互金行业APP推广运营如何得到正确的用户画像?

2018-11-09 17:24:10 |发布者: 安智宝

QQ截图20181109153541

用户画像重要吗?

按下不表,我们先一起探讨几个问题:app刷量

  1. 你的用户中哪类用户贡献ARPU最高?他们有什么特征?在哪里投放最能获取到这类用户?
  2. 哪类用户留存最好?什么打动他们留下来?他们还需要什么?
  3. 这次新功能首先对哪些用户开放测试?
  4. 这段时间APP活跃越来越低,为什么?

如果你不是在拍脑袋和猜测情况下能回答出以上4个问题,相信你在心里基本都有一张1:10000比例尺的用户画像地图。微信刷粉

所以回过头,上面这些看似跟用户画像无关的日常运营问题都离不开对用户深刻的理解。

一、五维用户画像

每个行业都有自己行业特点的用户画像,电商或许偏重消费能力、品牌偏好,O2O偏重地域属性,金融行业自然关注就是用户资产状况。互联网金融行业由于集合了金融行业和互联网行业特点,所以用户画像会更多维。下图是我总结的互金行业用户画像,我称之为五维用户画像

这个五维画像分别从基本信息、金融属性、消费属性、兴趣属性、社交属性5个维度对用户进行描述,通过这些描述我们会得到一个对用户的笼统解释。微信刷投票

但此时问用户是谁?在哪?怎么找到他?我们还是回答不上来,因为还需要第二步:在此基础上对用户进行聚类分析,刻画出产品的典型用户画像。

(示例图)

典型用户画像的目的是勾勒出有代表性的用户,能够做到当我们读完画像后脑海里立马能浮现出这个人的音容笑貌、喜怒哀乐,感觉就是身边的一个朋友。

另外需注意在保证画像有血有肉的同时要保证有骨架支撑,这个骨架我称之为用户DNA指标。

凡是能将某类用户与其他用户区分开的指标都能被定义为DNA指标,比如客单价、理财频次、风险偏好等等。微信刷阅读量

基于DNA指标我们就可以搭建出一套用户分类模型,这套模型可以帮助我们解决大部分运营工作中的问题,但切记一套模型中DNA指标尽量控制在5个左右。ios积分墙激活

(分类模型示意图)

有了这套模型,后续运营已经成功了50%了,接下来我会举一个实际案例帮助大家体会用户画像在实际运营工作中如何运用。刷友盟数据

二、用户画像操盘案例

这个是我在做MGM运营时的一个操盘案例。ios积分墙

MGM就是常见的推荐好友注册的获客模式,模式的关键因素是推荐人。

在运营初期我按照五维画像对所有推荐人做了分析,但是很快就遇到问题:画像是对所有推荐人的均值描述,按照这个描述所有用户的特征都极度趋近。

另外不同推荐人的贡献价值是不一样的,哪些特征的用户是我们要找ARPU最高的那群?

为了解决这2个问题,我从推荐人五维画像里提炼出3条最核心的指标构建了推荐人模型,将推荐人划分为8大类,比如下图标红的推荐人,我叫他“前锋推荐人”,顾名思义就是类似足球场的前锋。安卓刷量

这类推荐人有5000人,占所有推荐人的20%,但他们推荐来的用户出借金额占到79%,非常符合“二八原理”。能否运营好他们,直接决定着运营工作的成败。

在17年6月的时候我们的业务资金需求突然上升,需要3天内额外补充1个亿资金,这是典型的时间紧任务重的棘手活。微博刷粉

常规策略完不成任务、策划活动来不及上线,经过分析我们决定拿这波前锋推荐人下手。当天下午迅速给这5000人定向推送限时返佣短信。短短3天时间共有1000人参与活动,带来资金1.2亿,快准狠地完成这次任务。积分墙

复盘这次活动成功的关键,其实是在任务出现前已经对用户有深刻的理解。没有五维画像、8类推荐人模型,我们是不可能在短时间内准确定位用户、预估效果。其实,所有运营工作也都是如此,这也是运营的内功。

最后再次总结下运用用户画像的三个阶段:

  1. 基于五维模型做目标用户描述,形成用户轮廓;
  2. 结合运营目标提炼3-5个关键指标,对用户做聚类切分;
  3. 针对每类用户做定向运营并复盘,最终总结出对症下药的策略。

现在流行的个性化展示、千人千面的运营以及智能推荐都是同样的逻辑,只不过数据源增加了行为轨迹数据,运营动作更加实时、动态。

作者:北京大兵

安智宝是专业的微信阅读综合平台:解决微信刷粉、微信QQ公众号刷粉、微信刷投票微信刷阅读量、微信扫二维码、微信回复粉等微信运营中的难题。


联系客服

Copyright © 2016 - 2020 anzhibao.com . All Right Reserved.

安智宝  版权所有