运营体系搭建结构
2023-09-18 16:42:12 0 举报AI智能生成
运营体系搭建结构
作者其他创作
大纲/内容
人口统计
基础信息
姓名
性别
籍贯
婚姻
学历
出生年月
注册信息
手机
邮箱
注册渠道
注册方式
社会属性
家庭信息
家庭类型
家庭人数
家庭小孩标签
家庭老人标签
籍贯
工作信息
公司类型
公司职位
公司地址
公司行业
用户行为
活跃数据
3/7/15/30/60日内登陆次数
3/7/15/30/60日内登陆时长
3/7/15/30/60日内登陆深度
偏好属性
价格偏好
类目偏好
时间偏好
行为数据
3/7/15/30/60日内评论数
3/7/15/30/60日内点赞数
3/7/15/30/60日内收藏数
3/7/15/30/60日内互粉数
3/7/15/30/60日内关注数
用户消费
3/7/15/30/60日内消费金额
3/7/15/30/60日内消费次数
3/7/15/30/60日内消费广度
消费间隔频率
支付方式
售后评价
退换货
首次消费时间
最后一次消费时间
数据获取流程
确定目标与需求
数据字段规划
埋点采集数据
数据报表
AARRR模型
获取数据
CTR
CPM
CPC
CPS
激发活跃
1/3/7/30日留存率
日活跃量
日活跃率
月活跃量
月活跃率
提高留存
老用户活跃率
跳出率
退出率
每日平均访问时长
每日平均启动次数
增加收入
ARPU
ARPPU
CL
CLV
病毒传播
K因子
用户状态模型
活跃
新增用户
回流用户
有一段时间没打开产品 之后突然回来再次使用
活跃用户
一段时间内打开过产品
忠诚用户
也叫超级活跃用户 长期持续使用产品
不活跃
流失用户
有一段时间没有再打开产品
不活跃用户
有一段时间没打开产品
为了和流失区分开 需选择无交集的时间范围
用户漏斗模型
浏览商品（100%）
加入购物车（40%）
生成订单（30%）
支付订单（20%）
完成订单（17%）
用户忠诚度模型
t是一个时间窗口 s代表消费次数
若时间窗口以月为单位 那么t=1是距今第1个月内的消费次数
L值越大 说明用户忠诚度越高
用户价值模型
RFM模型
最近一次消费（Recency）
用户消费的时间越近忠诚度越高
消费频率（Frequency）
消费频率是用户在限定的期间内购买的次数
消费金额（Monetary）
用户对企业利润的贡献
价值分类
重要价值客户
重要保持客户
重要发展客户
一般价值客户
一般发展客户
一般挽留客户
一般保护客户
只要挽留客户
用户分层与分群
分层
购买
付费用户（群体A、群体B、群体C）
下单
兴趣用户
使用
活跃用户
下载
下载用户
注册
新用户
维度
用户分层
没有固定体系 根据指标划分层级 通常不超过五层
用户分群
地域
人口特征
用户价值
渠道
品类
场景
品牌
忠诚度
用户画像
标签获得形式
基于已有数据或一定规则加工
基于已有的数据计算概率模型
会用到机器学习和数据挖掘
获取维度
你的用户是谁
你的用户在哪
你的用户喜欢什么
你的用户流失概率
用户管理
基于运营目的
根据实现某个运营目的所需要的用户量大小与用户参与时长决定
多用户短时长
app推送、短信推送
少用户短时间
定向推送
多用户长时长
产品改版优化、活动策划
少用户长时长
社群管理
基于生命周期
新手期
提升成长速度
首次购买激励政策
新手特权专区
多次购买激励
用户推荐关注
内容推荐阅读
成长期
提升忠诚度
非交易类产品
内容互动增加
用户关系增加
访问频率增加
访问深度增加
个人信息完善
交易型产品
提升购买频次
提升购买金额
提升购买类型
成熟期
提升用户ARPU
增加用户访问频次
跨品类交杂推荐
服务关联推荐
服务场景化推荐
满减券
买2赠1券
扩大服务品类
特权等级
任务引导
衰退期
延长用户生命周期
建立用户流失预警机制
根据生命周期的阶段用户采取不同的挽留策略
针对不同产品贡献价值的用户采用不同的挽留策略
主要运营手段让利益刺激为主
流失期
挽回高价值用户
流失用户的价值和生命周期分层
召回策略定制
内容召回
关系召回
福利召回
热点召回
召回渠道选择
App推送
EDM
第三方营销平台
召回效果数据分析
0 条评论
下一页
为你推荐
查看更多
