增长框架：用户增长团队+核心增长渠道+增长工具。

用户建模：用户模型搭建，包含标签画像、用户价值模型、用户偏好识别模型、用户流失预警模型、用户活跃度

       模型等。

场景化分层：12大类运营场景，每个场景基于用户标签和建模工具进行分层分群，并制定相应的精准营销手段进

       行运营。

数据运营：核心运营指标体系+数据分析模型。

增长框架下，市场部负责渠道运营，新媒体负责社交渠道内容产出，用户团体负责用户激活促活留存。在AARRR每个运营节点，定义增长指标。

渠道运营在Acquisition节点主要考核：新增用户、获取成本（CAC）、新增用户留存率。

产品在Activation和Retention节点主要考核：注册转化率、功能留存率；

活动运营在Activation和Retention节点主要考核：DAU、MAU、DAU/MAU；

用户运营在Revenue和Referral节点主要考核：用户转化率和K因子。

产品需要有自己的好的核心增长渠道，同时也要配合增长工具，比如优惠券比如社交分享。

用户模型包括标签画像模型、用户价值模型、用户偏好识别模型、用户流失预警模型、活跃度模型等。

标签的价值在于基于业务帮助运营人员对用户实现场景化分层，并设计针对性的营销活动。

画像的价值在于帮助运营人员了解每个群体的特征；

用户价值模型可以识别高价值用户群体；

偏好识别模型帮助运营人员进行产品的针对性推送；

流失预警模型在用户流失之前对用户进行挽留，活跃度模型可以有针对性的进行唤醒、促活等。

模型的搭建需要专门的数据产品团队来完成，运营人员基于用户模型进行营销时，需要将重点放在营销效果分析和营

   销方案迭代优化上。 

基于平台业务可以衍生出若干运营场景，每个场景下需要对不同的用户群进行运营，用户群来自与标签模型及各个用

   户模型

核心指标体系可以监控用户运营的发展趋势，实时了解用户活跃度、健康度等基本信息。用户数据分析体系能够帮助

   运营人员定位问题，并针对问题及时优化产品。

首先是核心指标体系的搭建，核心指标一定与产品目标紧密结合。比如：单车类产品目标是获得租车收入，其核心指标应该以付费用户为核心进行搭建。资讯类产品目标是用户阅读产生流量，其核心指标应该以DAU和浏览深度、时长为核心进行搭建。

同时，核心指标数据在企业内部不同层级的人员关注点也不一样，领导层级关注的是大盘用户体量、成本、收益；运营层级关注的是用户活跃度、留存度、转化情况；在指标体系产品的搭建中，我们围绕消费用户核心指标从新获客能力、 健康度、偏好度、购买行为四大维度进行构建。

1. 新获客能力

用户增长潜力分析：城市、门店、地推人员了解区域、商圈、社区用户开发总体情况和开发潜力；

用户来源渠道分析：各频道想知道目前在推的渠道，用户主要从哪些渠道来的？哪些渠道优质，从而优化渠道策略；

拉新产品分析：门店、地推人员想知道片区内哪个产品拉新贡献最多，客户首次下单的产品定义为拉新产品；

各社区拉新偏好分析：门店、地推人员想知道片区内每个社区新用户的偏好，比如：A社区偏好电子产品、B社区偏好生鲜，从而在每个社区拉新的时候进行针对性的推广。

2. 用户健康度

用户价值分析：频道想知道自己忠诚用户群是谁，活动时候可以找这些优质用户让他们来参与，同理地推人员可以在 线下邀约这些用户到门店参与活动；

用户流失指数：频道想知道不同分群的用户有哪些会流失，如何预防他们流失；

社区用户贡献度：门店和地推人员想知道地推人员所在片区内，每个小区的GMV贡献率，分周、月，片区内分布要有趋势图。

3. 用户偏好度

品类偏好：门店和地推人员、频道想知道哪个小区/地域更倾向消费什么类型的商品（购买者位置和品类的交叉关系）；

活动偏好：门店和地推人员、频道想知道哪个小区/地域更倾向什么类型的活动（购买者位置和活动的交叉关系）；

价格偏好：频道想知道不同品类用户更倾向什么价格，从而将各种价格段商品推给相应用户（品类和价格的交叉关系）；

触点偏好：门店和地推人员、频道想知道不同品类用户更倾向在什么渠道购买（品类和触点的交叉关系）。

4. 用户购买行为

不同用户群的复购率：频道想知道新老用户的复购率及找出高复购商品，及时调整新老用户运营策略和做好商品运营，按月度监控。

用户路径分析：频道想知道频道首页到活动页的用户参与情况，用户是在什么环节流失的，从而做好页面运营。

其次是数据分析体系，需要搭建系列分析模型工具，帮助运营人员定位运营过程中的问题，模型工具包含漏斗分析模型、归因分析模型、微转化分析模型、同期群分析模型等。

常见的分析场景比如：DAU下降，如何归因？ 注册转化率低，如何归因？ 新增用户留存率低，如何归因？

以注册转化率低为例简述一下分析方法：

第一步：影响维度拆解；

第二步：维度下的细分指标拆解；

第三步：定位问题。

注册转化率可以拆分为两大影响维度：渠道和产品。

每个维度下进行细分指标拆解，渠道细分指标包括投放媒体、广告类型、广告内容、关键字；产品包括注册逻辑、产品设计、输入法、产品稳定性等。

定位问题需要对细分指标一一排查，发现数据异常点，比如：通过漏斗查看每个环节的转化率，转化率低的环节可以重点关注，如果是渠道的问题则优化投放的媒体、对广告内容进行AB测试，对关键字进行精准定位；如果是产品的问题则优化注册逻辑、界面、提升APP稳定性等。

通过对4大策略体系进行总结可以发现，用户运营不再是简单的找几个运营做好分群运营工作，也不是几个用户模型就能让企业用户价值得到飞速提升的工作，而是一个企业需长期投入人力、精力、物力打造的运营体系。

用户运营对企业的意义也不言而喻，一个企业整体业绩的增长离不开优质用户规模的扩大，更离不开用户生命周期价值的提升。

搭建用户流失预警体系 

1、定义流失

2、选取合适的数据去刻画流失特征

3、定义预测时间窗口

4、搭建模型  对特征数据和流失字段进行探索性分析，查验每个特征维度与流失是否存在强关联关系，保留强关联，删除弱关联。建立用户流失规则，预测其他用户流失情况，最常用的是用决策树算法生成用户流失规则。

5、搭建流失用户运营策略：细分策略或者评分策略。