首席增長(zhǎng)官知識(shí)結(jié)構(gòu)歸納之用戶(hù)畫(huà)像

• 互聯(lián)網(wǎng)流量紅利已經(jīng)消失 —— 各大媒體
• 移動(dòng)互聯(lián)網(wǎng)紅利過(guò)去了 —— 李開(kāi)復(fù)
• “超級(jí)用戶(hù)”模式的真正著眼點(diǎn)是“關(guān)系”，“普通用戶(hù)”和“超級(jí)用戶(hù)”之間的關(guān)系，就像一般女生和女朋友，向別的女生釋放善意沒(méi)問(wèn)題，但你更關(guān)注應(yīng)該是女朋友。 —— 邏輯思維

智能手機(jī)新增流量消失、紅利過(guò)去、超級(jí)用戶(hù)思維、智能手機(jī)市場(chǎng)國(guó)內(nèi)飽和……

這是我們從2016年起至今，在各類(lèi)互聯(lián)網(wǎng)大咖以及媒介平臺(tái)看到最多的關(guān)鍵詞了。

因此，首席增長(zhǎng)官開(kāi)始有了地位，尤其是用戶(hù)運(yùn)營(yíng)層面，如何盤(pán)活現(xiàn)有的用戶(hù)群體是每一個(gè)（移動(dòng)）互聯(lián)網(wǎng)公司老板們考慮的問(wèn)題。

2018年始，在給自己做工作規(guī)劃的時(shí)候，定下了運(yùn)營(yíng)知識(shí)深度學(xué)習(xí)的兩個(gè)方向：用戶(hù)運(yùn)營(yíng)、數(shù)據(jù)分析。

做運(yùn)營(yíng)這些年，也看了不少用戶(hù)運(yùn)營(yíng)的文章和書(shū)籍，每個(gè)大咖寫(xiě)的都特別好，但是都不夠系統(tǒng)，所以想著自己可以梳理下用戶(hù)相關(guān)的知識(shí)結(jié)構(gòu)。

終于拖延了四分之一2018年之后的近1個(gè)月時(shí)間，把沉淀在Evernote的大咖文章做了梳理和歸納，分享給大家，僅供參考。

文章主要從三個(gè)方向來(lái)梳理用戶(hù)運(yùn)營(yíng)的知識(shí)結(jié)構(gòu)：用戶(hù)畫(huà)像、用戶(hù)生命周期、用戶(hù)成長(zhǎng)激勵(lì)。

內(nèi)容穿插會(huì)給到每個(gè)環(huán)節(jié)需要的準(zhǔn)備工作、監(jiān)測(cè)數(shù)據(jù)等，篇幅較長(zhǎng)，分三次發(fā)布，看官要有耐心~

感謝瀏覽。

另，轉(zhuǎn)載請(qǐng)標(biāo)明出處~

一、用戶(hù)畫(huà)像

誤區(qū)：Persona（用戶(hù)角色） VS Profile（用戶(hù)畫(huà)像）

Persona用戶(hù)角色

描繪抽象一個(gè)自然人的屬性

通過(guò)調(diào)研問(wèn)卷、電話(huà)訪(fǎng)談等手段獲得用戶(hù)的定性特征——用戶(hù)間有差異，因?yàn)榇嬖诓町悾孕枰枋?/p>

是用戶(hù)屬性的集合，不是具體誰(shuí)，放一張某某的照片也是為了達(dá)到共情。它應(yīng)該能準(zhǔn)確描述出產(chǎn)品用戶(hù)，一般會(huì)設(shè)置三到四個(gè)用戶(hù)角色，也是通常意義上的目標(biāo)用戶(hù)群體

用戶(hù)角色有缺點(diǎn)，評(píng)估用戶(hù)屬性時(shí)難以量化，也很難證偽。你不知道它確定的是不是真的目標(biāo)群體，用戶(hù)群體也隨時(shí)間推移變化，所以用戶(hù)角色需要不斷修改。

Profile用戶(hù)畫(huà)像

和數(shù)據(jù)挖掘、大數(shù)據(jù)息息相關(guān)的應(yīng)用，被更多運(yùn)營(yíng)和數(shù)據(jù)分析師使用，是各類(lèi)描述用戶(hù)數(shù)據(jù)的變量集合

通過(guò)數(shù)據(jù)建立描繪用戶(hù)的標(biāo)簽

基于用戶(hù)畫(huà)像的應(yīng)用：個(gè)性化推薦、廣告系統(tǒng)、活動(dòng)營(yíng)銷(xiāo)、內(nèi)容推薦、興趣偏好

當(dāng)我們想要選擇某部分用戶(hù)群體做精細(xì)化運(yùn)營(yíng)時(shí)，會(huì)用用戶(hù)畫(huà)像篩選出特定的群體

用戶(hù)畫(huà)像是一個(gè)復(fù)雜的系統(tǒng)，隨著產(chǎn)品逐漸成熟，會(huì)根據(jù)不同的業(yè)務(wù)場(chǎng)景設(shè)計(jì)不同的標(biāo)簽，用戶(hù)角色是精煉和概括，而用戶(hù)畫(huà)像需要齊全。

用戶(hù)畫(huà)像可以參考用戶(hù)角色設(shè)計(jì)，用戶(hù)角色也能使用用戶(hù)畫(huà)像的屬性，可實(shí)際差別很大

什么是用戶(hù)畫(huà)像？

用戶(hù)畫(huà)像是根據(jù)用戶(hù)社會(huì)屬性、生活習(xí)慣和消費(fèi)行為等信息而抽象出的一個(gè)標(biāo)簽化的用戶(hù)模型

構(gòu)建用戶(hù)畫(huà)像的核心工作即是給用戶(hù)貼“標(biāo)簽”，而標(biāo)簽是通過(guò)對(duì)用戶(hù)信息分析而來(lái)的高度精煉的特征標(biāo)識(shí)

除去“標(biāo)簽化”，用戶(hù)畫(huà)像還具有的特點(diǎn)是“低交叉率”，當(dāng)兩組畫(huà)像除了權(quán)重較小的標(biāo)簽外其余標(biāo)簽幾乎一致，那就可以將二者合并，弱化低權(quán)重標(biāo)簽的差異

用戶(hù)畫(huà)像的作用是什么？

• 1、精準(zhǔn)營(yíng)銷(xiāo)：分析產(chǎn)品潛在用戶(hù)，針對(duì)特定群體利用短信郵件等方式進(jìn)行營(yíng)銷(xiāo)
• 2、用戶(hù)統(tǒng)計(jì)：比如中國(guó)大學(xué)購(gòu)買(mǎi)書(shū)籍人數(shù) TOP10，全國(guó)分城市奶爸指數(shù)
• 3、數(shù)據(jù)挖掘：構(gòu)建智能推薦系統(tǒng)（例如：利用關(guān)聯(lián)規(guī)則計(jì)算，喜歡紅酒的人通常喜歡什么運(yùn)動(dòng)品牌；利用聚類(lèi)算法分析，喜歡紅酒的人年齡段分布情況）
• 4、進(jìn)行效果評(píng)估，完善產(chǎn)品運(yùn)營(yíng)，提升服務(wù)質(zhì)量：其實(shí)這也就相當(dāng)于市場(chǎng)調(diào)研、用戶(hù)調(diào)研，迅速下定位服務(wù)群體，提供高水平的服務(wù)
• 5、對(duì)服務(wù)或產(chǎn)品進(jìn)行私人訂制：即個(gè)性化的服務(wù)某類(lèi)群體甚至每一個(gè)用戶(hù)（例如：某公司想推出一款面向5－10歲兒童的玩具，通過(guò)用戶(hù)畫(huà)像進(jìn)行分析，發(fā)現(xiàn)形象＝“喜羊羊”、價(jià)格區(qū)間＝“中等”的偏好比重最大，那么就給新產(chǎn)品提供類(lèi)非常客觀(guān)有效的決策依據(jù)。）
• 6、業(yè)務(wù)經(jīng)營(yíng)分析以及競(jìng)爭(zhēng)分析：影響企業(yè)發(fā)展戰(zhàn)略

用戶(hù)畫(huà)像的構(gòu)建流程

數(shù)據(jù)收集：

網(wǎng)絡(luò)行為數(shù)據(jù)：活躍人數(shù)、頁(yè)面瀏覽量、訪(fǎng)問(wèn)時(shí)長(zhǎng)、激活率、外部觸點(diǎn)、社交數(shù)據(jù)等

服務(wù)內(nèi)行為數(shù)據(jù)：瀏覽路徑、頁(yè)面停留時(shí)間、訪(fǎng)問(wèn)深度、唯一頁(yè)面瀏覽次數(shù)等

用戶(hù)內(nèi)容偏好數(shù)據(jù)：瀏覽／收藏內(nèi)容、評(píng)論內(nèi)容、互動(dòng)內(nèi)容、生活形態(tài)偏好、品牌偏好等

用戶(hù)交易數(shù)據(jù)：貢獻(xiàn)率、客單價(jià)、連帶率、回頭率、流失率等

收集到的數(shù)據(jù)不會(huì)是100%準(zhǔn)確的，都具有不確定性，這就需要在后面的階段中建模來(lái)再判斷，比如某用戶(hù)在性別一欄填的男，但通過(guò)其行為偏好可判斷其性別為“女”的概率為80%。

儲(chǔ)存用戶(hù)行為數(shù)據(jù)時(shí)最好同時(shí)儲(chǔ)存下發(fā)生該行為的場(chǎng)景，以便更好地進(jìn)行數(shù)據(jù)分析。

行為建模：

該階段是對(duì)上階段收集到數(shù)據(jù)的處理，進(jìn)行行為建模，以抽象出用戶(hù)的標(biāo)簽，這個(gè)階段注重的應(yīng)是大概率事件，通過(guò)數(shù)學(xué)算法模型盡可能地排除用戶(hù)的偶然行為

這時(shí)也要用到機(jī)器學(xué)習(xí)，對(duì)用戶(hù)的行為、偏好進(jìn)行猜測(cè)，好比一個(gè) y＝kx＋b 的算法，X 代表已知信息，Y 是用戶(hù)偏好，通過(guò)不斷的精確k和b來(lái)精確Y。

貼標(biāo)簽：

• 1、用戶(hù)汽車(chē)模型：根據(jù)用戶(hù)對(duì)“汽車(chē)”話(huà)題的關(guān)注或購(gòu)買(mǎi)相關(guān)產(chǎn)品的情況來(lái)判斷用戶(hù)是否有車(chē)、是否準(zhǔn)備買(mǎi)車(chē)
• 2、用戶(hù)忠誠(chéng)度模型：通過(guò)判斷＋聚類(lèi)算法判斷用戶(hù)的忠誠(chéng)度
• 3、身高體型模型：根據(jù)用戶(hù)購(gòu)買(mǎi)服裝鞋帽等用品判斷
• 4、文藝青年模型：根據(jù)用戶(hù)發(fā)言、評(píng)論等行為判斷用戶(hù)是否為文藝青年
• 5、用戶(hù)價(jià)值模型：判斷用戶(hù)對(duì)于網(wǎng)站的價(jià)值，對(duì)于提高用戶(hù)留存率非常有用（電商網(wǎng)站一般使用RFM 實(shí)現(xiàn)）還有消費(fèi)能力、違約概率、流失概率等等諸多模型。

關(guān)于標(biāo)簽化：

• 1、多級(jí)標(biāo)簽：第一級(jí)標(biāo)簽是基本信息（姓名、性別）；第二級(jí)是消費(fèi)習(xí)慣、用戶(hù)行為
• 2、多級(jí)分類(lèi)：人口屬性，地理位置（工作地址、家庭地址）

構(gòu)建畫(huà)像：

該階段可以說(shuō)是二階段的一個(gè)深入，要把用戶(hù)的基本屬性（年齡、性別、地域）、購(gòu)買(mǎi)能力、行為特征、興趣愛(ài)好、心理特征、社交網(wǎng)絡(luò)大致地標(biāo)簽化

數(shù)據(jù)可視化分析：

這是把用戶(hù)畫(huà)像真正利用起來(lái)的一步，在此步驟中一般是針對(duì)群體的分析，比如可以根據(jù)用戶(hù)價(jià)值來(lái)細(xì)分出核心用戶(hù)、評(píng)估某一群體的潛在價(jià)值空間，以作出針對(duì)性的運(yùn)營(yíng)

用戶(hù)建模：

基礎(chǔ)屬性：性別、職業(yè)、年齡段、收入水平、婚育情況、活躍城市、教育程度、……

用戶(hù)分級(jí)：生命周期、價(jià)值分級(jí)、優(yōu)惠敏感度、基于馬斯洛用戶(hù)需求

興趣偏好：團(tuán)購(gòu)偏好（品類(lèi)）、外賣(mài)偏好（品類(lèi)、品牌）、電影偏好（導(dǎo)演、演員、電影類(lèi)型……）

行為屬性：團(tuán)購(gòu)（下單次數(shù)、消費(fèi)頻度、評(píng)價(jià)質(zhì)量、評(píng)價(jià)傾向）、外賣(mài)、酒店、電影

人群屬性：旅游達(dá)人、有車(chē)一族、……

基于馬斯洛用戶(hù)需求的用戶(hù)分級(jí)：

1、首先了解自己產(chǎn)品的精準(zhǔn)受眾群體，分析并確認(rèn)這類(lèi)群體的性格特性與使用習(xí)慣，不要局限在自己產(chǎn)品中去想這類(lèi)人群的特性，而是具有XXX特性的人群，來(lái)到我的產(chǎn)品中，會(huì)有哪些使用習(xí)慣與心理特性。

2、搭建用戶(hù)成長(zhǎng)體系時(shí)，一定會(huì)出現(xiàn)不同階層之間的邊界模糊現(xiàn)象，我們需要觀(guān)察達(dá)成每個(gè)成就的用戶(hù)群體比例，來(lái)重新界定每個(gè)階層。

3、用戶(hù)是波動(dòng)的，不一定會(huì)完全按照我們界定好的體系變動(dòng)，我們不必穩(wěn)抓每一個(gè)用戶(hù)，只要保證大體用戶(hù)是按節(jié)奏進(jìn)行的即可，如果出現(xiàn)大批量用戶(hù)躍層上浮或下降，此時(shí)我們應(yīng)該看是否有現(xiàn)象級(jí)事件產(chǎn)生，或者用戶(hù)生態(tài)體系是否搭建的有偏差。

基礎(chǔ)用戶(hù)：

描述：僅僅是內(nèi)容的消費(fèi)者，即閱讀內(nèi)容，但不會(huì)產(chǎn)生點(diǎn)贊、評(píng)論、分享等與其他用戶(hù)產(chǎn)生互動(dòng)的行為，瀏覽內(nèi)容的方向不明確，具有隨機(jī)性。

穩(wěn)定性：極不穩(wěn)定，隨時(shí)會(huì)因產(chǎn)品內(nèi)容、功能、社區(qū)氛圍等原因流失。

特性：此類(lèi)用戶(hù)人數(shù)最多，對(duì)于產(chǎn)品的需求也最為基本。

對(duì)應(yīng)需求：生理需求

標(biāo)準(zhǔn)用戶(hù)：

描述：不再是內(nèi)容的消費(fèi)者，開(kāi)始逐漸進(jìn)行點(diǎn)贊、評(píng)論等實(shí)現(xiàn)成本低的操作，瀏覽內(nèi)容方向更加明確

穩(wěn)定性：較穩(wěn)定，會(huì)因?yàn)楫a(chǎn)品內(nèi)容推薦不夠貼切、功能不夠完善離開(kāi)，對(duì)于產(chǎn)品具有一定的耐心，不會(huì)突然離開(kāi)

特性：從松散且游離的基礎(chǔ)用戶(hù)演變而來(lái)，實(shí)現(xiàn)從觀(guān)看者到參與者的身份轉(zhuǎn)變中。

對(duì)應(yīng)需求：安全需求

主體用戶(hù)：

描述：作為承上啟下的社區(qū)參與者，及有一定的社區(qū)知名度，又能適度產(chǎn)出一些普通內(nèi)容，帶動(dòng)社區(qū)氛圍

穩(wěn)定性：穩(wěn)定，對(duì)于產(chǎn)品的功能與氛圍熟悉且接受，但可能會(huì)因?yàn)殚L(zhǎng)時(shí)間付出（發(fā)帖、評(píng)論），卻無(wú)法得到別人足夠的回應(yīng)而離開(kāi)。

特性：注重產(chǎn)品功能之外的認(rèn)為情感，不再滿(mǎn)足于產(chǎn)品本身帶來(lái)的體驗(yàn)，開(kāi)始關(guān)注在產(chǎn)品內(nèi)獲得的滿(mǎn)足感與成就感等。

對(duì)應(yīng)需求：社交需求

核心用戶(hù)：

描述：產(chǎn)品中具有一定影響力的小V用戶(hù)，可產(chǎn)出較優(yōu)質(zhì)內(nèi)容，同時(shí)在產(chǎn)品中具有較大影響力，具有較強(qiáng)的帶動(dòng)性。

穩(wěn)定性：非常穩(wěn)定，在產(chǎn)品中的影響力很強(qiáng)，具有較多粉絲，可能會(huì)在產(chǎn)品中進(jìn)行個(gè)人變現(xiàn)，因此足夠穩(wěn)定。

特性：追求大量的用戶(hù)追捧，以及看中自己在產(chǎn)品中的群體口碑，希望得到大量用戶(hù)的正面評(píng)價(jià)，部分用戶(hù)會(huì)因此進(jìn)行變現(xiàn)，實(shí)現(xiàn)物質(zhì)收入。

對(duì)應(yīng)需求：尊重需求

明星用戶(hù)：

描述：具有極強(qiáng)的影響力與知名度，屬于為產(chǎn)品進(jìn)行背書(shū)的明星式人物，對(duì)于產(chǎn)品用戶(hù)的行為方式與輿論走向具有較大的影響。

穩(wěn)定性：極其穩(wěn)定，屬于平臺(tái)為數(shù)不多的大V，根據(jù)二八法則來(lái)看，這類(lèi)明星用戶(hù)吸引大部分用戶(hù)的關(guān)注，物質(zhì)變現(xiàn)不滿(mǎn)足于心理的滿(mǎn)足，而是可以成為職業(yè)化的一種收入。

特性：具有大量的支持者用戶(hù)，對(duì)于產(chǎn)品的走向與輿論有著主導(dǎo)性作用，同時(shí)可為產(chǎn)品創(chuàng)造源源不斷的活動(dòng)，屬于帶動(dòng)產(chǎn)品的風(fēng)向標(biāo)人物

對(duì)應(yīng)需求：自我實(shí)現(xiàn)

轉(zhuǎn)載請(qǐng)標(biāo)明出處，各位手下留情~

文：marco@ 空間庫(kù)

首席增長(zhǎng)官推薦文章：

《50個(gè)經(jīng)典增長(zhǎng)黑客案例：首席增長(zhǎng)官的商業(yè)增長(zhǎng)策略和技術(shù)》
《滴滴專(zhuān)車(chē)「分享特權(quán)」如何顯著提升用戶(hù)增長(zhǎng)質(zhì)量？ | 增長(zhǎng)官研究院》
《站在一個(gè)產(chǎn)品運(yùn)營(yíng)從業(yè)者的角度看支付寶：噪聲之后的億級(jí)用戶(hù)產(chǎn)品冷思考》

更多精彩，關(guān)注：增長(zhǎng)黑客（GrowthHK.cn）

增長(zhǎng)黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來(lái)達(dá)成各種營(yíng)銷(xiāo)目標(biāo)的新型團(tuán)隊(duì)角色。從單線(xiàn)思維者時(shí)常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實(shí)現(xiàn)低成本甚至零成本帶來(lái)的有效增長(zhǎng)…