用户实战方法论:用户洞察体系如何搭建

用户实战方法论:用户洞察体系如何搭建-传播蛙

做用户洞察搭建体系,我们会搭建四个分析体系给用户打标签,分别是动机洞察、价值偏好洞察、行为特征洞察、生命周期洞察。

我们往往会站在用户立场上问自己四个问题

第一个:用户为何选择在你的平台购物?这里我们要洞察的就是用户购物动机,一般给用户打上两个标签:优惠驱动型、商品服务驱动型

第二个:用户在你平台连续购物的特点是什么?这里我们要洞察的就是用户的价值和偏好,连续复购不一定是好用户,为什么,可能你天天发大额券我才来消费,你不发我就不消费了,用户价值特征标签一般有羊毛型、风险型、高净值等;偏好标签有渠道偏好、品类偏好、时机偏好,价格偏好。

第三个:用户回购的行为特点是什么?这里我们洞察的是用户行为特征,用户到底是直奔主题买了就走还是乐于比价,我们的标签是搜索型、比价型、逛街型。

第四个:用户生命周期处于什么阶段?这里我们可以重点分析平台的整体销售是拉新驱动还是熟客驱动还是成长阶段用户在驱动。标签就是新客、成长、成熟

具体会解决什么业务场景问题,我们举几个例子

1、用户复购率低,到底是用户不行还是商品不行,怎么定位原因?

2、怎么提升用户留存度

3、怎么提升用户频次

解决用户复购率低,我见过很多运营同学简单粗暴的发券,认为没有优惠用户就不会复购,实际上我们用洞察模型很容易能解决这个问题

第一个分析模型,回购特征、生命周期特征和价值特征的交叉分析模型,我们用气泡图描绘出来,横轴是用户生命周期,纵轴是优惠敏感度,气泡大小用用户量来表现、气泡颜色用价值分层来表现,我们来观察,如果一次性羊毛用户的气泡特别大,这就解释你的拉新质量不高,我们再把气泡图划到四个象限里,左上方象限气泡比较集中,则代表高敏感新客期或成长期用户大量未能实现迁移,需要在用户的成长路径体系方面努力。

第二种分析模型,偏好特征、行为特征、时机交叉分析模型,这个模型我们用条形堆积图来表现,横轴是复购间隔周期,堆积图每个块是用户回购行为特征,回购行为特征有哪些,需求明确型、比价型、逛街型、社交型,然后不同柱子代表品类,这个模型可以让我们直观看到各品类用户回购是什么类型用户,占比是多少,复购周期集中在哪块,然后再去重点探查临近回购周期用户的复购情况,并去溯源有没有再做针对品类复购提醒的动作。

解决留存度提升这个问题,我们见过最多的解决方案是发积分、发券、push等等,但实质都没有深入分析用户留存背后的动机是什么,我的解决方案就是对用户行为进行深入分析,做不同行为留存对照的AB测试。

我们先可以回顾获客场景下用户是通过什么行为完成的首单,比如地推活动扫码来的,参加拼团被邀请来的,领新人礼包自主来的;接下来重点研究的是每一种场景的新用户,在发生初始行为时触发一个什么动作能够激发用户的下一次留存行为?比如我们以地推场景来举例,我们来施加四种影响行为进行对照实验,第一种触发多买优惠,让用户由买一个商品变为买多个商品;第二种支付完成后触发邀请有礼;第三种支付完成后触发新人任务;第四种支付完成后触发返券;这四种动作作为实验组,对照组就是没有激发任何动作的用户,发现用户再做了这几个动作后次月留存率比没有任何动作影响的用户高出5-10个点,然后如法炮制,不同特征分层用户在后续回到平台被监控到回访行为后,一个什么样的弹窗动作或引导提醒能让用户的停留时间加长,浏览深度加深,这就是重点研究的内容。

提频这个业务问题和提留存基本是一个前后的因果关系,留存意味着回访,留存和频次之间就差了一个转化,这样其实就是把问题做了一个转化,如何在提升留存率后继续提升转化率,我们在提留存环节没有深入讲用户动机洞察这块,实际上提频和用户动机的关联比较大,一个用户常购理由很简单,要不是价格便宜,要不就是体验好,我们归类为两类标签,优惠驱动型和商品服务驱动型,优惠驱动型用户提频就很简单了,我们做了一个提频商品池,动不动做个券或价格给这批用户推送,商品服务驱动型不用推券,就是推高净值会员权益服务,想方设法增加服务体验。

以上是做用户洞察体系的一个思路方法,解决场景痛点问题,还需要从动机、价值、特征等维度对用户进行深入研究,从而找到更好的解决方案。

作者:用户运营观察

来源:用户运营观察

用户关系

低频的产品如何做会员运营?

2022-2-21 9:37:17

用户关系

行为流:用户洞察依然比大数据好用

2022-8-8 9:10:34

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧