《用户画像-方法论与工程化解决方案》读书笔记-第9章 实践案例详解

风险反欺诈预警

如下所示，查询得到用户各维度的风控信息

AB人群效果测试

示例：测试精准推送相比普通推送带来的流量提升

用户生命周期划分与营销

简介

生命周期：用户从接触产品（网站）到离开产品（网站）的发展过程

生命周期价值LTV（Life Time Value）/CLV（Customer Life Value）：在发展过程中用户为产品（网站）所带来的价值总和

生命周期划分

如何进行用户运营

制定目标

1. 首先，不能唯周期论，需要制定特定的目标。比如，用户生命周期分析的核心目标是：提升用户生命周期每个节点的转化率，提升用户的留存（用户的参与度）

2. 其次，围绕目标，我们需要拆解出关键指标，针对这些指标如何满足用户的核心需求。如下所示

LTV

结合Melnick的理论与互联网产品的实际情况，将用户的生命周期价值拆解为：

LTV = （某个客户每个月的下单频次*客单价*毛利率）*（1/月流失率）

=（某个客户每个月的下单频次*ARPU*毛利率）*[1/（1-月留存率）]

=用户生命周期内下单次数*客单价*毛利率

其中，ARPU（每个用户的平均收入）=某段时间内的总收入/同时期内活跃的用户总数；月流失率=1-月留存率。用1/月流失率预测用户的生命周期，如一个产品的流失率是10%，则产品对应的生命周期为10个月

用户生命周期的业务应用场景

1. 根据拆解目标为提升LTV制定不同的运营策略
   根据拆解公式克制，需要提升用户质量（对应客单价）、提升用户转化（对应下单次数）、提升用户活跃度（进行流失原因分析）

2. 评估用户运营活动是否盈利：单个用户毛利=LTV/CLV-获客成本-运营成本=CLV-CAC-COC

追踪投资回报率

1. 计算：ROI=转化率*ARPU/（CAC+COC）

2. 提高ROI的方式

   1. 提高转化率

      1. 开源：不断通过各种方式获取新用户

      2. 节流：挽回即将流失/已经流失的用户。可以通过如下两点最大化地减少用户流失：

         1. 从产品出发：追踪各个关键节点的转化率，找出转化率比较小的节点，定位原因进行优化；

         2. 从运营出发：形成种子用户群体，保证流失下限，结合运营策略（如抽奖等）将优质内容推送给用户，进行用户等级体系建设等

   2. 提高ARPU

      1. 发放优惠券等方式

      2. 对用户建立等级体系

      3. 建立精准营销平台，精准定位用户群体

      4. 提示用户信息不会被泄漏，满足用户对安全感的诉求

      5. 生日提供满减券或其它福利

   3. 降低成本

      1. 降低用户的获客成本

      2. 降低运营成本

用户生命周期划分方式

结合App使用阶段、RFM、最近一次访问距今天数（判断用户是否已经流失）进行划分如下：

用户生命周期延长策略

不同用户生命周期用户的运营策略

画像在生命周期中的应用

主要应用

1. 分析不同生命周期阶段的用户特征；

2. 选择触达用户渠道

3. 分析营销效果

应用实例

1. 消息推送新用户-提升用户注册率

   1. 思路：80%左右的用户在安装3日内完成注册行为，新安装3日是一个重要的时间点

   2. 手段：圈定安装3日内的用户，将新人红包、优惠券等活动，通过消息推送等渠道推送给该批用户

2. 短信营销新注册用户-提升下单率

   1. 思路：76%的用户在注册后前9日内完成首次交易，新注册9日是一个重要的时间点

   2. 手段：圈定新注册9日内，且浏览/收藏/加购的用户，将新人红包到期提醒及母婴类大促商品编辑成文案，通过短信渠道推送给该批用户

3. 用户全生命周期营销

   1. 思路：对不用阶段用户做站内广告弹窗和落地页的分组展示，评估用户从浏览、活跃到最终转化的差异

高价值用户实时营销

实时标签调用方案：

短信营销用户

画像切入点：

1. 短信敏感度

2. 无效手机号

3. 对营销商品感兴趣的用户

Session行为分析应用

用户的行为指标：黏性指标、参与度指标、转化类指标

黏性指标

如：访问频率、留存

参与度指标

1. 活跃度：活跃度没有标准的定义

2. 打开率（DAU/MAU，指标越大说明产品的参与度越高）

3. 访问时长

4. 访问页面数

转化类指标

分析用户转化的角度：

1. 产品的整体运营情况：用户从激活到下单的整个流程；

2. 产品的关键路径：用户接触产品到完成转化的步骤

实例详解

详见：P221～P228

借助手段：用户的Session流量桑基图

人群效果监测报表搭建

Excel报表自动化流程：

自动报表邮件：

Python处理Excel的代码实现：P237～P239

基于用户特征库筛选目标人群

基于特征库筛选特定目标的用户

结尾

亲爱的读者朋友：感谢您在繁忙中驻足阅读本期内容！您的到来是对我们最大的支持❤️

正如古语所言："当局者迷，旁观者清"。您独到的见解与客观评价，恰似一盏明灯💡，能帮助我们照亮内容盲区，让未来的创作更加贴近您的需求。

若此文给您带来启发或收获，不妨通过以下方式为彼此搭建一座桥梁： ✨ 点击右上角【点赞】图标，让好内容被更多人看见 ✨ 滑动屏幕【收藏】本篇，便于随时查阅回味 ✨ 在评论区留下您的真知灼见，让我们共同碰撞思维的火花

我始终秉持匠心精神，以键盘为犁铧深耕知识沃土💻，用每一次敲击传递专业价值，不断优化内容呈现形式，力求为您打造沉浸式的阅读盛宴📚。

有任何疑问或建议？评论区就是我们的连心桥！您的每一条留言我都将认真研读，并在24小时内回复解答📝。

愿我们携手同行，在知识的雨林中茁壮成长🌳，共享思想绽放的甘甜果实。下期相遇时，期待看到您智慧的评论与闪亮的点赞身影✨！

万分感谢🙏🙏您的点赞👍👍、收藏⭐🌟、评论💬🗯️、关注❤️💚～

自我介绍：一线互联网大厂资深算法研发（工作6年+），4年以上招聘面试官经验（一二面面试官，面试候选人400+），深谙岗位专业知识、技能雷达图，已累计辅导15+求职者顺利入职大中型互联网公司。熟练掌握大模型、NLP、搜索、推荐、数据挖掘算法和优化，提供面试辅导、专业知识入门到进阶辅导等定制化需求等服务，助力您顺利完成学习和求职之旅（有需要者可私信联系） 

友友们，自己的知乎账号为“快乐星球”，定期更新技术文章，敬请关注！