì )現身購買(mǎi)，發(fā)現這樣的規律能更好地將優(yōu)惠券與客戶(hù)匹配
• 【人場(chǎng)→貨】與第一個(gè)場(chǎng)景不同的是，此場(chǎng)景先明確人群，再去匹配產(chǎn)品、折扣等，需進(jìn)行數據分析的地方：
• 【RFM】基于RFM??模型劃分人群后，提出目標要提升重要價(jià)值用戶(hù)是無(wú)法落地的，需要進(jìn)一步討論：
• 例如一般價(jià)值用戶(hù)，刺激ヽ(′?｀)ノ他們連帶消費、復購，即提升M，就可轉為重要價(jià)值用戶(hù)。
• 這樣才能提出落地的策略：針對一般價(jià)值用戶(hù)進(jìn)??行連帶提升。
• 【商品推薦】
  找出人??群可能喜歡的??商品，簡(jiǎn)單的方式可通過(guò)對歷史訂單的統計，復雜的方式可通過(guò)協(xié)同過(guò)濾等算法實(shí)現ヽ(′?｀)ノ。
• 此外，需要將(jiang)推薦模型與實(shí)際場(chǎng)景結合，此處目標為提升連帶，可以結合“購物籃分析”設計( ???)搭配組合。
• 【偏好價(jià)格】每個(gè)客戶(hù)歷史消費的客單價(jià)都不同，需要列出價(jià)格帶分ヽ(′ー｀)ノ布進(jìn)行分組營(yíng)銷(xiāo)，避免對低價(jià)位段客戶(hù)推薦高價(jià)品。
• 當然一個(gè)好的推薦模型可??以避免這樣的尷尬。

【注意】并不是說(shuō)要對每個(gè)場(chǎng)景都這樣嚴格進(jìn)行人群交并。更重要的是靈活應用，例如人群基數太少，則減少劃分規則，或選擇性地合并人群。

數據產(chǎn)品

從用戶(hù)運營(yíng)需求出發(fā)，數據分析賦能業(yè)務(wù)增(???)長(cháng)，經(jīng)測試有效后，需進(jìn)一步以產(chǎn)品的形式落地。

用戶(hù)運營(yíng)經(jīng)常會(huì )接觸到各種數據產(chǎn)品：

• 如果是在天貓平臺，接觸到的就(jiu)是天貓第三方服務(wù)商的用戶(hù)營(yíng)銷(xiāo)管理工具
• 如果是線(xiàn)下(xia)門(mén)店，接觸到的就是CRM
• 此外，還有幫助業(yè)務(wù)分析的BI、CDP等

經(jīng)測試有效ヽ(′?｀)ノ的數據( ???)分析結論可以(′?｀)通過(guò)報表、模型、標簽等形式插入??到這些數據產(chǎn)品中。其中，最重要的是形成的這些產(chǎn)品一定是經(jīng)??過(guò)“業(yè)務(wù)改造”，適配業(yè)務(wù)習慣的，這樣才能融入到業(yè)務(wù)的實(shí)際工作流中。

所以，這些結論以什么樣的方式呈現在你面前才能提高效率，就是用戶(hù)運營(yíng)部門(mén)需要考慮的。

版權聲明：本文內容由互聯(lián)網(wǎng)用戶(hù)自發(fā)貢(╬?益?)獻，該文觀(guān)點(diǎn)僅代表作者本人。本站僅提供信息存儲空間服務(wù)，不擁有所有權，不承擔相關(guān)法律責任。如發(fā)現本站有涉嫌抄襲侵權/違法違規的(de)內容， 請發(fā)送郵件至 [email protected] 舉報，一經(jīng)查實(shí)，本站將立刻刪除。