本文作者：金璞互联网用户运营榜首人，榜首位在国内提出用户运营理论并运用于新浪微博，亲历微博千万级用户增加的互联网人。本文是金璞教师近来整理完善的用户建模实操手册，万字长文，干货满满，值得保藏。
在互联网这个江湖，用户运营现已成为公司标配。那用户运营的岗位职责究竟是什么？
许多公司把社群运营、客服等和人打交道的都归为用户运营，这和我2012年在国内互联网产品首度提出用户运营这个概念（可拜见2012年6月宣布的《怎样做好用户运营》）有所违反。
从本质上来说，用户运营是运营战略的定位，清晰产品的方针用户定位、商业商场份额、其时用户增加战略、增量空间等，在此根底上确认其他比方活动运营、内容运营、社群运营等运营办法的运用和组合。
所以，实在的用户运营，也是现在愈加广泛被承受认可的战略运营，年薪百万算是起薪～
而用户运营有几个看家本领，除了上面说到的对微观商业环境的洞悉外，用户建模、用户生长系统、用户鼓励系统的三板斧是一个用户运营能够从战略到战略履行落地的要害。
今天，金教师整理了三板斧中的榜首板斧和第二板斧，万字长文，带咱们看看用户建模的逻辑和切入口，以及在用户活泼、用户丢失、用户召回上的建模运用，包括终究不同用户模型穿插后的用户生长途径的规划树立。
期望能够协助咱们在迈向年薪百万运营人的路上添砖加瓦～
目录1、用户建模的价值和逻辑 ；2、用户建模示例1：用户活泼度模型的树立及运用； 3、用户建模示例2：用户丢失模型的树立及运用； 4、用户建模示例3：用户行为模型的树立及运用； 5、不同用户模型的穿插运用；
1、用户建模的价值和逻辑
用户建模说白了是依据用户特征进行用户分类的进程，所以要害在于“用户特征”上。
可是用户特征千千万，你来自北京周口，我来自云南元谋，她每天发博3000，他只能发博20，我每天抖音刷10条，你每天抖音刷300条停不下来等等等等。
用户行为千差万别，都说一千个人眼中有一千个哈姆雷特，莫非我有多少用户就要分多少类吗？
当然不是，有多少用户分多少类，然后1v1的精细化服务，这不是运营，这是客服～
客服现在还考究将遍及问题产品化来进步功率呢～以“降本提效”作为中心工作才干的运营怎样精干性价比这么低的工作呢？！所以，别着急，咱们慢慢来。 首要咱们来看看用户都有哪些特征呢？比方上面说到的地域、发博、阅读，扩打开来你必定立刻能想到：性别、年纪、爱好、共享、购买、月消费额、登录、点赞、谈论、开团、拼团等等等等。
那么咱们来总结一下，这些用户特征无非便是两种：用户特点特征和用户行为特征。
用户特点特征便是用户与身俱来很难改动的特征，比方地域、年纪、性别、爱好等。
而用户行为特征便是用户做出的行为所体现出来的喜爱，比方登录、点赞、谈论等。所以用户建模的切入点，无非便是用户特点和用户行为。
在用户特点特征上，比方地域，广东区域的朋友和北京区域的朋友在习气和喜爱上还真是有着大相径庭，比方新年吃不吃饺子、甜汤圆仍是咸汤圆等等天人交兵一年数次。
比方，一线城市和三线城市的消费才干。
再聚集一些，关于K12在线教育类产品来说，用户的地域归于带来了用户需求的天壤之别。
一线城市的家长对英语类在线教育产品的诉求是北美或许英国城市纯粹美音或许英音发音的外教教师的以身作则。
而关于三四线城市的家长来说，他们的诉求更多是期望能够得到一线城市的教育资源罢了。
而用户的行为特征就更有价值了，她喜不喜爱咱们的产品？是怎样在运用咱们的产品？运用进程中有没有显着的偏好？假如我期望她付费或许帮我拉个新朋友进来，从现在她的行为特征上看是否简单成功？等等等等。
用户完好的行为特征能够帮咱们大约率地复原这个用户的实在画像，再配合用户特点特征，咱们的用户建模就完美了～
而在用户的行为特征模型中，有一个模型最要害，他适用于一切的互联网产品，便是用户活泼度，咱们常说的DAU、MAU、DAU/MAU、MAU/DAU等等就在此列。
仅仅不同特点的互联网产品，关于用户运用活泼度的期翼不同，活泼度的颗粒度有所差异，可是一个产品的活泼度方针直接联系着这个产品的价值。
这也是为什么咱们看到不论是创业公司出去要融资，仍是要上市的招股书，仍是上市后的财报，DAU和MAU都是十分要害，有必要发布的数据。
而用户规划，累计注册用户数越往后期，越不重要。
由于有多少用户并不重要，有多少活泼用户才重要，只需活泼用户才有或许发生商业价值，而不再活泼的用户，他仅仅注册过，现在他悄悄的走了，不带走一片云彩，天然也不会带来一分钱～ 所以总结下来，基本上要为自己的事务的精细化运营服务，用户建模有用户特点和用户行为两个切入口。
考虑到用户活泼度过分重要，几乎是建模榜首步的必备款，所以把用户活泼度作为一个独立的切入口后边独自讲。
咱们能够大致分为三个用户建模的切入口：用户特点、用户产品行为、用户活泼度。 2、用户建模示例1：用户活泼度模型的树立及运用
用户活泼度模型，从建模的方针上便是要把不同活泼度的用户拆分开来。
用户活泼度模型的运用场景是：差异不同活泼度的用户，针对不活泼的用户发动针对性的活泼度进步的运营战略，针对活泼用户发动针对性的加强忠诚度，引导带动不活泼用户的运营战略。
它的建模树立的思路是怎样来的呢。 2011年我刚参加新浪微博的时分，我的KPI便是要进步DAU和MAU，从做法上来说，便是2012年2月我总结宣布的《怎样做好用户运营》里边侧重的：开源节省保活泼了。
开源便是开注册的源，让更多的新用户进来； 节省是节丢失的流，让更少的老用户丢失； 保活泼便是让池子里的用户愈加活泼，包括让不活泼的用户变活泼，活泼的用户坚持活泼度发生忠诚度等。 这三方面的办法中，开源和节省对应着DAU和MAU的增加，而保活泼对应着DAU/MAU的增加。
DAU/MAU的方针便是一个丈量已有用户池子活泼度的方针，其间的DAU取当月的每日DAU的均匀值。
假如DAU/MAU=1，那么阐明用户每天都来，所以DAU和MAU持平，而这个值的最低线便是0.03左右，即一切的用户一个月只来一天。
所以DAU/MAU的数值是一个介于0.03-1之间数字，数字越高，活泼度越高。
我从前给一家K12的英语教育组织做商业化的参谋，我问他们现在商业化的窘境是什么，是用户规划不行、转化率低、客单价低仍是什么呢？
CEO说他们的用户量没有问题，可是转化率低，MAU有几百万用户，可是实践的购买用户量一向上不去，所以期望我处理付费转化的问题。
作为一个K12线上产品，MAU几百万的量级的确不小，为什么没有转化呢，我决议看看他们的用户活泼度状况。
我跟他要了产品的DAU/MAU，成果这个数字大约在0.05左右，这个数字远低于我的预期，要知道这就意味着许多的MAU用户在一个月中只来了一天。
这一天很或许便是注册当天，而英语学习是一个需求坚持，最好每天输入，最次一周一次是必要节奏，所以基本上能够判别，这个产品的用户留存率十分低。
许多用户仅仅被投进扫中，注册后便丢失，所以关于他们的商业化的症结完全不在转化率，而在实践活泼用户规划上。
所以，这个方针能够协助咱们大约判别产品的健康状况。
回来说咱们的开源节省保活泼。开源和节省的办法，在当年的《怎样做好用户运营》里边现已有了比较具体的阐明，这儿不打开，未来找时刻再弥补迭代，咱们来看看DAU/MAU这个数字怎样进步。 看着这个方针我有点忧愁，每天上来这几千万用户，我要怎样把活泼度提上来呢？
我总不能对着一切的几千万用户做进步活泼度的战略吧，究竟这其间还有天天来的呢，这样对他们必然是个打扰。
我需求针对不同活泼度的用户发动不同的战略，所以把活泼度不同的用户依据必定的规范拆出来，成为了燃眉之急。
周活泼度模型
这儿我当年踩过一个坑，我首要从周活泼度模型切入，想象以周为单位拆分用户活泼度。
比方：每周来1天，每周来2天，每周来3天一向到每周来7天的用户。
所以列了下面一个数据表头，提交给咱们的数据剖析师，请他帮我把微博上某一天的DAU用户依据其前推一周的登录微博的天数，拆分7个活泼度的等级，记载在这个表格中。见配图
可是数据出来后，很快就发现，这个模型并不树立。
咱们都知道，假如要做数据分类的时分，拟定的分类规范应该让数据能够相对均匀地分到各个分类中，假如许多的数据都会集在某几个分类下，其他分类下几乎没有数据，那就阐明这个分类办法是失效的。 数据剖析师的数据反应后，我十分伤心的发现，DAU的前推一周的用户活泼度基本上会集在C、D、E这几类，后边的数据比较前面这三类在量级上不同较大。这表明许多的人一周就来0到2天。
现在回头想，这其实十分合理，除了微信这样用来替代短信电话的APP，2016年的DAU/MAU数据能够到达0.77，而同期今天头条是0.42，网易新闻0.43，淘宝0.29，腾讯新闻0.39，百度地图0.12。
这意味着什么？意味着即使如新闻网站网易、腾讯、今天头条等，用户的运用习气也到不了两天中来一天，这算到周活泼里边便是均匀活泼度一周在3天左右。
月活泼度模型
所以周活泼度模型显着并不合适微博。所以下一步怎样办呢？
其时的下一步便是想，那我有必要把前推一周没有登录的用户拆出来，假如一周都不来一次，那是两周来一次？仍是三周来一次？仍是一个月来一次？ 所以干脆扩展到月活泼周期来看看用户在一个月中的活泼散布状况，表头和前面周活泼相同的办法，可是拉长了测算周期为一个月，为了便利后续运用，约好不同的天然月都以均匀30天为记，然后拆出了一天的用户DAU中，在前推30天中的活泼天数核算表。 这个数据表剖析师反应时，咱们判别散布上现已均匀了许多，可是还不能用于运用，由于加上前30天没有活泼的用户，总共31个分类的用户模型用起来太冗余，不便利经过产品形状去落地履行。
咱们有必要对用户模型进行进一步的精简和兼并，以更好地运用到产品生态的战略上。这个时分咱们想到的便是兼并同类项。
兼并同类项能够协助咱们精简现在的31个分类，兼并同类项的事务逻辑便是将类似的不同分类用户进行兼并。那么怎样判别他们类似呢？
咱们又回到了特点和行为的判别上，可是用户那么多特点特征、那么多行为特征，假如都放上，必然出来的又是一个千人千面的用户画像，无法兼并同类项。
所以咱们回归到数据剖析的一个大准则：事务导向上。
所谓的事务导向便是咱们的数据剖析要数据源于事务，终究的剖析成果又能回到事务中去辅导事务。
许多人觉得这个准则听起来怎样像是废话，别着急，这个准则听起来谁都懂，用起来还特别好用，可是有些人便是不知道怎样用。 在事务导向的准则下，咱们考虑树立用户活泼度模型的本来意图是什么？是为了能够将不同活泼度的用户拆分出来，对低活泼度的用户，咱们会采纳必定的引导战略，或许是加重视、或许是引导其转发微博，来进步其用户活泼度。
或许再回溯底层一些，在微博这个产品生态中，咱们等待的活泼的优质用户是什么样的？
咱们其实不只等待他们每天都来，咱们还期望他们每天发微博、转发、谈论互动、点赞、围观抢手微博、加更多人的重视、具有更多粉丝等等。
这是咱们等待的一个优质的用户画像。
在这样的考虑下，咱们再回到方才的月活泼模型中，记载不同活泼天数用户的中心行为数据，然后把数据量附近的相邻活泼天数的用户进行兼并同类项，终究得出4-8类用户类别，这是比较合理的分类模型。
而微博也在这样的模型测算中，终究拆分了：低频用户、中低频用户、中高频用户、高频用户和全勤用户。
完成了分类之后，咱们就能够为用户打上活泼度的标签，每个用户登录后，依据其活泼度标签触发不同的进步活泼度的战略，这便是线上精细化运营的完成思路。
总结：用户活泼度模型是一个十分经典，并且关于到达必定用户体量的产品在进行精细化运营前进行用户分类时最常用的一个模型，也是资本商场最重视的一个模型。DAU/MAU的数值代表了这个模型的好坏。 当然，并不是一切的产品模型都要寻求这个方针越高越好，就像前面罗列不同的产品的方针存在差异。并不是微信做的就比今天头条好，而是产品的运用场景决议了它根底的运用频次。像微信这样处理每日用户交流需求的IM产品，运用频次天然会高于用户购物的产品，你总不能要求用户每天像和家人、搭档联络交流相同的频率，有必要每天来途径买个东西吧～ 所以咱们在面对自己的产品的时分，要知道自己的DAU/MAU究竟多少是健康的，首要想象一下用户对产品的需求频次惯例是多少？其次无妨参阅一下业界的竞争对手假如有上市公司的，看看他们的DAU/MAU大约在多少，做一个对标。之后再来确认关于自己的产品来说，用周活泼度模型好，仍是月活泼度模型好。
3、用户建模示例2：用户丢失模型的树立及运用
咱们在做月活泼度模型兼并同类项时，咱们或许现已发现，其实咱们穿插了别的一个行为模型，便是微博上的用户特有行为，包括加重视、转发、发博等，那么这个便是用户行为模型了。 用户行为模型，从建模的方针上便是要把不同行为特征的用户拆分开来，便是找到什么样的用户喜爱做什么样的工作。
用户行为模型的运用层面上有两个方向：1、用户要害行为方针定位：咱们将不同活泼度的用户的相同行为特征进行比照，其间差异大的方针界说为要害性方针，并对不活泼用户进行该要害性为方针的要点引导，以促进其成为活泼用户。2、用户单一行为方针定位：咱们经过用户模型拆分出不同用户的行为喜爱特征，已知用户喜爱什么，就给他什么，从逻辑上来说这能够促进他愈加活泼。
下面咱们就这两个运用方历来别离谈论。
1、 用户要害行为方针定位
即咱们将不同活泼度的用户的相同行为特征进行比照，其间差异大的方针界说为要害性方针，并对不活泼用户进行该要害性为方针的要点引导，以促进其成为活泼用户。 为榜首个运用方向服务的用户行为模型的树立思路是怎样的呢？ 仍是以微博用户为例，咱们后续正好能够接连讲不通用户模型的穿插运用。从方针上，咱们便是为了了解一个微博的运用用户究竟在微博上喜爱做什么？
初期，咱们把一切微博上用户惯例会有的行为都列出来，包括：登录、发博、转发、谈论、点赞、加重视、粉丝数、互粉数、是否上传头像、是否填写性别、教育信息等等个人信息等，这些仍是微博主站的中心行为，没有拆解比方其间用微盘的、看小视频的、在PC登录仍是移动端登录的、哪里注册来的，等等。
咱们先聚集在微博主站的中心行为上。可是即使这样，也仍是行为参数有点多，咱们需求有一个判别，哪个行为的差异会影响咱们的中心方针？
没错，便是影响咱们的DAU、MAU？所以从事务导向准则上看，用户行为的模型，需求协助咱们清晰出来，哪些行为的数据差异决议了用户是否活泼。
所以咱们列出的初始用户行为数据表单是这样的，见配图：
在上述表单中，个人资料填写部分还能够包括性别更改、地域、年纪、工作阅历等。 数据出来后，很快咱们就会发现不同频次的用户，某些行为的数据差异化很小，某些行为的数据差异化很大，这个时分，差异性很大的方针就能够被咱们认定为影响用户活泼度的要害性方针。
比方，低频用户中上传头像的份额为20%，而高频用户中上传头像的份额为80%，则阐明上传头像是十分重要的一个要害性方针。（当然还能够从而剖析上传头像的用户中，为实在头像的占比怎样。） 这儿打开讲一下，许多产品以为上传头像不过是个打扮小功用，不触及用户的中心功用运用。
殊不知小小的头像具有十分显着的蝴蝶效应。相同以SNS社区为例，上传的头像能够在虚拟社区中让对方榜首眼了解这个虚拟id背面的喜爱。
假如是实在头像就有更大约率让实在的朋友认出自己，关于用户更快更好地构建用户联系有着不可磨灭的效果。
在SNS社区中，用户期望留下更少的个人信息，却期望找到更多的朋友。成果是上来闷头找了半响朋友，却没有被朋友认出来而疏忽，默默无闻地丢失。
而这样的用户由于留下信息太少，产品机制上也很难协助其找到联系、构建圈子。
当然，头像跟活泼留存是相关联系，可是不能确认因果。咱们很难说清楚是由于有头像导致活泼，仍是活泼导致加头像，或许是其他要素一起促进了活泼和加头像。可是引导没有上传头像的用户上传头像总不是一个过错的决议计划。
再回到数据表单上，假如低频用户的人均互粉数是50，而高频用户的人均互粉数是60，中频用户的人均互粉数是53，那么阐明互粉数并不会对用户的活泼度带来要害的影响，能够从将该行为从咱们此次的用户行为模型中拿掉，今后不必再重视用户的互粉数。 当然，我上面示例只拿了一周的数据，咱们做建模最好能取用更长时刻段内的数据体现，至少两个月及以上，数据相对问题才干成为参阅，假如数据动摇较大，则无法成为建模的根底数据。
至此，经过前面的不同活泼度用户行为根底数据的比照剖析后，咱们就能够保存一部分要害性的方针，比方上面举例的是否上传头像，放弃非要害性的方针，比方上面举例的互粉数。 在产品层面的运用上，当咱们发现一个打着“低频”标签的用户登录上来，判别到他还没有上传头像，那么二话不说，立刻触发引导他去上传头像，越实在越好～
2、用户老练度模型
用户单一行为方针定位即咱们经过用户模型拆分出不同用户的行为喜爱特征，已知用户最喜爱什么，就给他什么，从逻辑上来说这能够促进他愈加活泼。 为第二个运用方向服务的用户行为模型的树立思路是怎样的呢？
这儿我要举我参加的，数据相关畅销书《数源思维》作者，前新浪数据中心资深剖析师，前赛迪参谋研讨总监，现在是北京首钢园产业部部长，乐创教育合伙人的@仓剑 教师主导的用户老练度模型。
PS：仓剑教师也是我的常识星球（金璞和运营高管朋友们）里的嘉宾，互动许多，欢迎咱们到那里活捉他。
https://t.zsxq.com/aAe6Mfy (二维码自动识别)
用户老练度模型便是复原微博上用户除活泼度外的中心运用行为，对用户进行行为特征的分类，并依据该行为特征进行专项引导的模型。
在树立的思路上，便是提取用户的多种行为，进行归一剖析，找到其间最聚集安稳的行为，作为该用户的行为特征标签。
具体的核算办法十分专业，这儿不做具体的打开，我记载其时的核算办法和终究的用户模型分类供咱们参阅。
核算办法：
挑选用户行为：登录办法、登录、原创、转发、谈论、被转发、被谈论、加重视、撤销重视、
被重视界说：用户老练度，即用户行为的安稳值，安稳值=用户4周行为数的均匀动摇程度。安稳值最高3分，最低0分，动摇越小，分数越高，代表用户越老练。
终究，得出的用户老练度模型的分类如下：
有了用户的单一行为特征后，咱们能够和活泼度模型相同，为每一个用户打上老练度的标签。
用户一上来咱们就知道这个用户是喜爱只阅读不讲话，仍是喜爱发发发，或许喜爱转转转？那你还不知道要给他引荐什么内容吗？ 此外，老练度模型不只依据用户行为特征进行了分类，并且结合用户活泼度模型的改变，隐形反映了不同类行为特征用户的活泼度差异。
在活泼度的体现上：全面安稳型>原创安稳型>转发安稳型>阅读安稳型>不安稳型。
总结：用户行为模型是进步用户活泼度根底上十分重要的用户模型，只需知道用户的行为特征和喜爱，才干知道什么样的引导不会让用户恶感，什么样的引导能够促进用户活泼。本质上来说，用户行为模型也是在协助产品复原描写出来在自己的产品生态中，优质用户的画像。一个优质用户，首要必定是最活泼的，其次更重要的便是他的活泼中具有了这样、那样、那那样的行为特征。这也为咱们后续树立用户生长系统打下地基。这部分，这儿仍是要卖官子，咱们在终究的不同用户模型的穿插运用中，打开阐明。
4、用户建模示例3：用户行为模型的树立及运用
已然讲了用户活泼度和用户行为模型，那么第三个无妨来讲讲用户丢失模型，这其实也是用户活泼度模型的衍生，丢失用户即活泼度为0的用户，现已丢失不再运用产品的用户。
可是丢失用户完全放在活泼度模型中来做，并且十分的重要。
那是由于用户丢失模型的方针便是把丢失用户依据必定的行为特征进行分类，在运用层面有两个方向：
1、 丢失用户召回：运用于丢失用户的召回，针对不同的用户特征发动不同的用户召回战略； 2、 用户防丢失：运用于不活泼用户的防丢失，咱们现已知道了丢失用户的特征，那么当不活泼用户呈现了丢失用户的特征的时分，阐明他呈现了丢失预警，需求发动相应的防丢失战略；
用户丢失模型树立的切入点是怎样的呢？ 在树立用户丢失模型前，咱们需求先清晰丢失用户的界说，也便是关于咱们的产品来说，什么样的用户才被认定为丢失用户。
丢失用户界说
丢失用户的界说可不是咱们自己拍脑袋界说的，而是要看看用户的实在行为来判别，多长的时刻窗内用户都没有运用，那么这个用户应该被界说为丢失用户。
这儿要侧重一下：丢失的概念，有必要是长时刻继续未运用，这需求和前面的用户活泼度概念相差异。
咱们在核算用户活泼度的时分，MAU的核算办法便是这一个月里你只需运用过一次就算有过一次活泼，至于他在一个月中每天都来，并且一天运用好几回，仍是就来一次，都归于MAU中的活泼用户。
而丢失用户的核算办法，则是在一个继续的时刻窗内一向没有运用过，一次都没有，才被核算为是丢失。
所以丢失用户要怎样界说呢？
假定咱们以周为颗粒度核算用户的丢失周期，选取某一日（3月1日）注册的用户，假定为100人，这100个用户在注册后的第二天（3月2日）没有运用产品的有90人，也就意味着其间有10个人，在注册后的第二天就又来运用了产品。
到了从第二天开端的一周后（3月2日-8日）依然没有运用过产品的有60人，那也便是说，在刨去第二天的剩余的六天（3月3日-8日）内，从前来运用过产品的用户有30人，那么加上注册第二天就来的用户，便是总共有40人在注册后的一周时刻内，从前运用过产品。
这儿需求侧重的是，咱们完全不重视这40个人在这一周时刻里究竟来了几回，只需他来过，就从“未运用人数”的数据表单中去除。
所以可预见的，跟着注册后周数的推移，“未运用人数”的数据必定是继续下降的趋势，由于只需在周数的推移中，有用户回来运用，就会被从这个表单中去掉，即使他次日来了之后就再也没有回来运用过。 依据这样的逻辑，咱们模拟了下面这样一张图表。
从图表剖析咱们能够得知： 1， 当曲线趋于平稳时，阐明咱们的天然丢失趋于平稳，即假如这个时分用户还留存着，基本上他就能留存好久，比较具有安稳性。
换句话说，到了这个时刻点，该自动回来的用户都回来了，没有回来的，就意味着现已丢失了。
由于后边跟着周数的推移，回来的用户现已微乎其微。那么咱们就能够以这个时刻点来界说咱们的丢失。如上图，咱们就能够界说该产品用户假如接连五周没有运用，即可判别为丢失；
2， 天然丢失率：以上图为例，当天注册用户100个，其间有20个在尔后五周完全没有运用行为，则该日的注册用户天然丢失率为20/100=20%； 界说了丢失用户后，咱们回到用户丢失模型的两个运用方向别离来构筑模型。
丢失用户召回
即运用于丢失用户召回，针对不同的用户特征发动不同的用户召回战略；咱们需求为丢失用户进行分类。
看到这儿，你或许会说，那太简单了，一切用户都现已被打上了老练度的标签，那么丢失用户在丢失前也大约率被打上了老练度的标签，他喜爱转转转、仍是看看看？
经过不同的召回途径触达他的时分记住引导他仍是转转转、或许看看看不就行了吗。
也便是说，做法上咱们能够直接取用前面用户单一行为模型即用户老练度模型得出的用户行为特征的分类。
这儿，咱们有必要清晰一点，丢失用户就意味着用户现已脱离产品，而能够触到达他的召回办法的展示办法是相对单一的，不论是召回邮件、短信、手机push，都只能以内容呈现为主。
所以老练度模型在成型后发现运用在活泼用户身上比较有用，运用在丢失用户身上就有点不适用。那么已然无论什么召回办法都首要以内容呈现为主，那咱们只能在内容上下功夫了。
所以咱们需求第三套完全独立的内容引荐相关的用户模型，便是用户爱好模型。
咱们经过剖析用户发布、重视、转发的内容，来为用户的爱好打上标签，之后就依据用户的爱好标签，在召回内容中推送相应的内容即可。这个模型就不再打开了。 当然，这个进程中，你或许会面对另一个问题是，丢失用户在丢失前什么都没干就走了，就像丢失用户界说的时分，注册后那20个用户相同，注册即丢失，他没有任何行为，我什么爱好标签也无法提取到怎样办？
那的确没办法，只需一个补漏的办法，便是尽或许地进步射中率，最好的办法便是推送抢手内容。抢手内容是经过用户验证最大约率命顶用户的内容，在丢失用户身上的射中概率是相同的。
用户防丢失
即运用于不活泼用户的防丢失，咱们现已知道了丢失用户的特征，那么当不活泼用户呈现了丢失用户的特征的时分，阐明他呈现了丢失预警，需求发动相应的防丢失战略。
运用于参阅不同频次的用户的行为特征来构建行为模型的做法，为丢失用户进行行为特征的拆解，找到关于丢失用户的要害性方针。
这个模型树立的思路其实和咱们做用户要害行为方针定位时分的用户行为模型是相同的，咱们仅仅把表格更新为：
经过这个数据表单的剖析，能够协助咱们定位丢失用户和高频活泼用户的行为差异要害性方针，这个方针就能够协助咱们提早找到有丢失倾向的用户。 即当用户的丢失要害性方针开端呈现下滑时，阐明该用户是潜在的丢失用户，需求提早接入放丢失预警战略，以避免其完全丢失。 比方高频用户的人均上月均转发数是50，而丢失用户的人均丢失前月均转发数是5，那么咱们能够判别，用户是否在继续坚持转发微博的习气，是判别一个用户是否存在丢失危险的要害性方针。
那么当一个用户的该数据呈现下滑，比方从本来月均转发30条，下滑到月均转发只需15条了，那么他或许离丢失现已不远了，抓住发动防丢失战略吧。 防丢失战略怎样定？前面现已有那么多齐备的用户行为模型和爱好模型了，还愁不知道他在微博上究竟想做什么？喜爱什么吗？
现已知道他喜爱什么了，就别拗着用户了，迎着喜爱上吧～
总结用户丢失模型在大体量用户产品中的运用比较照较广泛，由于用户体量足够大，就意味着最中心的刚需方针用户基本上现已收入囊中，下一步需求拓宽临界商场的用户了。比方本来定位25岁到35岁的北上广女人用户，总共5000万用户你现已圈进来4000万了，那就别和剩余的1000万较劲了，由于各种原因撬动他们或许难于上青天，即使如微信，也不是撬动了一切的用户不是？所以你或许会考虑将方针用户拓宽为25到40岁的北上广女人用户，或许25岁到35岁一二线城市的女人用户，或许乃至25-35岁北上广男性和女人用户等。可是，拓宽临界商场必定意味着用户代际的抵触，由于方针用户定位发生改变，本来的产品文明也需求进一步的拓宽，那么对前期的中心用户来说必然是一种文明应战。假如代际抵触处理欠好的话，很有或许形成前期中心用户的脱离，那么比较开辟新用户，这会愈加因小失大。所以在开辟新用户之前，首要需求自查的是，现已圈进来的这4000万用户都还在活泼吗？还有有不少用户其完成已丢失了？假如有超越1000万，乃至2000万用户丢失了的话，无妨先就当下的方针用户集体发动丢失召回计划和防丢失战略。
tips：关于怎样应对代际抵触，金璞教师有在星球（常识星球上查找“金璞和运营高管朋友们”）答复相关问题，欢迎进星球检查哦~
https://t.zsxq.com/aAe6Mfy (二维码自动识别)
5、不同用户模型的穿插运用
不论是用户月活泼度模型做归类，仍是用户防丢失模型中，咱们都穿插运用了用户要害行为方针的模型。
这样做的优点除了发生了一个全新的用户模型外，还辅佐咱们清晰了相应的运营战略，及相应在产品机制上的落地。 以用户防丢失战略的规划为例，之前咱们的防丢失工作要点都在丢失用户的行为特征剖析上，旨在提早找到潜在丢失用户。那么找到后怎样办？
咱们上面说迎着用户的特征拼命上，那么怎样迎呢？
这儿咱们就打开讲一下用户防丢失模型和用户老练度模型、用户月活泼度模型的穿插运用场景。咱们经过用户老练度模型和月活泼度模型的穿插，咱们将用户拆成3（高频、中频、低频）*5（不老练、不老练、原创、转发、阅读）=15顶用户，然后依据月活泼度模型和用户行为穿插后定位的要害性方针罗列，咱们得到了一张穿插表如下：
这张表要怎样用呢？ 方才咱们是侧重看丢失用户的特征，现在咱们也列出了优质用户的特征，在同一张表中。
咱们基本上能够确认低频用户是潜在丢失用户的重灾区，那么咱们的战略逻辑便是，当低频用户的某个要害行为方针下降到丢失预警线（如之前举例高频用户的人均上月均转发数是50，丢失用户是5，咱们设定当用户的这个数值下滑15为丢失预警线），咱们就需求发动防丢失战略。
而防丢失战略是依据用户老练度模型来确认的，假如该低频用户的要害行为方针D下降到预警线，而经过老练度标签发现他归于阅读型的用户。
那么咱们大致能够判别他最近活泼度下降或许是由于新鲜可看的内容变少了，赶忙发动新一轮的爱好+抢手的内容及人的引荐，让他更多重视起来吧～
这便是咱们的运营战略的整理思路了，有了这个思路之后，咱们将其运用在产品机制中，当用户登录，判别其防丢失各要害行为方针数据是否下滑到预警线，判别其老练度标签，发动战略。
这便是咱们的用户生长系统的完好规划逻辑，让一个用户从不活泼用户生长成为活泼用户，思路上便是限定为优质用户长什么样，然后让和优质用户具有相同特征的用户都变成他那样。
在咱们的运用中，既有每天来看微博，可是从来不讲话的用户，那么当咱们遇到来微博仅仅看，从来不讲话的用户也不必非引导他转发、谈论，只需像那位只看不讲话的高频用户那样，让他重视更多好玩的账号和内容就好了。 下图便是我在新浪微博的时分依据以上三个模型穿插运用后的用户生长系统——欢迎页项意图对新用户和不活泼老用户的运营战略以及在产品端的掩盖和完成逻辑
终究的总结：归纳前面的内容，咱们经过这样的万字长文，来具体拆解了在互联网产品中，用户运营的用户为什么要做用户建模，以及用户建模的树立逻辑和惯例切入点。不只如此，咱们还就几大惯例切入点进行了啰啰嗦嗦的具体过程的复原。终究咱们将不同的用户模型怎样穿插运用，辅佐运营决议计划，终究落地为产品战略协助咱们实在进步DAU、MAU和DAU/MAU这几个产品的中心方针。今天这篇算是对我2012年2月宣布的《怎样做好用户运营》的弥补，在开源节省保活泼的根底上，其时由于限于篇幅（由于把开源节省保活泼的逻辑讲清楚现已1万多字了），关于保活泼的三板斧：用户建模、用户生长系统、用户鼓励系统，基本上都只提了概念。那么为什么说保活泼的三板斧是用户建模、用户生长和用户鼓励呢？其实也很好了解，今天咱们讲了用户建模，协助咱们分好了用户类别，然后咱们穿插后生成了合理的咱们等待中的用户生长途径，等待着那些不优质不活泼的用户都能朝着咱们画好的生长途径一路狂奔，变成终究咱们抱负中的优质用户的容貌。那么在这个进程中，为什么用户那么听话？咱们就需求规划合理有用的一套完好的用户鼓励系统去引导用户，以达到咱们的方针。为什么三板斧只讲了两板，第二板还只开了个头？欠好意思，仍是限于篇幅，哈哈，那么等待我下次的长文咯～
上一年今天运营文章2022:电商企业疫情期间怎样发货报备(0)2022:刘润：考虑维度越多，了解商业越深(0)2022:德鲁克办理思维精要(0)2021:运营人才的生长之路（新媒体方向）(0)2021:RWW产品概念评价法(0)
微信扫一扫 
支付宝扫一扫 
