用户运营知识结构归纳

1、【最新整理，下载后即可编辑】用户运营知识结构归纳之用户画像智能手机新增流量消失、红利过去、超级用戶思维、智能手 机市场国内饱和这是我们从2016年起至今，在各类互联网大咖以及媒介平 台看到最多的关键词了。因此，用戶运营开始有了地位，如何盘活现有的用戶群体是 每一个（移动）互联网公司老板们考虑的问题。2018年始，在给自己做工作规划的时候，定下了运营知识 深度学习的两个方向：用戶运营、数据分析。做运营这些年，也看了不少用戶运营的文章和书籍，每个大 咖写的都特别好，但是都不够系统，所以想着自己可以梳理下 用戶相关的知识结构。终于拖延了四分之一 2018年之后的近1个月时间，把沉淀 在Evernote的大咖文章做了梳理和归纳，分享给大家，仅供参 考。文章主要从三个方向来梳理用户运营的知识结构：用户画 像、用户生命周期、用户成长激励。内容穿插会给到每个环节需要的准备工作、监测数据等，篇 幅较长，分三次发布，看官要有耐心一、用户画像误区：Persona （用户角色）VS Profile （用户画像）Persona用户角色描绘抽象一个自然人的属性通过调研问卷、电话访谈等手段获得用戶的定性特征用 戶

2、间有差异，因为存在差异，所以需要描述是用戶属性的集合，不是具体谁，放一张某某的照片也是为 了达到共情。它应该能准确描述出产品用戶，一般会设置三到 四个用戶角色，也是通常意义上的目标用戶群体用戶角色有缺点，评估用戶属性时难以量化，也很难证伪。 你不知道它确定的是不是真的目标群体，用戶群体也随时间推 移变化，所以用戶角色需要不断修改。Profile用户画像和数据挖掘、大数据息息相关的应用，被更多运营和数据分 析师使用，是各类描述用戶数据的变量集合通过数据建立描绘用戶的标签基于用戶画像的应用：个性化推荐、广告系统、活动营销 内容推荐、兴趣偏好当我们想要选择某部分用戶群体做精细化运营时，会用用戶 画像筛选出特定的群体用戶画像是一个复杂的系统，随着产品逐渐成熟，会根据不 同的业务场景设计不同的标签，用戶角色是精炼和概括，而用 戶画像需要齐全。hi户*旧人口珈用户tt&Wtt朋户Sflit特征用户utiriw性RL户生 *WIBI用尸曲曲养刮用户4L+W性-I财K15-22 -22-30 -3D- W -*0-閒50 WJ.用户勺乱艸#賊券足菇础标號用户画像可以参考用户角色设计，用户角色也能使用用

3、户画 像的属性，可实际差别很大什么是用户画像?用戶画像是根据用戶社会属性、生活习惯和消费行为等信息 而抽象出的一个标签化的用戶模型构建用戶画像的核心工作即是给用戶贴“标签”，而标签是 通过对用戶信息分析而来的高度精炼的特征标识除去“标签化”，用户画像还具有的特点是“低交叉率”， 当两组画像除了权重较小的标签外其余标签几乎一致，那就可 以将二者合并，弱化低权重标签的差异用户画像的作用是什么？1、精准营销：分析产品潜在用户，针对特定群体利用短信 邮件等方式进行营销2、用户统计：比如中国大学购买书籍人数TOP10，全国分 城市奶爸指数3、数据挖掘：构建智能推荐系统（例如：利用关联规则计 算，喜欢红酒的人通常喜欢什么运动品牌；利用聚类算法分 析，喜欢红酒的人年龄段分布情况）4、进行效果评估，完善产品运营，提升服务质量：其实这 也就相当于市场调研、用户调研，迅速下定位服务群体，提供 高水平的服务5、对服务或产品进行私人订制：即个性化的服务某类群体 甚至每一个用户（例如：某公司想推出一款面向5 10岁儿童 的玩具，通过用户画像进行分析，发现形象=“喜羊羊”、价 格区间=“中等”的偏好比重最大，那么

4、就给新产品提供类非 常客观有效的决策依据。）6、业务经营分析以及竞争分析：影响企业发展战略用户画像的构建流程数据收集:网络行为数据：活跃人数、页面浏览量、访问时长、激活 率、外部触点、社交数据等服务内行为数据：浏览路径、页面停留时间、访问深度、唯 一页面浏览次数等用户内容偏好数据：浏览/收藏内容、评论内容、互动内 容、生活形态偏好、品牌偏好等用户交易数据：贡献率、客单价、连带率、回头率、流失率收集到的数据不会是100%准确的，都具有不确定性，这就 需要在后面的阶段中建模来再判断，比如某用戶在性别一栏填 的男，但通过其行为偏好可判断其性别为“女”的概率为 80%。储存用戶行为数据时最好同时储存下发生该行为的场景，以 便更好地进行数据分析。行为建模：该阶段是对上阶段收集到数据的处理，进行行为建模，以抽 象出用戶的标签，这个阶段注重的应是大概率事件，通过数学 算法模型尽可能地排除用戶的偶然行为这时也要用到机器学习，对用戶的行为、偏好进行猜测，好 比一个y=kx + b的算法，X代表已知信息，Y是用戶偏好， 通过不断的精确k和b来精确Y。贴标签：1、用户汽车模型：根据用戶对“汽车”话题的关注或

5、购买 相关产品的情况来判断用戶是否有车、是否准备买车2、用户忠诚度模型：通过判断+聚类算法判断用戶的忠诚 度3、身高体型模型：根据用戶购买服装鞋帽等用品判断4、文艺青年模型：根据用戶发言、评论等行为判断用戶是 否为文艺青年5、用户价值模型：判断用戶对于网站的价值，对于提高用 戶留存率非常有用（电商网站一般使用RFM实现）还有消费 能力、违约概率、流失概率等等诸多模型。关于标签化：1、多级标签：第一级标签是基本信息（姓名、性别）；第 二级是消费习惯、用戶行为2、多级分类：人口属性，地理位置（工作地址、家庭地 址）构建画像：该阶段可以说是二阶段的一个深入，要把用戶的基本属性 （年龄、性别、地域）、购买能力、行为特征、兴趣爱好、心 理特征、社交网络大致地标签化构建流程数据可视化分析：这是把用户画像真正利用起来的一步，在此步骤中一般是针 对群体的分析，比如可以根据用户价值来细分出核心用户、评 估某一群体的潜在价值空间，以作出针对性的运营用户建模：基础属性：性别、职业、年龄段、收入水平、婚育情况、活 跃城市、教育程度、用户分级：生命周期、价值分级、优惠敏感度、基于马斯洛 用户需求兴趣偏好：团购偏

6、好（品类）、外卖偏好（品类、品牌）、 电影偏好（导演、演员、电影类型）行为属性：团购（下单次数、消费频度、评价质量、评价倾 向）、外卖、酒店、电影人群属性：旅游达人、有车一族、基于马斯洛用户需求的用户分级:成长归属生存马斯洛用戶需求1、首先了解自己产品的精准受众群体，分析并确认这类群 体的性格特性与使用习惯，不要局限在自己产品中去想这类人 群的特性，而是具有XXX特性的人群，来到我的产品中，会有 哪些使用习惯与心理特性。2、搭建用戶成长体系时，一定会出现不同阶层之间的边界 模糊现象，我们需要观察达成每个成就的用戶群体比例，来重 新界定每个阶层。3、用戶是波动的，不一定会完全按照我们界定好的体系变 动，我们不必稳抓每一个用戶，只要保证大体用戶是按节奏进 行的即可，如果出现大批量用戶跃层上浮或下降，此时我们应 该看是否有现象级事件产生，或者用戶生态体系是否搭建的有 偏差。基础用户：描述：仅仅是内容的消费者，即阅读内容，但不会产生点赞、评论、分享等与其他用户产生互动的行为，浏览内容的方向不 明确，具有随机性。稳定性：极不稳定，随时会因产品内容、功能、社区氛围等原 因流失。特性：此类用户人数最

7、多，对于产品的需求也最为基本。对应需求：生理需求标准用户：描述：不再是内容的消费者，开始逐渐进行点赞、评论等实现 成本低的操作，浏览内容方向更加明确 稳定性：较稳定，会因为产品内容推荐不够贴切、功能不够完 善离开，对于产品具有一定的耐心，不会突然离开特性：从松散且游离的基础用户演变而来，实现从观看者到参 与者的身份转变中。对应需求：安全需求主体用户：描述：作为承上启下的社区参与者，及有一定的社区知名度， 又能适度产出一些普通内容，带动社区氛围稳定性：稳定，对于产品的功能与氛围熟悉且接受，但可能会 因为长时间付出（发帖、评论），却无法得到别人足够的回应 而离开。特性：注重产品功能之外的认为情感，不再满足于产品本身带 来的体验，开始关注在产品内获得的满足感与成就感等。对应需求：社交需求核心用户：描述：产品中具有一定影响力的小V用户，可产出较优质内 容，同时在产品中具有较大影响力，具有较强的带动性。 稳定性：非常稳定，在产品中的影响力很强，具有较多粉丝， 可能会在产品中进行个人变现，因此足够稳定。特性：追求大量的用户追捧，以及看中自己在产品中的群体口 碑，希望得到大量用户的正面评价，部分用户会因此进行变现，实现物质收入。对应需求：尊重需求明星用户：描述：具有极强的影响力与知名度，属于为产品进行背书的明 星式人物，对于产品用戶的行为方式与舆论走向具有较大的影 响。稳定性：极其稳定，属于平台为数不多的大V，根据二八法则 来看，这类明星用戶吸引大部分用戶的关注，物质变现不满足 于心理的满足，而是可以成为职业化的一种收入。特性：具有大量的支持者用戶，对于产品的走向与舆论有着主 导性作用，同时可为产品创造源源不断的活动，属于带动产品 的风向标人物对应需求：自我实现作者：惜别 累加学院，互联网求职者和从业者的交流学习平台。

《用户运营知识结构归纳》由会员人***分享，可在线阅读，更多相关《用户运营知识结构归纳》请在金锄头文库上搜索。