你知道“RFM模型”嗎?
為什么吵?運(yùn)營和技術(shù)吵架很奇怪嗎?吵架還不是因?yàn)樘嵝枨舐铩?
我問他，你知道“RFM模型”嗎?
技術(shù)總監(jiān)大哥先是愣了一下，剛剛駝下去的背像觸電一樣反彈得僵直，咆哮道：“那TM不是商業(yè)分析才用的嗎?你一個做內(nèi)容運(yùn)營的要那玩意干嘛?啊?你可別忘了，我們是內(nèi)容社區(qū)產(chǎn)品!”
我心想，“呵呵，就喜歡你這一臉沒見過世面的樣子。”
其實(shí)，這次我提的需求是這樣的：
自用戶下載后，按照1天、1-3天、3-7天、7-15天、15-30天及以上的時(shí)間間隔統(tǒng)計(jì)如下數(shù)據(jù)。
1.統(tǒng)計(jì)不同時(shí)間間隔內(nèi)進(jìn)行注冊的用戶人數(shù);
2.統(tǒng)計(jì)不同時(shí)間間隔內(nèi)的用戶平均打開次數(shù);(按注冊/未注冊分別統(tǒng)計(jì))
3.統(tǒng)計(jì)不同時(shí)間間隔內(nèi)的用戶平均訪問時(shí)長;(按注冊/未注冊分別統(tǒng)計(jì))
4.統(tǒng)計(jì)不同時(shí)間間隔內(nèi)訪問各內(nèi)容版塊的用戶人數(shù)及次數(shù);(按注冊/未注冊分別統(tǒng)計(jì))
5.統(tǒng)計(jì)不同時(shí)間間隔內(nèi)注冊用戶平均互動次數(shù)，包括閱讀文章、點(diǎn)贊、評論、發(fā)帖、回帖、收藏等用戶行為數(shù)據(jù);
另外，還需對于間隔7天后未登陸的用戶統(tǒng)計(jì)其最后一次訪問的具體頁面，主要包括首頁、分類列表頁、內(nèi)容頁、個人中心頁、獎品列表頁及其他頁面，按頁面分類統(tǒng)計(jì)人數(shù)。
你看，我只提了6個數(shù)據(jù)統(tǒng)計(jì)的需求(當(dāng)然，實(shí)際上是10個)，過分嗎?過分嗎?過分嗎?
技術(shù)總監(jiān)說我很過分，問我統(tǒng)計(jì)這個干嗎?說你知道新增、活躍、流失用戶數(shù)據(jù)不就行了嗎?提這些數(shù)我們需要時(shí)間，有些數(shù)據(jù)根本沒統(tǒng)計(jì)還得重新埋統(tǒng)計(jì)代碼。
可是，當(dāng)我看著技術(shù)總監(jiān)那一個月沒洗的藍(lán)綠格子襯衫，30歲出頭就隱隱有些發(fā)亮的頭頂，連續(xù)加班后的空洞眼神……我想也許是我錯了，技術(shù)部門連續(xù)加班半個月趕新版本，想想我也是挺不應(yīng)該的。
……
于是，面對可能即將暴走的直男BOSS，我恭恭敬敬的呈上這張表格，當(dāng)然這個表格的數(shù)據(jù)是我斗爭勝利后的結(jié)果，遵守公司保密協(xié)議，對真實(shí)數(shù)據(jù)進(jìn)行更改，但是變化趨勢是真實(shí)的。
一開始我想做用戶生命周期分析模型，所以才向技術(shù)部門提出了那些需求。RFM模型是客戶關(guān)系管理分析中最常見的一種形式，通過對最近一次消費(fèi)、消費(fèi)頻率、消費(fèi)金額等數(shù)據(jù)的分析實(shí)現(xiàn)用戶分級。
而我所運(yùn)營的是一個內(nèi)容社區(qū)產(chǎn)品，與商業(yè)客戶分析無關(guān)，但是我借用RFM模型的分析思路，對用戶進(jìn)行逐步分級。上圖是對整體用戶的基礎(chǔ)使用行為進(jìn)行統(tǒng)計(jì)，可以得出如下兩個結(jié)論：
1.未注冊用戶使用7天后，對產(chǎn)品的熱情快速下降，流失風(fēng)險(xiǎn)增加;
2.注冊用戶使用7天后達(dá)到活躍度頂峰，之后一周內(nèi)逐步降低，趨向平穩(wěn)。
這兩個結(jié)論得出用戶整體生命周期的變化過程，由此可以對7日內(nèi)未注冊用戶，15日內(nèi)已注冊用戶發(fā)起有針對性的運(yùn)營活動。
RFM 模型劃分用戶層級需要考慮最近一次消費(fèi)、消費(fèi)頻率、消費(fèi)金額3個維度，而與其對應(yīng)的，我在劃分用戶層級時(shí)，考量的是打開次數(shù)、互動次數(shù)、使用時(shí)長3個維度，由此產(chǎn)生了下面這個表格。
這張表格套用RFM客戶分級表格對用戶進(jìn)行分級，其中“高”代表高于平均值，“低”代表低于平均值。這個表格主要針對注冊用戶，因?yàn)槲醋杂脩舻氖滓\(yùn)營目標(biāo)是引導(dǎo)注冊。其次關(guān)于時(shí)間維度的考量會在第三步闡述，這里不做考量。
這個表格在制作完成后，能夠幫助我們有針對性地完成運(yùn)營目標(biāo)。
當(dāng)我們的運(yùn)營指標(biāo)以活躍度為主時(shí)，可以針對重點(diǎn)激勵用戶和重點(diǎn)促活用戶發(fā)起活動，當(dāng)運(yùn)營指標(biāo)以降低流失率為主時(shí)，可以為重點(diǎn)節(jié)流客戶、一般激勵用戶、一般促活用戶發(fā)起活動。
如果以拉新用戶為主要運(yùn)營目標(biāo)，在選擇老用戶邀請新用戶的活動形式時(shí)，可以向重點(diǎn)核心用戶和重點(diǎn)激勵用戶發(fā)起活動。
在具體活動策劃時(shí)，需要針對不同層級的用戶特征進(jìn)行補(bǔ)足，比如向重點(diǎn)促活用戶發(fā)起活動，該類用戶特征是打開次數(shù)低，那么該如何提高用戶打開次數(shù)?比如增加推送頻次、針對其互動內(nèi)容增加提醒、加強(qiáng)其社交關(guān)系鏈等。
在第二步的圖表中，是以打開次數(shù)、使用時(shí)長、互動次數(shù)3項(xiàng)數(shù)據(jù)指標(biāo)的平均值作為評判標(biāo)準(zhǔn)，但是需要注意的是，想要使用戶分級更加精準(zhǔn)，就不能使用整體用戶數(shù)據(jù)平均值。
有人可能會有一個疑問，在第一步中提到了用戶生命周期，但是第二步中又以整體用戶平均數(shù)據(jù)作為標(biāo)準(zhǔn)。這也是我們?yōu)槭裁匆M(jìn)行用戶分級數(shù)據(jù)細(xì)化的原因。
分級細(xì)化可以有兩種方式，一種為時(shí)間維度，第二種為用戶數(shù)量維度。
按時(shí)間維度劃分，即按照第一步中所列的1天、3天、7天、15天等時(shí)間段內(nèi)，用戶打開次數(shù)、使用時(shí)長、互動次數(shù)3個維度劃分制作相應(yīng)的用戶分級模型。這樣做的好處是能夠針對不同階段的用戶進(jìn)行細(xì)分，有針對性的設(shè)計(jì)運(yùn)營策略。
第二種為數(shù)據(jù)維度，按照單一維度對數(shù)據(jù)指標(biāo)進(jìn)行細(xì)分，得到相應(yīng)細(xì)分類下的用戶人數(shù)，比如下面這張表格。
這里，不得不插入一個吐槽，編數(shù)據(jù)真的太痛苦了，所以我就簡單一點(diǎn)，能表現(xiàn)這個意思就可以了，數(shù)據(jù)非常非常不真實(shí)。
這個表格可以看出在用戶生命周期的不同階段內(nèi)，用戶不同打開次數(shù)的人數(shù)變化，那么如何來定義數(shù)據(jù)指標(biāo)的高還是低呢?
這個是由自己來定義的，憑經(jīng)驗(yàn)。我個人的定義方法是將整體數(shù)據(jù)從高到低排序，前20%為高，后80%為低，這也符合經(jīng)濟(jì)學(xué)中的二八定律，大名叫巴萊多定律(立馬提升逼格)。
再插個題外話，我按照二八定律來定義指標(biāo)并不是因?yàn)榘腿R多定律，在傳統(tǒng)的社區(qū)用戶分級中，是按3%的核心用戶，7%的活躍用戶，20%的普通用戶和70%的路人用戶來劃分的，所以我略微縮小普通用戶范圍，按照二八法則來定義。
按照數(shù)據(jù)維度劃分用戶等級后，能夠出現(xiàn)打開次數(shù)、使用時(shí)長、互動次數(shù)3個數(shù)據(jù)維度的分析結(jié)果，那么如何套用到整體用戶分級模型中呢?
這正是技術(shù)大哥咆哮的一個主要原因，因?yàn)樵谶@里需要技術(shù)部門開發(fā)一個數(shù)據(jù)分析系統(tǒng)，通過對單一用戶3項(xiàng)指標(biāo)的判斷，來完成用戶分級。當(dāng)然，如果是5萬以內(nèi)的用戶量級，使用 Excel 中的函數(shù)也可以實(shí)現(xiàn)。
通過對用戶分級數(shù)據(jù)的細(xì)化，能夠更準(zhǔn)確的進(jìn)行用戶分級，從而指導(dǎo)我們對相應(yīng)人群發(fā)起活動。
我在講完上面這些東西之后，技術(shù)總監(jiān)緩緩地把自己堆在了椅子上，抬頭問我，“這些數(shù)據(jù)我可以給你統(tǒng)計(jì)，但是用戶閱讀、點(diǎn)贊、發(fā)帖、回帖、收藏這些數(shù)據(jù)真的有必要單獨(dú)統(tǒng)計(jì)嗎?”
事實(shí)上，之所以提這些數(shù)據(jù)統(tǒng)計(jì)，(還有一些其他更加細(xì)化的數(shù)據(jù)統(tǒng)計(jì)內(nèi)容，由于保密協(xié)議，就不透露了。)是為了更具體的分析用戶行為，有針對性發(fā)起活動。
以用戶互動為例，作為內(nèi)容社區(qū)產(chǎn)品，用戶互動主要包括閱讀、評論、點(diǎn)贊、發(fā)帖、回帖等方面，在統(tǒng)計(jì)出相應(yīng)數(shù)據(jù)后，針對弱項(xiàng)進(jìn)行補(bǔ)足。
在用戶分級模型中，重點(diǎn)激勵用戶是運(yùn)營的重點(diǎn)，其用戶特征為互動次數(shù)低，那么通過對互動行為的數(shù)據(jù)統(tǒng)計(jì)，可以找出其低的原因。對于看文章多，發(fā)文章少的用戶，可以通過活動誘導(dǎo)其增加發(fā)帖量;對于評論少的用戶，可以發(fā)起評論有獎、跟帖刷樓的活動。
說完這個，技術(shù)總監(jiān)瀏覽了一下我的需求列表，突然挺直了腰板問我：“還有特么的7日后未登陸用戶最后一次訪問什么頁面，這你拿來干嘛?喂狗狗都以為你在懲罰他!”
呵，我只說了一句話：我要看看用戶流失是不是因?yàn)橛龅搅?bug!
其實(shí)做這項(xiàng)統(tǒng)計(jì)主要為了分析用戶的流失原因。比如用戶訪問首頁后流失，可能是因?yàn)橛脩粼谑醉撜也坏较肟吹膬?nèi)容，對產(chǎn)品失去信心。在個人中心頁流失，可能是因?yàn)閭€人中心內(nèi)沒有足夠的利益誘導(dǎo)來留住用戶。
只是分析最后一個頁面，并不能準(zhǔn)確的分析出流失原因，有條件的話可以對用戶最后一次使用的整體流程進(jìn)行分析，之所以沒提這個需求，是因?yàn)槲遗录夹g(shù)總監(jiān)會吊死在我的工位上。
總而言之，通過對具體用戶行為的數(shù)據(jù)分析，是為了分析用戶的弱項(xiàng)，從而利用運(yùn)營手段進(jìn)行補(bǔ)足。
最后總結(jié)：用戶分級是為了指導(dǎo)運(yùn)營方法
很多運(yùn)營同學(xué)都會有這樣一個感覺，辛辛苦苦做完了運(yùn)營數(shù)據(jù)分析，卻發(fā)現(xiàn)沒有什么指導(dǎo)作用。
這也是為什么我要提出這么多細(xì)化的數(shù)據(jù)分析需求的原因，如果我們單純從拉新、活躍、留存、流失這幾個數(shù)據(jù)來分析的話，很難找到用戶行為背后的原因。
通過建立用戶分級模型，在日后的實(shí)際運(yùn)營工作中，可以有針對性的發(fā)起運(yùn)營活動。這樣做有什么好處?能夠在有限的運(yùn)營資源的情況下，更好達(dá)成運(yùn)營目標(biāo)。
舉個例子，我們發(fā)起一項(xiàng)誘導(dǎo)發(fā)帖的活動，按照常規(guī)做法，是基于社區(qū)屬性和用戶的話題熱衷度來進(jìn)行設(shè)計(jì)，但是有用戶分級模型后，我們可以針對重點(diǎn)激勵用戶、重點(diǎn)節(jié)流用戶和一般激勵用戶這3個層級的用戶推送活動，同時(shí)分析3個層級用戶中發(fā)帖量低的用戶特征，設(shè)置話題主題和激勵獎勵。
如果面向全站用戶發(fā)起活動，我們會發(fā)現(xiàn)活躍用戶永遠(yuǎn)是那么一小部分人，隨著用戶生命周期的變化，如果不能及時(shí)補(bǔ)充，就會造成整體社區(qū)活躍度下降。
以上就是上海網(wǎng)站設(shè)計(jì)提供的內(nèi)容，如果想要了解關(guān)于商城網(wǎng)站制作公司案例及幾何與網(wǎng)頁設(shè)計(jì)，可直接點(diǎn)擊查看
