营销/运营分析：提升运营效率

更新: 7/21/2025 字数: 0 字 时长: 0 分钟

营销/运营分析的基本思路

无论是传统企业的营销工作，还是互联网企业的运营工作，本质上都是一个“踩油门”的动作：在现有业务运作节奏的基础上，通过额外增加资源的行为，对业务进行提速。这样做或者想让业务发展得更快，或者想让业务质量更好，或者想让业务朝特定的方向发展。

所以，所有的营销/运营分析思路都包含以下几个方面的内容。

• 监控业务发展现状。
• 设定发展目标、速度、质量、方向。
• 判断现状与目标之间的差距。
• 选择合适的手段。
• 计算投入/产出效果。
• 采取行动，监控过程。
• 复盘效果，总结经验。

TIP

注意：在企业里，运营是一个大工作范畴，里面的分支非常多。分工不同，每个部门承担的职责也不同，具体分工如表所示。

这么多个运营部门，它们在工作中是相互支持的，并非孤立作战。因为用户在购买产品时，要考虑的因素就是多元化的，吸引用户的手段也不止一种。以电商业务为例，其整个流程至少包括6步，从开始投放广告到用户注册，各类运营部门要通力协作，如图所示。

这种合作关系，使得运营部门在工作时，不能孤立地看各个部门的目标，而是要关注整体目标，否则很有可能出现局部效益很好，整体效益很差的情况。因此，整个运营数据分析的思路可以分为三大步骤。

1.共识整体目标，制定整体战术

各个运营小组要对年度大部门的整体目标(比如DAU、转化率、销售金额等)达成共识，并且选择落地大目标的战术，把大目标分解到各个月。

TIP

注意：分解方法不一定是按月平均或按过往趋势分摊的，其可能和战术选择有关，如图所示。

常见的增长策略如下：

• 阶梯增长型：不指望爆款，每个月稳步推进。
• 新品引导型：指望新版本推出/爆款引入，围绕一个重点做推广。
• 重点突破型：指望关键节点(“6.18”、“双 11”)让销量暴增，平时做辅助。

单独来看，每一种策略都有优势，关键看业务上有没有做好相关的准备，比如是否有足够的持续资源投入，又比如爆款是否真的能指望上、真的够“爆”，万一新品失败了，第二手准备是什么?策略的选择和人的决策有关，一旦选择了某种策略，就得根据过往数据的发展形态做好充足的准备，否则失败是必然的。

2.设定阶段性重点，各小组分配任务

比如某企业制定了年度运营目标：整体GMV(商品交易总和)超过xx亿元，实现盈利。这是宏大的目标，拆分下来需要每个月有配套的具体实施方案才能实现，这样就有了各月份的小目标。

要注意的是：在实际解决任务时，各个执行部门之间要有主次之分。比如在图中，某企业的大目标是提升GMV，实现盈利。具体策略是通过活动来实现的，因此活动运营要承担主要责任，渠道、商品配合活动，做好前期引流与后期销售支持。也有可能大目标是追求用户增长，此时渠道运营主要负责用户增长，活动、用户运营。总之，在清整体目标的情况下进行任务分解，那么各自的小目标就很清晰了，也便于我们选择执行方法。

3.分解阶段性指标，各部门执行、监测、反馈

这一步就是常规运营数据指标的监控过程，此处不再赘述。有了前两步工作，每个阶段的运营工作就有了清晰的主任务，就不用再纠结“到底自然增长率该写多少合适”“又有几个客户投诉很激烈”……整体目标达成就好。细节问题，可以在各小组复盘的时候，找到改进点。

4.监控执行进度，从小到大检讨效果

想避免各部门之间的推诿，可以参考作者总结的“检讨三原则”。

• 在执行到位前，不质疑策略。
• 在投入可调时，不修订策略。
• 在策略失效前，不质疑方向。

整体目标未达成是因为以下几个方面没有做好。

• 再好的策略，执行不到位也不可能成功。
• 再好的策略，投入不到位，也不可能成功。
• 再正确的方向，没有好的策略配合、没有执行落地，也就无法实现。

这是一个层层相扣的逻辑，因此要优先复盘执行到位的情况。在执行尽全力的时候才能判断策略到底有没有问题，整个检讨逻辑如图所示。

当所有部门在部门例会上能完成对于目标达成共识->跟踪进度->反馈问题->协同工作这一流程时，这套机制就算正常运转起来了。这样能保证整体目标的最大化落地，也能提醒各小组其关键任务是什么。

当然，具体到每一类运营活动上时，因为业务形态的差异，分析思路也会有所不同。下面主要介绍新媒体运营、内容运营、用户运营、活动运营、渠道运营，以及近年来热门的用户增长运营的分析方法。

新媒体运营分析

传统的品牌宣传很少做数据分析，因为传统的宣传渠道很少。在很多年前，几乎所有的企业都在争抢电视台中为数不多的广告位，能抢到就很不错了。同时，企业也没有可靠的数字化手段能够采集数据。传统的媒体研究靠的还是留置问卷的方式：把问卷留在受访者家里让受访者自己填写如“晚上9点到10点收看了xx电视台”信息。这种数据采集的方法太过粗糙，且采集面太窄，因此指导意义非常有限。

在移动互联网时代，用户获取信息的渠道被极大地扩宽了，不但被分散在微博、微信朋友圈、微信公众号、抖音、快手、B站、小红书等众多新媒体平台之间，而且即使在一个平台内也会被分散在多个“大V”、普通博主之间。渠道分散,意味着过去集中“轰炸”的方式已不奏效。但好处在于这些平台都是数字化媒体，可以记录数据，因而有了分析数据和改善现状的机会。

新媒体与传统媒体最大的区别在于“经营”二字。传统媒体在其领域内基本处于垄断地位所谓“电视台播什么内容，用户就看什么内容";而对于新媒体，选择权在用户手里，用户不喜欢就不会关注，因此不能再用强塞的手段。

所以，新媒体非常重视经营用户。作为一个新媒体平台，平台先要有足够的粉丝数量文章要有足够的阅读量，才能起到宣传信息、影响别人的作用。如果只有孤零零的一个账号，没有粉丝、发布的文章没有阅读量，文章只靠自己的下属/员工去转发和点赞，那么完全起不到数字化媒体的传播效果，如图所示。

因此，数字化媒体有了四大基本职责。

• 提高粉丝数量：增加粉丝数量。
• 提高阅读量：增加阅读量。
• 发布内容：宣传自己想说的事情。
• 提高转化率：发广告让用户下单。

其中，提高粉丝数量、提高阅读量、提高转化率三大基本职责是分开执行的，并不能靠同篇问卷、同一个视频一气呵成。这一点做过自媒体运营的读者会深有感触，没做过的读者会很疑惑：不能毕其功于一役吗?

除此之外，这四大基本职责也不能一次性完成，因为这四大基本职责的目的不一样。

• 提高粉丝数量：给用户好处、福利(比如优惠券、礼品及特别有价值的信息)。
• 提高阅读量：满足用户的好奇心，站在用户的立场说话。
• 发布内容：满足企业的宣传需要，发布企业的产品、活动信息。
• 提高转化率：让用户消费，使企业盈利。

虽然所有的企业在宣传中都会说出下面这些话

• “我在给大家谋福利!”
• “新年大酬宾，好礼送不停!”
• “好消息!好消息!我们的产品降价啦!”

但是对用户而言，只要让他们花钱，就都不是“好消息”!最好的消息是不要让他们花钱直接把福利免费送上门!

同样，比如企业发布关于育儿知识的内容，某些有需求的用户会很喜欢看。如果内容做得够好，它就可能起到提高粉丝数量或阅读量的作用。但是企业在发布育儿知识以后，如果不停地强调“我们的产品才是符合完美育儿标准的好产品"，就会让用户心生厌恶，认为这是一种“王婆卖瓜，自卖自夸”的行为。

所以，这四大基本职责一定要分开执行才能起到好的作用。相对应地，在这个过程中还需要监测常规数据指标。

1.提高粉丝数量的分析

在此任务中，需要分析的数据有以下几个方面。

• 账号的粉丝数量、新增粉丝数量、取消关注的粉丝数量。
• 最近7日/30日新增粉丝数量、取消关注的粉丝数量。
• 单日最大新增粉丝数量、取消关注的粉丝数量。
• 每净增长一个粉丝的成本。

单日最大新增粉丝数量的增长时刻，一般都是发生在采取运用运营措施的时候。常见的运营措施，比如联合推广、付费引流、抽红包派福利等活动，此时会有成本发生，且在有大量新粉丝关注的同时，也会有一定数量的粉丝取消关注。因此一般用单次新增粉丝总成本 ÷ (单日新增粉丝数量 - 取消关注的粉丝数量)来考核粉丝增长效果。单次粉丝数量净增长越多，每个净增长粉丝的成本越低，表明粉丝增长工作质量越好。

以公众号为例，一般在发布一篇文章以后，70%~90%的阅读量是来自发文后两天以内的之后几乎没有长尾流量。所以，公众号文章的考核周期一般为文章发布当日或3日内。如果其他媒体平台有可观的长尾流量，则可以适当放宽考核期。

2.提高阅读量的分析

在此任务中，需要分析的数据有以下几个方面

• 最近7日/30日文章平均阅读量、打开率、转发次数。
• 最近7日/30日文章最高阅读量，最近7日阅读最多的文章、文章转发次数。
• 文章被转发次数、被其他媒体转发次数、转发后新增粉丝数量。

数字化媒体有一个共同的特点：高阅读量从来都不是来自自身的粉丝阅读的。实际上，对于单篇文章，其自身粉丝的阅读率能达到10%~20%就已经到顶了。高阅读量经常来自粉丝的二次、三次乃至n次的转发，因此在分析拉阅读工作时，不仅仅要关注文章本身的打开率，更要关注文章的转发量。能引发大量用户转发的文章，其新增粉丝数量、总阅读量都有保证特别是能引发自媒体“大 V”点赞、关注、转发的文章，就更能达到一传十、十传百的效果。

3.发布内容的分析

在此任务中，需要分析的数据有以下几个方面。

• 最近发布文章后的阅读量、打开率。
• 发布文章后取消关注的粉丝数量。
• 发布文章后的转发量、粉丝增长数量。

当企业的媒体平台发布有关企业自身的内容时，可能没有发布用户所喜好的内容引发的阅读量多，这样做一定会引发一些粉丝取消关注，此时关注自身文章的阅读量、打开率即可。

4.促进转化率的分析

在此任务中，需要分析的数据有以下几个方面。

• 发布文章后的阅读量、打开率。
• 发布文章后的转化量、转化质量(此处的转化指由读者转化为粉丝)。

通过内容促进用户转化，和其他销售渠道分析一样，要关注文章的阅读量、转化量、转化率等指标。要注意的是，在通过内容提高转化量的时候，阅读量和转化量可能存在矛盾，比如同样的产品推荐文章采用不同的标题，其效果可能是不一样的。

• 如果标题是《xx公司新品发布》，那么打开率可能较低，但转化率可能更高，因为点击阅读的都是真正关注的粉丝。
• 如果标题是《解决你生活烦恼的八大妙招，都在这里》，那么打开率可能很高，但是转化率可能很低，因为会有很多粉丝认为这是一则广告。

因此，作为数据分析师，更多的是要寻找折中点来分析问题。如果使用矩阵分析法，在数字化媒体领域，高打开率、高转化率的文章很有可能是不存在的(或者说只有可能在品牌特别强势、粉丝特别忠诚的情况下才存在 )，此时应尽量寻找靠矩阵中间点的转化方式求得平衡,如图所示。

数据不同，策略不同，具体分析如下。

• 高打开率+高转化率：“宝藏”内容，树成标杆，继续复制。
• 高打开率+低转化率：标题党，优化产品/内容。
• 低打开率+高转化率：小众需求，更换标题/渠道。
• 低打开率+低转化率：失败作品，“回炉”重做。

因为这四大任务是分开执行的，所以就有了排兵布阵的规划问题。一般来说，排兵布阵的方案是由内容运营方制定的，根据每个月的宣传节奏、活动方案配套展开。但作为数据分析师可以进行一些操作指导，因为太过密集地进行发布内容、提高转化率的操作，势必过度透支粉丝的信任，最后把好不容易建立起来的媒体资源耗尽。图所示就是某企业某个月的新媒体运营计划表，由此可知:

• 四大类任务的总数量。
• 四大类任务在每周、每月的时间分布。
• 四大类任务的前后关系。

这些排列组合，会带来不同的效果，结合新增粉丝、转化数据，可以分析怎么排列组合效果更好。

在做好记录的同时，可以关注不同排列组合的情况下，文章的阅读量、转化率、新增粉丝数量、取消关注的粉丝数量，从而找到更好的方式。

• 总量控制：每个月发布促进转化率的文章不超过 xx篇。
• 排列优化：连续发布促进转化率的文章不超过xx篇,避免过度营销导致读者不满意提高粉丝数量的文章不要放在促进转化率的文章后边。
• 单点优化：提高阅读量的文章在周六发布效果更好。

这些分析能及时提醒运营方不要竭泽而渔，要有节奏、可持续地进行。

当然，仅仅有新媒体运营是不够的，本质上能吸引用户的还是高质量的内容。新媒体运营更多的是起到“搭台”的作用，“唱戏”的主角还是内容运营。

内容运营分析

1.内容运营的基本分析思路

内容运营是一项需要极高专业技能的工作，同样的题目，优秀的创作者与一般的创作者创作出来的文章是有天壤之别的。并且，内容运营在本质上是不需要数据支持的。创作的本质是一件艺术性的工作，需要的是创作者的天赋和灵感。

在内容方面，不光创作者很感性，读者也一样感性。而且媒体上关注的话题总是飘忽不定没有人能猜到什么新闻会成为热点。特别是新媒体平台，经常有某个热点毫无征兆地兴起，又毫无征兆地消失。过去的经验在未来不见得有用，这一点在内容方面体现得淋漓尽致。

因此，在内容运营上，数据分析的方法要屈居次位，其主要为创作者提供服务。

• 创作之前：提供素材，帮助创作者寻找灵感。
• 创作之后：提供验证，确认创作质量，树立标杆。

2.创作内容之前的分析

一条内容可以被拆解为以下4个方面。

• 主题来源：“蹭热点”一直都是数字化媒体常用的手段，问题是“蹭哪个热点?”
• 态度与情绪：煽情、引发群体共鸣一直是数字化媒体吸引读者的手段，问题是“两个群体争吵的时候，我们站在哪边?”
• 内容质量：严肃的科普讲解和大众化的通俗讲解，这两种方式都有可能引发读者认同，问题是“哪种方式适合当下的话题?”
• CTA(激发用户行为的动作)与转化形式：粉丝更喜欢特价产品、专属产品还是领券优惠?

这4个方面有相当大程度是难以量化的，比如主题、情绪、讲故事的方式。因此，想要进一步分析怎么使创作的内容更好，就得为内容贴标签，把上述的各种影响结果的因素用标签的形式量化记录，才能方便后续深入分析。

• 标签1，目标分类标签：提高粉丝数量、提高阅读量、优化发布内容、提高转化率……
• 标签2，主题来源标签：热点新闻、热点事件、名人名言……
• 标签3，内容写法标签：陈述事情经过、科普知识……
• 标签4，文章情绪标签：开心、冷静、愤怒…
• 标签5，态度立场标签：中立、偏向某一方……
• 标签6，转化内容标签：产品销售、用户注册、活动参与…
• 标签7，CTA标签：特价产品、稀有产品、专属产品、爆款产品……
• 标签8，转化流程标签：直接商城购买、添加企业微信、添加个人微信……

比如，最近正在播出一部电视剧，剧中的内容主要是讲婆媳因为带孩子问题发生矛盾，引发热议。作为内容运营部的员工，此时脑子里可能有很多种思路。

• 中立态度，客观分析事情，比如如何带孩子才科学。
• 表达愤怒情绪，站在媳妇一方，科普老年人带孩子的误区。
• 表达悲伤情绪，站在婆婆一方，表达老年人的内心感受。

这些似乎都有道理!

此时，想要做分析可以从以下方面入手。

• 关注第三方平台、公众媒体、竞争对手，对此热点进行报道，确认是否有足够的热度。
• 先看大方向：此类热点文章在提高粉丝数量、提高阅读量、优化发布内容、提高转化率方面哪一个效果更好?
• 再看细节：在已确认要提高阅读量的情况下，分析过往做法/成功标杆，如表达何种情绪、站在谁的立场，长度控制在什么范围。
• 检验效果：等实际上线后，跟进发布文章的反馈，检验目标是否达成。

这样虽然不能直接帮助运营人员创作内容，但是可以为运营人员提供灵感，引导运营人员学习别人成功的经验。同时，能极大地让运营人员避免“踩坑”：过去一些已经明显证明是失败的做法，就不要再做尝试了。整个流程如图所示。

TIP

注意：有很多初级运营创作者能力很差，没有能力独立完成创作，因此把希望完全寄托在数据上。比如看到观众的情绪是悲伤的，就往抒情的方向写。这是一种偷懒的行为，所谓观众的情绪，只是观众们在网站/论坛/社区留言的关键词的抓取，并不代表观众真的就很认可这一类文章。因此直接复制不一定能成功，这跟数据分析的准确度没有关系。

3.创作内容之后的分析

在文章创作成功以后，就要关注效果了。除了关注单篇文章的阅读量、转发量、新增粉丝数量等数据，为验证创作质量，还要关注同一标签下同类文章的质量发展趋势，如图所示。因为“好用就一直用”是很多运营人员的策略，一篇文章内容很好，很快就会出现模仿者,下次有同样的话题还会继续这么写，这是运营人员的习惯。

当然用户观看次数多了会疲倦，所以数据监控效果更重要的是关注这个套路是否还能达成目标，如果不成功就要做出报警(如上图中的话题第二次发布 )，如果连续不成功就得考虑更换(如上图中的话题第三次发布)。这样做很有意义，因为运营人员总是记得自己的“高光时刻”，忘记了形势的变化。如果交给运营人员自己来看，那么他们很有可能过了很久，还在炫耀第一次发布文章时的辉煌战绩。

4.对专业创作者的分析

还有另一种形式的内容创作，即找专业的内容创作者—俗称“大 V”的群体进行合作。这种行为更像是吃现成饭—“大V”已经帮助企业完成了提高粉丝数量/提高阅读量的任务，企业只要考虑发布内容/发布转化的效果即可。此时要考虑下面的内容。

• “大V”的宣传力度是否足够。
• “大V”的受众目标是否是企业想要的受众目标。
• “大V”的转化效果是否可接受。

对应地，要观察的数据如下。

• “大V”的阅读量/播放数量等指标，检验宣传力度。
• “大V”的粉丝画像，如性别、年龄、地域、兴趣爱好，看是否匹配期望值。
• “大V”过往带货效果(如果没有参考数据，就尝试一次)。

TIP

注意：“大V”不可能完全满足企业的期望。很有可能“大V”收费很高，但是实际传播转化效果并没有达到预期。在目前的媒体环境里，数字媒体的话语权是掌握在这些“大V”手里的。企业如果没有能力自己培养媒体，就得承受这种意外的损失。类似企业在开实体店时，如果没有自己的销售队伍，靠合作方来铺货，就要承受合作方执行不力等问题一样。

企业在与“大V”合作的时候可以从以下几个方面来监控效果。

• 在投放前，有所了解。这样在投放中出现了明显超过常规的情况，就可以及时发现问题。
• 在投放前，还要提前监控“大V”与其他品牌合作的数据，对于发生了负面口碑的“大V”，直接弃用。
• 在投放中，监控“大V”账号的数据走势，看是否符合该平台正常的数据分布。

比如在公众号平台中，一般发布文章后1小时内阅读量占到了当天阅读量的40%~ 50%,后续阅读量呈现明显的衰退迹象。如果不符合这个趋势，甚至出现忽然某天阅读量增加了的情况，则必定是数据有问题。总之，利用数字化媒体就要多做数据监控。

用户运营分析

1.用户运营的两大目标

用户运营是读者在生活中经常接触到的运营手段，其中包括优惠券、大减价、“买1送1”积分、会员卡、增值服务……各种营销手段。用户运营的目标有以下两个。

• 对公司整体而言,用户结构处于一个理想状态,高、中、低端消费的用户各有一定的比例。。
• 对单个用户而言，要引导低端消费用户向高端消费用户转变，增加公司收入。

因此在数据监控上，可以从公司整体和单个用户两个维度来进行分析。

从公司整体上看，AARRR模型能全面地分析用户运营的现状，其常用指标如下。

• 拉新数：新注册用户数。
• 活跃率：活跃用户数，活跃用户在线时长，活跃用户中的交易比例。
• 留存率：次日/3日/7日/30 日留存率。
• 收入：消费用户的比例，消费用户的客单价。
• 转介绍(传播)数：转发、裂变用户人数，人均带来新用户数。

通过这些指标,能监控到公司全局,从而结合公司当前的需要,进一步给出活跃率、留存率付费率的目标，指导运营工作的开展。因此，当活跃率、留存率、付费率不达目标或下降时就开始考虑采用用户运营的手段，提升指标、维持用户质量。这是整个公司健康运营的保证。

对单个用户而言，在不同的用户生命周期，有不同的运营小目标。

• 接触期：提高用户吸引力，吸引用户尽快注册。
• 新手期：帮助用户减少体验障碍，尽快体验核心产品/服务。
• 成长期：促进用户增加体验、多消费、持续消费。
• 成熟期：保持用户消费、用户黏性，不流失。
• 衰退期：挽留用户，推出新品持续服务用户。

这些小目标，与 AARRR 模型的大目标是对应的。

• A(拉新)对应的是接触期、新手期。
• A(活跃)对应的是成长期。
• R(收入)和 R(转介绍)对应的是成熟期。。
• R(留存)对应的是衰退期。

每一个小目标，都有具体的运营手段才可以实现，其中有7种手段是经常使用的。在日常工作中，正是这7种手段的循环使用，才不断促成小目标的达成，进而达成大目标。

2.用户运营的7种常用手段

(1) 送抵用券

直接减去付费金额的抵用券看起来最优惠，且能降低用户付费的门槛，因此一般用在用户生命周期的早期或晚期。在早期，促成用户注册/首次下单:在晚期，全力挽回要流失的用户激活已沉睡的用户。

(2) 购买前送样品

通过送样品等方式，能让用户感受产品的质量，促成交易，因此一般用在用户生命周期的早期或中期。在早期，可以获取用户信息，促成新用户首次下单:在中期，可以促成用户多消费其他品类的产品，提升客单价。

(3) 送满减券

满减券有一定的使用门槛要求，因此不适合尽快促成新人下单，一般用在用户生命周期的中期，对于已经有一定购买经历的用户，可以提供满减券，鼓励其买得更多。

(4) 购物后送赠品

在用户购物后送赠品，特别是送一些高价值的赠品，也是提升用户消费力的行为。这让用户有一种越买越划算的超值体验。本质上，这种做法是把满减券的优惠额度换成了赠品。同满减券一样，此方式适合用在用户生命周期的中期，鼓励用户买得更多。

(5) 提供增值服务

提供增值服务一般是在用户生命周期的早期和晚期应用，并且目的并不相同。应用于用户生命周期早期的增值服务更类似联合销售，比如用户开通某平台的视频会员资格后则送某外卖平台会员资格;开通某银行的手机银行则在该银行合作的商家消费享折扣。通过增值服务同时加强两个合作企业的竞争力，增加用户注册数量。在用户生命周期晚期提供增值服务，则有助于挽留重要客户，即在用户已经大量消费产品的时候，提供更多的附加价值。

(6) 定制会员等级

很多企业都有会员制度，这种制度有入会门槛的要求，达到不同消费、互动等级以后可以有相应的福利，等级越高福利越多。会员制度在用户生命周期的早/中/晚期都可以用，但用法不尽相同。

• 早期:用户生命周期早期的会员制度，倾向于加大会员/非会员之间的待遇差额，比如零售价和会员价差别很大，从而促使用户办理会员卡。这种会员制度通常和预付费卡结合，能提升新用户的客单价。

• 中期:用户生命周期中期的会员制度类似购物后送赠品，一般针对已注册的用户，可以使用户在消费满一定条件后享受会员福利。还可以将会员等级分为铜牌、铁牌、银牌、金牌、白金等等级。最低级的铜牌除消费行为外，还可以通过提供信息、完善资料等手段获得，在激励用户消费的同时顺便采集用户的数据。

• 晚期:用户生命周期晚期的会员制度，更倾向于挽留用户。比如在银行中，聚集着一批高净值用户，即使用户暂时贡献不大，流失了也非常可惜，而且这些人也是其他银行的目标用户。因此，银行会推出会员俱乐部制度，给予更多福利、专项服务以挽留用户。

(7) 使用积分模式

作为奖励，积分本身不够直接，需要累积一定数量才能发挥作用，因此更适用于用户生命周期晚期,比如针对成熟期的用户,用积分游戏、积分兑换礼品保持活跃度;针对衰退期的用户用积分+现金交易的方法挽留用户。

不过，积分模式有3个好处。

• 积分不等于现金，用户不兑换就不会产生成本。
• 用户兑换率一般不会是 100%，因此可以节省相当多的成本。
• 用户不消费也能给予其小额积分促进互动，反正成本低。

所以，很多企业在用户生命周期的早期也会使用积分作为促进用户互动的手段。

3.5 种业务形态下的用户运营重点

如果孤立地讨论每一种用户运营手段，会给读者一个错觉:只要肯“砸钱”，用户就会跟着企业的节奏走，越买越多。实际上，脱离具体的业务形态，单纯“砸钱”非常容易引发成本失控。因为在很多业务形态下，用户的个人消费、活跃度、转化率是有上限的，并非给点小恩小惠就能无限制地增加购买次数。因此，一定要结合具体的业务形态来看运营手段，选择合适的分析方法。

常见的业务形态有以下5种。

类型 1:用户单人付费金额低，复购次数多，极少或没有特别高的个人消费用户。典型的例子有日用零售品商店、便利店、外卖 020 平台、休闲类游戏等，此时的用户运营思路就集中在以下这些方面。

• 保持用户规模。
• 保持用户活跃。
• 适当提升用户群体的付费率。

如果用 AARRR 模型观察整个业务形态的结构，则更关注 A(活跃)和 R(留存)指标。

此时的用户运营手段就不是推出高等级的 VIP服务了，而是以增加用户黏性为主。比如对于休闲类游戏，经常举办娱乐型赛事(而非强制PK排名)、增加荣誉墙/成就勋章、每天 10分钟小任务等。通过这些手段保持用户日常活跃。

又如外卖平台，单靠吃饭，用户能贡献的 GMV非常有限。此时单纯地提高用户的消费频次金额意义不大，更多的是任务式运营，扩展用户使用场景。

• 下午茶。
• 宵夜。
• 跑腿。
• 买菜。
• 休闲场所预订。

此时的运营方式也是更偏“任务式”地引导用户多用其他功能，通过扩展使用场景来保持用户活跃/挽留用户。

类型 2:用户单人付费金额高，复购次数少，甚至没有。最典型的例子是耐用品消费，用户可能5年、10年，甚至更久才买一次电视,并且只有在买的时候才会关注，平时不会关心“彩电的最新动向”“彩电的 25 个新功能”等信息。

对于耐用品，区分不同类型的用户特别重要。比如家具行业，若用户是置新房、搬新家，则有可能一次性采购大量的产品。如果用户只是置换、新增一两件产品，就只会购买一两件产品。因此区分用户需求，正确引导成交及引导交叉销售是关键。

对于耐用品，用户考虑的时间会比快消品更久,越是大量、成套地采购,考虑得越久。因此在了解用户需求的基础上，可以进一步了解用户已经对比了哪些品牌、考虑了多久。用户越是考虑得久、对比的品牌多，对产品的选择会思考得更细致，此时可以直接给大力度的优惠吸引用户成交。如果用户考虑得很少，思考的时间很短，则可以慢慢教育引导用户。

此时，要关注的是成交流程中的转化率。

• 在初次接触用户的时候:关注需求类型、购置预算范围，从而区分出大宗采购用户与少量采购用户，分别进行跟进。
• 在与用户沟通的过程中:关注用户的考虑时间、是否已有意向品牌，从而锁定自己的竞争对手，及时采取对应的营销策略。
• 针对已成交用户:关注用户是否有传播动作，可以给一些利益(比如直接送某些配套家具/设备/保养或直接返现金)促成用户传播，带来更多的新用户。

在 AARRR 模型中，关注的核心是 R(收入)和 R(转介绍)。

类型 3:目标用户看似规模大，但真实有需求的人数少，单人付费金额高。最典型的例子是耐用品，但由于成交率太低，因此形似大海捞针，需要从众多的目标用户里寻找。比如汽车、房地产、高端家具、保险、各种电话销售等，大部分人可能只看不买，转化率不会很高。此时要么企业有能力，找到真正目标用户数量多的渠道;要么就只能靠人海战术，不断地、大量地收集新的用户线索，一轮轮地过滤。此时 AARRR 模型中，更关注的是A(拉新)。

类型 4:目标用户规模小,但刚需群体的支付意愿强,单人付费金额高。这种模式类似寻宝,要从大量普通用户里找到核心用户。最典型的例子是美容、保健、健身产品,一个高价值的用户消费能力超过 1000 个只花 39 元体验一次的用户。

在这种模式下，整体用户运营策略就不是一级级地提高活跃用户，而是通过数据分析，直接锁定核心用户，找到如何从人群里识别出核心用户的手段。其中要关注的问题如下。

• 核心用户的定义、画像是否清晰。
• 100个/1000个新用户里能转化出多少个核心用户。
• 在拉新渠道里，转化为核心用户的效率是否下降了。
• 在拉新渠道里，吸引新用户人数是否下降了。
• 存量核心用户是否流失了。

这样通过大量的拉新活动，可以筛选出足够的核心用户。在 AARRR 模型中，关注的重点是A(拉新)和 R(收入)。

类型 5:混合多种用户需求。最典型的就是订票平台，其中至少包括以下几种用户需求。

• 经常出差的商旅用户:高频次、高金额。
• 婚庆、大学毕业、高考结束旅行:一生就一次，但金额高，时间长。
• 周末、假期出游:跟季节变化有关,平时活跃度低,甚至看似用户流失了,其实没有关系。

这时就需要根据前面介绍的用户标签的做法，将不同类型的用户区分开，细化管理，而不是只盯着用户的整体表现;活跃用户少了就想办法提高活跃用户，转化率低了就想办法提高转化率。

用户运营往往是通过具体的活动落地运营手段来实现的，比如通过拉新活动获取用户，通过促销活动提升用户的活动度，因此需要和活动运营结合起来分析。

活动运营分析

1.活动运营设计的六大要素

活动运营是所有运营形式中最多样、做法最灵活的，几乎所有的短期运营任务，都能以活动的形式推出。

• 商品积压了，举行打折促销活动。
• 活跃用户少，举行登录有礼活动。
• 品牌做宣传，举行转发抽奖活动。

这些活动还会被配上各种宣传页与千奇百怪的理由或名字，比如“母亲节大派送”“金秋好礼”等，让人眼花缭乱。

因此，想要把活动梳理清楚，就不能浮于表面。抛开各种修辞，活动本身就是为了短期提升指标，其核心内容，包含以下六大要素。

• 活动目标:想要提升的指标是销售额/活跃率/购买率/客单价…
• 活动对象:谁可以参加活动?e
• 参与条件:参加活动需要达到的门槛。
• 达标门槛:参加活动后，达成什么要求能拿到奖励?
• 奖励形式:抽奖(随机奖励)、固定奖(达标即获得奖励)浮动奖(多劳多得)…
• 奖励内容:拿到的具体奖励是什么?包括现金/礼品/权益/格优惠……所有活动设计都是围绕着这六大要素来完成的。

2.活动设计的基本原则

从表象上看，活动设计可以做得很随心所欲，实际上，受经营条件的制约，活动设计有其内在逻辑。比如，活动不能太频繁，避免用户养成习惯，没有优惠活动就不买了。活动设计的具体原则如下。

• 活动规则不能太复杂。规则太复杂，就会让用户看不懂，用户也就没兴趣参与了。
• 活动宣传不能太花里胡哨。太过花哨的宣传海报、文案，会让用户反感，自然参与度就不会高。
• 奖励力度与达标要求要匹配。需要用户付出越大代价达成的行为，奖励得就越多;越简单的任务奖励得就越少。比如对于首次注册、首次消费等行为，此时用户可能对平台不熟，需要有大的奖励刺激。但是用户的日常登录就是一个简单的动作，给的奖励力度就小。
• 奖励要有吸引力。奖励的东西得是用户喜欢的，随便挑一些小产品做奖励，用户很可能看不上。
• 效果与投入相关联。最终活动效果受投入的影响:投入越大，效果越好;投入越少，效果越差。

在这些基本原则的制约下，形成了一些固定的活动设计的模型。

• 在用户生命周期上，要对新用户给予大力度优惠，鼓励其首次下单;对老用户则采取交叉销售、增量销售的方式，鼓励用户购买更多品类。
• 在产品生命周期上，在新品上市的时候，可以采取买赠促销或满减促销的方式，鼓励用户买更多的产品，成交额也会更大;在产品快退市的时候，再采取打折促销的方式。
• 在用户行为上，对于转发、登录等简单的行为，可以采取积分奖励或抽奖等这些奖励力度较弱的方式;对于让用户介绍新用户等高难度的行为，则可以采取价格优惠、礼品等大力度奖励的方式。

由于不同的用户、不同的产品所处的生命周期不同，所以活动的设置方式也不同，具体有以下两种。

• 全人群活动:所有人均可参与，类似“全场8折”“新用户注册有礼”一类。
• 细分群体活动:让某些特定用户参与活动，不同的用户有不同的活动方案和奖励措施，又称精准营销。

当然，有时活动设计得看起来是面向全部用户人群，但因为参与条件/达标门槛定得太高，造成了只有部分人能参与。在设计活动的时候，这是需要避免的，因为一般设计全部用户人群参与的活动就是希望大量用户参与，增加用户基础。如果活动设计得门槛太高，还不如做细分群体活动效果好。

以上就是活动设计的基本原则。之所以要这么详细地介绍活动设计的原则，是因为很多活动在设计阶段就缺少思考，只是为了做活动而做，没有进行很好的设计。

3.活动分析的基本思路

活动分析共有5个基本步骤。

• 厘清现状:当前经营情况如何?在哪个方面有缺失?是缺新用户、缺转化用户?还是 缺销售额?
• 明确目标:本次活动主要提升的指标是什么?
• 分析适合目标的手段:从历史数据来看，用哪种手段更能完成目标?
• 监控活动进度:实际上，活动进度如何?执行是否到位?实际提升多少?
• 评估活动效果:提升效果是否令人满意? ROI是否令人满意?

其中，最重要的就是明确目标。有了明确的目标，才好分析目标对象，选择合适的手段确保目标的达成。明确目标看似简单，可在实际工作中经常被忽略，常见的问题如下。

• 稀里糊涂:“老板让做我就做，至于为什么要这么做?我也不知道，我也不敢问。
• 呆头呆脑:“我就是要做拉新用户，别管拉多少，拉来新用户就完成任务了!”
• 投机取巧:“反正以前做过/别人也在做，我照着抄就行了。
• 浑水摸鱼:“这是在改变用户心智资源，岂能用数据来衡量!”

总之，不明确目标，盲目行动的事情时有发生。一旦目标模糊，就无法评价结果的好/坏。连结果好/坏都评价不了，自然无法分析过程的利弊了。

4.活动分析案例

下面介绍一个具体活动分析的案例。某音乐类App为新用户举办了一个“新注册即送7 日会员权益”的活动，以提升用户人数。用户注册后，自主决定是否点击领取会员资格，为期1个月，那么该如何评价这个活动呢?

在这个案例中，最终的答案应该是以下几种类型之一。

• 这个活动很好，该继续做。
• 这个活动不好，不能做。
• 这个活动不好不坏，属于“鸡肋”产品。
• 这个活动没有任何优势，做了也白做。

以上这 4句话才是核心结论，离开这4句话，其他的都没有什么意义，例如下面这些。

• 活动期间有7万个新用户注册。
• 活动期间注册用户人数比活动前多了1万多人。
• 活动期间新用户点击率是 80%。
• 活动期间新用户权益使用率是 30%。0

这些统统不是结论，只是分析过程而已。到底注册4万个用户是好还是不好，是需要提前定目标的。所以，这个案例就是一个典型“看似目标清晰，实则目标不明”的例子。因此在分析以前，应先把目标定清楚。

比如，目标可设为以下几种。

• 活动前:在3月份至5月份，这3个月里均无新用户注册，3个月月均新用户注册3.5万人，业务部门不满意。
• 活动后:业务部门期望6月份举行活动后，新注册用户数达到8万人。对新用户的要求登录后必须有 10分钟以上的有效使用时间，拒绝登录即退出的无效用户。

这就是一个清晰的目标，可以进行分析。有了清晰的目标，活动评估的数据才能有意义。比如活动期间实际新用户注册数量有7万人，看起来比活动前多了1倍，可仍然没达成8万人的目标，如图 8-32所示。此时的评价就是未达标，接着要进一步分析未达标的原因。

该活动是一个用户类活动，显然是为了提升新用户的数量。常见的用户类活动目标，如图 8-33 所示。

在设置活动目标时，一般采用主指标加上1~2个副指标组合的形式，主指标越高越好，副指标不低于/不高于某个水平。比如新用户领7日会员资格，用户在7日内能享受更多的权益，活跃度也会提升，且7日后用户继续购买会员的概率也会提升。

这时候可以设置以下指标。

• 主考核指标:新用户注册人数。
• 副考核指标 1:7 日内用户活跃率不低于 xx%。
• 副考核指标 2:7 日内用户登录天数不少于xx天。

常见的运营活动都有类似的限制，一方面是为了约束活动策划，不要投机取巧，为提升用户数量而以牺牲用户质量为代价;另一方面，活动往往投入巨大，管理层也希望能毕其功于一役，多实现一些目标。因此，目标的主次关系要分清楚，以便跟进效果。

在观察活动结果时，本案例中用了前后对比法，这适用于之前无活动的情况。除了前后对比法，还有结构对比法、分组对比法和总量法，这4种方法的介绍如图 8-34 所示。

TIP

注意：因为活动有“指哪打哪”的效果，因此很有可能出现有活动的时候业绩表现良好没有活动的时候业绩表现不佳的问题。比如新用户有7日权益，很有可能有老用户拿新手机号注册获取权益，因此可能出现老用户的活跃人数减少等问题，这些是很难避免的。如果把规则定得太“死”，不但新用户没得到，老用户也会流失。

所以，活动分析更讲究平衡。一般在关注活动效果的时候，可以顺带关注可能产生的副作用。一般来说，只要副作用不太大，比如老用户活跃率没有出现断崖式下降，则可以接受-定程度的副作用。相应地，活动期间对整体指标的监控也不能放松。

在已经得出结论“活动效果不好”以后，可以对活动进行细致的分析。这里可以将活动的流程梳理清楚，看哪个环节出了问题，如图 8-35 所示。

这里可能有 4个节点能影响结果。

• 节点 1:推广环节，投放渠道、投放时间、投放内容、渠道本身的质量会影响用户转化。
• 节点 2:点击环节，页面弹出时机、页面文案、权益卖点会影响用户转化。
• 节点 3:体验环节，用户本身使用是否重度，用户体验产品的功能点、权益力度会影响用户转化。
• 节点 4:转化环节，用户本身使用是否重度，会员价格、推送时机会影响用户转化。

在后续分析中，我们应该先梳理清楚:到底哪个环节出了问题，是吸引来的新用户数量太少了，还是新人不愿意领取权益，之后才是具体分析每个环节怎么做才能提升质量。

TIP

注意：活动往往是各种运营手段的综合结果，所以在定位完问题后，需要其他的分析来配合。

• 用户响应问题:做用户分析，看看用户喜欢什么，投其所好。
• 渠道问题:做渠道分析，看看哪个环节出了问题。
• 产品问题:做产品分析，看看哪个方面做得不好。

总之，只要清晰评价了活动质量，定位清楚问题点后就能找到深入分析的引子继续深入。

渠道运营分析

1.渠道运营的核心问题

互联网的渠道运营类似传统企业的销售，只不过换成了广告投放的方式，通过线上手段获取用户。渠道运营的主要目标就是获取高质量的用户，因此应该非常注重转化率。毫不夸张地说:渠道转化率就是整个互联网的核心。渠道没有转化率，大量的渠道资源就会被白白浪费，产出得不到保证，企业前景也会很危险。渠道运营分析，核心就是渠道转化率分析。

由于互联网广告的投放渠道非常多，且每年都有新渠道产生，因此--列举较难穷尽。下面通过一个例子，为读者展示渠道运营的全分析流程，读者可以结合自己的投放渠道、投放形式加以利用。

2.转化率分析的基本做法

问题场景:某在线教育网站售卖课程的流程是广告投放一用户注册→销售员邀请用户试听→试听后销售员跟进一用户下单。广告投放由市场部负责，在超过20个渠道分散投放(包括社群、微信公众号、网站广告等)。销售部负责跟进用户，课程部负责制作课程。在8月1~15日的最终用户转化率(流程起点到终点的转化率，广告投放一客户下单)暴跌60%，那么该如何分析转化率下跌的问题呢?

转化率分析的基本做法包括以下几个环节。

• 梳理业务流程，先看有几个环节。。
• 统计过程数据，每个环节有多少人，到下个环节还剩多少人。
• 统计分类数据，如果总流程由若干个子流程构成，则分别统计每个子流程的数据。

比如在本案例场景中，基础业务流程包括5个步骤:广告投放一用户注册一销售员邀请用户试听一试听后销售员跟进→用户下单，因此就涉及4个转化率。

• 广告投放→用户注册。
• 用户注册→销售员邀请用户试听。
• 销售员邀请用户试听→试听后销售员跟进。
• 试听后销售员跟进→用户下单。

其单个流程的转化情况，如图 8-36 所示。

同时，由于市场部有 20 个以上的投放渠道，所以存在 20个以上的子流程。基于以上信息可以归纳的转化过程如图 8-37 所示。

同时，由于市场部有 20个以上的投放渠道，所以存在 20个以上的子流程。基于以上信息可以归纳的转化过程如图 8-37 所示。

有了这两个基础，就可以利用漏斗分析法，对各个环节的转化率进行分析，找到薄弱环节，如图 8-38 所示。

依照上述方法，把 20个渠道全部展示一遍，即可找到表现优异的渠道和表现不佳的渠道。 看清楚每个渠道的薄弱环节，从而进一步思考优化办法。

3.深入分析转化率

TIP

注意：做到这一步，仅仅是发现问题，并没有解答问题。业务部门期望得到的结论，不止于“xx 环节转化率低了”’“xx 渠道不行”，而是更进一步的分析。

• 转化率低，是因为产品竞争力差。
• 转化率低，是因为广告投放有偏差。
• 转化率低，是因为销售话术不行。

因此，需要更深入地分析。

(1) 深入分析的第一步:对可控要素分级

在渠道运营中，有很多因素是不可控的，比如某些渠道突然没有流量、某些时间突然爆出热点，这些“黑天鹅”因素很难提前预知，因此无法主动管控。想要把渠道运营做得深入，就要把精力放在可以管控的要素上，如广告渠道、产品、销售。

一个渠道人员的能力有其上限，销售员的能力有区别，产品质量也并不都是业界最好的，有些产品竞争力高而有些产品竞争力低。因此可以对产品预先进行分级，划分出S、A、B、C级别。这样在后续解读数据的时候，更容易区分哪些属于产品问题，哪些属于销售问题，如图 8-39 所示。

(2) 深入分析的第二步:区分内外部影响

有了分级以后，就可以对内外部事件的影响进行区分了。想要做好区分，首先得对内外部可能影响转化率的事件进行收集。

• 内部的影响:产品存在 Bug/销售员离职/收费涨价…
• 外部的影响:对方抢到了渠道的黄金档期/对手上架了更优质的产品t

有了这些信息，就能与转化漏斗的表现结合，进行深入的分析了。

比如发现对方在6月25日推出一个爆款课程，单纯课程品质要优于自己现有的产品，那很有可能会影响我方的转化情况。此时可以结合数据进行对比，如果确实在对方上线后，出现转化率下降的情况，则可以确认该影响，如图 8-40所示。

TIP

注意：所谓对方的影响是有限度的：

• 市场的垄断程度越高，影响越大，在自由竞争市场中影响就比较小。
• 在一个行业内，大企业对小企业有影响，反之不见得成立。
• 同类产品竞争有影响，差异产品不见得有影响。
• 高质量/低价格的产品才会有影响，反之未必有影响。
• 竞品上线后才产生影响，上线前不产生影响。

所以，监控对方的动作，并不是给自己推卸责任找理由，而是客观地反映问题。

内部问题也是同理，可以通过数据把发生的问题与数据变化联系起来。比如通过观察数据发现销售环节的转化率下降严重，此时可以结合各等级销售员的情况来分析，看看是因为销售员能力差，还是销售员人数减少了，如图 8-41所示。

(3) 深入分析的第三步:检验内部改进效果

内部改进效果可能有以下两种。

• 局部改进:只对某个环节有作用。
• 全局改进:对各个环节都有作用。

比如在本案例中，在广告投放时改个文案标题，只能影响用户点不点击广告;销售员改进跟进话术,只能影响试听过课程的用户。但是课程内容的增加、课程价格下降,则会影响全过程。毕竟用户是来购买产品的，产品价格便宜、内容丰富，才会具有吸引力。这些环节的优化效果是可预期的，因此可以做深入的分析。

所以，在有了基准线以后，每一阶段都要收集业务的改进动作，预判指标变化方向。把开放题变成检验题，这样就能避免毫无意义地说“数据上升了或下降了”，而是变为:“因为本次改进发挥了作用/因为新产品不受用户欢迎”，如图 8-42 所示。

(4) 深入分析的第四步:整体投放策略检讨

之所以把整体策略检讨放在最后，是因为在实际工作中，很有可能运营部门没有整体计划表。他们或者是凭经验/习惯进行投放;或者是黄金渠道就那么几个，必须抢资源;或者是面对新渠道经验不足，长期处于碰运气状态。总之，整体投放策略的制定是建立在对渠道有充分了解的基础上的，因此可以在积累了足够的数据后再做检讨。

整体投放策略主要是在覆盖人数和转化质量之间进行权衡，因此可以建立渠道人数/转化率矩阵，对所有渠道进行分类，如图 8-43 所示。

• 渠道覆盖人数多+渠道转化率高:“金牛”渠道。
• 渠道覆盖人数多+渠道转化率低:大众渠道。
• 渠道覆盖人数少+渠道转化率高:垂直渠道。
• 渠道覆盖人数少+渠道转化率低:“鸡肋”渠道。

对渠道有了基础认识，可以结合当前业务目标，设定渠道策略。如果有预算就全渠道覆盖如果没预算，就选转化率高的渠道，效率优先。如果追求覆盖人数，就优选大众渠道;如果没有经验，就选垂直渠道，先进行小范围测试，逐步淘汰“鸡肋”渠道。

渠道策略也能为每个渠道的优化提供方向:如果渠道整体上偏重流量质量，就在中间转化环节多下功夫，提升效率;如果渠道整体上偏向流量数量，就优先保证资源投入，花大钱抓住主要流量来源，这样不至于让渠道优化陷入细节中无法自拔。

用户增长运营分析

1.用户增长运营的基本概念

近年来，运营领域中开始流行一个新词:“用户增长”( 或者类似的“增长黑客”“增长团队”之类的称呼 )，并且这些岗位在工作要求上看起来似乎是用户运营、渠道运营、内容运营、活动运营的混合物，即要求通过各种手段，对用户人数/GM等业绩指标的增长负责。并且对该岗位的需求越来越多，特别是在互联网公司中。那么，这一类岗位到底是做什么的?又如何做分析?下面系统讲解一下。

互联网领域中的很多概念都来自硅谷,“用户增长”或“增长黑客”的概念也来自硅谷。用户增长的原始叫法是:Growth Hacking(直接翻译的结果就是:增长黑客 )。其要解决的是“大家都知道 50% 的营销费用被浪费了，却不知道浪费在哪里了”的问题。 因为在传统企业中，销售的主导权在销售部门、业务部门或分公司手中，营销活动需要通过销售来落地。因此，在考核营销活动效果时，很难讲清楚销售1亿元，有多少元归功于营销活动的策略，有多少元归功于产品本身的吸引力，还有多少元归功于销售员的拼命推销。因此，产品管理、活动策划、市场推广的作用很难被衡量。

品牌宣传的作用就更难被衡量了。企业只看到每年有大量的经费花在了媒体广告方面，这些经费真正起了多少作用，根本无从说起--没有任何数据能证明电视、报纸、路牌、电梯间、网站上投放的广告，到底吸引了多少用户进行购物。在互联网时代，这种状况也没有多少改观即使企业在网站中投放了广告，用户观看了广告，但最后他们可能还会在实体店进行购买。

基于智能手机的移动互联网时代改变了这一切，这是因为以下几个方面的原因。

• 移动支付+智能手机可以让用户随时随地消费。
• 基于智能手机，企业可以直接和用户互动。
• 物流一类的基础服务得到了极大的完善。

以上这些原因使得企业的营销推广，第一次可以通过智能手机直接传递到用户身上，并且可以通过数据记录发现真实的效果。于是，随着智能手机和 4G 技术的普及，从2013年开始，各类互联网应用产品开始出现并且迅速占领了用户的手机。同时，《增长黑客》一书中明确提出了“用数据衡量增长”这一概念。一时间这在营销界掀起了很大的风浪，甚至有人宣称,以后只有 CG0(Chief Growth 0fficer，首席增长官)，没有 CM0(Chief Marketing 0fficer,首席营销官 )了。

2.用户增长的 3种常见模式

用户增长，本质上对抗的是营销的不可知性。对于移动互联网应用产品，这确实可以做得到，原因如下。

• 用户不需要线下购买，所以不需要和销售部直接沟通交流。
• 用户对广告的点击、下载应用、应用内的购买行为均可以被记录。
• 基于智能手机，企业利用记录的数据可以直接联系到用户，并得到用户的反馈。

基于这 3点，企业可以相对精确地记录以下信息。

• 投放的广告获得了多少用户点击、下载?
• 客户更容易反馈 xx 类的产品、活动、宣传。
• 没有反馈的客户，停在了哪个环节?

基于这些精确的记录，企业可以做以下调整。

• 追溯客户来源。
• 了解客户需求。
• 分析广告效果。
• 改善产品设计。
• 改善操作流程。

经过这些数据对比后，负责营销推广的部门终于可以理直气壮地说下面的话语了。

• “我们投入营销费用，实现了用户增长!
• “我们知道钱花到哪里去了!
• “我的 ROI是1:5，花1元能挣5元回来!

这就是用户增长的概念流行一时的原因。由于国内互联网行业经历了高速发展的阶段，因此在实际落地用户增长思路的时候，企业往往喜欢采用大量投入以快速获取用户增长的方法。用资金投入驱动用户增长。用户增长的具体落地方案，高度依赖其投放广告的平台，广告需要符合平台特点才能取得最大的效果。因此，久而久之，产生了三大基本流派。

(1)裂变流派

这种方式是基于微信生态圈，做各种裂变活动，比如邀请朋友帮忙助力购买产品，所有参与者都有优惠，或者邀请几个好友后能获得现金奖励等。总之，这种方式就是通过大额度优惠吸引用户发展新用户加入，从而获得增长。

(2)投放流派

这种方式是基于各大广告平台，用大量资金来购买广告位，用大量的广告来吸引用户加入。投放又分为公域投放(网站/朋友圈/短视频等平台)和私域投放(与自媒体“大 V”合作)。还有把公域投放获得的用户引流到企业微信群或添加到企业员工个人微信中，再做二次转化的方式。

(3)A/B测试流派

一些大互联网平台常常积累了很多的存量用户，这些存量用户也是企业实现用户增长的宝贵资源。同时，由于近年来国内互联网的用户覆盖率趋近100%，吸引新用户的难度越来越大，因此开始有大平台倾向于用多轮测试的方法，不断寻找刺激老用户带来新用户的手段。因为其核心技术是A/B测试技术，因此也称这种做法为 A/B测试流派。

3.用户增长的分析思路

用户增长要对抗未知性，必然依赖数据分析，可以说数据分析是增长团队的核心能力之一。

用户增长的分析分以下4步。

• 制定用户增长目标。
• 选定阶段性策略。
• 制定具体的用户增长方案。
• 监控用户增长表现。

具体的分析思路和活动运营/渠道运营非常像，本身用户增长就是靠裂变活动或广告投放实现的。这里重点讲解3个不同流派的侧重点。

(1)裂变流派:K因子与超级传播者

裂变流派的核心在于参与裂变的用户有多大比例能真正响应，同时响应裂变的用户能带来多少新用户。因此，裂变流派喜欢用K因子(K因子=邀请数 x转化率)来衡量裂变效果。不过从实际操作上看，超级传播者的分析思路会更适合。因为每次裂变后，真正能带来大量新增的往往是少数的 K0L(Key 0pinion Leader，关键意见领袖)或至少是一个 KOC(Key0pinion Consumer，关键意见消费者 ，所以判断是否存在超级传播者，其传播力到底有多强，对于设计裂变方式有非常重要的参考意义，如图 8-44 所示。

可以按照传播者带来的新用户数可以将其划分为以下4个层次。

• 超级传播者:能带来大量新用户。
• 普通传播者:能带来少数(n>3)新用户。
• 个人传播者:能带来一两个新用户。
• 无效传播者:无传播能力。

这样的划分能让我们看清楚传播者的结构与传播能力，从而得出一个重要结论:到底是依靠人海战术实现的用户裂变，还是依靠少数“大 V”实现的用户裂变。一般来说，金字塔越扁,说明产品本身的传播能力越弱，越适合做大众模式传播;金字塔越尖，说明“明星效应”越大，越适合用 KOL/K0C 模式传播。这对于设计传播形式有重要的意义。

(2)投放流派:渠道选择与转化漏斗

投放流派的核心就是选择合适的投放渠道，优化转化漏斗，提升转化效率。

(3)A/B测试流派:基于A/B测试的增长实验

增长实验，重点在“实验”。通过分组对比，可以找到能高效提升业绩的方法。这么做主增长实验，重点在要是区别于以往做增长“大干快上、跟风走”的做法，先通过小范围的实验，选对方法，再逐步加大投放力度。

第一步:清晰实验目标。实验目标并不完全等同于增长目标，实验是有级别的，具体包括以下3个级别。

• 战略级:整体策略实验。
• 战术级:具体手段实验。
• 战斗级:过程优化实验。

因此每次实验前，要定好本次实验是哪个级别，对应地找到实验的目标。

第二步:设定待实验的增长路径。增长路径，指的是落地增长手段的场景。具体场景有很多种，但在整体策略上有4种基本手段，如图 8-45 所示。

• 基本策略 1:硬性提升，直接降价，压缩流程，
• 基本策略 2:软性优化，优化页面，更换产品。
• 基本策略 3:扩充渠道，在原有范围内增加。
• 基本策略 4:新增渠道，小程序、直播都用上!

TIP

注意：增长路径设定是一个业务动作，有经验的运营人员能基于自己对业务的理解，设计出新的路径，其中数据更多的是作为参考，在设计好路径后，其要做好执行监控，

第三步:设定具体的增长手段。具体的手段由内容、渠道、促销等部分组成。做用户增长往往在一个路径上有很多个不同的手段同时在进行测试,如图8-46所示,从而找到更好的方法。

第四步:观察实验结果。对单次实验而言，数值并不是最终的结果。在实验中，人们更多地期望能探索出一条成功的道路。因此，对实验数据背后的含义解读更重要。

要判断增长效果，需要回答5个核心问题。

• 业务流程是否能跑通，是否有设计缺陷?
• 在流程能跑通的前提下，第一次实验是否达到了预期?
• 在第一次实验达到预期的前提下，第二次实验是否可复现?
• 在第二次实验可复现的前提下，第三次实验是否有边际收益递减的情况?
• 在边际收益递增/递减的前提下，峰值/谷底在哪里?

经过多轮测试，实验结果很可能呈现以下4种效果，如图 8-47 所示。

每种类型有不同的特点，具体介绍如下。

• 收割型:这个渠道只能用一次来吸引用户，第二次就没效果了。e
• 孵化型:需要持续投入资源/优化方式，达到一定程度后才会出现效果。
• 边际收益递增型:投入越多，效果越好，说明发现了潜力渠道，要加大投入。
• 边际收益递减型:当投入达到一定水平后，产出即稳定，难以大量提高用户增长。

这些结果对于明确后续用户增长方向、开发新的用户增长方法有重要意义。可以根据实验效果来调整后续工作:好的措施继续用，不好的措施舍弃，积累经验，这样就能推动业务越做越好。

显然，这种做法比“事前拍脑袋，事后拍大腿”的做法要靠谱很多。因此在未来，用户增长方法的使用也会越来越多，相关的分析也会大量增加。从用户增长的分析流程可以看出，这是一种高度依赖数据驱动的方法。