用户分层其实很简单—精细化运营之用户分层案例

全文2000字,阅读大约需要5分钟。

用户分层是产品精细化运营的基础,无用户,不运营。

公司内部新上线了技术问答社区,主要希望给技术人员搭建一个纯技术交流的平台。运营团队的同事通过1024活动引流之后,留存率却很低,老板很着急,召集运营团队分析原因。会上大家讨论了制定了一系列策略,而通过用户分层进行精细化运营的任务交到小K身上。

那么什么是用户分层?如何做好用户分层呢?如何通过分层来优化运营效果呢?一系列问题摆在了小K的面前。

据某知名机构通过问卷调查进行文本分析结果显示,用户这个词成为了最高频的词汇。如下图:

这也就意味着,几乎所有的岗位都面临着和用户有关的问题。

一、首先来看下什么是用户分层

用户分层是按照用户的业务状态进行层级划分。

所谓的业务状态,就是用户在使用产品过程中产生的一系列用户行为数据,通过结合业务逻辑,按照不同的状态进行划分,针对不同的层级,制定不同的运营策略。

举个例子,你作为一名餐厅的老板,根据进店用户的性别,年龄,初步判断给该用户推荐什么样的饭菜合适。带小孩的顾客推荐以清淡为主,女生可以推荐养生餐,男生可以推荐分量比较大的套餐等等。生意越来越好,发展为连锁企业了,这时候该怎么办呢?面向大规模用户,则必须要结合IT系统及成体系的用户分层策略来进行。

常见的用户分层方法有RFM模型,金字塔模型。

所谓的RFM模型,主要是对用户的三个重要维度:最后一次购买时间,购买次数,购买金额进行区分,公开的资料比较多,广泛适用于电商,游戏等行业,这里不在赘述。

RFM模型

金字塔模型主要利用北极星指标维度来进行区分。北极星指标是指某一阶段,产品运营最关注的一个度量值,通过对指标的拆分,来牵引运营方向。

金字塔模型

那么用户分层到底多少层比较合适呢?这里需要结合业务背景来具体问题具体分析。一般情况下不超过4层即可。

二、根据业务需求进行用户分层

接下来来看看我们的业务背景。

业务背景:新启动的技术问答社区,累计用户基本已覆盖全公司,1024期间访问量翻倍,过后日活在1K左右,日提问人数在2%(20人)左右,日回答人数在6%(60人)左右,目前正逐步下滑。

日活数据,经过脱敏

目的:通过用户分层来进行区分不同行为用户的运营策略,提高用户留存。

通过对业务进行梳理,以及对一个月的整体数据的分析,计划将用户分为四个群体:

高频提问者业务场景:开发过程中经常会碰到问题,需要找人求助解决,可能群体是刚入职的员工,正在有高频开发任务的员工;特征:刚需求助型,对技术问答需求强烈。

高频回答者业务场景:社区邀请的技术大拿,帮助解决问题;社区自发的积极贡献用户,希望提升自己的影响力;特征:积极贡献型,主要为了实现价值,共享知识。

一般提问回答者业务场景:有一些日常碰到的问题需要解决,或者偶尔解决一下自己会的问题;特征:顺便参与型。

浏览者业务场景:对某个问题感兴趣,进来看一下,或者通过搜索查找自己需要的内容。特征:伸手党型。

以5次作为分割线,主要是利用专家判断法,根据业务需要,运营团队一致认为,经过5次的提问或回答,该用户对社区的整体机制、规则都有了详细的了解,可以作为一个分割线。

通过以上分层规则,结合数据,基本确定了每一类别用户的具体占比情况。

三、通过分层来优化运营效果

问答社区主要是通过一问一答的方式,将隐形知识挖掘出来。重点是需要引导用户进行提问和回答的动作。同时,通过数据发现,参与了问答的用户留存率明显高于未参与问答的用户。因此,具体的转化模型如下图。

1、运营资源的分配

例如QQ等级,目前社区也有相应的声望体系,通过累计声望值,可以解锁相应的权限。确定了用户进阶策略,来制定相应的运营措施。

浏览者:占绝大多数,重点引导策划参与提问和回答的活动,突出价值引导,或结合物质精神激励来进行,如策划提第一个问题或答案可获得社区勋章的活动。重视新用户提出的每一个问题。逐渐往一般提问回答者发展。

一般提问回答者:重点保持和往高频提问回答者发展。具体运营措施可适当的进行物质激励和精神激励,提高在社区的威望。

高频提问回答者:重点保持,对社区共享大,安排重点人员运营。例如节日关怀计划,VIP群维护等,或适当的授予社区管理权限,参与社区建设。

2、内容推送策略

不同的用户根据关注的内容和方向的不同,定期推送社区内容。由社区本身内容量大,技术累问题不可能都擅长,根据用户分层策略,定期推送不同内容。

浏览者:以普遍性、开放型、通用类技术为主,主要吸引用户参与讨论和访问社区。

一般提问回答者:有一定难度的技术类问题和社区。

高频提问回答者:重点以社区未解决问题和该用户擅长的领域为主。

当然,通过用户画像和行为数据推荐的策略要优于以上策略。后需运营活动实施过程中,持续监测用户群体占比情况,如果不符合预期或背道而驰,需及时调整策略。

由于问答建立在真实、高质量的基础之上,社区的内容建设必定是一个长期的过程,切勿急功近利。通过对用户进行分层,实现精细化运营。以业务价值为导向,重点帮助用户解决业务中碰到的问题,这样才能够真正的留住用户的心。

感谢您的阅读,祝生活愉快!

欢迎关注“石头爸爸做运营”,深漂一名,4年运营老鸟,带娃与运营缺一不可,喜欢旅游摄影,闲暇偶尔输出自己的运营心得。你的关注和点赞就是我最大的动力。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,482评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,377评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,762评论 0 342
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,273评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,289评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,046评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,351评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,988评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,476评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,948评论 2 324
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,064评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,712评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,261评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,264评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,486评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,511评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,802评论 2 345