用戶運營知識結構歸納之用戶畫像智能手機新增流量消失、紅利過去、超級用戶思維、智能手機市場國內飽和這是我們從2016年起至今，在各類互聯網大咖以及媒介平臺看到最多的關鍵詞了。因此，用戶運營開始有了地位，如何盤活現有的用戶群體是每一個（移動）互聯網公司老板們考慮的問題。2018年始，在給自己做工作規劃的時候，定下了運營知識深度學習的兩個方向：用戶運營、數據分析。做運營這些年，也看了不少用戶運營的文章和書籍，每個大咖寫的都特別好，但是都不夠系統，所以想著自己可以梳理下用戶相關的知識結構。終于拖延了四分之一2018年之后的近1個月時間，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。文章主要從三個方向來梳理用戶運營的知識結構：用戶畫像、用戶生命周期、用戶成長激勵。內容穿插會給到每個環節需要的準備工作、監測數據等，篇幅較長，分三次發布，看官要有耐心一、用戶畫像誤區：Persona（用戶角色） VS Profile（用戶畫像）Persona用戶角色描繪抽象一個自然人的屬性通過調研問卷、電話訪談等手段獲得用戶的定性特征用戶間有差異，因為存在差異，所以需要描述是用戶屬性的集合，不是具體誰，放一張某某的照片也是為了達到共情。它應該能準確描述出產品用戶，一般會設置三到四個用戶角色，也是通常意義上的目標用戶群體用戶角色有缺點，評估用戶屬性時難以量化，也很難證偽。你不知道它確定的是不是真的目標群體，用戶群體也隨時間推移變化，所以用戶角色需要不斷修改。Profile用戶畫像和數據挖掘、大數據息息相關的應用，被更多運營和數據分析師使用，是各類描述用戶數據的變量集合通過數據建立描繪用戶的標簽基于用戶畫像的應用：個性化推薦、廣告系統、活動營銷、內容推薦、興趣偏好當我們想要選擇某部分用戶群體做精細化運營時，會用用戶畫像篩選出特定的群體用戶畫像是一個復雜的系統，隨著產品逐漸成熟，會根據不同的業務場景設計不同的標簽，用戶角色是精煉和概括，而用戶畫像需要齊全。用戶用戶畫像可以參考用戶角色設計，用戶角色也能使用用戶畫像的屬性，可實際差別很大什么是用戶畫像？用戶畫像是根據用戶社會屬性、生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型構建用戶畫像的核心工作即是給用戶貼“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除去“標簽化”，用戶畫像還具有的特點是“低交叉率”，當兩組畫像除了權重較小的標簽外其余標簽幾乎一致，那就可以將二者合并，弱化低權重標簽的差異用戶畫像的作用是什么？1、精準營銷：分析產品潛在用戶，針對特定群體利用短信郵件等方式進行營銷2、用戶統計：比如中國大學購買書籍人數 TOP10，全國分城市奶爸指數3、數據挖掘：構建智能推薦系統（例如：利用關聯規則計算，喜歡紅酒的人通常喜歡什么運動品牌；利用聚類算法分析，喜歡紅酒的人年齡段分布情況）4、進行效果評估，完善產品運營，提升服務質量：其實這也就相當于市場調研、用戶調研，迅速下定位服務群體，提供高水平的服務5、對服務或產品進行私人訂制：即個性化的服務某類群體甚至每一個用戶（例如：某公司想推出一款面向510歲兒童的玩具，通過用戶畫像進行分析，發現形象“喜羊羊”、價格區間“中等”的偏好比重最大，那么就給新產品提供類非常客觀有效的決策依據。）6、業務經營分析以及競爭分析：影響企業發展戰略用戶畫像的構建流程數據收集：網絡行為數據：活躍人數、頁面瀏覽量、訪問時長、激活率、外部觸點、社交數據等服務內行為數據：瀏覽路徑、頁面停留時間、訪問深度、唯一頁面瀏覽次數等用戶內容偏好數據：瀏覽收藏內容、評論內容、互動內容、生活形態偏好、品牌偏好等用戶交易數據：貢獻率、客單價、連帶率、回頭率、流失率等收集到的數據不會是100%準確的，都具有不確定性，這就需要在后面的階段中建模來再判斷，比如某用戶在性別一欄填的男，但通過其行為偏好可判斷其性別為“女”的概率為80%。儲存用戶行為數據時最好同時儲存下發生該行為的場景，以便更好地進行數據分析。行為建模：該階段是對上階段收集到數據的處理，進行行為建模，以抽象出用戶的標簽，這個階段注重的應是大概率事件，通過數學算法模型盡可能地排除用戶的偶然行為這時也要用到機器學習，對用戶的行為、偏好進行猜測，好比一個 ykxb 的算法，X 代表已知信息，Y 是用戶偏好，通過不斷的精確k和b來精確Y。貼標簽：1、用戶汽車模型：根據用戶對“汽車”話題的關注或購買相關產品的情況來判斷用戶是否有車、是否準備買車2、用戶忠誠度模型：通過判斷聚類算法判斷用戶的忠誠度3、身高體型模型：根據用戶購買服裝鞋帽等用品判斷4、文藝青年模型：根據用戶發言、評論等行為判斷用戶是否為文藝青年5、用戶價值模型：判斷用戶對于網站的價值，對于提高用戶留存率非常有用（電商網站一般使用RFM 實現）還有消費能力、違約概率、流失概率等等諸多模型。關于標簽化：1、多級標簽：第一級標簽是基本信息（姓名、性別）；第二級是消費習慣、用戶行為2、多級分類：人口屬性，地理位置（工作地址、家庭地址）構建畫像：該階段可以說是二階段的一個深入，要把用戶的基本屬性（年齡、性別、地域）、購買能力、行為特征、興趣愛好、心理特征、社交網絡大致地標簽化構建流程數據可視化分析：這是把用戶畫像真正利用起來的一步，在此步驟中一般是針對群體的分析，比如可以根據用戶價值來細分出核心用戶、評估某一群體的潛在價值空間，以作出針對性的運營用戶建模：基礎屬性：性別、職業、年齡段、收入水平、婚育情況、活躍城市、教育程度、用戶分級：生命周期、價值分級、優惠敏感度、基于馬斯洛用戶需求興趣偏好：團購偏好（品類）、外賣偏好（品類、品牌）、電影偏好（導演、演員、電影類型）行為屬性：團購（下單次數、消費頻度、評價質量、評價傾向）、外賣、酒店、電影人群屬性：旅游達人、有車一族、基于馬斯洛用戶需求的用戶分級：馬斯洛用戶需求1、首先了解自己產品的精準受眾群體，分析并確認這類群體的性格特性與使用習慣，不要局限在自己產品中去想這類人群的特性，而是具有XXX特性的人群，來到我的產品中，會有哪些使用習慣與心理特性。2、搭建用戶成長體系時，一定會出現不同階層之間的邊界模糊現象，我們需要觀察達成每個成就的用戶群體比例，來重新界定每個階層。3、用戶是波動的，不一定會完全按照我們界定好的體系變動，我們不必穩抓每一個用戶，只要保證大體用戶是按節奏進行的即可，如果出現大批量用戶躍層上浮或下降，此時我們應該看是否有現象級事件產生，或者用戶生態體系是否搭建的有偏差。基礎用戶：描述：僅僅是內容的消費者，即閱讀內容，但不會產生點贊、評論、分享等與其他用戶產生互動的行為，瀏覽內容的方向不明確，具有隨機性。穩定性：極不穩定，隨時會因產品內容、功能、社區氛圍等原因流失。特性：此類用戶人數最多，對于產品的需求也最為基本。對應需求：生理需求標準用戶：描述：不再是內容的消費者，開始逐漸進行點贊、評論等實現成本低的操作，瀏覽內容方向更加明確穩定性：較穩定，會因為產品內容推薦不夠貼切、功能不夠完善離開，對于產品具有一定的耐心，不會突然離開特性：從松散且游離的基礎用戶演變而來，實現從觀看者到參與者的身份轉變中。對應需求：安全需求主體用戶：描述：作為承上啟下的社區參與者，及有一定的社區知名度，又能適度產出一些普通內容，帶動社區氛圍穩定性：穩定，對于產品的功能與氛圍熟悉且接受，但可能會因為長時間付出（發帖、評論），卻無法得到別人足夠的回應而離開。特性：注重產品功能之外的認為情感，不再滿足于產品本身帶來的體驗，開始關注在產品內獲得的滿足感與成就感等。對應需求：社交需求核心用戶：描述：產品中具有一定影響力的小V用戶，可產出較優質內容，同時在產品中具有較大影響力，具有較強的帶動性。穩定性：非常穩定，在產品中的影響力很強，具有較多粉絲，可能會在產品中進行個人變現，因此足夠穩定。特性：追求大量的用戶追捧，以及看中自己在產品中的群體口碑，希望得到大量用戶的正面評價，部分用戶會因此進行變現，實現物質收入。對應需求：尊重需求明星用戶：描述：具有極強的影響力與知名度，屬于為產品進行背書的明星式人物，對于產品用戶的行為方式與輿論走向具有較大