精华内容
下载资源
问答
  • ”利用数据进行精细化运营管理是购物中心的长久生存之道。未来商业竞争,业态容易照搬、商家品牌可以分享、推广活动没有什么难度,真正学不来的是数据的处理、分析和挖掘,如何利用数据背后潜在的商业价值?本专题以...
  • 推荐系统与精细化运营

    千次阅读 2020-03-03 20:30:00
    企业之所以越来越重视精细化运营,是因为通过精细化运营来实现产品成功的成本低于其他方式的成本,而回报也相应更高。在这一背景下,能活下来、发展得好的企业都是注重精细化运营的。这里有三点原因可以用于解释为...

    作者丨gongyouliu

    编辑丨gongyouliu

    这是作者的第30篇文章,约1.6w字,阅读需90分钟

    随着大数据与人工智能(AI)技术的发展与成熟,国家政策层面对大数据与人工智能技术、创新、创业层面的支持,企业越来越意识到数据和AI技术的价值,并逐步认可数据是企业的核心资产。怎么利用大数据和AI技术从这些价值密度低、源源不断地产生的海量数据中挖掘商业价值,提升公司的决策力和竞争力,是每个提供产品/服务的公司(特别是toC互联网公司)必须思考和探索的问题。

     

    数据发挥价值的最重要的一种方式是做精细化运营,即根据不同的场景和特征进行有针对性的运营活动,提升运营的效率。推荐系统就是最重要的一种精准运营的方式,它借用机器的力量在无人干预的情况下为每个用户提供个性化的内容推荐。推荐系统已经深入到我们生活的每一个角落,现在越来越多的企业已经做到了千人千面,毫不夸张地说,未来推荐系统会成为所有数据型产品的标配,个性化时代已经到来!除了推荐系统外,内容运营、会员精细化运营、定向广告等运营活动都需要基于数据来获得对用户的深刻洞察,通过用户画像平台来圈定用户,并对用户进行有针对性的营销活动。

     

    在这篇文章中,我们就来讲解数据化运营、精细化运营相关的知识点,以及推荐系统作为一种精细化运营的工具,它在精细化运营中的作用,它跟常规的精细化运营的区别与联系。具体来说,在这篇文章中我们会从运营简介、数据化运营、精细化运营、用户画像介绍、推荐系统与精细化运营等5个方面来讲解相关知识。通过本文的学习,读者可以更加深刻地理解数据分析、用户画像、个性化推荐相关技术及方法论在运营中的价值,更好地领悟运营(特别是精细化运营)和推荐系统在产品迭代优化和用户发展中的作用。

     

    一、运营简介

    所谓运营,就是对企业运行过程的计划、组织、实施和控制,是与产品生产和服务创造密切相关的各项管理工作的总称。从另一个角度来讲,运营管理也可以指代对提供公司主要产品和服务的系统进行设计、运行、评价和改进的管理工作。

     

    运营不限于何种类型的企业,但在本文中我们将讨论范围限定在互联网企业。从广义角度上讲,互联网公司中一切围绕着网站或者APP产品进行的(人工或者自动化)干预都叫运营。运营对一个公司来说是非常重要的,连公司最高领导(CEO)都叫做首席运营官,他对公司业务发展与日常运营负责。除了CEO,互联网公司有专门从事更基础、更细致、更具体的事务执行的运营职位。随着互联网的发展,运营职位也越来越多样化,有用户运营、内容运营、商家运营、活动运营、社群运营、产品运营、新媒体运营等等。不管哪种运营方式,本质上还是对用户的运营,因为企业赖以生存的基础就是用户,企业的利润最终一定直接或者间接来源于用户。

     

    技术、产品、运营是互联网时代的三驾马车,它们的目标是一致的,那就是发展用户、服务用户。三驾马车在不同的阶段,分别发挥了不同的重要作用。在互联网早期,新技术刚刚出现,这个时候就是技术上谁先做出来谁就赢了,当时能够成功的企业创始人一般都是技术极客,国外的如微软的比尔盖茨、Google的拉里佩奇,国内的如百度的李彦宏、腾讯的马化腾,他们无不是占尽了技术的红利,利用技术优势杀出了一片天空。

     

    互联网的飞速发展,同类产品的竞争加剧,用户也完成了从“小白”过渡到资深的产品使用者,对产品有了更高的要求,用户需要好的产品、好的使用体验,这个时候强调用户体验的产品经理获得了公司老板的认可,大量在用户体验上做的好的产品脱颖而出。这时不是说技术不重要了,而是仅仅依靠技术无法在竞争中取胜,比较有代表性的产品就是微信、今日头条、抖音等,它们把产品体验做到了极致,成就了伟大的产品,这一时期是产品驱动的时代。

     

    但随着互联网越来越成熟和规范化,产品在设计和实施上有了更多通用的“模板”和解决方案,这时候很难有质的突破和创新,产品经理在其中的价值和作用逐渐淡化。这时引爆产品增长的就是以数据驱动、关注用户个性化诉求的运营活动,即数据化运营和精细化运营。

     

    互联网从最早的以技术驱动,过渡到以产品驱动,到当前以运营驱动,互联网进入了以运营驱动的时代。早期互联网流量为王,谁获得了流量,谁就可以更好地获利。在互联网飞速发展的早期二十年里,流量为王就是真理,没有受到过任何挑战,谁握有流量,谁就掌握了互联网生态圈的话语权。当流量红利结束时,比拼的是谁更会服务用户,服务好用户的企业才能在激烈的竞争中生存下来,这就体现了运营的价值。

     

    在这里我们只介绍这么多运营相关的背景知识,想对运营想做进一步了解的读者可以学习参考文献1这本书,这本书写得非常好,对运营的价值、运营的操作层面、运营人员的成长等都做了非常生动深入的总结。这本书的作者黄有璨本人也是运营圈的资深大咖。

     

    运营工作基本就是一个决策的工作,需要经过思考和判断来采取行动,在数据量少、数据思维还不流行的年代,运营人员更多的是用自己的认知和自我感觉来进行决策,因此决策效率是极低的、甚至经常会产生错误。随着大数据和人工智能的发展,数据化思维在运营圈中越来越受到重视,才逐步出现了数据化运营、精细化运营的理念。

     

    大数据与人工智能作为两种重要的工具,如果能够很好地用于运营中,是可以产生极大商业价值的。下面几节我们就来讲讲数据化运营、精细化运营的概念,以及大数据和人工智能驱动下的用户画像和智能推荐怎么更好地帮助到运营人员的。

     

    二、数据化运营

    在当今关系错综复杂的时代,人类的直觉往往是不靠谱的,我们需要借助真实数据和案例来帮助我们更好地了解世界、了解用户的行为,数据可以为我们的决策提供科学的指导。特别是AB测试技术(对AB测试感兴趣的读者可以参考《AB测试平台的工程实现》这篇文章)被Google最早用到互联网产品中,产生了巨大的价值,数据化思维越来越得到大家的认可,并且确确实实帮助到了产品和公司的发展,出现了增长黑客(这这一概念感兴趣的读者可学习考参考文献2、3这两本书,国内也有很多创业公司专门做数据驱动增长,如GrowingIO)的理念,并在国内外的互联网企业中得到了大规模的采用。

     

    当大数据发展到当今越来越成熟的阶段,相信每一个互联网人都认可数据是企业的核心资产,并且通过大数据挖掘和AI技术可以从数据金矿中提炼出金子来。数据化运营就是这类利用技术手段来优化运营策略,提升运营效率的工具。数据化运营的本质是利用数据来说话、通过数据来驱动业务增长

     

    数据化运营借助大数据技术,从用户行为中挖掘出有价值的信息,应用于用户生命周期中的各个阶段,包括拉新、促活、留存、转化、变现、传播等,即所谓的AARRR模型(见下图),提升用户体验,让用户留下来,引导用户更频繁地使用产品,为公司创造商业价值。

     

                 

    图1:用户生命周期5阶段(图片来源于网络)

     

    数据运营作为一个职位,主要是利用数据来解决企业发展中的运营问题,既可以是大数据团队中的职位,通过数据分析来支持日常决策,除了数据技术好外,更重要的是要懂业务、有业务思维,懂得只有应用到业务中进行决策,数据才有价值。也可以是运营团队的职位,是一位懂数据分析的运营人员,至少SQL能力要很强,当大数据团队构建出了比较完善的基础架构体系后,利用SQL分析就可以解决绝大多数数据决策问题。

     

    数据化运营利用数据来决策,一切用数据说话,那么是否有一些方法论来指导日常的运营工作呢?确实是有的,我认为闭环思维和漏斗思维是数据化运营中最重要的两种思维模式,每个数据分析人员和运营人员都需要理解、掌握并熟练运用。

     

     

    首先数据分析人员和运营人员一定要有闭环思维。要明确自己的目标,针对目标梳理出关键任务点(解决这个目标的多种可行思路),针对具体任务点形成可行的(多个)解决方案,并具体实施,最终对实施结果进行评估。如果达成了既定目标,那么整个过程就是对的、有效的,这个过程就可以固化为运营人员的知识和经验,如果没有达成目标,需要考虑评估目标是否正确和合理,如果是合理的,那就要看看方法是否够完整全面,否则需要重新评估目标,优化定义的目标,形成新的目标,并按照这个流程来重新执行,整个思考决策的过程参见下面图2。

     

                 

    图2:数据化运营的闭环思维

     

    如果运营人员的目标是对产品的优化和调整,同一个事情有多个解决方案,这时可以借助强大的AB测试工具来更好地决策,提升决策的效率,降低决策风险。

     

    数据化运营另一个重要的思维是漏斗思维。用户在产品上的行为结果,从开始到最终达成这个结果需要经历几个阶段和关键节点(路径),这些关键节点前后串联起来,形成一条链,从前一个关键节点到后一个关键节点,用户有一定的概率会流失,如果从整个用户群体来看,上一个节点的人数一定是大于下一个节点的,用图像形象表示出来就形成一个漏斗(参见下面图3)。不管是电商行业的变现路径:曝光 -> 浏览 -> 扫码 -> 下单,还是视频行业的播放路径:登陆 -> 曝光 -> 浏览 -> 播放,都可以看成是一个漏斗。

     

                 

    图3:用户变现路径的漏斗模型

     

    漏斗模型要求运营人员需要关注漏斗中从一个关键节点到下一个关键节点的转化率(或者流失率),通过优化产品流程和产品体验提升每一个节点(到下一个节点)的转化率。从漏斗的最上层到最下层需要经过多次转化,最终的转化率是每一层转化率的乘积,只有每层转化率足够高,最终的转化率才有保证。

     

    数据化运营是一种方法论,上面提到的闭环思维和漏斗思维是数据化运营最重要的两种思考方式。数据化运营的对象可以是所有的运营形式,包括用户运营、内容运营、产品运营、活动运营等。对于互联网产品(特别是toC产品)来说,用户是最重要的,公司依赖于发展用户,从用户获取商业利益,因此运营好用户(即用户运营)是最重要的事情之一。对于用户运营,PC时代的运营策略是通过编辑提供内容编排来服务于用户,所有用户能够看到的编排是一样的,而用户的需求是多样性的,这就在内容编排的单一性和用户兴趣多样性之间产生冲突,解决这个问题的一种有效的方法就是我们下一节要讲的精细化运营。

     

    三、精细化运营

    要说精细化运营与我们通常意义上的运营有什么区别的话,那就是精细化运营更注重投入产出比,粒度更细,能够更加精准地根据用户兴趣、内容特征、产品阶段、活动状态等进行数据化的、科学的决策。

     

    下面我们分别从精细化运营的概念、精细化运营的特点、运营进入精细化阶段的必然趋势、精细化运营的挑战、做精细化运营的流程和方法等5个角度来介绍精细化运营。

     

    1. 什么是精细化运营?

    精细化运营是一种针对人群、场景、流程做差异化细分运营的运营策略,是结合市场、渠道、用户行为等数据分析,对用户展开有针对性的运营活动,以实现运营目的行为(这个运营目的可以是更多的用户留存、可以是更高的转化率,甚至可以是吸引更多的用户去线下店消费)。简单讲,从流量角度来说精细化运营是追求流量价值的最大化,从用户角度来说,就是基于用户需求(这个需求不是用户自己亲口提的,而是基于用户行为分析得到的),提供专门定制化的服务。精细化运营可以帮助企业在资源和人力上得到更高效、更节省的使用。

     

    2. 精细化运营的特点

    精细化运营是传统粗放式运营在流量红利枯竭后的必然产物,是企业资源高效利用的一种运营方式,它有自身的特点,主要表现在如下几个方面:

     

    • 更关注用户细分,需要提前做用户分析(行为、设备、渠道、心理等等各种分析),需要充分剖析用户,拥有足够完整的用户画像(在第四节我们会介绍用户画像相关的知识点),精细化运营工作才能得以展开。

    • 更关注流量的有效利用,跟过去粗放式运营不同,强调精准,更多地关注留存和转化,而不是拉新(在当前流量红利枯竭的时代,拉新成本越来越贵,运营圈有一句很出名的话是说,“生于拉新,死于留存”,如果只做拉新,不关注留存,是很难做大产品的),重视发挥现有流量的价值。

    • 更多样的数据分析方式和多维度的数据分析,强调数据价值的有效利用和充分发挥。

     

    3. 为什么说我们进入了精细化运营时代?

    流量越来越贵,任何公司在做事之前都会看重 ROI(投资回报率)。企业之所以越来越重视精细化运营,是因为通过精细化运营来实现产品成功的成本低于其他方式的成本,而回报也相应更高。在这一背景下,能活下来、发展得好的企业都是注重精细化运营的。这里有三点原因可以用于解释为什么精细化运营越来越重要,基于这三点原因,我们现在进入了精细化运营时代。

     

    • 流量越来越贵

    引用36kr《买不起的流量,创业者每一天都是生死存亡》里的一句话:

    一个下载App用户的成本为40元以上,但7成的人下载后都没有消费,“每10个人下载我们的App,就有近300元人民币被白白浪费掉。”

    而这仅仅是对流量价格相对较低的电商App。一款 iOS 游戏下载激活的成本高达60元,而金融行业的获客成本的顶峰已经达到1000-3000元。加之流量黑产横行,“人傻,钱多,流量速来”的粗放式流量获取早已行不通。我们需要精细化的流量运营,优化流量漏斗,对 AARRR 模型里的转化率、留存更加关注。

     

    • 人口红利消失

    国内互联网网民数、移动用户数饱和,人口红利消失,从增量市场进入存量市场。然而,增量乏力,存量市场竞争更加激烈,所有能够想到的创业点基本都被做了,几乎所有的细分领域都进入了红海状态。在这种环境下,有两条路可走:一条路是出海,印度、东南亚等新兴市场不乏出海互联网公司的影子,如小米、一加、猎豹、UC等;而另一条路就是精细化运营,用最小的成本,挖掘最大的流量价值。

     

    • 技术的发展与成熟

    云计算、大数据等技术发展和应用更加成熟,厂商的开放,使得云计算及大数据分析成为企业生存的水电煤,成为一种基础资源。前面提到,大数据与AI技术是精细化运营的两个最有力的武器,有了大数据、云计算及构建在云平台上的AI技术的加持,精细化运营有了足够的技术支撑,应用数据分析技术挖掘用户数据,并进一步迭代优化产品,进行个性化有针对性的运营成为可能。

     

    4. 精细化运营面临的挑战

    精细化运营虽然思维好,方法巧,价值大,但是要想很好地在企业中落地,还是会面临非常多的困难和挑战的,需要企业付出极大的努力才能做得好,下面几点就是重要的挑战。

     

    • 场景繁杂,执行流程漫长

    企业产品与运营平台多样化,多种业务场景、多种触达方式分散在不同平台,执行流程长,效率低。

     

    • 触达方式单一

    精细化运营需要借助数据分析、用户分群、AB测试、用户画像等大数据与AI技术以及适当的工程实现才能做到,并且内部平台触达方式有限,需要研发资源配合,与业务方对接需要多个平台支持,成本较高。

     

    • 受众筛选做不到精细

    由于企业产品特色、拥有的资源限制,企业一般很难收集到用户多维度的数据,这导致用户标签维度不全,分群不够精细;不支持实时触发或按特定条件触发,营销场景受限。

     

    • 用户数据割裂

    现代企业越来越复杂,团队分散在多处、产品多样(既有线上又有线下,既有网站又有APP)、部门割裂,导致用户行为数据分散在各处,很难形成统一的数据服务平台,运营数据无法形成闭环,反馈缺失。

     

    • 缺少运营策略的整体思维

    只有运营目标,缺少体系化的运营策略,只停留在细节琐碎的执行层面,活动一旦结束,数据就快速回落到原先的水平;

     

    在这种背景下,能够提供一站式用户精细化运营、全渠道用户触达、千人千面的精细化细分用户定义、数据驱动运营闭环的创业公司应运而生。这些公司通过不断地实践,积累了一套行之有效的运营方法和工具。

     

     

    5. 精细化运营的流程与方法

    目前精细化运营已经形成了一套行之有效的方法论,精细化运营的方法不止用于用户运营,其他的运营活动都可以采用精细化的思路来进行,但本质的方法和思想是一致的,这里我们以互联网产品的用户精细化运营为模板来介绍精细化运营的思路和方法。

     

    针对用户的精细化运营,以数据分析为基本方法,挖掘用户偏好,构建用户画像,基于用户画像对用户分群,针对不同的分群确定个性化的运营策略,并按照不同的分群将运营策略触达到用户,在产品上承接住不同的运营策略,这样用户在使用产品的过程中,获得的就是针对他这个群组的个性化、有针对性的运营活动。在运营活动期间,我们还需要收集用户的行为反馈数据,评估运营的质量,发现其中的问题,并进行有针对性的调整与优化,最终优化现有的运营计划或者执行新的运营计划,这个过程是一个持续不断的迭代闭环。具体的流程见下图。

     

                 

    图4:精细化运营流程

     

    这一流程跟上一节提到的数据化运营的闭环思维是一脉相承的,上一节在数据化运营中提到的漏斗思维以及AB测试等工具都可以在这里得到体现和使用。

     

     

    既然数据化运营和精细化运营有这么多的相似之处,那么它们有什么区别呢?为了让读者更好地理解这两个概念之间的关系,这里简单做一些说明。数据化运营更多的是利用数据作为工具和方法论来指导一切运营活动,它强调数据在运营中的指导作用,一切以数据说话,而不是拍脑袋决策。精细化运营更多的是从发挥流量的价值,提升投入产出比,对用户进行更加精准的营销,减少资源的浪费的角度来思考怎么更高效地运营。精细化运营本身也需要数据的指导,因此可以说精益化运营是数据化运营的一种具体体现形式。

     

    精细化运营需要提前对用户有深入的洞察和了解,基于用户的需求进行定制化营销,因此深入了解用户是必须的,也是精细化运营能够成功的保障。对用户进行深入了解,我们就可以知道用户的兴趣爱好,方便我们更好地运营用户,这种挖掘用户特征和兴趣偏好的方法论就是用户画像。下面一节我们就来讲讲用户画像相关的知识。

     

    四、用户画像介绍

    我们一般喜欢用文本或者数字标签来描述用户某个方面的特征,比如年龄30岁、身高180、性别女、学历大专、动漫迷、吃货等。这些对用户个性和特征进行描述的词语,就是用户的标签。人类是非常喜欢并且习惯于给其他人或者事物贴标签的,我们通过标签可以更好地记住事物的特性,更好地区分事物,标签也是非常容易理解的,可解释性强。这些从不同维度对用户进行描述的词语的集合就构成了用户的画像。不同的维度刻画了用户不同的特性,本节我们就来讲讲用户画像相关的知识。

     

    1. 用户画像的概念

    从上面的介绍我们知道,用户画像,即用户信息的标签化。这里我拿视频行业的用户来简单介绍一下用户画像,加深大家的理解和记忆。针对视频类产品来说,用户标签包括用户的基本标签(也叫人口统计学标签,如年龄、性别、地域等)、设备标签(IOS手机、4G网络、256G存储等)、内容偏好标签(如科幻迷、韩剧迷等)、商业变现行为标签(如VIP会员等)和在APP上的行为标签(如深夜看剧)等。这些标签从不同的维度来描述同一个用户,让我们对用户有360度全方位的了解。

     

    2. 标签的分类

    对于描述用户的标签,我们可以从标签生成的方式及业务规则等多个维度来分类,标签有多种分类方式,不同的行业基于场景应用的需要也有不同的分类方法。下面我们来讲解一种常用的标签分类方法。

    (1) 事实类标签

    这类标签是基于用户实际行为挖掘而生成的,如:用户购买的次数,点击广告的次数,活跃天数。这类标签是通过数值统计的方式计算出来的。我们可以通过重复计算来验证标签的准确性。

    (2) 属性类标签

    • 预测类标签,基于机器学习模型进行预测,比如:性别,年龄。

    一般可以基于经验规则、分类模型、回归模型来预测这类标签。比如经常买化妆品的人,我们可以猜测她是女性(有可能是她的老公帮她买的,但是我们这里的打的女性标签是业务上的性别标签,从行为上看起来像女性,就认为是女性,打女性标签更有利于业务运营)。对于离散的特征(只有有限个值,如性别),可以用分类模型来预测,对于连续值标签,可以用回归模型来预测。

     

    • 属性偏好类标签,如高收入人群、重度韩剧迷等就是这类标签。

    基于数据统计和一个拟合的数学公式来计算标签偏好的分数,最后可以基于该公式计算的分数进行标签归类。典型的如收入的低、中、高就是这类标签。这类标签可以用抽样验证、业务验证或者ABTest多多种验证方式来检验标签的质量好坏。

    (3) 定制类标签

    基于业务需求和规则,定制用户标签,比如在家庭互联网中,一家可能有多个人,这时对家庭结构可以定义夫妻二人、三口之家、单身贵族、三代同堂等多种标签。这类标签需要回归到业务应用中来验证标签定义及划分质量的好坏。

     

    标签的定义和归类依赖于行业、已有的数据、应用场景、技术手段等等,下图图5就是一种可行的较全面的标签定义方式。

     

                 

    图5:爱奇艺从多个维度来刻画的用户画像标签体系

     

    下面是家庭互联网的一种标签分类方法,虽然跟上面介绍的叫法稍有不一样,但本质上是一致的。

     

                 

    图6:家庭互联网用户的标签体系

     

    讲完了标签的定义和分类,下面我们来说说,怎么基于基于用户多维度的数据来构建一套完善的标签体系,最终形成用户画像。

     

    3. 用户画像构建流程

    成熟的企业一般有一套自己的数据仓库体系,将企业的所有数据归结到一起,便于业务应用,用户画像一般基于底层数据仓库体系构建。用户画像是一个动态变化的系统,因此,为了让该系统更加精准有效,需要根据用户不同维度的特征,将生成用户画像的过程拆分为不同的子模块,每个子模块负责生成某一个维度的用户画像标签,不同的子模块之间是没有任何关联的,它们之间没有耦合关系,这样的好处是可以分别独立迭代和优化各个子模块,也利于问题的定位与排查。最后可以将多个子模块的标签汇聚成完整的用户画像。

     

    下面的图6是针对我们公司(家庭互联网视频行业)的一种用户画像生成流程的简化版本。针对用户内容偏好、用户年龄性别家庭组成等基础信息、用户历史行为、用户购买会员和观看广告的商业化变现行为等进行分析统计,形成用户的多维度标签,运用算法对各标签进行权重阈值计算,生成最终的用户画像数据。

                 

    图6:用户画像生成流程

     

    用户画像是一类偏业务应用数据,需要供给各个业务部门使用,因此,需要构建出一个方便易用的操作平台,让用户画像更好地发挥价值。这个平台需要方便业务人员进行查询圈人,并且跟企业的其他业务平台(如广告投放平台、内容运营平台、活动运营平台等)对接,这样其他业务平台就可以直接利用圈定的人群进行各种运营活动了。下面图7就是我们公司的一个用户画像展示平台,可以查询某个用户的各类标签信息,也可以基于一定标签圈定一批具备这个标签的人群,并可以对圈定的人群进行多维度的分析(比如人群的活跃度、地域分布、使用时长分布等)。

     

                 

    图7:用户画像可视化展示平台

     

    在下一节我们会讲解用户画像平台的整体架构,让大家对用户画像的技术体系、数据流向、业务使用范围等有一个整体宏观的把握。

     

    4. 用户画像平台的基础架构

    下图是用户画像平台的整体架构,我们通过各种数据源收集各个维度的数据,通过大数据技术、机器学习技术来构建用户模型、内容模型,获得对用户的深刻洞察,从各个维度来刻画用户的偏好,在服务层对获得的用户洞察进行封装,提供对应用层的接口,应用层基于这些接口支持包括推荐、精准广告、会员运营、内容运营等各类个性化、精准化的业务运营。

     

                 

    图8:用户画像平台整体架构

     

    整个系统包括数据源、接入层、数据模型层、服务层和应用层5个层次(最右边的部分是系统的辅助模块,包括调度、监控与数据治理,这些模块可以保障用户画像系统高效运行,并对数据质量进行治理和维护,这里我们不细讲)。数据源是构建用户画像的原材料,需要尽量收集用户的全域数据,这样才可以获得用户更全面的画像。接入层提供统一的数据接入方式,让全域数据有一个统一的方式进入企业的数仓体系。数据层是整个系统的核心,我们在这一层进行数据分析、挖掘、模型构建,生成用户多维度的画像,并存于数仓中。在服务层,需要提供用户画像访问接口或者可视化的用户画像查询平台(上面图7的平台就是在这一层)供业务方使用。最上面一层是业务层,各业务方对接用户画像平台,最终让用户画像产生业务价值,我们在下一节会进行详细讲解。

     

    5. 用户画像的应用场景

    企业基于目前已有的数据积累及对业务的深刻理解,通过建立用户模型,将用户的各项属性和特征抽象为一个个的标签,构建了一套供业务方使用的用户画像平台,用户画像平台完全基于业务需要构建,需要体现和发挥业务价值。借助用户画像平台,通过精准个性化运营更好地服务用户、挖掘用户潜在价值,它的价值主要体现在如下4类业务中:

    (1) 内容精准运营

    在传统的信息门户网站(中国在21世纪初三大门户网站是搜狐、新浪、网易)中,编辑(类比报纸杂志的编辑)是不可或缺的职位,甚至在互联网时代,编辑这个角色也存在,只不过现在在很多行业叫做内容运营人员。

     

    在互联网早期阶段内容数量有限,依靠编辑就可以将好的内容按照类目结构进行人工编排整理(见下面图9),通过这样的编排,用户也可以有效地获取内容。随着互联网的发展,进入了移动互联网时代,人们获取信息的方式更加便捷多样,获取信息的渠道也越来越多样,技术的发展(手机摄像头技术的进步、AI技术的发展、网络传输技术的发展)让普通人都可以生产高质量的内容,并且年轻的一代更愿意表达自我,对个性化的需求更加看重。

     

                 

    图9:传统门户网站的内容类目编排结构

     

    这些因素的共同作用导致在当下的企业中完全靠编辑进行内容运营是行不通的,根本没法满足用户对内容获取的多样性、个性化需求。幸好我们有用户画像平台可以事先洞察用户的偏好,这时内容的精细化运营就是一种很好的解决方案,通过用户画像模型,我们对用户的兴趣一目了然,内容运营人员至少可以采用如下2种方式进行内容的运营:

    • 有针对性地运营用户

    基于某个兴趣标签,将具备这类标签的用户圈定起来,针对这类用户进行有针对性的内容运营,即推送给他们具备他们喜欢的标签的内容。

    • 有针对性地运营内容

    基于某个内容特定的标签属性,从海量用户中找到对这类标签感兴趣的用户,将该内容分发给他们。

     

    上面这两种精细化运营的手段,前一种侧重点在用户侧,基于用户选定内容进行运营,运营的是用户,后一种手段侧重点在内容,从内容出发找到对这个内容感兴趣的用户,运营的是内容。不过,本质都是运营用户。

     

    (2) 会员精准运营

    目前会员付费是互联网企业非常重要的一种变现手段,对于像爱奇艺等这类提供内容服务的企业,会员收入是最主要的收入来源。对于其他类公司,如美团、饿了么,有会员体系可以增强用户的粘性,提升平台的用户活跃度,最终也可以更好地获得商业利益。下面针对爱奇艺这类以内容为主的互联网企业,谈谈精准运营在会员运营中的特点和价值。

     

    会员精准运营侧重的对象是会员,或者是潜在的具备购买意愿的非会员。针对会员用户,运营的目的是给他们提供更好的个性化服务,让他们享受到会员尊贵的待遇,从而能够续费留下来,或者升级到更高更贵的会员等级,为公司获得更多的商业利益。对于非会员用户,给他们推荐有吸引力的会员内容,吸引他们的兴趣,从而提升购买会员的概率。

     

    上面只是从促进会员转化的角度来说明的,其实对会员用户进行活动运营等其他方式的精细化运营,也可以提升会员用户的活跃度和留存,为用户创造更好的产品体验,让用户更有存在感和归属感,最终用户也更愿意持续付费。

     

    (3) 广告精准投放

    广告是互联网公司另外一个非常重要的变现渠道,可以说是toC互联网企业最重要的变现渠道,不管是国外的Google、Facebook,还是国内的百度,广告是绝对的主要收入来源。毫不夸张地说,互联网企业之所以能够发展壮大,成为推动社会进步的重要力量,广告这种变现方式是其中最重要的原因(广告开创了”羊毛出在猪身上,狗来买单“的变现方式,让无很好变现途径的互联网企业获得了生存的救命稻草,得以存活下来)。

     

    从广义上讲,广告也属于内容的一种,广告投放聚焦在广告上,传统的海投广告(展示广告)的模式效率极低,广告主的预算都花在了毫无价值的展示上了(品牌广告除外,投品牌广告的一般都是大公司,它们不差钱,每年都投入几亿到几十亿做广告,它们要的就是在广大用户心智中持续不断地植入他们的品牌)。怎么才能够将广告投放给对这个广告感兴趣的用户,是广告主最关心的问题。

     

    有了用户画像和精细化运营的技术和手段,我们可以进行精准化的广告投放。如果广告主的广告是针对某个特定人群的(比如家庭妇女),那么就可以通过用户画像平台圈定这一波人,将广告投放给这批人。如果广告主的广告没有特别的人群属性,也一定会有其他标签属性,那么我们就可以从用户中圈定对这些标签属性感兴趣的用户并进行投放。精准广告投放节省了广告主的大笔无效开支,是广告的未来发展方向。

     

    (4) 推荐召回策略

    我们在《推荐系统产品与算法概述》这篇文章中讲到,企业级推荐系统一般分为召回和排序两个阶段,召回的目的是从海量内容中找出几百上千个用户可能感兴趣的内容,在排序阶段对这些内容进一步打分排序,将用户最感兴趣的几十个推荐给用户。

     

    有了用户画像平台,我们就可以用画像进行召回。在用户画像平台中,我们构建了用户对内容的偏好标签,那么我们可以基于每个用户的偏好标签,从内容库中找到具备这类标签的内容,这些内容就可以作为推荐的召回,给到排序框架进行精细化排序了。感兴趣的读者可以看看《基于标签的实时短视频推荐系统》这篇文章第四节的1,里面有好多种怎么基于用户的偏好标签来进行召回的方法介绍,这里不赘述。

     

     

    通过上面用户画像的介绍,我们知道通过构建用户画像平台,我们可以通过用户画像平台获得用户的兴趣标签,基于用户的兴趣化标签我们就可以进行各种业务的精细化运营了。因此可以说,用户画像是精细化运营的重要工具。

     

    五、推荐系统与精细化运营

    在前面几节我们介绍了数据化运营、精细化运营与用户画像相关的知识,我们对数据和算法在数据化运营和精细化运营中的价值有了初步的了解。这一节我们来介绍一下推荐系统与精细化运营之间的关系。

     

    推荐系统是机器学习中的一个子领域,它基于用户在物品上的行为,挖掘出用户的兴趣标签,再基于用户偏好为用户自动化推荐感兴趣的内容。通过上一节的介绍我们知道了基于用户画像可以进行推荐的召回,同时用户画像也是进行精细化运营的工具。从本质上讲,推荐系统就是一种精细化运营方法和工具,是精细化运营的一种具体实现。下面我们从几个维度来说明推荐系统与精细化运营之间的区别与联系。读者也可以看看参考文献4中关于推荐系统与精准化运营的介绍。

     

    1. 推荐系统是精细化运营的最高级形式

    运营从最早的靠运营人员的专业知识和经验进行拍脑袋运营,到利用数据进行决策的数据化运营,再到对用户进行精细化分组的精细化运营,这些过程都需要人工来干预。最理想的状态是整个运营过程完全自动化,由机器来完成,这是运营的最高境界。推荐系统是完全由机器学习来驱动的,不需要人工干预,因此可以说是精细化运营的最高级形式。下面图形象地说明了运营发展的四个阶段,推荐系统在最高级的第四阶段。

     

                 

    图10:运营进化的4个阶段(图片来源于网络)

     

    2. 推荐系统与精细化运营的区别与联系

    上面提到了推荐系统是精细化运营的高级形式,那么推荐系统与精细化运营有什么区别和联系呢?本小节我们从4个方面来说明两者之间的关系。

    (1) 两者的粒度不一样

    精细化运营是圈定一组兴趣相似的用户,给这一批用户进行有针对性性的运营,这一批用户可多可少,这要根据具体的标签选择才能确定,如果选择更多的标签,需要用户满足更多的特性,最终选择出的用户规模就会更小。反之,如果标签少,那么选择的用户规模会更大。当然,每个标签能够圈定的用户数量也不一样,热门的标签圈定的用户多,而冷门的标签圈定的用户少。

     

    一般个性化推荐的粒度更细,个性化推荐是为每个用户推荐不一样的标的物,粒度已经细化到了每个用户,而精细化运营是一组用户(一般远大于1个)。从时间维度来说,精细化运营圈定人需要靠人工操作,人工做一次运营是需要一定时间的,做一次精细化运营,时间周期一般是以小时为单位,而个性化推荐的粒度可以细化到同一个人在不同时段推荐不一样的物品,甚至可以细化到秒级(信息流推荐),每间隔几秒就给用户推荐不一样的内容。

     

    推荐系统有一种范式是群组个性化推荐,该推荐范式将兴趣相似的人划分到一个组中,再对该组进行无差别的推荐。这种推荐范式就跟精细化运营的粒度差不多了。

     

    (2) 推荐系统面对的是用户,而精细化运营运营的不仅仅是用户

    推荐系统面对的是用户,为用户推荐可能感兴趣的标的物。精细化运营可以运营用户,还可以是运营内容,运营活动等等。精细化运营的面更宽。

     

    (3) 精细化运营基于人工操作,而推荐系统是完全自动化的

    精细化运营的任何一次决策都需要人工参与,人工选择运营策略,人工圈定用户,人工对不同用户进行差异化运营(会借助一些自动化辅助工具)。而推荐系统当推荐算法部署后就不需要人工参与了,机器可以按照事先制定的规则(即算法)完全自动化地给用户进行推荐,不需要任何人工干预。

     

    (4) 推荐系统需要整合人工的运营策略,并且具备人工干预的能力

    虽说推荐系统原则上是不需要人工干预的,但是有些时候(比如特殊事件发生时,或者有专门的内容需要运营时)是需要人工对推荐算法的结果进行调整的。推荐系统是一个复杂的系统工程,需要在精准度、多样性、惊喜度等多个目标中做到平衡,因此有些时候是需要加入人工策略的,更好地做到各种目标和利益的平衡,这些人工策略可以整合到算法中,成为算法的一部分。另一方面,在特殊情况下需要对推荐结果进行干预,比如置顶某些重要内容。

     

    通过上面的介绍,我们知道精细化运营和推荐系统是紧密相关的,他们都需要利用数据分析和机器学习算法来做到更好,其中用户画像可以作为它们共同的能力基础,它们都可以获得部分程度的个性化,更好地满足用户差异化的需求。

     

    3. 利用推荐系统的思路来进行精细化运营的方法

    推荐系统相比精细化运营,最大的两个优势是:粒度更加细化、完全自动化无人干预。如果能够将推荐系统的思路运用到精细化运营中,肯定可以产生意想不到的效果。这个方向也确实是可行的,很多公司已经做过尝试并且效果还非常好,下面我们选择几个方面进行简单介绍。

    (1) 限定主题下的个性化运营

    目前淘宝首页已经完全做到了个性化。在下面图11中红色圈定的部分,也做到了限定主题下的个性化,并且是近实时个性化。虽然大的主题还是聚划算、淘宝直播、百亿补贴、有好货、淘抢购、天天特卖、每日好店这7大块,但是不同用户、同一个用户不同时间段在这一区域展示的内容都是不一样的。

     

    图11就是左边就是作者第一次登录时展示的推荐,这个可能是根据我以前的购买历史推荐的,当我浏览了女装和鞋子后,再次进入淘宝首页,展示的内容就是下图右边的,可以看到,已经给我推荐了很多女装和鞋子相关的物品图片。

     

    在没有引入个性化之前,我相信淘宝这块一定是运营人工编排的,这个没法做到千人千面,只有引入了推荐的思路和方法后才能做到图中这样的全自动化的精细化运营。

     

                 

    图11:淘宝首页限定主题下的个性化

    (2) 运营活动、文案、运营海报等视觉元素的个性化

    去年阿里妈妈公布了旗下AI智能文案在展示多样性上的成果,将商品文案推向了“千人千面”的方向,体现的正是推荐的思路在文案上的运用。

     

    所谓文案“多样性”,指的是在文案生成时根据商品多元的属性,差异化地提供更多的选择和结果。举例来说,一件T恤可以有多个关键词,而每个消费者关注的关键词并不是一样的,有的关注领型,有的关注图案,也有人会关注版型等其它维度。因此,商家可以单就商品属性关键词“圆领”或者“印花”来单独生成差异化的文案。

     

    为实现这样的多样性,阿里妈妈AI智能文案设计了一套“What+Why”的文案生成逻辑,即将一整个卖点文案分成两段生成。前半句是What,采用的是商品关键词造句的方式,主要说清楚商品或功能是什么;后半句是Why,根据前半句进行推理式表述,主要说明上述商品或功能好在哪里。两句都可以根据各自的逻辑生成大量的文案,最终的结果就是生产出了大量关注点不同的个性化文案。商家通过AI智能文案生成不同阶段、针对不同消费者的文案,极大地提升了运营效率。

     

    不光文案可以自动生成、海报图也可以,爱奇艺在这方面有尝试。这也是个性化推荐思路和相关技术在精细化运营中的体现。感兴趣的读者可以看看参考文献5、6进行更深入的了解。

     

    (3) 拉新、促活、留存、变现、传播过程的个性化

    我们在第一节讲到用户的生命周期包括拉新、促活、留存、变现和传播等5个阶段,这些阶段都是需要进行运营的,如果可以利用好个性化技术,是可以获得事半功倍的效果的。

     

    这里我只简单举一个例子,大家知道的大数据杀熟(这里我不评判这种做法是否道德,但确实很大公司就是这样做的,比如前几年闹得沸沸扬扬的国内某旅游公司)就是变现过程的个性化,系统根据不同用户对价格的敏感度不一样,对同一件商品给不同的人提供不同的价格,从而让企业获得更多的商业利润。

     

     

    4. 利用推荐系统的思路来进行精细化运营面临的困境

    在3中我们讲到了利用推荐系统的个性化思路来做运营的诸多好处,那么是不是每个公司都可以这样做呢?其实能够很好地做到的公司是很少的,这里有太多的不确定性和困难,下面简单列举一二。

    (1)  没有足够多的数据,无法训练高质量的个性化模型

    推荐系统毕竟是基于大数据的分析,如果你不具备生产大量数据的条件或者暂时没有收集到足够多的用户行为数据,就很难做到在不同的运营、产品或者设计领域去运用推荐系统的能力。就拿前面的大数据杀熟来说,系统需要有足够多的用户行为数据才可以获得用户对价格波动的应激反应行为,否则贸然使用只会适得其反。

    (2) 推荐系统本身是一个复杂工程,需要一定的技术门槛,成本也相对较高

    推荐系统本身是一个复杂的系统工程,要想使用好必须在人力、软硬件等方面有所积累,也需要实践经验,用好个性化推荐不是一蹴而就的。有可能简单的策略性方法可以搞定80%的问题,因此也需要评估使用的成本。

    (3) 对于除推荐算法外的AI技术也会有比较高的要求

    前面提到的个性化文案就需要利用NLP及深度学习技术来自动化生产个性化文案,个性化海报图也需要基于图像和深度学习技术,这也是一个比较高的门槛。

     

     

    从上面的介绍,我们可以看到,推荐系统是精细化运营的一种高阶形式,它们在很多地方有相似点,我们可以将个性化推荐的思路和方法运用到精细化运营中,减少人力成本,提升运营效率,最终产生更大的商业价值。

    总结

    本篇文章我们讲解了运营的基本概念,在流量红利消失的当下,数据化运营和精细化运营是公司成功的法宝,企业运营进入了数据化运营与精细化运营时代。

     

    我们对数据化运营和精细化运营的概念、特色、方法、价值等进行了比较详细的介绍。其中基于用户行为,利用数据分析和机器学习算法构建的用户画像是精细化运营的有力武器。推荐系统可以看成是精细化运营在用户运营这一场景下的最高级形态,它完全做到了全天候、无人干预、自动化地为每个用户在每一个特定时间点进行完全个性化的内容推荐。

     

    通过这篇文章的讲解,期望读者可以更好地领悟数据分析在企业运营中的价值,更好地理解精细化运营与推荐系统之间的差别和联系。在企业实际运营中,推荐系统和精细化运营都有不可替代的作用,我们需要将两者结合起来,让机器和人工达到完美的配合,发挥各自的优点,更好地服务于用户,通过给用户提供更好地产品体验,实现企业的商业目标!

    参考文献

    1. 《运营之光》黄有璨

    2. 《首席增长官》张梦溪

    3. 《增长黑客: 如何低成本实现爆发式成长》[美] 肖恩·埃利斯(SeanEllis)

    4. 糗事百科李威:如何基于数据构建推荐系统,助力精细化运营?https://zhuanlan.zhihu.com/p/97115020

    5. AI升级,阿里妈妈智能文案日产超千万条 https://mp.weixin.qq.com/s/cpUsf7WfojBvZJiYigdChw

    6.个性化海报在爱奇艺视频推荐场景中的实践 https://mp.weixin.qq.com/s/aocyK7j3gdHIdtRHDiInVw

    作者其他文章

    1.因子分解机

    2.矩阵分解推荐算法

    3.协同过滤推荐算法

    4.基于标签的实时短视频推荐系统

    5.基于Erlang语言的视频相似推荐系统

    6.基于内容的推荐算法

    7.推荐系统产品与算法概述

    8.基于朴素ML思想的协同过滤推荐算法

    9.深度学习在推荐系统中的应用

    10.YouTube基于多任务学习的视频排序推荐系统

    展开全文
  • 三位资深运营人从“人性驱动、大数据赋能、社群裂变”三个方向与你探讨互联网用户增长与运营之道。[ 导读 ]3月18日,腾讯大数据举办了2018年线下沙龙—深圳站,吸引了深圳互联网圈众多运营&推广的小伙伴踊跃报名参加...

    来源:腾讯大数据

    本文共3602字,建议阅读8分钟
    三位资深运营人从“人性驱动、大数据赋能、社群裂变”三个方向与你探讨互联网用户增长与运营之道。


    [ 导读 ]3月18日,腾讯大数据举办了2018年线下沙龙—深圳站,吸引了深圳互联网圈众多运营&推广的小伙伴踊跃报名参加活动,共同探讨主题:互联网用户增长与运营之道


    信息爆炸的时代,用户的注意力被信息的洪流打碎冲散,品牌想要将自己的内容,被用户的信息触角精准捕捉,变得越来越困难。

     

    如何精准运营,事半功倍的获取自己的核心用户?我们邀请了三位资深运营人,从“人性驱动、大数据赋能、社群裂变”三个方向,和您分享他们的经验和心得。


    Ⅰ. 大数据赋能如何精细化运营


    Winnie

    腾讯大数据高级产品经理


    曾经“流量为王”的理念使得运营人员的职责聚焦在拉新上。随着市场环境的变化,运营的渠道和方式不断增加,运营有了更加细致的分类。精细化运营的大背景下,学会用数据分析来弄清用户从哪来、对什么感兴趣、为什么流失尤为重要。


    在互联网人口红利消失的现在,随着消费升级,越发凸显超级IP的价值。

     

    互联网下半场的关键词:连接、赋能、跨行业数字化

     

    赋能的定义是:通过数据对不同行业赋能,帮助不同行业进行数据价值挖掘。传统行业和数据行业结合的点:将线上和线下的资源打通,例如新零售在大数据的赋能下,将广告和营销做结合,能够清晰的看到你的用户长成什么样。

     

    在制造业中发展最快的是汽车行业,自动驾驶等新技术正在深刻的变革制造业的前景。在制造业也不乏与数据结合的需求:


    • 零件管理制度:便于产品管理、版本回收

    • 库存管理:减少仓储人力成本

    • 销售线:追踪、量化产品流向


    一. 数字增长驱动运营,快速搭建运营体系


    1. 从产品的生命周期说起:

     

    • 初创期:即刻、抖音——正处于成长的过程,会进入快速的成长期

    • 成熟期:QQ、微信(微信在不同的市场,也许会表现出不同的周期特性)

    • 衰退期:足迹——理论上所有的产品,都将进入衰退期

    • 产品延展:在进入衰退期的坡道时,很多业务会拓展新的业务方向,例如微信是QQ的拓展。以为营造更好的企业生命周期。


     

    用户在产品当中分布周期——

     

    • 新用户:通过广告去了解产品的动态;

    • 消费者:他会进行自发的运作,产生消费行为;

    • 生产者:是产品的重视认可者,类似小红书、网易海淘,进行忠诚用户的引导。以用户自身产生的价值去吸引更多的新用户。

     

    判断平台新用户的活跃标准不同:淘宝的判断标准是下单,新闻类APP标准是用APP浏览资讯,小红书就是发表第一篇日记。以不同的行为定位不同APP活跃用户的标准,建设运营数据体系的基础。



    2. 运营指标公式

     

    营收=流量*转化率*客单价

    规模=新增+持续在线+流失挽回-流失

     

    以上数据说明:你的任何一个关键式指标都能作为你的阶乘式/加减式拆分,这两种指标拆分的方式能够指导你将关心的指标,拆分成可落地、可执行的指标的方法。同时,通过把数据闭环的运作,以数据反馈的方式,指导我们下一轮的决策,这是做数据搭建的本质期望。如果你所了解的数据和你执行的数据,没有恰当的关联在一起,那么这些数据将对你毫无价值。

     

    3. 用户流失:

     

    人群洞察:为流失用户做人群分析,包括性别、地域、喜好、职业等信息,然后根据自己的需求,去看数据具备什么样的特性,从而制定新的营销方案,获得更好的推广效果。

     

    4. 数据搭建的思路:

     

    构建自己关心的数据需求,围绕着用户的需求展开,通过数据卖点制定重要事件的采集。自然界中的数据是模拟量的形式存在,因而有各种误差。而在互联网世界,所有的数据都是以极为准确的形式存在,非常有利于做数据规整。因此,可以从数据上,明确看到你的用户增加、流失、渠道来源,从而帮助你做更好的数据管理,提升投放效率。

     

    5. 报表呈现:

     

    数据采集完之后通过动态计算,形成报表,了解你关心数据的升降,你的运营、产品是否有效提升,都能在报表数据得到体现。



    二. 大数据赋能:

     

    1. 用户分群,寻找更多的核心用户

     

    用户分群本质来上来说,就是将用户分割成很多的群体,详细的看每个群体对用户特征有什么特性。最经典的用户模型是R(最近购买时间)F(频次)M(消费金额),三个维度画出九宫格立体的象限,了解你最高价值客户的分布和特征,辅助你进行决策。同时,通过高活跃核心用户的运营,能够帮助你理解你的客户。


    2. 用户触达

     

    最普遍的触达方式:

    人群特征分析——人群导出——用户触达

    人群特征分析——人群LOOKALIKE——广告触达


    在大数据的时代,对于决策者而言,如何解读数据成了非常重要的技能。但是,数据只能作为一种辅助决策的工具,你对业务的理解,才是能指导产品发展的东西。


    Ⅱ. 如何低成本获取用户用数据驱动精细化运营


    刘治国

    首控微金资本总裁


    腾讯微信负责人张小龙在腾讯内部分享的时候提过:做产品要把握人性中的“贪嗔痴”,满足了人性,产品会召唤用户。产品卖点越接近人性的弱点,越容易被用户所接受。


    一. 抓住人性,精准营销

     

    从最早从事数字广告,并将数字广告做到了极致,技术到达极致之后,人性的重要性开始凸显。

     

    传统营销——

     

    1. 何为人性:人的本质心理属性,也就是人与其他动物相区别的属性。

     

    人性的关键词有哪些?

    自私、懒惰、贪婪、嫉妒、怀疑……在广告设计时,通常从人性的需求出发。

     

    其中马斯洛需求理论,将人性的需求氛围五个层次:生理需求、安全需求、归属需求、尊重需求、自我实现。现在大部分的营销,通常抓住的都是人性恶的一面,放大、利用用户的恐惧和焦虑,来推出自己的解决方案。

     

    2. 何为营销?


    营销并不等同于销售,营销是经营、销售、品牌三者的结合体。


    5W1H:WHO、WHAT、WHEN、WHERE、HOW


    3. 用户的购买流程是什么?

     

    SIAV理论:以用户为中心的消费者行为模型

    寻求解决方案(S)——筛选信息(I)——衡量价值(V)——获得入口(A)


    SIAV理论在搜索平台得到完整的数据体现。


    二. 精准营销:人在哪里?

     

    在分析用户痛点之前,首先要找到你的用户在哪里。可以通过互联网IP技术,定向寻找特殊的广告位,获得更好的传播效果。



    Ⅲ. 如何设计社群+小程序组合:裂变用户


    鉴峰

    运营深度精选创始人


    在微信的生态体系里面,现在最流行、最有效,也是低成本的吸粉方式就是利用裂变来获取粉丝。那么,裂变的本质机理是什么?我们需要怎么运作?


    一. 社群和小程序在传统电商、投放的区别

     

    1. 传统投放的流量很多是被浪费掉的,无法沉淀和复用;

    2. 付费客户维护成本非常高,难以对用户跟踪反馈;

    3. 用户之间互相隔绝,没有群体营销价值,没有发挥互助、口碑传播的价值。

     

    社群和小程序四大特点:

     

    • 一次性流量变为可复用流量

    • 社群裂变,放大流量

    • 老带新,增加新用户

    • 用户访问留痕召回

     

    社群运营:譬如《三联生活周刊》的一次线上推广案例,核心思想就是在用户购买之后引导90%用户进群,通过社群引导提高用户的分享率。用户将活动的内容分享到自己的朋友圈,这种用户自带的信任背书将带来超高的付费转化率,极大的放大传播的声量等级。

     

    小程序:提升在7天内触及用户的可能,二次唤回用户,让付费率提升。



    二. 设计用户裂变方案:

     

    社群裂变:知识+用户裂变

     

    很多时候传播都是对优质内容进行包装后进行传播,经过测试发现,知识传播的边际成本非常低。也就是说传播数量越多,单位传播成本反而更低。反观传统电商以红包等促销手段去营销,通常传播的边际成本急剧增加,甚至于让甲方无法承受。

     

    裂变方案的核心:基于甲方的业务和产品,围绕其用户挖掘他的知识需求,而后基于裂变的机制传播。以知识产品传播获得的用户,具备非常高的忠诚度,因为所有的用户是因为产品而聚集。

     

    三. 设计裂变的方法

     

    1. 裂变工具


    很多运营方都应用了分销的营销手段,为什么只有运营深度精选的案例能够成功引爆,其中核心的要点在于一次创新:佣金实时到账。

     

    为什么要做这个创新呢?答案是:用户的新鲜感。


    深度运营精选最初就是使用任务起来的,通过为用户分配任务减免门票的方式来获取用户。这种运营方式的运营,能支撑品牌从0-2/3W用户的过程,但慢慢随着用户的新鲜感降低,方法的有效性会减弱,因此工具的应用和玩法需要不断的迭代。



     2. 裂变核心:用户需求洞察

     

    在做社群的过程中,需要对用户的需求进行洞察。长期看用户的对话,选取高频的词汇,去了解用户最关心的话题。最后发现,网易出品的东西也许并不是非常有趣,本质上它成为了一种社交货币,在这种行为的势能足够高的时候,最终推出了年终总结形式的玩法,成功引爆。

     

    做社群营销设计玩法时,实用性和当下性尤为重要,必须让用户有一种马上就能用到的紧迫感,解决用户最迫在眉睫的焦虑感。

     

    3. 如何洞察需求?

     

    用户是人,人都会有欲望!

     

    从三联生活周刊到网易,很多成功运营的宝典活动,60%的用户洞察都是出自于一本书:《社会心理学》,能够清晰的解释大多数营销过程中所面临的问题。



    用户需求洞察设计完成之后,传播设计就要提上日程,这两种方式设计的路径完全不同。运营的每个环节是乘法效应,你必须保证每一个环节都做的足够好,才能保证输出的结果是最好的。

     

    在策划运营方案的过程,针对运营的社群,一些顶部的用户关注的公众号比较多,并且拥有相对强的话语权,非常适合作为活动最初的引爆点。但实际上,这部分人无法通过小的利益来驱动,他们需要的是文化趋同和情感共鸣。

     

    因此,做运营最根本也是重要的能力是,让自己从模拟用户感受出发,永远为用户提供价值,才能输出好的运营结果。



    展开全文
  • 导语:本文根据神策数据业务咨询专家杨宁《财富管理转型趋势下的精细化运营》的演讲整理所得,本文主要内容:证券行业发展与互联网精细化运营重新认识客户和客户的需求6 大典型场景分析总结一、证...


    导语:

    本文根据神策数据业务咨询专家杨宁《财富管理转型趋势下的精细化运营》的演讲整理所得,本文主要内容:

    • 证券行业发展与互联网精细化运营

    • 重新认识客户和客户的需求

    • 6 大典型场景分析

    • 总结

    一、 证券行业发展与互联网精细化运营

    1、证券行业发展

    中国的证券史只有 20 多年,相对于银行等其他的行业来说,可能会比较短暂。而在这 20 多年里,中国的证券史主要经历了三个阶段:坐商;行商;行商新阶段。

    1.1 证券的三个阶段

    第一个阶段,坐商,即券商在证券公司等待客户主动过来,在这个过程中,券商较少有积极主动的出击行为。券商的收入也主要靠客户的交易通道来获取,基本上属于一种靠天吃饭的状态。

    第二个阶段,行商,即券商主动出击,建立了自己的营销团队。这种营销团队可能是客户经理形式的,也有可能是经纪人形式的,并且有了一些外部展业的场所,比如银行渠道驻点,或者一些其他渠道的驻点。

    第三个阶段,行商新阶段。该阶段主要是行商的互联网化、在线化。它是原来渠道和展业形式的一种拓展,把一种有形的展业变成了无形的,把线下的变成了线上的。同样券商的合作渠道也从原来的单一银行为主,扩展到了第三方市场,或者一些在线流量平台。

    第一、第二阶段本质上还是守株待兔式的获客,第三阶段便成了主动出击。该演变背后体现的是技术发展的逻辑,核心在于交易行为,客户在交易的过程中,采用何种交易方式直接影响了券商提供服务的商业半径大小。

    1.2 主要价值产品维度

    第一阶段是通道服务,是客户到证券公司来进行股票基金的交易。基金主要还是场内基金为主,这个时候对应的就是坐等客户上门。

    第二阶段是投顾服务,该阶段券商可能会把投顾服务作为一种主要的服务形式抓手:以财富管理总部作为主要的信息生产源;以投顾个体作为客户信息的收集器,也就是它的神经元;以股票推荐以及大盘行情分析板块分析为主要的服务形式;以短信、电话、IM 为触达方式。

    第三阶段是财富管理。通过技术的发展,对于客户行为的认知的提高,是以客户群分析(客户画像)为主体,进行个性化服务;以资产配置及产品销售为主要服务内容;以绝对收益或完整财产规划为目标;以低频次客户推荐,实现高命中客户需求。

    2、互联网精细化运营

    互联网的获客成本逐渐攀升,对于券商来说单客户获取成本甚至高达成百上千元。因此,在整个过程中,如何感知高成本获取的客户行为逻辑、使客户的行为与预期相匹配等变得更加重要。

    此时,运营的价值便凸显出来。运营就是一个事物自然发展的人为干预,重点是在人为干预。首先要了解整个事物的发展过程,并且把自己的想法、目标与发展过程相结合,对它进行一种干预。

    以下为运营八要素:

    有目标。运营本身不是盲目的,必须要目标明确,而且这个目标要比较合理可完成,如果不能达到就要把目标进行拆解,拆解为可完成的细分目标。

    有客户。要对客户有足够了解,需要构建客户画像。客户画像要从多维度还原用户本身,其颗粒度要比较细,比如证券行业常用的行为数据、账户数据、交易数据等,甚至可能还会有一些外部数据。

    有服务。对应现阶段来说是一种服务产品作为传递价值的载体,其可以传递证券公司或者说证券服务的一种价值,而这个价值对客户一定要有意义。这个价值包括直接价值和间接价值。给客户推荐金融产品,是一个直接价值;给客户提供一个市场趋势的研判是一个间接价值。

    有场景。在与客户接触的时候,不能直接了当的去接触客户,而必须在一个合适的环境下接触客户,使服务(产品)与客户需求相匹配,即目标的落地。

    有触达。有触达指的是接触客户的触达渠道(方式)和话术。触达渠道比如短信、push 或者电话。话术即触达的内容的语言形式结构。不同的客户群可能会有不同的话术,不同的产品也可能会有不同的话术,在精细化运营的过程中,需要对话术不停的修正和迭代升级,如此使触达方式更精准,话术也更合理。

    有监控。即了解整个运营过程中所有各项指标。汇总监控指标数据,并使各指标之间产生联系,形成一张运营结构的网。该网可以帮助企业更好地理解整个业务流程的走向和精度。

    有结果。即对各项指标及最终结果进行推演,把结果与触达、产品、客户、目标进行匹配,而形成一种闭环。

    可循环。指每次运营的过程都有成长,优化,可复用。单个触达以后,要把多次触达形成一种效果连续,如针对客户、产品的效果连续,如此可以不停地复用,让运营手段和运营方法能够自我成长。

    精细化运营的运营过程是精确的、随时的、完整的、可度量的。

    二、重新认识客户和客户的需求

    1、客户行动目标理解

    1.1 客户来证券公司开户的目的是什么?

    场景 1:

    一个人走进一家超市,买了一个电钻,请问电钻是他真正的需求吗?

    表面的行为不一定是背后的需求,需要从场景角度理解客户行为。这个客户可能真正需要的不是电钻,而是需要墙上的一个孔。卖给客户一个功率更强大的电钻,或者一个使用精度更高的电钻,都不如帮他实现他最终的目的。

    墙上的孔,就是透过客户的表面行为来理解客户背后的需求。

    场景 2:

    火车站一个人的旅行包坏了,他的匹配需求最佳方案是什么?

    两个解决方案,第一个是卖给他一个全新的包或者是旅行箱,第二个提供一个帮助他进行行李托运的网点。这两个解决方案都可以解决客户眼前的需求,到底哪一个对于客户来说更合适,这个可能是需要具体的场景分析。而这种分析不是简单的客户行为能看到的,而是要把客户的事件与客户前向的事件,甚至包括他的旅行包的重量,他到底往哪里去都要考虑清楚,然后再去给客户做一个最佳的需求匹配。

    跨品种的选择都可以满足客户的需求,而客户的选择是需要运营的。

    对应到证券场景来说,如下:

    客户搜索了港股股票,对应的场景可以是:港股通(深港通,沪港通)权限开通,又或者是港股 ETF,又或者是港股交易的一次直播?

    客户是需要开通港股通权限,又或者是需要一个港股的 ETF,又或者是他想进行一些港股的学习培训直播,到底是需要哪一种呢?这个场景中可能目前是看不出的,还需要进行深度的分析和挖掘,明确客户历史行为,做客户画像,进行深入的分析,才能得到一个最合适的匹配需求的方案。

    1.2 证券公司客户目标梳理

    客户的不同目标,对应着不同的需求及证券公司的相应服务,举例如下:

    (1)客户是来炒股的吗?如果是,就要给他提供:

    • 高速交易通道

    • 委托周边稳定便捷

    • 低佣金

    • 海外行情,期货行情等

    • 资讯服务 

    (2)客户是来炒股赚钱的吗?如果是,就要给他提供:

    • 投顾服务

    • 固收类产品

    • 基金类产品

    • 仓位管理

     (3)客户是来进行个人、家庭财产规划的吗?如果是,就要给他提供:

    • 综合金融资产配置

    • 期限匹配

    • 产品匹配

    • 风险匹配

    • 定制化

    客户目标梳理时,可参考以下 2 个关键词:

    KYC(Know Your Customer): 从客户角度去理解如何去做一个精准的客户画像,画像的目的是为了实现精准的客户触达。

    KYP(Know Your Product): 要对产品足够的熟悉,如产品的期限、产品的风险。并且,一个客户可能会需要多种产品组合服务,证券公司要做到对于客户的这种服务的丰满度或者是象限,是没有缺失的。

    综上,可做出如下总结:

    1. 客户需求认知趋势是在逐渐上升的,对于客户的行为的理解也是在逐渐上升的。客户跟着证券市场在成长,跟着证券公司在成长。

    2. 通道占比越来越低,财富管理是大的趋势。我们要顺应这种趋势,用财富管理来弥补通道收入的占比的降低,用产品收入来丰富收入。

    3. 要帮助客户进行认知升级,并且要知道客户认知升级到了一种什么程度,只有这样才能更好地把服务与客户的需求相匹配。

    2、转型势在必行,经纪业务升级为财富管理

    2.1 从券商视角来看

    券商的收入构成发生了变化:

    第一个是通道和息差,升级为产品销售收入。原来券商还有一笔收入是息差收入,而现在,如果一个客户把自己的钱闲置放在账户上,可能是不安全、不稳定的。我们需要有相应的现金类产品,帮助客户进行保证金理财,否则客户一旦意识到这个问题,便会转出资产,此时券商再让他回来,成本是比较高的。

    第二个,客户产品化,投顾服务、资讯服务、行情服务,以及相应的对应的产品,可以带来一些正向收益。正向收益带来客户满意度及稳定性,客户追求合理收益的同时,会放大投资规模。

    2.2 从客户视角来看

    客户的目标发生了转变,从追求股票的资本利得升级为个人或者是家庭财富的保值增值,以绝对收益或者资产配置作为一个核心诉求。原来客户的收益也基本上是靠天吃饭的,收益也很不稳定。而如果把客户变成产品化,客户本身的稳定性会加强。同样对于券商的这种服务和收入也会稳定性会提高很多。

    比如,投资产品化、收益绝对化、配置个性化、服务场景化等手段,这些触达方式可以把客户的服务做好,同时也可以把公司的经营目标管理好。

    3、重新认识客户和客户的需求

    财富管理转型过程中,客户的活动场也转移到了线上(金融科技驱动),移动端的各类场景成为财富管理服务获取的主要渠道。

    这一变化使得我们可以摆脱网点束缚,随时随地的接触和服务客户,同时也促生了以移动端为核心的运营战场。

    这个变革带来的运营变化就是客户需求(财富管理目标驱动下)的触发变得更为碎片化和个性化,各种需求在客户浏览点击的时候直接产生,精细化运营服务需要与客户行动场景和现金流周期更加紧密的匹配。

    三、6 大典型场景分析

    首先,我们看下通过标签刻画客户生命周期,通过运营覆盖客户全生命周期的全景图。

    1、开户促进+首次入金的精细化运营

    如下图,开户的流程不仅步骤多,而且干扰也多、要求严格。很多券商以客户开户帮助者的身份进行推动,往往是很困难的。这个时候可以把首次入金的活动前置到这个阶段(建议可以在上传身份证步骤后),让客户实实在在看到真实的利益,让客户自己推动开户事件完成。

    2、营销方案的精细化运营

    多个金融产品、多重客户标签、多种营销话术、短暂营销周期、有限营销人员是证券行业做好运营的特点。其中,会面临几个痛点:针对不同营销话术的效果评估难;短暂营销周期内制定不同的话术,进行客户触达难;有限的营销人员可能也很难做到大面积的点对点客户沟通。

    在这个背景下,精细化运营的重要性日渐凸显,证券行业的精细化运营可以从以下几个方面切入:

    以单个客户为主体,进行个性化服务;将产品标签与客户需求高度匹配;低频次客户推荐达到高命中的客户需求;根据不同客户、渠道、地区、时间、性别、资产规模、盈亏、版本等维度准备多版本营销话术;小样本客户测试,如针对一个特定的小样本客户群进行触达测试,在多轮测试后确认最佳方案,并且把营销方案放大化,推荐给对应的所有的目标客户群,实现大规模个性定制营销方案的有效实践,并不断快速迭代方案。

    其中,有4个要点:

    • 营销方案的快速测试

    • 反馈及时快速优化

    • 最低的客户触达,也就是精准触达

    • 精准营销,低成本高效率

    3、产品设计的精细化运营

    数据赋能后,可以在产品设计优化方面,形成更精准的闭环,即:目标--设计--实施--使用--追踪--优化--目标。这个闭环可以让设计产品更精准、优化目标结果可反馈、客户体验路径能追踪。

    4、客户隐性流失的精细化运营

    随着获客成本不断上升,券商也越开越注重存量客户的运营,避免客户的流失,券商可以进行事前事中行为数据的监管、事后账户数据的监测、建立预警监控筛选机制及流失挽留体系。

    下图是客户在投资的生命周期过程中,一些比较重要的风险事件:

    当出现上图中的这些预警事件的时候,需要对客户进行一些触达运营,比如主动降佣。这种触达经常的是一种自动触达,而对于客户流失的运营不仅要精细化,而且还要有时效性,所以将需要将智能运营自动干预与人工干预相结合。

    此外,可以建立 A/B 流失测试组,从客户群维度,地域维度,时间维度,流失指标阈值维度等提炼客户标签分组,建立相关阈值辅助监管及风控,助力更及时、准确的捕获客户行为,为后续风险提示等自动化触达做好基础。

    在定位到风险事件点后,可进行 A/B 测试,通过 A 组进行归类测试,形成观点,用 B 组进行回测验证。如果准确度很好,可以固定为客户行为预警(事前事中)与账户预警(事后)相结合的 MOT 监控体系,并成为一种自动化的运营触达手段。

    5、服务、投教的精细化运营

    精细化运营可以贯穿在整个客户旅程中。比如客户搜索了适当性不匹配的金融产品、或搜索了退市整理版股票、又或者银证转账失败,交易权限失败等,运营可立即做一些针对性触达,来帮助客户进行体验服务。

    券商的一个典型痛点是客户投教和客户行为割裂、滞后,导致投教价值无法在客户行为中体现,客户体验差。精细化运营可以从两方面来解决这个痛点:

    • 监管及风控角度,可以更好及时、准确的捕获客户行为,为后续风险提示等自动化触达做好基础;

    • 客户交易及 APP 等使用过程的问题,可以高效捕获、并进行自动化话术匹配、触达,迎合碎片化、随机化场景的客户服务

    投教可以融入场景,风险提示可以融入客户的行动,如此一来,客户会感受到全方位、高密度、随叫随到的服务体验。

    6、管理的精细化运营

    在过去,客户的购买、转发等行为对于券商而言是完全黑盒的。举个例子,过去一位投顾老师给客户打电话沟通了某权益类基金产品,沟通后几天内客户没有进行购买,该投顾老师可能完全不知道原因。

    如今,企业可以对客户购买行为、客户浏览行为、客户转发行为、客户搜索行为进行采集,然后对客户最终的行为与服务进行关联分析(归因分析,同步分析),以此可以更好地理解客户对于服务的信赖度,以及触达客户的效果。

    以往,对于触达后转化率高的服务人员的筛选,以及优质触达内容的筛选,是管理上的盲区,只能是结果导向的管理,现在通过精细化运营可以增加一些过程维度的把控。

    五、总结

    在券商的客户旅程中会有很多触点,同时,客户的需求也会不断变化,因此,需要精细化运营进行需求的及时捕获进行触达,甚至把客户的需求产品化、个性化。如下,为拓展思维与运营场景举例:

    • 触达前:我们先看看客户在干什么

    • 触达后:我们再看看客户在干什么

    • 我们服务影响力(声量)是不是影响了客户行为

    • 自动运营的场景设计是否足够精细化,是否可以多场景叠加

    • 碎片化随机发生的事件中后台很难即时反馈,我们这块做的怎么样

    • 我们对客户的理解,是不是达到根本,是否从客户无序的行为中找到客户的需求

    • 每次客户的触达是不是在最合适的时间点,是否能够助力客户完成我们所期待的关键行为

    • KYC(Know Your Customer)和KYP(Know Your Product)是否已经做好合理匹配

    • 我们的支持服务人员在面对海量客户服务的时候是否可以快速定位个体客户的需求(客户标签的实时场景化落地)

    综上所述,在财富管理转型趋势下,守株待兔变成主动出击,券商的精细化运营是趋势,而精细化运营的基础是数据与信息的打通,是需求与产品的衔接、场景与运营的结合。通过数据串联场景,连点成线,进而完整拼绘出客户动态的画像,洞察客户需求,从而可以更好地运营服务客户,形成正向闭环。

    简而言之,在财富管理转型趋势下,券商要实现更精准的客户洞察,需要更底层的产品与服务,更自然的运营服务触达,更高效的结果评估手段,构建完整的精细化运营闭环。

    ✎✎✎

    更多内容



    点击“阅读原文”,体验产品 demo~

     
    展开全文
  • 要想实现精细化运营,数据分析是必不可少的一个环节。电商网站要提高运营效率,至少需要五大关键指标:活跃用户量、转化率、留存、复购和 GMV 。 活跃用户量是一个基本的指标,有 DAU (日活跃用户)、WAU (周活跃...

    1、品类及SKU多,用户覆盖广,运营难度大;

    2、客单价偏低,强调留存和复购,强化运营;

    3、产品设计相对成熟,优化运营时重中之重;

    4、竞争激烈。

    要想实现精细化运营,数据分析是必不可少的一个环节。电商网站要提高运营效率,至少需要五大关键指标:活跃用户量、转化率、留存、复购和 GMV 。

    1. 活跃用户量是一个基本的指标,有 DAU (日活跃用户)、WAU (周活跃用户)和 MAU (月活跃用户)三个层次;
    2. 转化是一个非常重要的指标,电商运营需要关注主路径、次路径甚至精细到每一个品类/ SKU 的转化率;
    3. 留存要从不同的时间周期上研究,包括次日留存率、3 日、7 日、30 日留存;
    4. 复购则要从 3 个角度去看,复购用户量、复购率和复购金额比;
    5. GMV 是最重要的指标,我们的运营最终是围绕这个来进行的( GMV = UV *转化率*客单价)

    商品运营:流量优化和品类优化

    (一)转化分析

    在商品运营中,尤其是首页商品更新速度快,我们要格外重视转化,甚至要精确到不同时间区间、不同位置、不同商品的转化率。然后根据转化率,结合业务经验,不断调整运营策略。

    商品运营有一个非常大的优势:投入低,见效快,效果明显,商品运营的本质是通过不同坑位、不同活动、不同商品的分析来提高我们的转化率和 GMV 。

    必须知道首页BANNER的变化时的转化率,UV点击转化、加入购物车转化、购物车支付转化

    (二)实时分析

    (三)品类分析

    根据商品品类的利润率、转化率等表现,我们将商品品类分成 4 种:导流型品类、高利润品类、高转化品类、未来明星型品类。

    1. 导流型品类:利润非常低,但是购买量大、市场需求大,目的在于导流。

    2. 高利润型品类:利润率高,希望用户更多购买此类商品。

    3. 高转化品类:带量。

    4. 未来明星型品类:这是电商平台的潜力股,虽然曝光量很低,但是转化率极高。

    明确了商品的品类后,我们就可以针对性地展开运营。

     

    三、怎样进行用户运营?

    精细化运营的情况下,做好用户运营主要从两个角度出发:

    一是找到用户留存的关键点;

    二是采取差异化的运营策略,区分不同的用户群体,对不同群体采取差异化的运营方式。

    (一)找到用户增长的“魔法数字” MAGIC NUMBER

    留住一个客户的成本远远小于重新获取一个客户的成本,所以留存至关重要,它关系着一个平台能否持续健康发展。

    留存曲线分成三个周期,开始是震荡期和选择期,经过这两个周期,如果用户能够留下来,就会进入一个相对平稳期。

    以某电商平台为例,在该网站上 7 天内完成 3 次购买的用户的留存度(红色)是一般用户(绿色)的 4 倍左右,因此在一周内让用户完成 3 次购买就是他的魔法数字。

    对比两组用户,查看关键周期

    (二)差异化的运营策略

    不同用户的活跃度、商品偏好、购买决策阶段都各异,我们需要采取差异化的运营策略。差异化的运营策略主要从3个角度出发:基于用户的活跃度、基于用户对不同商品的偏好、基于用户所处的决策阶段。

    基于用户的活跃程度,我们可以将用户大致分成“流失用户”、“低频活跃用户”和“高频活跃用户”。一般情况下,一个用户 30 天甚至更久没有登录你的平台,我们基本可以认为该用户流失了。对于流失客户,是否要考虑采取召回策略。30 天内活跃 10 天以上的高度活跃用户,我们是否可以向其推荐更多精准的商品。

    其次基于用户对不同商品的偏好,我们采用用户分群,将用户区分成“美妆类”、“鞋帽类”、“数码类”、“书籍类”等不同群体,然后精准推送新品。用户偏好中转化率较低的人群,做精细化运营

    第 13 期公开课 | 电商精细化运营的五大关键指标和三个关键思路

    GIO 增长团队2018-02-26

    736

    作者 | 揭发

     

    近几年电商行业存在明显的价格战现象,各大网站纷纷通过降价、促销等方式来吸引用户。KPCB 的调查报告显示,2009 年到 2015 年全球移动端新用户的增长率持续下滑,可以预计在 2016 年这一增速将继续放缓。这意味人口增长带来的流量红利正在逐渐消退,用户增长将更加乏力。那么,通过单纯的价格战来吸引新用户的方式还可行吗?

    严峻的市场形势让我们思考:

    • 通过降价促销来带订单数的增长,但是这样的活动吸引来的真是你的目标用户吗?
    • 现在很多电商运营团队缺少精细化运营和数据驱动增长的经验和意识,依靠价格战这种野蛮生长的方式,一旦团队面临增长困境,又该如何应对?

    点击“学习”观看视频

     

    一、电商行业需要关注的五大关键指标

    在众多的互联网细分行业中,电商行业起步早,发展时间长,行业特征显著:

    1. 商品品类及 SKU 多,用户覆盖面广,运营难度大;
    2. 总体上客单价低(除旅游、奢侈品等外),强调留存与复购;
    3. 电商产品设计相对成熟,优化运营是重中之重;
    4. 电商行业竞争白热化,精细化运营是冲出重围的必备技能。

    要想实现精细化运营,数据分析是必不可少的一个环节。电商网站要提高运营效率,至少需要五大关键指标:活跃用户量、转化率、留存、复购和 GMV 。

    1. 活跃用户量是一个基本的指标,有 DAU (日活跃用户)、WAU (周活跃用户)和 MAU (月活跃用户)三个层次;
    2. 转化是一个非常重要的指标,电商运营需要关注主路径、次路径甚至精细到每一个品类/ SKU 的转化率;
    3. 留存要从不同的时间周期上研究,包括次日留存率、3 日、7 日、30 日留存;
    4. 复购则要从 3 个角度去看,复购用户量、复购率和复购金额比;
    5. GMV 是最重要的指标,我们的运营最终是围绕这个来进行的( GMV = UV *转化率*客单价)

    光知道指标是远远不够的,电商行业的精细化运营需要结合业务实际展开。下面,我们从商品运营、用户运营和产品运营这 3 个关键思路展开,聊聊电商网站该如何提高运营效率。

    二、商品运营:流量优化和品类优化

    前面提到电商行业的一大特点是商品品类或者 SKU 非常多,那么如此多的商品该如何运营呢?

    这是三个电商 APP 的首页界面:前两个是京东和国美,属于平台型的电商;第三个是生鲜水果平台,属于垂直型电商。不难发现电商的产品在设计上非常类似,首页上面呈现的是轮播的 Banner ,下面是活动专区。

    (一)转化分析

    在商品运营中,尤其是首页商品更新速度快,我们要格外重视转化,甚至要精确到不同时间区间、不同位置、不同商品的转化率。然后根据转化率,结合业务经验,不断调整运营策略。然而目前,即使是大型的电商网站,也没有很好地做到这一点,对于每个商品品类/SKU 的转化率的分析仍存在一定的空缺。

    商品运营有一个非常大的优势:投入低,见效快,效果明显,商品运营的本质是通过不同坑位、不同活动、不同商品的分析来提高我们的转化率和 GMV 。

    下图展示了一个电商购买流程的主路径:首页——活动页——商品详情页——支付完成。从精细化用户行为分析的角度出发,我们关注转化路径每一步的转化率;通过分析不难发现最后一步“支付完成”的转化率偏低。

    我们更需要基于三个关键转化“UV-点击”、“点击-加入购物车”、“购物车-支付成功”,对不同的商品进行比较分析,从而及时调整运营策略,下图就是各个步骤的转化率:

    (二)实时分析

    电商网站的运营节奏非常快,尤其是活动专区的“秒杀”、“抢购”等活动,需要实时监测 SKU 的更新变化。上图中,某电商平台进行了一次微信上的促销活动,通过实时监测到对应的平台访问情况,便于运营人员及时调整运营策略。

    (三)品类分析

    电商网站上的商品品类非常多,每一个品类都应该有明确的定位,不同定位的品类应该有不同的运营策略。根据商品品类的利润率、转化率等表现,我们将商品品类分成 4 种:导流型品类、高利润品类、高转化品类、未来明星型品类。

    1. 导流型品类:利润非常低,但是购买量大、市场需求大,目的在于导流。

    2. 高利润型品类:利润率高,希望用户更多购买此类商品。

    3. 高转化品类:带量。

    4. 未来明星型品类:这是电商平台的潜力股,虽然曝光量很低,但是转化率极高。

    明确了商品的品类后,我们就可以针对性地展开运营。

    这是新型的波士顿矩阵,横坐标代表商品的曝光量,纵坐标是商品的转化率,图中的每一个圆圈代表一个品类的商品。右上角的商品品类曝光量大、转化率高,是现金流的重要业务;而左上角的商品虽然曝光率非常低,但是转化率极高,属于我们上面提到的未来明星型品类,对于这一类商品,我们在后期的运营中可以增加其曝光量。

    三、怎样进行用户运营?

    正如开头提到的,随着互联网用户增长速度的放缓,用户体验愈发重要,之前无目的的短信推送、APP 通知有可能使用户厌烦,破坏用户的体验;甚至可能导致用户退订、卸载。

    精细化运营的情况下,做好用户运营主要从两个角度出发:一是找到用户留存的关键点;二是采取差异化的运营策略,区分不同的用户群体,对不同群体采取差异化的运营方式。

    (一)找到用户增长的“魔法数字”

    留住一个客户的成本远远小于重新获取一个客户的成本,所以留存至关重要,它关系着一个平台能否持续健康发展。

    留存曲线分成三个周期,开始是震荡期和选择期,经过这两个周期,如果用户能够留下来,就会进入一个相对平稳期。

    在硅谷流向的 growth hacking 中,经常提到 magic number(魔法数字)。

    那么作为一个电商平台,你的平台的魔法数字是什么?

    以某电商平台为例,在该网站上 7 天内完成 3 次购买的用户的留存度(红色)是一般用户(绿色)的 4 倍左右,因此在一周内让用户完成 3 次购买就是他的魔法数字。

    (二)差异化的运营策略

    不同用户的活跃度、商品偏好、购买决策阶段都各异,我们需要采取差异化的运营策略。差异化的运营策略主要从3个角度出发:基于用户的活跃度、基于用户对不同商品的偏好、基于用户所处的决策阶段。

    基于用户的活跃程度,我们可以将用户大致分成“流失用户”、“低频活跃用户”和“高频活跃用户”。一般情况下,一个用户 30 天甚至更久没有登录你的平台,我们基本可以认为该用户流失了。对于流失客户,是否要考虑采取召回策略。30 天内活跃 10 天以上的高度活跃用户,我们是否可以向其推荐更多精准的商品。

    其次基于用户对不同商品的偏好,我们采用用户分群,将用户区分成“美妆类”、“鞋帽类”、“数码类”、“书籍类”等不同群体,然后精准推送新品。

    最后,基于用户购买决策的不同阶段。一个标准的购买流程,先后经历“首页浏览/搜索——浏览商品详情页——商品对比——加入购物车——支付成功”等几个环节,用户在每一个节点都处于不同的决策阶段。我们从维度(属性数据)和指标(行为数据)出发,对用户分群,如“领取了优惠券,但是未使用”的用户,采取精准的推送。我们从 GrowingIO 提供的 API 导出这些用户的 ID 和属性,然后对接企业内容的 CRM 或者 EDM 进行精准的推送和提醒,刺激用户的转化。

    四、优化产品的转化效率

     

    优化产品不同路径的转化率,关注购买意愿高但转化率低的用户

    注重用户点评的管理

     

     

     

     

    展开全文
  • 客户精细化管理

    2020-10-19 10:29:56
    RFM精细化管理一 分析背景二 分析思路三 数据分析3.1 数据预览3.2数据预处理 一 分析背景 对于销售型公司而言会员/客户精细化管理的必要性: 更好的用户体验:对客户进行精细化分类管理,从而进行精准营销,给客户...
  • 论推荐系统与精细化运营

    千次阅读 2020-03-04 18:32:42
    企业之所以越来越重视精细化运营,是因为通过精细化运营来实现产品成功的成本低于其他方式的成本,而回报也相应更高。在这一背景下,能活下来、发展得好的企业都是注重精细化运营的。这里有三点原因可以用于解释为...
  • 版权声明:本文由梁定安原创文章,转载请注明出处:  ...作者简介:梁定安,现就职于腾讯社交网络运营部,负责社交平台、增值业务的运维负责人,开放运维联盟专家委员,腾讯云布道师,腾讯课堂运维讲师。
  • 作为门店老板,我们经常为员工工资,店铺管理、产品推广而苦恼。在竞争激烈的环境中,我们又面临利润下降,房租成本增高等问题。有时候,感觉做生意真的太难了。一个行业有人赚钱,也有人亏钱“只要思想不滑坡,解决...
  • 随着淘宝商家飞速增多、淘内的竞争也越来越激烈,推广成本的逐日攀升,以往只知道砸钱导流量的粗放型经营形式已逐渐落伍,不珍惜淘宝流量、不重视自动营销、不重视老客户二次营销、不重视在线客服销售管理、不重视...
  • 面对这样的超高层建筑,现有的物业和运营管理方式表现出效率、难度大、成本上升等问题,亟需新的管理方式和管理工具来解决。 ▲ 上海中心大厦建筑概况 上海中心大厦位于上海市浦东新区陆家嘴金融区,建筑包括一个...
  • 大数据赋能,如何精细化运营

    千次阅读 2018-03-23 00:00:00
    3月18日,腾讯大数据举办了2018年线下沙龙—深圳站,吸引了深圳互联网圈众多运营&推广的小伙伴踊跃报名参加活动,共同探讨主题:互联网用户增长与运营之道。信息爆炸的时代,用户的注意力被信息的洪流打碎冲散,品牌...
  • 经过一轮轮大浪淘沙之后,电商已经从低价甩货到回归到用户服务的本质。在这个体验为王的年代,电商逐渐从手工作坊时代转为...特别是越来越多的企业选择使用ERPbuilder,预示着企业开始加速电商精细化运营。 ...
  • 说明:目前在我当前的工作中,也在运用这样的理念,资料文档体系、标准、通过积分管理手段来进行数据考核提供数据支持。效果还不错。 饿了么成立于2008年,2014年底开始迎来业务的大规模爆发性增长,2015-...
  • 企业之所以越来越重视精细化运营,是因为通过精细化运营来实现产品成功的成本低于其他方式的成本,而回报也相应更高。在这一背景下,能活下来、发展得好的企业都是注重精细化运营的。这里有三点原因可以用于解释为...
  • 协同运营精细管理

    千次阅读 2014-10-21 16:01:40
    企业的竞争力建立在系统的研发生产、市场营销、业务销售、采购、项目管理、客户服务以及内部人力资源和行政财务等环环相扣、相互支撑的日常运营管理工作基础上。企业管理信息的目的就是要为纷繁复杂的日常运营...
  • 相信很多人对“精细化运营”都已耳熟能详。后移动互联网时代,以往粗放型的流量圈地不再可行。精细化运营,成为很多App开展运营工作的新目标。而撬动“精细化运营”的支点,则是活用数据、用好数据。对用户特征的细...
  • 规模以后,又能赚多少钱?本文作者用类似学术的方法,基于多年的电商经验,提供了一个成本公式,可以比较好的回答这些问题。本文是第一篇比较专业讨论电商成本的文章,虽然不一定很精确计算成本,但很有探索价值,...
  • 今天策小编要和大家谈谈心里话,作为一家大数据公司的新媒体运营,压力,那是一定大的;KPI,那是肯定有的;学习,那是相当的需要……比如,你听过大数据时代下的精细化运营么?小...
  • 怎么才能算是「理想」的私域流量运营模式? 私域流量具体能提供多少「价值」,如何衡量价值? 带着这些问题,我们找到了拥有超过 16000 个企业微信社群,近 5000 家门店,平均每个门店组建的社群人数近 1000 人...
  • 那么,到底怎样才能做好社群的精细化运营呢?   1.引导性   看到网上很多人在谈社群玩法,更多的在说社群一定要具备门槛呀,要有规则呀,在我看来都是偏见,任何人都可以组织成社群,只是这些门槛和...
  • 我们工厂的朋友都知道,工厂管理有两大难点,一个是财务,一个是仓库。工厂的运营不用说,全靠财务的精打细算,没有财务的支持也撑不了多久。... 更重要的是,仓库运营管理直接决定了生产是否顺利,制造效益能否
  • 通过对品类的差异化管理、战略供应商的协同和端到端的流程优化,企业能够最大限度地管理成本,并利用整个供应生态圈帮助企业创造核心竞争能力。随着中国及世界经济增速的整体放缓,企业面临的经营环境日益严峻。一...
  • 现在随着电商行业的发展,越来越多的人会选择淘宝开店,选择做无...在我看来,店铺好开,难在运营管理,难在利润坚持。传统淘宝店铺总会出现囤货,滞销,等等问题,让人头疼又不能很好的解决。但是现在了解了无货...
  • 增长黑客是硅谷当下热门的新商业方法论,其精髓在于通过快节奏测试和迭代,以极甚至零成本获取并留存用户。 作为最早提出“增长黑客”概念的理论先驱、带领 Dropbox 实现500%增长的实战领军人物,作者在...
  • 你可能听说过精细化管理技术如何帮助丰田等公司简化流程、减少浪费、降低成本和提高生产率。事实上,许多精细化策略可以帮助公司节省金钱和时间。毕竟,精细化的主要原则包括消除浪费、预防工作失误、保持平稳的生产...
  • 近日,Kyligence 联合创始人兼 CTO 李扬出席“亚马逊云科技 INNOVATE| 数据驱动创新大会”,并发表《 Kyligence + 亚马逊云科技|实现云上的精细化运营和数字化指挥》主题演讲,他结合实际应用案例深入浅出地给出了...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 8,283
精华内容 3,313
热门标签
关键字:

精细化管理低成本运营