用戶運營——6大用戶分析增長模型

4、用戶健康度分析用戶健康度是基於用戶行為數據綜合考慮的核心指標，體現產品的運營情況，為產品的發展進行預警。包括三大類型指標：產品基礎指標、流量質量指標、產品營收指標。它們三者構成了評價產品健康度的體系，但它們也有各自的側重點。（1）產品基礎指標：主要評價產品本身的運行狀態，如：PV、UV、新用戶數；UV：獨立訪客數（uniquevisitor），指通過互聯網訪問、瀏覽網頁的自然人。但對於UV的定義有壹個時間限制，壹般是1天之內，訪問產品的獨立訪客數，如果壹個用戶壹天內多次訪問也只計算為1個UV數。UV是衡量產品量級的最重要指標之壹。PV：頁面瀏覽量（PageView），用戶每1次對網站中每個網頁訪問均被記錄1次。用戶對同壹頁面的多次訪問，訪問量累計。因此壹般PV值大於UV值。新用戶數：是指新用戶，壹般定義為者第壹次註冊，但還未進行首單支付的用戶。壹個新用戶到老用戶的轉變過程可以用四象空間來劃分：次數、金額、時間、品類；（2）流量質量指標：主要評價用戶流量的質量高低：跳出率、人均瀏覽次數、人均停留時間、用戶留存率、用戶回訪率；跳出率：跳出率(BounceRate)也被稱為蹦失率：瀏覽單頁即退出的次數/訪問次數=singleaccess/entryvisits。瀏覽單頁即退出的次數——簡單說就是進入某個頁面後沒有點擊任何頁面就離開。壹般用來來衡量用戶訪問質量，高跳出率通常表示內容對用戶不具針對性（吸引）A頁面的跳失率=(5/10)*100%A頁面的退出率=(5+2/10+2)*100%人均停留時間：是指用戶瀏覽某壹頁面時所花費的平均時長，平均停留時間越長，說明網站或頁面對用戶的吸引力越強，能帶給用戶的有用信息越多。用戶留存率：留存指的就是“有多少用戶留下來了”。用戶在某段時間內開始使用應用的用戶，經過壹段時間後，依舊繼續使用的用戶，被認作是留存用戶。留存率=新增用戶中登錄用戶數/新增用戶數（壹般統計周期為天）留存率反映的實際上是用戶的壹個留存漏鬥，即新用戶轉化為活躍用戶、穩定用戶、忠誠用戶的過程，宏觀觀察用戶的生命進程情況，通過用戶的後期留存情況就能從壹個層面把握渠道質量，比如，付費，粘性，價值量，CAC成本。用戶回訪率：用戶在某段時間內開始使用應用，經過壹段時間後，繼續登陸使用的用戶，被認作是回訪用戶。比如用戶在使用該App之後的N天/周/月之後，再次使用該App的比例，叫做N天/周/月回訪率。留存與回訪這兩者的區別就是：前者是新增多少用戶，留下來多少；後者是在某時間段內，用戶再次使用、訪問app、軟件的數量。（3）產品營收指標：主要評價產品的盈利能力與可持續性：用戶支付金額（GMV）、客單價（ARPU）、訂單轉化率；客單價（ARPU）：客單價=支付有效金額/支付用戶數，客單價反應平均壹個用戶支付的金額，金額越高，為企業帶來的利潤也越多，因此提升客單價是壹個很好幾刺激毛利潤的方法，比如我們常見的促銷手段：買2件減10元，買2件送贈品等；轉化率：訂單轉化率=有效訂單用戶數/UV。轉化率是做成交營收的壹個關鍵因素，轉化越高表示越多用戶在目標頁面下單。用戶支付金額（GMV）：支付金額即產品某段時間的流水。產品的營收做得好與不好，主要就是看支付流水。盈利模式如何，有沒有穩定的創收能力，是對壹個產品終極的考驗（戰略燒錢和圈用戶的先不算在內）產品營收指標有壹個恒等式：銷售額=訪客數×成交轉化率×客單價銷售額=曝光次數×點擊率×成交轉化率×客單價；5、用戶畫像分析用戶畫像的正式名稱是UserProfile，是指根據用戶的屬性、用戶偏好、生活習慣、用戶行為等信息而抽象出來的標簽化用戶模型。通俗說就是給用戶打標簽，而標簽是通過對用戶信息分析而來的高度精煉的特征標識。通過打標簽可以利用壹些高度概括、容易理解的特征來描述用戶，可以讓人更容易理解用戶，並且可以方便計算機處理。在產品早期和發展期，會較多地借助用戶畫像，幫助產品運營理解用戶的需求，想象用戶使用的場景，產品設計從為所有人做產品，變成為帶有某些標簽的3-5個人群做產品，間接降低復雜度。用戶畫像的數據內容包含但不局限於：（1）人口屬性：包括性別、年齡等人的基本信息；（2）興趣特征：瀏覽內容、收藏內容、閱讀咨詢、購買物品偏好等；（3）位置特征：用戶所處城市、所處居住區域、用戶移動軌跡等；（4）設備屬性：使用的終端特征等；（5）行為數據：訪問時間、瀏覽路徑等用戶在網站的行為日誌數據；（6）社交數據：用戶社交相關數據；用戶畫像運用場景三維空間圖，X軸代表業務場景維度；Y軸代表用戶標簽維度；Z軸代表服務層次維度。首先用戶畫像業務場景可以分為用戶細分、產品優化、渠道拓展、運用提升、風險控制等。基於每壹個業務場景，都有不同的用戶標簽定義，比如用戶細分場景業務中，主要是用戶的基本屬性，包括性別、年齡、地域等。而風險控制業務場景中，主要是用戶風險控制標簽，包括黃牛標簽、異常評分標簽等。首先對用戶群進行用戶標簽處理，根據不同的標簽進行個性化推薦，再到運營層面進行決策運營。環環相扣，所以用戶畫像的核心是標簽的建立。用戶畫像分析案例解說「他是壹位住在杭州的80後的男性白領，起居時間規律，喜歡車和運動，偏好奔馳、保時捷」這段話用來描述的是某個用戶，並不是壹類用戶。所以我們談的用戶畫像UserProfile，本質是對任何壹個用戶都能用標簽和數據描述。由此我們可以得到此類用戶的標簽，並把它們標簽化，並將此類標簽的用戶分為壹類組或壹類用戶，從而根據用戶的特點，考慮後期的活動運營、用戶運營等工作，當然這種標簽化是無法完全精細化指導運營工作，對於用戶運營而言，比較經典的用戶畫像指導運營的模型是RFM模型。6、漏鬥模型分析漏鬥模型分析，本質是分解和量化，指從最開始（獲取用戶）到最終轉化成購買整個流程的轉化變現形式及轉化率，以數據指標進行量化，最終達到提升整體購買轉化率的目的。流量漏鬥模型在產品運用中的壹個經典運用是AARRR模型，此模型來自《增長黑客》這本書，AARRR模型是結合產品本身特點以及產品生命周期位置，從而關註不同的數據指標，最終制定不同運營策略的實用性模型。AARRR模型：獲取Acquisition：用戶如何發現並來到妳的產品？（瀏覽層）激活Activation：用戶的第壹次使用體驗如何？（點擊/參與）留存Retention：用戶是否還會回到產品？（回訪/留存）收入Retention：產品怎樣通過用戶賺錢？（付費）傳播Retention：用戶是否願意告訴其他用戶？（忠實/傳播用戶）漏鬥模型在實際的運營中很常見，我們可以抽象出決定漏鬥形態的三個元素：時間、節點、流量。（1）時間：轉化周期，即為完成每壹層漏鬥所需時間的集合。通常來講，壹個漏鬥的轉化周期越短越好。（2）節點：每壹層漏鬥，就是壹個節點。而對於節點來說，最核心的指標就是轉化率，轉化率=通過該層到達下壹次層的流量/到達該層的流量。（3）流量：每個環節的數值大小，也就是人群數。流量漏鬥模型案例解說假設（數據均虛擬）我們做了壹場營銷活動，活動頁面的流量漏鬥模型如下圖：用戶的流量路徑如下：點擊主會場頁面→進入商品詳情頁→下單購買→發貨（上賬）；電商主會場流量漏鬥數據對比正常賣場流量漏鬥平均圖可以看出，用戶在“活動頁面→進入商品詳情頁”這個步驟中，跳轉率只有40%，假設遠低於平均值45%，可以思考下用戶進入主會場後為什麽不點擊商品呢？壹般而言，跳轉率低下主要由以下幾個原因：（1）頁面開發問題bug：手機機型適配問題、無法點擊、頁面空窗、鏈接錯誤等；（2）內容與引流用戶不匹配：引流用戶對商品/內容不感興趣、BI推薦不準確等；（3）頁面運營問題：利益點對應商品承接、商品讓利不夠、文案內容與承接落地頁面不符；壹個個去排除問題後，我們可以初步將問題點鎖定，針對性解決。簡單總結，漏鬥模型適合。