 思维的高度决定运营的深度，很多人认为运营是服务产品和用户的，而我个人更认为运营是营销与运作的组合。首先，是通过营销帮助企业赢得市场和客户；然后，才是让这些市场和客户为企业的营收发展创造更大的价值。 感性的运营，容易让自己“嗨” 理性的运营，容易让用户“嗨” 希望我的这篇运营总结，能够让大家有更多的启发，让更多的用户“嗨”起来！本次工作总结共分为四个维度：学习维度、工作维度、思考维度、其它维度。由于内容较多，我们本次只分享学习维度。 对运营的理解  当别人认为运营运营是联系产品与用户的纽带，用来更好的磨合产品与客户的关系；产品负责生孩子，运营负责养孩子，运营是为了让产品更受用户喜欢； 我个人认为这两种理解都有些偏颇，运营应该是企业的主导职位，不应该如此边角化。运营最正确的理解应该是营销与运作的组合。营是营销与运作的组合。首先，是通过营销帮助企业赢得市场和客户；然后，才是让这些市场和客户为企业的营收发展创造更大的价值。 营销是前端，是通过软文、广告、文案等形式实现品牌曝光，快速为企业抢占市场和用户，使得企业的盈利有可能。运作是后端，是将前端带来的用户尽快变现、尽快将企业的成本转换成利润。如果从这个角度思考，也恰好验证了AARRR模型的正确性。  AARRR模型之所以能够在运营中长久，正是因为它将运营拆分为营销和运作两大块。A（Acquisition）负责营销，开发市场和客户；后面的ARRR（Activation、Retention、Revenue、Referral）负责运作，实现变现。 虽然，营销在这个模型中只占了1个A，占了20%的字段。但是，我认为它的作用和价值占到80%。企业和运营人员需要越来越重视增长才行，投入更多的精力和时间，以保证拥有漂亮的GMV、Profit、Report。 工作总结之常用模型篇 作为一名优秀的运营人员，持续不断学习是她的第一生产力。所以，把学习放在了第一维度是一项聪明的选择。这一年，我都学习了哪些知识，又是如何把这些知识归纳分类到AARRR模型里的呢？ 宏观上看运营包含市场、营销、内容、服务、销售、出版等，涉及领域众多，对从业人员也有着较高的要求，做好运营似乎很难； 但是，从微观的角度来分析。无论运营的方式如何千变万化，都离不开拉新、活跃、转化、留存、裂变。我们何不把这五个维度拆分开，通过减法，选择自己最合适的一块。如果，打算做全栈运营，那么我们也有了很好的运营知识分类归纳的思路。 增长类 关于增长，我一直在强调《三级增长火箭模型》和《上瘾模型》。三级增长火箭模型是我个人提出来的，通过公式等式的形式简明增长的本质；上瘾模型更像是增长策划方案的缩影，有了方案的缩影，后续我们策划活动就有了提纲。  三级增长火箭模型 认为影响增长运营的三大因子分别是用户基数m、转化率β、裂变层数n。用户基数越大，转化率越高、裂变层数越多，增长效果越好。这三大因素存在着乘积式的数学关系，如果s代表增长数据，简化的增长公式如下： S=m*β*2ⁿ 所以，后续无论何种形式的增长活动，都需要围绕着这三个因素来思考。这个公式的出现，让她做增长策划更加清晰。感兴趣三级增长火箭模型的具体介绍的读者，请订阅我的账号，查看第一篇文章。 上瘾（HOOK）模型 如果说三级增长火箭模型偏理性，更能让负责增长的同事看透增长的本质方便策划。那么，HOOK模型便是迷人的感性少女。这个模型告诉我们，要学会利用好触发、行动、筹赏、投入等方式展示这位迷人的感性少女。让我们的方案更能基于人性和心理进行设计，吸引用户的眼球，抓住用户的心。 HOOK模型中的触发，提示运营人员要了解和分析用户背景，通过用户的背景情况设计活动目标； HOOK模型中的行动，提示运营人员根据活动背景、活动目标，去策划活动方案和流程； HOOK模型中的筹赏体系，提示运营人员活动方案要具有吸引力，筹赏可以多维化，既有可以预期的，也有意外惊喜；既有及时可得的，也有持续坚持成长类。以此，来增加活动的吸引力。 HOOK模型中的投入，提示运营人员基于人性的分析用户的沉没成本越高，就越难以离开平台。它提示运营人员要兴趣广泛、多了解用户心理、用户需求。 通过上述简单的分析，增长活动策划的模板已经隐隐若现了。 活跃类 在运营界有这么一句俗语“用户活跃靠活动”，这句话不能说100%正确，但是，80%的正确是没有问题的。问题是活动该怎么做，做什么类型的，去触发哪些用户，触发后的下一步动作是什么，如何进行奖励？ 常见的活动活动种类很多，比如话题类、拼团打折类、游戏类，我们会单独拆出来一个维度，在后文进行总结；那么该触发哪些用户，触发后的下一步动作是什么，如何奖励呢？前文我们讲的HOOK模型，以及下文要介绍的User persona、User Profile正式来帮助大家解决这方面问题的。 在用户运营生命周期里，获取用户不代表获取客户。用户的流入，有可能处于各种不同的心理，或者各种不同的原因，也不乏有一些用户因为好奇过来看热闹、薅羊毛。热闹散后，这些用户如果不能快速激活和活跃，也必将匆匆离去。企业花费了大量的人力、物力、财力，最后留下一地鸡毛。User Persona和User Profile，最早来源于大数据的协同推荐和聚类推荐。而这种技术对用户画像提供巨大的支持。Persona考虑从典型用户从发、Profile重视群体特征，两种不同的维度分析弥补了原来用户画像重视群体分析，缺乏典型用户塑造的现状。所以，越来越受企业的青睐。  User Persona模型：协同活跃 以你为主，以你喜欢的产品或者内容为主，推荐你以为喜欢这些产品或内容，还可能喜欢的相关的产品或内容。举例，购买购买锅的用户，有很大可能会有锅盖或者勺子的需求。 Pesona模型把协同活跃做了深度的细化。它建立在对真实用户深刻理解，及高精准相关数据的概括之上，通过分析海量数据筛选高活跃客户特征，并把这些客户特征组合到一个虚拟的用户上。当不同类型的人群进入系统后，会自动与虚拟人物进行匹配，匹配成功后归纳为同一类人群，推荐共同喜欢的内容或产品。 User Profile模型：聚类活跃 以人群为主，这个人群除了喜欢这款产品或内容，还喜欢哪些产品和内容。正如同古语中的物以类聚，人以群分。物以类聚是因为有着相同或者相似的特征，人以群分是因为有着相同或者相似的审美、购物意向和价值观。 协同活跃是指系统发现B与A是同一类人，B在进入系统后，User Profile模型通过大量的用户数据分析，例如猜他是男是女，生活工作所在地，乃至喜欢哪个明星，要买什么东西等。系统中会主动推荐A喜欢的内容或者商品给到。我们在京东、淘宝购物时，网页下方提示喜欢这本书的用户，还喜欢哪些书，就是典型的协同活跃案例。 转化类 无论是引流用户，还是活跃用户，我们最终的目的都是把用户变成客户。把用户变成客户的方法很多，比如社群转化、私聊转化、会销、电话销售等等；会用到心理学的内容制造用户焦虑、引导用户下意识；也有可能会用到市场营销学中的制造紧迫感、通过打折抢占用户心智。这些方法经过市场验证效果也不错，但是，缺乏对用户的深刻认识；同时，也缺少对快节奏的互联网公司的应对。接下来分享两个模型，从用户的角度出发；或者从快节奏的解读出发，帮助运营更大效率的为客户提供价值、为企业提供价值。  LGERR模型 社群运营的混乱，表面看公司节奏过快引起的；实际上是运营对工作职责、目标、规划不清晰造成的。LGERR模型通过用户标签（Lable）、社群周边（Group ）、用户教育（Education）、社群转化（Revenue）、社群裂变（Referral）等多个方面分析，从根本上提高大家的效果，释放大家的时间。 LGERR主要面对公司运营节奏快、用户数量暴增的情况下，如何通过批量化的方式，释放运营人员众多重复性工作的时间，提高效率，并保证运营人员按时完成工作。 首先，模型强调运营人员善于利用标签，为每一个客户做好标签。当公司布置活动通知、内容提醒、邀请进行群的任务时，可以通过一键批量化操作的方式完成以前需要数个小时才能完成的工作。 其次，模型认为同一标签的用户可以通过社群进行管理。但是，在社群管理之前，运营人员需要提前做好社群模板，方便后续的重复性使用。比如群名称、公告、规则、欢迎语等等。 第三，模型强调新群直接做转化并不是明智之举，社群的转化一定要对产品价值、用户价值、用户成长提前铺垫，这样才能树立成长进入到转化的阶段。 第四，在转化的过程中要学会控制社群方向、把控社群节奏。同样SOP，不同人负责的社群转化率不同正是这个原因造成的。 第五，社群裂变。借助社群用户的力量，实现最大限度的转化和营收。 RFM模型 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有3个神奇的要素，最近一次消费(Recency)、消费频率 (Frequency)、消费金额 (Monetary)。而这3个神奇的数据，给运营管理在用户分层和用户转化提供了很多启蒙和思路。比如，最近一次消费与用户活跃息息相关，通过对最后一次的活跃分析，可以让我们了解和分析对我们最近运营策略的反馈；消费频次是区分用户忠诚的一个比较好的方式，针对与频次高的用户也是运营人员后期维护的重点；消费金额可以让我们更好的判断用户的财力和消费习惯，后续有针对性的推荐适合用户的的产品或内容。 众所周知，单一产品的GMV是如下计算 GMV=单价*数量*频次*转化*用户数 RFM模型的分析和利用，提高了频次和转化的数据，也正是我们经常说的复购，让转化产生最大的效益。 留存类 用户价值=新体验-旧体验-替换成本 从公式也可以看出企业运营人员如果希望更好的留存用户，一定要从产品、服务、技术等多方面为用户提供更多价值触发。那么，在知识运营层面有没有好的留存模型应用呢，该如何应用？ COHORT模型 Cohort分析又叫同期群分析或分组分析，主要分析相同的用户群体随着时间延续的发展变化情况。用户留存率分析、用户流失率分析、用户续费率分析、用户退费率分析。如图所示，它通过热力图的形式，从一个周期开始的统计到一个周期结束后，整体用户留存和流失情况。通过图示的留存情况，去分析企业的那些运营动作对用户留存起到了正面或者负面的影响，为后续版本优化和迭代提供更多的数据支持和参考。  用户召回 除了上述将的方法，将流失用户进行召回也是留存的另外一种有效方式。只不过一种思维是希望用户留下来，另外一种思维是把流失的用户再吸引回来。用户召回的方式方法很多，比如邮件召回、APP通知召回、短信召回、电话召回。但是，召回用户的核心不是方法和方式，而是产品能否为用户提供用户价值，即新产品带来的体验是否优于原有的体验，是否符合用户的预期。 裂变类 对于裂变，我们可以狭义的理解为它是增长的一种。对于增长前文中我们介绍了用户增长三级火箭模型、上瘾模型，在这里就不重复赘述。主要想分享的是站在电商行业的企业方是如何做裂变和增长的。  GROW模型 GROW模型是阿里提出来的适用于母婴、食品、家清、美妆、医药保健和个护等几大一级类目的大快消行业增长“仪表盘”。4个单词分别代表着影响品类增长的“决策因子”： 渗透力（Gain）: 指消费者购买更多类型品类 / 产品对品牌总增长机会的贡献； 复购力（Retain）: 指消费者更频繁 / 重复购买产品对品牌总增长机会的贡献； 价格力（BOOST）: 指消费者购买价格升级产品对品牌总增长机会的贡献； 延展力（Widen）: 指品牌通过提供现有品类外其他关联类型产品所贡献的总增长机会。 对于不同的品类，拥有对应的GROW指数，即根据 （G）、 （R）和 （O）对各自的 GMV贡献计算出各自的G/R/O 的值。这个是指导对应品类在增长上的发力方向。 比如： 母婴行业的品类渗透力（G）明显高于其他因子食品和家清行业的复购力（R）机会突出美妆和医药保健行业的价格力（O）机会最大个护行业各方面增长机会均匀，渗透力（G）的机会略高。 |
|
|
