手把手教你搭建數據化用戶運營體系

使用時間間隔：使用時間間隔是指同用戶相鄰兩次啟動的時間間隔。我們通常要分析使用時間間隔分佈，一般統計一個月內應用的用戶使用時間間隔的活躍用戶數分佈。也可以通過不同統計周期(時間點不同，但跨度相同)的使用時間間隔分佈的差異，以發現用戶體驗的問題。

在以上用戶參與度指標中，我們可以選取一個可以反映主運營目標的指標，如消費額，搭建用戶等級模型（用戶分層），也可以選取多個相關指標，如最近一次消費時間R，消費頻率F，消費額M搭建常用的RFM用戶模型。

作用在於可以根據構建出的模型中的不同等級（用戶分層）或不同區域（RFM模型）的用戶的特徵制定針對性的運營策略或制定層級間轉化的用戶激勵體系。

以問答社區為例，主要KPI是內容數量和質量，體現在用戶所貢獻內容獲取的認可數上，通過數據收集整理得出用戶認可數分佈如下，我們以用戶認可數為指標建立用戶分層。

可以看出分佈近似於對數正太分佈，通過類似分佈直方圖定義第一，第二，第三四分位點作為臨界值，將用戶劃分為普通用戶、內容生產者、內容貢獻者和大V四個等級用戶。

當用戶量足夠大時，每一層用戶等級里的用戶特徵也表現出很大差異性，比如內容貢獻者一層里，有人以發表文章為主，頻率低，單篇認可數高；有人以問答為主，頻率高，單篇認可數低；這就結合RFM模型對每一層內用戶再做細分。

再比如有人是3年以下，有人是5年以上，有人喜歡社交類內容，有人喜歡電商類內容，這就就可以結合下文介紹的用戶畫像對用戶做更精細屬性描述，做到更精細化運營的效果。

RFM模型

（3）用戶畫像

用戶畫像就是通過各種數據勾勒出用戶的輪廓，凡是可以定義出用戶屬性的指標都可以放在用戶畫像里，包括性別、年齡、學歷、收入、支出、職業、行業、個人興趣愛好、商業興趣、社交關係等等，數據越多，用戶的輪廓就越清晰，相應的制定運營策略的時候就越有針對性。

3.我們每天手機上會收到各種簡訊、PUSH、陌生電話，郵箱里經常收到廣告郵件，且越來越精準的戳中你的點，促使你再次啟動app，如果你很久沒有使用這個app了，那這很可能就是運營人員基於數據分析採取的召回措施，試圖挽迴流失的用戶。

這一階段主要是對流失原因的分析以相應召回方案的制定，數據指標用來衡量工作效果。體現在數據指標上為流失和召回體系，包括流失率、到達率、打開率、打開點擊率、迴流率。

流失率：流失率和留存率是互為此消彼長的一對概念，某個統計時間后不再使用產品的用戶比率，兩個指標一般都是採用同期群的計算方式，但因為流失率有一定的滯后性，所以通常是通過查詢留存率來預計流失率。

• 到達率：推送到達用戶手機或郵箱的比率。

• 打開率：用戶看到推送打開的比率。

• 打開點擊率:用戶打開後點擊內容/鏈接的比率。

• 迴流率：迴流用戶數與統計周期內流失用戶的比率。

我們的目標是讓流失用戶迴流，但卻不是一蹴而就的，後面四個指標層層遞進，形成一個轉化漏斗。推送的形式、推送發送時間、推送標題、發件人是否官方、發送對象是否精準、實際內容與標題是否一致甚至頁面排版都會影響到每一層的轉化。

三、數據驅動用戶運營

有了結構化的數據指標體系，但這還不能算是完整的運營體系。數據本身是沒有價值的，變成策略才有價值。我們構建出來的數據指標都是為決策來服務的，幫我們制定和優化運營策略。

通過數據我們不僅是要知道「是什麼」和「有多少」的問題，更重要的是要知道「為什麼」？這才是數據能驅動業務的關鍵。數據驅動業務體現在兩個方面：

一是用數據優化運營策略，比如用戶留存率低，而留存率與用戶質量和產品吸引力有關係，通過渠道分析發現用戶質量沒有問題，而通過用戶流失分析發現主要流失階段在初始接觸期，這就找到了原因，於是在產品穩定性、易用性和新用戶引導上做優化。

二是數據驗證運營策略，比如你想上線一個新的用戶激勵措施，但不確定和原有方式相比是否會有更好結果，這時候通過合理的AB測試得出的對比數據可以為你提供決策依據。

數據分析查找原因和運營策略優化是互相反覆進行的過程，我們以用戶的防流失為例來說明。

防止用戶流失工作的核心是降低用戶流失率或者延長用戶的生命周期（流失無法避免的情況下）。造成用戶流失的原因千差萬別，有的是在推廣過程吸引了大量價值不高的用戶，有的是用戶對產品不感興趣，有的是使用過程中興奮點不斷提高而興趣不斷降低，只有找准用戶流失的原因才能推出有效的防止用戶流失和流失用戶召回策略，而這都需要依賴於通過數據指標體系來說明問題。

1.不同渠道用戶流失率分析

• 渠道A：SEM

• 渠道B：微博

• 全站用戶

通過分析不同渠道用戶的流失情況，我們會發現不同渠道的用戶流失率明顯不同，並且與全棧的用戶流失率也不同。

在第一周，渠道A---通過SEM註冊產品的用戶流失為34%，而渠道B---通過微博註冊產品的用戶流失率為54%。為何渠道A的用戶情況會明顯好於渠道B？無論是渠道A的關鍵詞主動搜索也好還是渠道B的推廣鏈接感興趣點擊也好，用戶的需求基本是一致的，否則在註冊階段就會流失了。

再往下分析，因為SEM是付費推廣而微博是免費自然流量，運營為了提高SEM的投入產出比，渠道A的用戶進入產品頁面後會有專門的著陸頁介紹產品，而微博直接鏈接到活動頁，用戶對產品認知較差，導致用戶流失增加。

運營可以通過為通過微博來的用戶添加新用戶引導功能，繼續觀察微博過來的新用戶的數據。如此反覆不斷優化策略。

2.不同生命周期用戶流失率分析

通過使用時長和使用頻次兩個指標將用戶生命周期劃分為為接觸適應期、探索成長期、成熟穩定期、衰退期，不同時期的用戶人數和流失率統計如下：

從上表可以看出，在用戶剛開始接觸產品的探索適應期流失率偏高，有很大改進空間。根據我們用戶運營的經驗，在此階段用戶流失的原因一般包括新手引導體驗差、訪問速度慢、學習成本高、內容不匹配等，而這些在數據上都會有所體現，通過相應數據的分析查找原因，並制定相關的用戶策略，再繼續觀察數據，反覆優化策略。

以上以防止用戶流失為例來說明如何利用數據來驅動用戶運營，其它環節大同小異，利用用戶運營的思想，結合數據分析的思路，選定合理的數據指標體系，精準分析原因，制定相應策略，重新觀察數據優化策略。

四、總結

1.搭建數據化用戶運營體系的流程為：

用戶數據收集---構建用戶數據化運營指標體系—數據驅動運營。

2.根據用戶在產品的周期建立結構化數據指標體系，將用戶運營工作數據化。

3.數據驅動業務，通過數據查找制定相應運營策略並通過繼續觀察數據不斷優化。

投稿郵箱：[email protected]

本文由作者授權早讀課發表，轉載請聯繫作者。

3月29日，100offer 邀請了被稱作「架構師的搖籃」的阿里中間件參加知乎 Live。

阿里中間件承載了世界上最有挑戰的場景，應對了一次次雙十一的流量洪峰，他們對人才的要求指引優秀架構師之路的方向。

掃描二維碼，參與 Live 會讓你了解怎麼樣的架構師才能勝任頂尖團隊中的工作。