豆瓣產(chǎn)品專(zhuān)家實(shí)操分享:用戶(hù)分層模型案例,精細(xì)化運(yùn)營(yíng)必學(xué)干貨01
通過(guò)一個(gè)實(shí)際的豆瓣運(yùn)營(yíng)案例,本文將展示如何利用用戶(hù)分層策略有效地提升用戶(hù)活躍度。從業(yè)務(wù)邏輯分析到策略執(zhí)行,每一步都是精細(xì)化運(yùn)營(yíng)的精髓,帶來(lái)明顯的改進(jìn)效果。
01 實(shí)施流程
1. 梳理業(yè)務(wù)邏輯
在一個(gè)產(chǎn)品中實(shí)施用戶(hù)分層運(yùn)營(yíng),首先要梳理清楚這個(gè)產(chǎn)品的業(yè)務(wù)邏輯。當(dāng)明確了產(chǎn)品需要通過(guò)用戶(hù)分層來(lái)解決一些精細(xì)化運(yùn)營(yíng)或整體用戶(hù)價(jià)值提升的問(wèn)題時(shí),梳理業(yè)務(wù)邏輯就顯得尤為重要。所有的用戶(hù)分層操作,歸根結(jié)底都要服務(wù)于產(chǎn)品本身的業(yè)務(wù)邏輯,這一點(diǎn)必須要明確。
2. 選擇分層模型
梳理完業(yè)務(wù)邏輯后,第二步就是要結(jié)合手里的資源、要解決的問(wèn)題以及當(dāng)下的現(xiàn)狀,來(lái)選擇一個(gè)更適合、更適用的用戶(hù)分層模型。不同的分層模型各有優(yōu)劣,需要根據(jù)實(shí)際情況去權(quán)衡選擇。比如時(shí)間、人力資源有限時(shí),就要優(yōu)先考慮實(shí)施成本較低的分層方案。
3. 爬取數(shù)據(jù)劃分
選定了分層模型后,第三步就是要圍繞著這個(gè)模型,去爬取相關(guān)的數(shù)據(jù)。然后結(jié)合拿到的數(shù)據(jù),完成對(duì)不同用戶(hù)層次的具體劃分。通過(guò)數(shù)據(jù)刻畫(huà)出每個(gè)層次用戶(hù)的典型特征,為分層運(yùn)營(yíng)打下基礎(chǔ)。數(shù)據(jù)劃分的精細(xì)程度,很大程度上決定了后續(xù)運(yùn)營(yíng)工作的精準(zhǔn)度。
4. 制定運(yùn)營(yíng)策略
當(dāng)用戶(hù)分層工作完成后,下一步就是要圍繞劃分出的不同用戶(hù)層級(jí),制定差異化的分層運(yùn)營(yíng)策略。不同價(jià)值的用戶(hù)群體關(guān)注點(diǎn)不同,需要采取不同的運(yùn)營(yíng)手段。比如對(duì)高價(jià)值用戶(hù)可以側(cè)重激勵(lì)和發(fā)展,而對(duì)低價(jià)值用戶(hù)則偏重喚醒和召回。分層運(yùn)營(yíng)策略要緊扣分層依據(jù),有的放矢。
5. 執(zhí)行檢驗(yàn)迭代
最后一步就是持續(xù)地執(zhí)行分層運(yùn)營(yíng)策略,檢驗(yàn)運(yùn)營(yíng)效果,并根據(jù)反饋對(duì)策略進(jìn)行迭代優(yōu)化。雖然這個(gè)流程聽(tīng)起來(lái)很簡(jiǎn)單,但在實(shí)際執(zhí)行過(guò)程中還是有很多需要注意的地方。比如如何設(shè)置合理的效果評(píng)估周期、關(guān)鍵指標(biāo)等。用戶(hù)運(yùn)營(yíng)是一個(gè)長(zhǎng)期而動(dòng)態(tài)的過(guò)程,策略也需要隨著用戶(hù)的變化而不斷迭代升級(jí)。用戶(hù)分層需要梳理業(yè)務(wù)、選擇模型、劃分層次、制定策略和持續(xù)優(yōu)化五個(gè)步驟。只有嚴(yán)格遵循規(guī)范流程,一步一個(gè)腳印地推進(jìn),才能真正發(fā)揮用戶(hù)分層的威力,激發(fā)用戶(hù)活力,為產(chǎn)品注入持續(xù)增長(zhǎng)的動(dòng)力。
02 案例分析
1. 案例背景介紹
1)豆瓣APP運(yùn)營(yíng)現(xiàn)狀
豆瓣APP是一款主打圖書(shū)、影視、音樂(lè)等文化類(lèi)內(nèi)容的社區(qū)產(chǎn)品。一直以來(lái),豆瓣的運(yùn)營(yíng)主要聚焦在對(duì)頭部KOL的維護(hù)上,而缺乏面向全站普通用戶(hù)的精細(xì)化運(yùn)營(yíng)策略。用戶(hù)分層體系尚未建立,用戶(hù)生命周期管理幾乎是空白。整體而言,豆瓣的用戶(hù)運(yùn)營(yíng)還處于比較粗放的階段。
2)面臨的問(wèn)題與挑戰(zhàn)
某天,從數(shù)據(jù)中發(fā)現(xiàn),豆瓣APP最近 3 個(gè)月的用戶(hù)活躍時(shí)間和活躍人數(shù)呈現(xiàn)緩慢下滑趨勢(shì)。這一現(xiàn)象敲響了警鐘,預(yù)示著豆瓣或許到了需要開(kāi)展精細(xì)化用戶(hù)運(yùn)營(yíng)的時(shí)候了。于是豆瓣的某位運(yùn)營(yíng)負(fù)責(zé)人接到了一項(xiàng)緊急任務(wù):在 3 天內(nèi)拿出一套可落地執(zhí)行的精細(xì)化用戶(hù)運(yùn)營(yíng)方案。
3)項(xiàng)目目標(biāo)與限制
該運(yùn)營(yíng)負(fù)責(zé)人肩負(fù)的使命,就是要快速制定一套行之有效的方案,遏制住豆瓣的用戶(hù)活躍度下滑趨勢(shì)。但他面臨的現(xiàn)實(shí)條件十分有限:手下只有一個(gè)實(shí)習(xí)生,沒(méi)有足夠的人力去做復(fù)雜的數(shù)據(jù)分析;時(shí)間緊迫,3 天內(nèi)必須拿出方案。在這種情況下,還要確保方案切實(shí)可行,難度可想而知。
2. 按流程推進(jìn)
1)梳理業(yè)務(wù)邏輯圖
a. 關(guān)鍵角色與關(guān)系
首先,這位負(fù)責(zé)人快速梳理了豆瓣APP的業(yè)務(wù)邏輯圖。豆瓣主要由 3 類(lèi)用戶(hù)角色構(gòu)成:生產(chǎn)型用戶(hù)、消費(fèi)型用戶(hù)和官方運(yùn)營(yíng)團(tuán)隊(duì)。其中生產(chǎn)型用戶(hù)負(fù)責(zé)內(nèi)容生產(chǎn),消費(fèi)型用戶(hù)負(fù)責(zé)內(nèi)容消費(fèi),官方運(yùn)營(yíng)團(tuán)隊(duì)則肩負(fù)內(nèi)容整合、推薦、審核和編輯優(yōu)化的職責(zé)。厘清了這 3 類(lèi)角色的定位和相互關(guān)系,為下一步選擇用戶(hù)分層模型提供了依據(jù)。
(2)選擇適用分層模型
a. 結(jié)合問(wèn)題與資源
接下來(lái)要做的就是選擇一個(gè)最適合豆瓣當(dāng)前狀況的用戶(hù)分層模型。首要考慮的是緊迫的時(shí)間和稀缺的人力資源。復(fù)雜的用戶(hù)分層方法如個(gè)性化特質(zhì)分層,需要處理海量數(shù)據(jù),耗時(shí)耗力,暫時(shí)都不在考慮之列。
b. 判斷業(yè)務(wù)標(biāo)準(zhǔn)化度
其次需要考慮的是豆瓣業(yè)務(wù)本身的標(biāo)準(zhǔn)化程度。豆瓣是一個(gè)高度個(gè)性化的內(nèi)容社區(qū),用戶(hù)的興趣愛(ài)好千差萬(wàn)別,很難用一套標(biāo)準(zhǔn)的服務(wù)來(lái)滿(mǎn)足。這就意味著基于統(tǒng)一規(guī)則的用戶(hù)分層如身份分層,可能并不太適用。
c. 判斷用戶(hù)影響可能
再次需要考慮的是用戶(hù)之間相互影響的可能性。在豆瓣這樣一個(gè)社交屬性濃厚的社區(qū)里,用戶(hù)間的互動(dòng)和傳播效應(yīng)不容忽視。因此那些能夠反映用戶(hù)社交影響力的分層指標(biāo),或許更具參考價(jià)值。
d. 二八法則初篩高價(jià)值用戶(hù)
考慮到種種限制條件,負(fù)責(zé)人決定從二八法則入手,優(yōu)先篩選和運(yùn)營(yíng)那 20% 創(chuàng)造 80% 價(jià)值的高價(jià)值用戶(hù)群體。二八法則雖然簡(jiǎn)單,但勝在省時(shí)省力,更容易在短期內(nèi)見(jiàn)到成效。具體而言,就是要通過(guò)一些關(guān)鍵行為指標(biāo),圈定出那批高價(jià)值種子用戶(hù),再去分析他們的典型特征,進(jìn)而實(shí)施更精準(zhǔn)的分層運(yùn)營(yíng)策略。
3)關(guān)鍵行為界定用戶(hù)價(jià)值
那么問(wèn)題來(lái)了,如何界定和篩選這批種子用戶(hù)呢?負(fù)責(zé)人想到了以用戶(hù)的關(guān)鍵行為作為切入點(diǎn)。具體到豆瓣這款產(chǎn)品,無(wú)非就是兩個(gè)最核心的行為:內(nèi)容消費(fèi)和內(nèi)容發(fā)布。
a. 內(nèi)容消費(fèi)頻次
對(duì)于內(nèi)容型產(chǎn)品而言,內(nèi)容消費(fèi)頻次是用戶(hù)活躍度的直接體現(xiàn)。消費(fèi)得越頻繁,說(shuō)明用戶(hù)粘性越高,價(jià)值也就越大。因此將內(nèi)容消費(fèi)頻次作為劃分用戶(hù)價(jià)值的一個(gè)重要依據(jù),不會(huì)有太大問(wèn)題。
b. 內(nèi)容發(fā)布頻次
除了內(nèi)容消費(fèi),內(nèi)容發(fā)布頻次同樣是界定用戶(hù)價(jià)值的關(guān)鍵指標(biāo)。一個(gè)愿意主動(dòng)分享和創(chuàng)作的用戶(hù),對(duì)社區(qū)的貢獻(xiàn)遠(yuǎn)大于普通的”潛水”用戶(hù)。將這些content creator圈定出來(lái)加以重點(diǎn)運(yùn)營(yíng),對(duì)提升整體內(nèi)容活躍度大有裨益。
(4)交叉對(duì)比確定分層模型
a. 訪(fǎng)問(wèn)次數(shù)區(qū)分用戶(hù)活躍度
在實(shí)際操作中,負(fù)責(zé)人以用戶(hù)近期的訪(fǎng)問(wèn)次數(shù)作為衡量?jī)?nèi)容消費(fèi)頻次的指標(biāo)。某個(gè)時(shí)間段內(nèi)訪(fǎng)問(wèn)豆瓣的次數(shù)越多,就代表用戶(hù)活躍度越高。據(jù)此可以給用戶(hù)的整體活躍度打分,區(qū)分出高活躍和低活躍用戶(hù)。
b. 發(fā)布次數(shù)區(qū)分用戶(hù)貢獻(xiàn)度
同理,以用戶(hù)主動(dòng)發(fā)布內(nèi)容的次數(shù)作為衡量?jī)?nèi)容創(chuàng)作程度的指標(biāo)。在豆瓣發(fā)布評(píng)論、日記和話(huà)題討論的頻次越高,就代表這個(gè)用戶(hù)的貢獻(xiàn)度越大。據(jù)此可以給用戶(hù)的貢獻(xiàn)度打分,區(qū)分出高貢獻(xiàn)和低貢獻(xiàn)用戶(hù)。
將用戶(hù)的活躍度和貢獻(xiàn)度評(píng)分進(jìn)行交叉組合,就可以比較輕松地劃分出高活躍高貢獻(xiàn)、高活躍低貢獻(xiàn)、低活躍高貢獻(xiàn)、低活躍低貢獻(xiàn)等幾類(lèi)不同的用戶(hù)群體。進(jìn)而針對(duì)不同特征的用戶(hù)群,設(shè)計(jì)有針對(duì)性的差異化運(yùn)營(yíng)策略,才能真正做到因材施教,對(duì)癥下藥。
通過(guò)這篇文章,希望能幫助大家了解如何在資源有限的情況下,快速搭建一個(gè)用戶(hù)分層模型,并將其應(yīng)用于實(shí)際工作中,提升用戶(hù)活躍度和用戶(hù)價(jià)值。
本文由 @小黑哥 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載
題圖來(lái)自 Unsplash,基于 CC0 協(xié)議
該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
rfm模型,你可以繼續(xù)寫(xiě)完實(shí)踐
個(gè)人覺(jué)得案例分析是及其重要的一部份,能夠查漏補(bǔ)缺。
不夠深刻