發(fā)展速度減慢，或者碰到天花板，甚至產(chǎn)生倒退，這逼著我們運(yùn)營(yíng)一定要升級(jí)，而精細(xì)化的運(yùn)營(yíng)首先要更了解我們的用戶特征，才能更好的實(shí)施個(gè)性化的產(chǎn)品和服務(wù)。

前段時(shí)間寫(xiě)了一篇文章《目標(biāo)用戶群的定位和維系是產(chǎn)品運(yùn)營(yíng)的核心》，文中講述了我們做用戶運(yùn)營(yíng)最核心的四個(gè)過(guò)程：

• 目標(biāo)用戶的定位：要足夠細(xì)分，足夠具體，才能足夠的聚焦，做的深入。
• 種子用戶的運(yùn)營(yíng)：更好的驗(yàn)證并完善產(chǎn)品和服務(wù)，也是建立品牌傳播的基礎(chǔ)。
• 目標(biāo)用戶的運(yùn)營(yíng)：緊抓目標(biāo)用戶群的需求來(lái)構(gòu)建產(chǎn)品服務(wù)能力，快速擴(kuò)張。
• 目標(biāo)用戶的調(diào)整：不斷驗(yàn)證當(dāng)前用戶群和目標(biāo)用戶群的一致性，以價(jià)值為導(dǎo)向維系或調(diào)整我們的目標(biāo)用戶群。

這四個(gè)過(guò)程貫穿到我們的產(chǎn)品運(yùn)營(yíng)全過(guò)程中，每一次產(chǎn)品迭代，我們都可以通過(guò)這四個(gè)過(guò)程來(lái)指導(dǎo)并檢驗(yàn)我們的產(chǎn)品運(yùn)營(yíng)，從而讓我們的產(chǎn)品運(yùn)營(yíng)更有方向性，更加專(zhuān)注，更加高效。

建立這樣一個(gè)運(yùn)營(yíng)的思路非常有必要，但是具體到執(zhí)行環(huán)節(jié)，光靠這個(gè)流程是遠(yuǎn)遠(yuǎn)不夠的，我們需要有針對(duì)性的方法和工具。作為一個(gè)不斷成長(zhǎng)的年輕的運(yùn)營(yíng)團(tuán)隊(duì)來(lái)說(shuō)，我認(rèn)為可能要經(jīng)歷感性化運(yùn)營(yíng)、數(shù)據(jù)化運(yùn)營(yíng)和精細(xì)化運(yùn)營(yíng)三種階段。

第一階段：感性化運(yùn)營(yíng)

這個(gè)階段多存在運(yùn)營(yíng)的初期階段，依賴早期運(yùn)營(yíng)人員的專(zhuān)業(yè)能力以及對(duì)用戶群特性的了解，通俗一點(diǎn)說(shuō)運(yùn)營(yíng)團(tuán)隊(duì)和用戶群對(duì)脾氣，雙方心有靈犀。比如很多做的非常出色的微信自媒體公眾號(hào)，在初期完全靠自媒體作者一己之力獲得粉絲的欣賞而發(fā)展起來(lái)的。

圖注：我知你不知，你知我不知，到底知不知，我們無(wú)所知

但是隨著用戶的增加，用戶群的屬性也在開(kāi)始變得豐富而復(fù)雜起來(lái)，一種單一的調(diào)性不能完全滿足所有用戶的需求。而且隨著運(yùn)營(yíng)團(tuán)隊(duì)的擴(kuò)大，運(yùn)營(yíng)人員的能力及風(fēng)格不一，也對(duì)運(yùn)營(yíng)產(chǎn)生干擾。感性化運(yùn)營(yíng)到了一定階段，可能就會(huì)導(dǎo)致忠實(shí)用戶的沉默甚至流失，新用戶缺乏特征。解決這一問(wèn)題，我們就要通過(guò)運(yùn)營(yíng)過(guò)程的數(shù)據(jù)分析來(lái)找出問(wèn)題，找出規(guī)律，形成比較客觀的解決方法。

第二階段：數(shù)據(jù)化運(yùn)營(yíng)

數(shù)據(jù)化運(yùn)營(yíng)顧名思義就是通過(guò)數(shù)據(jù)的分析來(lái)指導(dǎo)運(yùn)營(yíng)。以微信運(yùn)營(yíng)為例，想必做過(guò)微信運(yùn)營(yíng)人都有體會(huì)，每天一早打開(kāi)微信公眾號(hào)后臺(tái)，我們首先要去看用戶增長(zhǎng)的數(shù)據(jù)和圖文閱讀的數(shù)據(jù)，分析各個(gè)渠道的數(shù)據(jù)，分析某段時(shí)間的趨勢(shì)?？磾?shù)據(jù)能讓我們很容易監(jiān)測(cè)我們運(yùn)營(yíng)的效果，從而意識(shí)到問(wèn)題。但是只是從這些宏觀趨勢(shì)圖上，我們卻很難定位問(wèn)題。

分析問(wèn)題其實(shí)就是尋找問(wèn)題的因果關(guān)系，還是以微信運(yùn)營(yíng)為例，內(nèi)容的質(zhì)量會(huì)影響用戶的增減，內(nèi)容是因，用戶是果。但是我們往往是把用戶數(shù)據(jù)和內(nèi)容數(shù)據(jù)分別來(lái)單看，微信的分析模塊也是分開(kāi)的，不建立數(shù)據(jù)的關(guān)聯(lián)關(guān)系，就很難找到問(wèn)題的因果關(guān)系。

所以數(shù)據(jù)化運(yùn)營(yíng)最重要的是建立起數(shù)據(jù)的關(guān)系，用一個(gè)更豐富的全景視圖來(lái)看運(yùn)營(yíng)的狀況。

在微信現(xiàn)有數(shù)據(jù)的基礎(chǔ)上，結(jié)合自身的業(yè)務(wù)特點(diǎn)，我做了一個(gè)表格，將用戶的數(shù)據(jù)和文章的數(shù)據(jù)關(guān)聯(lián)起來(lái)，每天采集一次。

圖注：微信全景數(shù)據(jù)的表格

采集數(shù)據(jù)是數(shù)據(jù)化運(yùn)營(yíng)的第一步，我們要先確定我們需要哪些數(shù)據(jù)，然后才是如何分析哪些數(shù)據(jù)。（有技術(shù)開(kāi)發(fā)能力的團(tuán)隊(duì)可以開(kāi)發(fā)一個(gè)數(shù)據(jù)采集和分析的模塊，沒(méi)有技術(shù)能力的團(tuán)隊(duì)也可以靠excel或者網(wǎng)上一些專(zhuān)門(mén)做數(shù)據(jù)分析的平臺(tái)來(lái)進(jìn)行多維分析）

建立全景數(shù)據(jù)視圖的目的其實(shí)就是為了更直觀的做問(wèn)題的因果分析：

• 什么樣的內(nèi)容對(duì)新增粉絲的轉(zhuǎn)化率更高？
• 對(duì)用戶的流失影響最大？
• 對(duì)小程序的轉(zhuǎn)化率更高？

通過(guò)用戶的增長(zhǎng)數(shù)據(jù)和內(nèi)容的標(biāo)簽，我們就能更好的分析用戶群最感興趣的內(nèi)容畫(huà)像，從而指導(dǎo)微信運(yùn)營(yíng)人員更好的做內(nèi)容定位，而不再是完全靠個(gè)人感覺(jué)去做運(yùn)營(yíng)。

對(duì)于網(wǎng)站或者APP的運(yùn)營(yíng)，我們不僅需要建立更多的數(shù)據(jù)關(guān)聯(lián)關(guān)系，更應(yīng)該把這些數(shù)據(jù)做成一個(gè)個(gè)可視化的運(yùn)營(yíng)看板，從各個(gè)維度來(lái)監(jiān)控并分析產(chǎn)品的運(yùn)營(yíng)狀況。比如做一個(gè)運(yùn)營(yíng)日?qǐng)?bào)的全景視圖，全方位的看每天的運(yùn)營(yíng)狀況。比如下圖：

圖片來(lái)源：數(shù)據(jù)觀

第三階段：精細(xì)化運(yùn)營(yíng)

隨著產(chǎn)品功能的增多和用戶的增多，用戶需求的多樣化和產(chǎn)品服務(wù)的多樣化之間就存在了匹配和不匹配，選擇與不選擇，喜歡與不喜歡之間的矛盾，新用戶的選擇，老用戶的活躍、流失就帶來(lái)了各種各樣的原因。而精細(xì)化的運(yùn)營(yíng)就是通過(guò)用戶分群，對(duì)不同需求的用戶匹配不同的服務(wù)和內(nèi)容，從而滿足其個(gè)性化的需求，從而更好的完成運(yùn)營(yíng)中拉新、促活和激活的工作。

既然要給用戶分群，我們就要給用戶建立畫(huà)像，更好的區(qū)別不同特征的用戶的不同需求。用戶畫(huà)像可以從多個(gè)維度來(lái)描繪，不同的產(chǎn)品類(lèi)型，用戶畫(huà)像的維度也有不同，以醫(yī)生的頭條–掌上醫(yī)訊為例，我們從四種維度來(lái)建立用戶畫(huà)像。

圖注：四種維度建立用戶畫(huà)像

而用戶畫(huà)像的數(shù)據(jù)來(lái)源主要來(lái)自三個(gè)方面：

1. 用戶的個(gè)人資料
2. 日常行為標(biāo)簽的累加
3. 根據(jù)規(guī)則進(jìn)行數(shù)據(jù)算法的計(jì)算

（用戶行為數(shù)據(jù)的分析，需要技術(shù)團(tuán)隊(duì)通過(guò)大數(shù)據(jù)的分析算法，不斷的總結(jié)歸納用戶特征，從而形成行為畫(huà)像。做精細(xì)化運(yùn)營(yíng)光靠運(yùn)營(yíng)團(tuán)隊(duì)是遠(yuǎn)遠(yuǎn)不夠的，需要產(chǎn)品、技術(shù)、運(yùn)營(yíng)有統(tǒng)一的意識(shí)。）

當(dāng)我們?yōu)槊總€(gè)人建立起這樣一個(gè)畫(huà)像以后，我們就能精準(zhǔn)的為每個(gè)用戶推送不同的內(nèi)容和服務(wù)，從而滿足用戶不同的需求。

建立用戶畫(huà)像后，我們就要根據(jù)用戶畫(huà)像進(jìn)行精細(xì)化運(yùn)營(yíng)，我總結(jié)了精細(xì)化運(yùn)營(yíng)分三個(gè)過(guò)程：

第一步：分群畫(huà)像，找異同

圖注：運(yùn)營(yíng)指導(dǎo)模型：AARRR模型

上圖是指導(dǎo)我們運(yùn)營(yíng)工作的AARRR模型，首先運(yùn)營(yíng)的主要工作是拉新、促活和留存，那么我們首先要分析新用戶長(zhǎng)什么樣，活躍用戶長(zhǎng)什么樣，流失用戶長(zhǎng)什么樣，才能更好的來(lái)調(diào)整產(chǎn)品和服務(wù)來(lái)滿足各個(gè)群體的需求，讓現(xiàn)存用戶更活躍，讓流失用戶回來(lái)，讓新用戶進(jìn)來(lái)。以我們掌上醫(yī)訊這個(gè)產(chǎn)品為例，我們根據(jù)用戶使用產(chǎn)品狀況把用戶進(jìn)行了分層，如下表所示：

圖注：用戶群細(xì)分規(guī)則說(shuō)明

然后再結(jié)合用戶畫(huà)像的數(shù)據(jù)，最終得到如下一個(gè)分群用戶的畫(huà)像數(shù)據(jù)分析。

圖注：用戶分群的用戶畫(huà)像分析，行為數(shù)據(jù)省略

為了更直觀的分析，我們可以把不同用戶群的畫(huà)像以及變化通過(guò)圖形的方式展示出來(lái)（有技術(shù)能力的團(tuán)隊(duì)，最好還是直接開(kāi)發(fā)出一套用戶分層分析的數(shù)據(jù)視圖看板出來(lái)），限于篇幅就不展示了。

上表還可以按照使用度+基礎(chǔ)屬性、使用度+行為屬性的不同組合再進(jìn)行細(xì)分，更加針對(duì)性的描述用戶畫(huà)像。比如，做病例運(yùn)營(yíng)的同事可能更關(guān)心活躍用戶中關(guān)心病例的人群有什么特點(diǎn)？比如產(chǎn)品經(jīng)理可能更關(guān)注活躍用戶中高年資醫(yī)生主要使用哪些服務(wù)？

根據(jù)AARRR模型，運(yùn)營(yíng)的最高境界是要做用戶的轉(zhuǎn)化，從而獲取收入，實(shí)現(xiàn)病毒式的傳播。所以針對(duì)活躍用戶，我們還可以根據(jù)用戶的價(jià)值再進(jìn)行分群，比如普通用戶、傳播用戶、付費(fèi)用戶、B端價(jià)值用戶等，原理都是一樣的。

第二步：分析原因，找對(duì)策

當(dāng)我們的運(yùn)營(yíng)人員看到這個(gè)表格的時(shí)候，大家發(fā)現(xiàn)有些地方和之前的感覺(jué)完全不對(duì)，比如活躍用戶的職稱分布，我們一直以為主要以年輕的低年資醫(yī)生為主，但是卻發(fā)現(xiàn)高年資的醫(yī)生比例已經(jīng)超出了行業(yè)的人群比例，而且這部分人群更有價(jià)值，這部分就可以修訂為我們的目標(biāo)人群。比如我們的目標(biāo)人群中有腫瘤科，但是在我們的活躍用戶里腫瘤科的醫(yī)生占比卻沒(méi)想象的高，那么會(huì)不會(huì)和我們的內(nèi)容比例有關(guān)系，和我們推廣的渠道有關(guān)系，再結(jié)合其他數(shù)據(jù)（比如內(nèi)容的畫(huà)像）來(lái)找差異。

我們?cè)偕钊氲姆治鲇脩羧后w畫(huà)像，僅僅基礎(chǔ)屬性是不夠的，我們還要分析用戶的行為屬性?；钴S的用戶的行為和流失用戶的行為之間有什么差別，什么原因造成的這個(gè)差別。活躍的用戶和流失的用戶在基礎(chǔ)屬性上相同的用戶群體，他們?cè)谛袨樯嫌钟惺裁床顒e。

找到原因，那就想解決方案，這時(shí)候要產(chǎn)品和運(yùn)營(yíng)一起抓，運(yùn)營(yíng)調(diào)整見(jiàn)效快，但產(chǎn)品調(diào)整更長(zhǎng)遠(yuǎn)。比如運(yùn)營(yíng)會(huì)適當(dāng)?shù)募哟竽[瘤科內(nèi)容的比重以及推薦力度，多做一些腫瘤科的內(nèi)容專(zhuān)題，從而提升腫瘤醫(yī)生的活躍度和留存率；而產(chǎn)品可以升級(jí)腫瘤頻道，推出更多服務(wù)滿足腫瘤科醫(yī)生，改進(jìn)內(nèi)容推薦算法，更好的推薦內(nèi)容。

第三步：執(zhí)行監(jiān)控，看效果

找到對(duì)策，具體對(duì)策對(duì)不對(duì)，效果怎么樣，這就需要我們?cè)趫?zhí)行的過(guò)程中，不斷的監(jiān)控?cái)?shù)據(jù)。我們不僅要關(guān)注用戶的增長(zhǎng)趨勢(shì)，而且我們每周都要更新我們的用戶畫(huà)像數(shù)據(jù)，看人群的轉(zhuǎn)化率，看和目標(biāo)用戶群的匹配度，過(guò)程中我們根據(jù)效果進(jìn)行不斷的調(diào)整。

從另外一個(gè)方面，我們不僅僅只關(guān)注用戶增長(zhǎng)的數(shù)量，我們也要關(guān)注用戶群體的質(zhì)量，從而滿足AARRR整個(gè)模型的要求，實(shí)現(xiàn)運(yùn)營(yíng)的目標(biāo)。簡(jiǎn)單做了一個(gè)數(shù)據(jù)監(jiān)控圖（如下圖所示），縱坐標(biāo)代表用戶的活躍程度，橫坐標(biāo)代表用戶的價(jià)值，如果隨著運(yùn)營(yíng)的改進(jìn)和升級(jí)，數(shù)據(jù)沿著紅色箭頭的方向增大，說(shuō)明我們運(yùn)營(yíng)策略和執(zhí)行過(guò)程是正確的，反之則需要我們?cè)侔凑找陨线^(guò)程去調(diào)整。

圖注：監(jiān)控活躍用戶中的價(jià)值用戶的比例，數(shù)據(jù)為示例，不具備可參考性

結(jié)語(yǔ)

梳理完這些方法和模型，的確可以指導(dǎo)團(tuán)隊(duì)更好的進(jìn)行分析思考，更有針對(duì)性的做方案，開(kāi)展運(yùn)營(yíng)活動(dòng)。但是真正執(zhí)行起來(lái)卻發(fā)現(xiàn)，其實(shí)并沒(méi)有那么容易，存在各種各樣的問(wèn)題：

• 想要的數(shù)據(jù)沒(méi)有！
• 用戶行為沒(méi)記或者不全！
• 用戶畫(huà)像沒(méi)有建立！
• 沒(méi)有自動(dòng)化程序來(lái)統(tǒng)計(jì)分析，完全手工效率太低！

其實(shí)，大部分團(tuán)隊(duì)都會(huì)遇到這些問(wèn)題，因?yàn)橘Y源有限。我們總是想辦法更好地服務(wù)用戶和客戶，卻忽視了一個(gè)能支持內(nèi)部運(yùn)營(yíng)的高效的、智能的精細(xì)化運(yùn)營(yíng)系統(tǒng)的重要性。所以，要實(shí)現(xiàn)精細(xì)化的運(yùn)營(yíng)，不僅僅需要升級(jí)我們的運(yùn)營(yíng)思維，更需要整個(gè)產(chǎn)品團(tuán)隊(duì)的高度重視，為精細(xì)化運(yùn)營(yíng)設(shè)計(jì)開(kāi)發(fā)高效的運(yùn)營(yíng)工具。

作者：亂譚君，掌上醫(yī)訊產(chǎn)品經(jīng)理，微信公眾號(hào)：菜根亂譚I（ID：CGLT_TAN）

本文由 @亂譚君 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 Pexels，基于 CC0 協(xié)議