1. <strong id="7actg"></strong>
    2. <table id="7actg"></table>

    3. <address id="7actg"></address>
      <address id="7actg"></address>
      1. <object id="7actg"><tt id="7actg"></tt></object>

        了解這5大用戶分層模型,輕松建構(gòu)用戶運(yùn)營(yíng)體系

        共 1266字,需瀏覽 3分鐘

         ·

        2021-07-15 08:23

         ↑點(diǎn)擊關(guān)注↑開(kāi)啟精益成長(zhǎng)



        構(gòu)建用戶運(yùn)營(yíng)體系,最重要的是建立合理的用戶分層模型,而用戶分層模型多種多樣,不一樣的劃分規(guī)則就能形成不一樣的分層模型。

        除了常見(jiàn)的RFM模型,以及易觀方舟提出的智能用戶運(yùn)營(yíng)ARGO模型,最常用的還有用戶忠誠(chéng)度和用戶生命周期模型。此外,在具體的行業(yè)應(yīng)用中,我們還可能用到以下這幾種模型:


        正態(tài)分布模型

        當(dāng)用戶運(yùn)營(yíng)資源非常有限時(shí),我們可以使用正態(tài)分布模型。比如二八法則即屬于正態(tài)分布形式,80%的用戶處于價(jià)值曲線的平均值附近,而剩下的20%的用戶才是主要的利潤(rùn)來(lái)源。

        一般而言,正態(tài)分布模型從利潤(rùn)貢獻(xiàn)和用戶數(shù)量?jī)蓚€(gè)維度進(jìn)行建模,大家會(huì)發(fā)現(xiàn)提供營(yíng)收最多的客戶是極少數(shù)。因?yàn)檫\(yùn)營(yíng)成本和突發(fā)狀況造成用戶流失,造成虧本的也是少數(shù),大多數(shù)利潤(rùn)都集中在一個(gè)恒定值附近。

        基于上述情況,我們就可以分配更多的運(yùn)營(yíng)資源去重點(diǎn)維護(hù)高利潤(rùn)用戶,同時(shí)對(duì)于占據(jù)大部分公司運(yùn)營(yíng)資源,但對(duì)提供利潤(rùn)有限的客戶進(jìn)行適當(dāng)?shù)馁Y源調(diào)整。而大多數(shù)在恒定值附近的客戶則進(jìn)行標(biāo)準(zhǔn)化服務(wù),節(jié)省資源,降低邊際成本。



        所以,用戶體系建立,就是為了方便進(jìn)行不同的運(yùn)營(yíng)策略?xún)?yōu)化,進(jìn)而完成最終的業(yè)務(wù)指標(biāo)——利潤(rùn)。


        品類(lèi)綜合偏好型

        品類(lèi)綜合偏好對(duì)于電商而言,與品類(lèi)具有緊密關(guān)系;而對(duì)于內(nèi)容產(chǎn)品而言,與內(nèi)容種類(lèi)緊密相連。現(xiàn)在獲取內(nèi)容或者購(gòu)買(mǎi)商品渠道愈發(fā)多元化,用戶對(duì)不同品類(lèi)商品/內(nèi)容都可能選擇不同渠道。

        品類(lèi)綜合偏好,通過(guò)用戶搜索、瀏覽、關(guān)注、購(gòu)買(mǎi)品類(lèi)商品的次數(shù)、頻率等行為來(lái)計(jì)算品類(lèi)權(quán)重,而從對(duì)用戶進(jìn)行分層、分群,以便更好的進(jìn)行用戶運(yùn)用,最終促進(jìn)用戶的購(gòu)買(mǎi)。


        用戶活躍度模型

        用戶活躍度分層在各類(lèi)網(wǎng)站的用戶運(yùn)營(yíng)中運(yùn)用的非常多,通常使用PV、停留時(shí)長(zhǎng)、發(fā)帖數(shù)等來(lái)劃分用戶活躍度。

        對(duì)于電商或者新零售來(lái)說(shuō),最重要的還是購(gòu)買(mǎi)行為。可以根據(jù)用戶近期購(gòu)買(mǎi)頻次,按一定的規(guī)則劃分成新用戶、活躍用戶、沉睡客戶和流失用戶,活躍用戶可以進(jìn)一步劃分成高、中、低頻。


        購(gòu)物決策力模型

        購(gòu)物決策力是通過(guò)用戶購(gòu)買(mǎi)商品的行為來(lái)描繪區(qū)分用戶購(gòu)物時(shí)的決策方式,對(duì)用戶進(jìn)行分群分層。用戶可劃分為購(gòu)物沖動(dòng)型、反復(fù)猶豫型、理性比較型等等。

        購(gòu)物決策類(lèi)型可以增進(jìn)客服對(duì)用戶心理的了解,或提升優(yōu)惠券的使用情況,從而提高最終購(gòu)買(mǎi)率,降低退換貨率。

        了解不同購(gòu)物人群的比例,還可以用于產(chǎn)品設(shè)計(jì),根據(jù)用戶下單前瀏覽時(shí)間、瀏覽SKU數(shù)量、首次瀏覽到購(gòu)買(mǎi)時(shí)長(zhǎng)等特征做聚類(lèi),從而實(shí)現(xiàn)個(gè)性化推薦或者推送相關(guān)的用戶運(yùn)營(yíng)活動(dòng)。


        促銷(xiāo)敏感模型

        常見(jiàn)的促銷(xiāo)類(lèi)型有單品折扣促銷(xiāo)、滿減促銷(xiāo)、加購(gòu)等等,不同用戶對(duì)于不同的促銷(xiāo)方式有著不同偏好。

        我們可以在獲知用戶愿意接受的促銷(xiāo)方式后,進(jìn)行定向營(yíng)銷(xiāo),可以有效避免運(yùn)營(yíng)成本浪費(fèi),提高相應(yīng)品類(lèi)、相應(yīng)活動(dòng)的購(gòu)買(mǎi)轉(zhuǎn)化率。


        相關(guān)推薦


        點(diǎn)擊閱讀原文」免費(fèi)體驗(yàn)易觀方舟

        ↓↓↓ 
        瀏覽 64
        點(diǎn)贊
        評(píng)論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        評(píng)論
        圖片
        表情
        推薦
        點(diǎn)贊
        評(píng)論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        1. <strong id="7actg"></strong>
        2. <table id="7actg"></table>

        3. <address id="7actg"></address>
          <address id="7actg"></address>
          1. <object id="7actg"><tt id="7actg"></tt></object>
            美女操逼电影 | 啊灬啊灬啊灬快灬高潮了女 | 园产精品久久久久久久7电影 | 男人捅女人网站 | 好操网 | 一本一道加勒比无码 | 亚洲色婷婷在线 | 中文字幕无码专区 | 掀开白丝袜jk裙子扒掉内裤 | 久久五月天婷婷 |