第三章 用户运营进阶

在用户运营进阶中，我们将系统的讨论几个问题：对于用户运营来说，怎样是好的用户运营；用户运营究竟有哪些环节是需要注意的……我们会花比较多的笔墨放在用户研究、用户描像、用户激励上，试图来讨论用户运营的工作究竟应该如何做。

1了解你的用户

我想了很久以什么样的开头来进入用户运营的进阶，想来想去还是这件事，了解你的用户。

虽然我们很多人做了很久的用户运营，但其实大多数时间是在围绕指标做事情，我们是不是真的了解自己的用户，是一个很大的问号。

我们在入门篇里其实已经谈过了，用户运营的核心工作，就是“开源、节流、促活跃、转付费”，其实每一件事情都很难，开源拉来了新用户，要想办法让用户沉淀在平台上；节流的关键在于建立用户流失模型，进而帮助我们做用户流失预警，防止用流失，因为沉默挽回实在是一个巨大的课题；促用户活跃是为了让留下来的用户对平台产生粘性，避免留下来的用户安静，甚至跑掉；转付费的关键是让活跃的用户体验到付费的好处。

这些工作，都建立在一个基础上，就是对用户的了解。

那么什么样的指标意味着我们对用户了解呢？

其实很简单。

1、对于开源拉新的工作来说。我会知道我用什么样的方式是可以拉来新用户的，如果我和其他平台合作，如果采用第三方联合登录，我可以用哪些手段促成用户的后转化；如果采用活动的形式，用哪种活动包装用户最喜欢。

举一个很简单的例子。

假设你要做人推人的Referral活动，你应当知道，你的用户喜欢用哪一种渠道去进行分享和邀请，同时也应当知道，这个活动在哪些平台投放，和哪些平台合作，会达到效果最优。

2、对于节流防止用流失的工作来说。我要知道我的用户在什么情况下会流失，流失前他们可能会做哪些动作，如果要做客户管理工作，我应当选择什么样的方式会让用户觉得被重视从而留下来。

3、对于促活跃的工作，则需要知道，活动用什么包装、采用什么频率，用户会积极参与而不会疲劳；什么类型的活动对于促进活跃的帮助最优。等等。

4、而对于转付费，那就更加需要了解，自己的产品中，哪个部分最让用户无法放弃，而为了这些部分，用户是不是有足够的付费意愿，是否需要变通，通过包装的形式，给到用户从而让他觉得值得。

所有的工作，都围绕一个内容，人。

既然用户是人，那么基本又绕不开所谓的需求理论。

马斯洛同志认为人的需求是有层次的，首先要满足生理的需求，然后会出现对安全的需求，之后是社交需求，进而需求被尊重，最后追求自我实现。

其实理解起来是很简单——先生存后生活，先赚钱后享受。

不管马斯洛的需求金字塔对不对，我们必须承认，互联网产品自身的发展其实和这个金字塔结构的关系是很相像的，那么，另一个必须承认的现实是，作为互联网产品的用户，其实也是如此。

一个产品由多个功能组成，这些功能，满足用户不同层次的需求，从简单到复杂，从简陋到圆满。

而作为用户运营，就要和用户一起成长。

让我们想想一下这样一个场景：

某个社交产品，最初的用户只是为了满足沟通的需求，而不在乎和谁沟通，慢慢的，他们可能希望将自己的联系人分个组，或者希望可以同时和一群人聊天；接着，他们可能觉得单纯的打字已经不足以表达自己的意思，希望可以加入图片、语音、甚至视频沟通的方式；再后来，可能觉得光聊天没意思，是不是能和好友玩玩游戏，分享些生活点滴；……终于，有一天，他们觉得聊来聊去都是这些人，好像和陌生人吹吹牛，嗯，或许还可以约出来喝喝茶、谈谈人生，之类。

是的，产品也因为用户的需求而变得丰满，甚至臃肿起来，更甚，公司做了另一款甚至另几款产品来帮助用户实现需求。

而这个时候，我们也发现用户的运营工作也复杂起来，变得越来越多元。其目的，就是为了更好的服务用户，其立足点是对用户的了解。

那么，我们如何了解用户，我想接下来我试图分2个部分来对这个问题进行讨论：

1）从数据窥探用户。

2）直面用户。

1）从数据窥探用户

这个话题其实会很有意思，从入门篇开始，我就一直在强调数据的重要性。

数据不仅仅验证我们运营的效果，还可以窥探用户的偏好、习惯。以一个电商网站的浏览路径为例，我们来看看如何窥探用户：

通常，在每一个环节，用户基本都会做以下几件事：

1. 浏览：就是用户会东看看西看看，对应的数据指标：停留时长。关联指标：点击、注册、登录

2. 点击：就是用户会点来点去，包括网页上的广告、按钮、图片、链接。

3. 注册：用户可能会点击首页上的注册按钮或者注册链接进行注册。

4. 登录：用户可能会点击首页上的登录按钮或者登录链接进行登录。

5. 蹦失：请注意这个定义，蹦失不等于跳出，蹦失是用户直接离开页面或者关闭浏览器。跳出是离开这个页面，而正常流程，也会跳出，不一定是蹦失。

单独把这些事情拿出来看，其实基本没什么意义，它描述了一个用户进入首页之后的所有动作，我们可以根据这些动作，去明白用户是不是喜欢这样个电商网站，哪些地方遇到了阻碍，是否可以改进。

这是产品层面的，而运营层面会得到哪些提示呢？

首先，电商平台的运营要关注什么，我的理解，一是和钱相关：订单量、客单价，二是和百分比相关：转化率。

那么，转化率怎么来的，转化率有几个层面的不同定义：

1、列表页转化率=最终下单用户数/商品列表页到达用户数

2、详情页转化率=最终下单用户数/商品详情页到达用户数

3、支付转化率或者说支付成功率=支付成功的用户/最终下单用户数

这其中，对于电商平台来说，不可控的是支付转化率，难控制的是列表页转化率，可控制的是详情页转化率。

所以，我们看到不管是淘宝还是京东，商户都非常在意详情页的设计和内容组织的方式，而平台都着力在浏览路径的通顺和评论系统的丰富上下工夫。

为什么会这样呢？

这就是运营或者产品通过数据剖析产生的结果。

首先，如果详情页转化率不高，会反过来看停留时间和内容呈现的关系，如果内容呈现有问题，用户停留的时间就会过短或者过长，过短是因为没东西看，过长则因为看不到重点，并且下次可能停留时间会变短，因为实在没耐心看——这个时候，页面的蹦失就会变高，而不是跳出到支付环节。

然后，还会比对不同商户的同类商品的转化率，以确认究竟何种内容呈现是容易促成下单的。

最后，会形成结论，并且去解决。

而电商平台另一个重要的玩法就是推荐。

我们会在电商平台上看到猜你喜欢：

这些结果如何来的？

1、根据用户的浏览历史进行相关性推荐。

2、根据同类用户的购买历史进行协同过滤。

这些是算法，但从运营层面来看，逻辑很简单。

简单的描述，相关性推荐是这样的：

因为用户浏览了一件商品，所以向用户推荐同类的其他商品。

而协同过滤稍微复杂，但也很简单：

简单的说，就是让类似的用户模型购买过的商品被推荐给彼此，而不具共性的用户模型购买过的商品被推荐过滤掉。

所以，你大约已经有了一个概念，所谓不割裂的看单一数据是什么意思。

如果我们说的直接一点，就是数据需要归类，不同类别的数据需要分门别类的存放和使用，找到数据之间的关联与逻辑关系，分析需要归因，对于数据产生的现象背后的原因要分析和查找。

当然，由于用户运营要做的事情是针对人，而人本身属于不可预测，所以，不管是归类还是归因，最后都需要验证推论的正确性，这就产生了持续运营的总结和归纳，表现到行为上，就是重现与试错。

能够确认的归因，就重现，不能确认的就试错。

通过这两种方式，用户运营就可以站在一个比较高的高度和比较大的角度去看待你的用户，和了解你的用户。

当然，通过数据窥探用户靠的是猜，猜的准不准，多猜几次就好了。

数据还可以帮我们描绘用户可能是什么样的人。

比如，App上有一个用户A，一直不注册，但是一直是用唯一的一台设备打开某个UGC社区。

数据显示：

A在最近30天关注了：求职、互联网、产品经理、移动互联网。

那么，我们可以推测，A可能是一个正在寻找移动互联网和互联网产品经理职位的一个求职者。

那么，如果我们这个时候想推动其注册，我们就可以从这一点入手，对他进行注册转化的尝试，比如让产品做一些设计：最多浏览多少篇内容，就会提示注册，否则无法继续浏览；比如做一些推送：想了解更多更全面的互联网产品经理岗位的内容，请先注册并完成登录；比如做一些活动：现在注册，即送《产品经理葵花宝典》一本。

当然，用户运营人员绝对不应该只为了这一个用户提出这么多假设，因为这样做成本太高，所以，通常这种做法是对群体完成推测描像后，再讨论的问题。

数据不仅可以从侧面去印证我们的猜测，还可以帮助我们了解用户的需求，找到可能的解决方案。

譬如，某通用积分平台的用户使用积分在第三方平台购物返利的数据如下：

从以上数据中，我们可以有哪些推论呢？

1、该站点的用户的可用积分可能并不是很多，大多数用户获取积分的途径比较单一，一些用户很习惯通过这种方式购物来获取积分。

2、该站点的用户有使用积分抵扣现金购物的习惯，并且额度分布比较分散，小额和大额都有，抵扣价值从几毛钱到二、三十元都有，既有占现金比重千分之几的，也有占现金比重30%的。

从这两个推论出发，一个用户运营人员可能可以推出以下的运营方向：

1、扩大积分的获取途径，让用户可以更容易的获取积分。

2、从用户的行为来看，积分对用户是有粘度的，从摘取的数据看，有一些用户有获取积分、累积积分的习惯，但消费不积极，因此除了打开获取积分的渠道之外，采用一些方法降低积分的使用条件、增加使用范围，是一个不错的选择。

3、应该继续扩大可接入的第三方购物返利平台的数量与类型。

4、或许还可以考虑做一些活动，奖励那些从未使用过购物返利的用户，增加用户对该产品的认知。

当然，可能还有更多的假设可从这段摘取的数据中得到，比如，某个时间段的使用人数特别多，之类的。

但是，千万不要忘记，数据是佐证，是猜测，是推论，同时，数据带来的这些可能性需要被验证，并通过数据体现出来。

2）直面用户

数据帮助我们提供猜测用户的依据，帮助我们验证猜测和推论是否成立。但是数据绝不是唯一一个了解用户的途径，事实上，很多企业的产品人员都在使用一种方法去直面用户，产品经理称之为“用户研究”，当然，运营角度上，直面用户的方法可能未必需要那么多，但是原理是一致的。需要注意的是，运营比较难得去真的跑到用户面前做深度访谈之类。所以，运营可以直面用户的主要有以下途径：

1、客服事件反馈。

用户运营人员千万要重视和客服同事的沟通，因为当用户有不满时，第一时间会找的人是客服——假设他还愿意留下的话。

客服通常会提交事件给相关的项目组或者产品、运营人员，以提示有问题发生，用户需要得到解答。

我们很多人，对于这样的事件是不屑、不耐烦去处理的，理所当然的觉得客服很烦人，用户很傻很天真，为什么一个如此简单的问题都搞不清、搞不定。

事实上，客服是直面用户的第一道人工闸门，这个闸门，既可以为运营和产品人员指出问题和潜在的风险，也可以隔绝所有改进的希望。

所以我能说的只有6个字：

要用好，多沟通。

至于如何使用，仁者见仁智者见智，通常我建议的方法是先记录全部，再归纳共性。从运营端找到用户最疼最痒的点，并予以解决或排定优先级着手解决。

2、电话参与回访。

当你发现客服反馈的问题有代表性或者不知所云的时候，在条件与规范许可的情况下，你可以主动的对这个用户或者这类用户进行电话直接回访。

回访的关键在于明确问题，尝试帮助用户重现已经帮助自己明晰症结所在。当然，并不是所有的情况都适合进行回访，因此，必要的时候，还是应担通过与客服的沟通，完成这一回访目标。

3、问卷调查。

这是最简单、最直接，但也最容易毫无收获的做法。

问卷调查的方法设计几个关键点：

尽量客观的描述选项

尽量避免预设立场的进行问卷设计与分析

尽量让问卷的设计可以覆盖大多数用户，提供大样本基础

尽量回收足够多的有效问卷

说起来都挺简单的，做起来都挺难的。

4、聚类调研。

这个说法其实不是很准确，这个调研方式其实未必是直面，而是推论。但是直面的是类似用户，推论的是选型用户。

所谓选型用户，就是预设了立场选出来的典型用户。

比如，如果要分析流失用户，就要把所有已流失的用户收集起来，然后去看他们流失前一段时间的行为，比如1个自然月的变化，从而建立流失预警模型。

当然，你也可以直接找出已流失用户的电话号码，打过去约时间当面进行沟通，从而获得对一类用户的调研和认知。

5、内部可用性与易用性测试及反馈

这件事情听起来和产品经理的关系好像比和用户运营的关系要大，事实上，用户运营由于和产品是紧密关联的，所以，内部可用性与易用性测试以及获得的内部反馈的价值，对用户运营和对产品经理的价值实际是各取所需并且几乎等同的。

早期的微信，用过的人应该都觉得很多功能不好用，很烂。但是如果你是第一批用到现在的你会发现，微信的产品改进基本上是每个版本上不好用的功能或者难受的体验，基本上会在下一个版本解决——当然，有些功能和体验故意没解决，并且这种情况，主要集中在早期的一些版本中，虽然，似乎可以说在那个时候不论你做了什么样的功能和改进，用户都会觉得surprise，但是不可否认的是对于产品来说，快速迭代、试错调整，是必由之路。

扯远了，谈到微信，其实是想拿微信来举例，一个产品是如何直面用户，快速改进的，事实上，这也是用户运营的一个重要部分。

当时，微信的产品经理们，通过客服、自己、内部反馈平台、身边好友、微博等各种渠道收集用户的反馈。将用户反馈收集、整理、归纳后，找出重要的需求点，并予以优先解决。

之后的事情，我们都知道了。