在工作过程中,我们会逐渐意识到,业务效果与质量的提升往往需要工具的帮助。某些运营策略如果没有数据系统、数据算法的加持,很难实施并发挥出价值;同时,技术和业务是相辅相成的,只有基于一个确定的业务目标去反推系统应该具备的能力,才能够做出真正有价值的数据产品。
一、学会给用户打标签
推送运营的核心问题是:在什么时间,向什么受众,推送什么样的内容。
我们看到的常见推送运营误区是:因为全量推送不会有遗漏用户,所以能够最大化推送效果。
事实并非如此。当我们在做推送运营这件事情时,我们在利用的资源不是能推送什么内容,而是用户愿意容忍我们推送的上限,即用户的注意力资源。
我们可以用这样一个公式总结它:每日用户注意力资源 = 日活用户数 * 全局触达限制。
用户标签通常来自于用户自然属性、用户交易数据、用户资产数据、用户行为特征、第三方来源等等:
1.属性类标签:通过系统直接采集用户信息获得,比如用户在注册资料中填写的性别、年龄等。
2.统计类标签:通过数据统计分析获得,比如推断“浏览女装超过 5 次”的用户为女性等。
3.规则类标签:根据经验/规则等获得,如根据用户上一次启动的时间为半个月前判定其为预流失用户等。
4.算法类标签:比如基于人脸识别等技术通过数据计算获得。
无论哪一种标签,都是通过对用户某个维度特征做描述和刻画,对用户信息进行总结。它可以是具体的文本,可以是统计指标,也可以是一个关键日期……只要使用它的业务人员可以快速获取到信息,它就是有效的用户标签。
二、学会构建可落地的用户标签体系
第一步,寻找目标用户。
为了达到商业目标,只有把有限的资源投入到最有价值用户,才能获得更高投入产出比,因此寻找目标是业务部门在寻求增长过程中的首要问题。
这时候,天然地会需要对用户有「价值分层」主题的标签。业务部门也可能需要对全体用户做针对性的动作,因此对用户做「生命周期」主题的标签划分,也有助于他们选择自己的策略 。
第二步,洞悉目标用户群的需求。
在确定了目标人群之后,业务部门希望能通过画像分析,了解目标人群的诉求:他们处于什么业务阶段,有什么潜在未满足的诉求,可能遇上了什么难题,表达出了什么「行为偏好」,这是业务部门进行增长的突破点。
第三步,投其所好,通过营销偏好执行策略。
当发现突破点后,业务部门还需要了解自己手上哪些运营手段对解决用户目前遇到的问题比较有效:推送什么内容?什么时候推送?是否应该发券?多大的金额比较好?
如果说行为偏好是对「用户需要什么」的解答,那营销偏好就是「用户喜欢我们做什么」的解答。
三、学会利用用户画像分析赋能业务落地
某电商平台尝试通过活动营销,提升购买环节的转化率,那么,该如何利用用户标签体系赋能转化率增长呢?
我们回归到业务应用用户画像的三个问题:
数据分析的精髓在于对比,只有在分析用户群和目标用户群之间做对比,才能挖掘出有效的业务突破点。
我们总结的用户画像分析应用流程如下:
1.选择关心的问题场景人群。
2.抽样用户,查看单体画像获取灵感。
3.通过用户的典型特征,查看用户群画像进行对比。
4.对比另一个用户群画像进行对比。
5.从差异特征出发构思策略。
发布者:调研工厂,转载请注明出处:https://baike.survey.work/4f81981741/