chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

　　社群運營作為運營工作中的一種，對運營者的工作能力要求比較高。本文將以一個完整的社群運營項目，梳理社群運營的玩法，對社群運營感興趣的童鞋不要錯過哦。

　　在寫這篇之前，我搜尋了一些社群文章，比較多集中在各種具體的群內玩法和方案分享上。

　　而這些玩法和方案對社群指標的影響值有多大？是否適用于我的項目？如何判斷如何挑選呢？

　　本文不談方案，回歸運營本質。以數(shù)據(jù)導向，回顧在具體項目中，社群運營模式搭建背后的思路。

　　下文出現(xiàn)的數(shù)據(jù)皆為模擬數(shù)據(jù)。

　　某平臺除了傳統(tǒng)的輕型知識付費SKU外，希望拓展領域做教育課程。

　　拿下國外知名IP版權后，即啟動這個全新的教育課程項目，由內部團隊研發(fā)了面向K12用戶的在線英語課程。課程依托于微信小程序，動畫形式呈現(xiàn)，有游戲互動聽讀等功能。

　　產品上線做完內測后，開始投入運營和商業(yè)化，我在這個時期進入。搭建并跑通社群轉化模式，半年時間依靠社群模式成長為單月千萬級營收項目。

　　MVP測試，初步搭建業(yè)務路徑和運營轉化方案（通過社群轉化使轉化率提升4倍，轉化周期縮短1倍）。

　　數(shù)據(jù)分析，驅動運營增長。

　　找出關鍵行為、典型用戶路徑、可增長點。通過用戶生命周期模型，建立數(shù)據(jù)化、可監(jiān)測的社群運營模型。用戶量擴大10倍，通過生命周期模型和用戶行為數(shù)據(jù)分析，將轉化率指標拆解為5個細分指標，明確細分指標數(shù)據(jù)和對應策略，使得指標可控可監(jiān)測，可規(guī)?；?。用戶體量繼續(xù)增加，做用戶細分，匹配對應的運營機制（用戶量指數(shù)級增長情況下，找到細分方法，劃分不同的社群運營策略）。未能完成部分：在用戶體量規(guī)?；?，根據(jù)用戶細分標簽或行為標簽，自動匹配相應運營策略，使運營產品化機制化（能夠做但尚未實現(xiàn)的方向）。優(yōu)化運營增長模型（全量數(shù)據(jù)提升邏輯，協(xié)同產品、教研等團隊，提升總體北極星指標）。

　　全鏈路拆解，梳理每一個業(yè)務環(huán)節(jié)，提升優(yōu)化細分環(huán)節(jié)數(shù)據(jù)。通過因子分解形式，拆解指標到足夠細后，提升各細分指標。

　　業(yè)務模式探索：

　　考慮到對于偏重型的教育課程營銷，即低頻次、高客價產品的轉付費，一般營銷的方式為多次體驗后購買，即用戶在首次購買前更需要體驗且看重體驗感受，所以增加社群作為體驗環(huán)節(jié)促進轉化。

　　業(yè)務路徑：體驗課曝光——報名體驗課——加入社群——體驗課程——首次付費——學習課程——再次付費。

　　初步群內運營方案，群內用戶路徑：加入社群——咨詢答疑——體驗學習——講座學習——付費購買。

　　根據(jù)數(shù)據(jù)反饋，判斷可行性：

　　判斷MVP是否可行，兩個數(shù)據(jù)對比維度：

　　橫向比：行業(yè)內同類型產品的平均數(shù)據(jù)對比。

　　縱向比：本產品歷史的社群數(shù)據(jù)對比，本產品的其他業(yè)務模式數(shù)據(jù)對比。

　　因為是首次使用社群運營方式，內部沒有過往數(shù)據(jù)，我們選擇該產品現(xiàn)有的業(yè)務模式數(shù)據(jù)進行對比，在同樣的流量曝光情況下，比較最終訂單量。

　　1）原有業(yè)務模式：流量運營

　　和站內其他SKU一樣，通過在APP內進行流量運營轉化。

　　更細節(jié)的用戶數(shù)據(jù)，比如跳出率、停留時長、試聽情況等參考數(shù)據(jù)，用來調整優(yōu)化方向，比如調整課程標題、詳情頁、用戶評價等。

　　2）測試業(yè)務模式：社群訓練營模式

　　在自有平臺內，將用戶引流到微信社群，進行體驗轉化。

　　這里面也有更細節(jié)的用戶路徑數(shù)據(jù)和用戶行為參考數(shù)據(jù)，可作為優(yōu)化方向參考，比如成功領券到報名的用戶比率，成功喚起跳轉APP的用戶比率，在微信端成功調用添加微信號的比率，進群后發(fā)言活躍的用戶等等。

　　3）兩種業(yè)務方案都各有利弊和相應的優(yōu)化空間

　　第一種模式擁有更為順暢的轉化路徑，但對課程頁的直接付費轉化能力要求較高；第二種模式降低了用戶的決策門檻，但流量損耗更多，需要的運營人力成本更多。

　　我們實測后核算這兩種模式在同樣的資源曝光量情況下，最終成交的首購訂單量，對比分析新方案的可行性。

　　下面是兩個業(yè)務方案的業(yè)務數(shù)據(jù)（本文數(shù)據(jù)皆為假設）：

　　方案二：

　　得到數(shù)據(jù)后有三個方向進行考量和預測：

　　數(shù)據(jù)浮動空間：在收集關鍵業(yè)務數(shù)據(jù)的同時，也需關注運營相關的過程數(shù)據(jù)。這是運營在測試周期內可做的優(yōu)化動作，可定性預估數(shù)據(jù)提升空間。方案一的CTR/轉化率關鍵數(shù)據(jù)還可參考公司內其他項目的平均值或最優(yōu)值，方案二需考慮用戶在各個環(huán)節(jié)跳轉的流量損失上限，社群轉化率可能會出現(xiàn)的下降幅度。MVP數(shù)據(jù)結果對比：最終我們得到兩個方案在一個周期內的數(shù)據(jù)結果，方案2的首購訂單量是1的兩倍，加上浮動空間，2呈現(xiàn)優(yōu)勢，我們初步判斷2可行。預測推演：如果有同行經驗或做競品調研，還可多做一步推演。以單月營收來核算，假設每日新增給社群的流量為100人。

　　首購GMV=新增社群流量100人*30天*首購轉化率0.2*首購客單價100元=6W

　　復購GMV=首購用戶600*復購轉化率0.2*復購金額2000元=24W

　　成本=人員成本+流量成本

　　每月每人能運營用戶2000人，假設2人工資成本2W元。

　　ROI=GMV/成本=（首購GMV6W+復購GMV24W）/（人員成本2W+流量成本3000人*單個社群流量成本x）

　　結論：單社群新增流量成本 x93元，ROI即可1。93元的獲客成本對未來站內和站外用戶獲取都是可以實現(xiàn)的。

　　在MVP測試的一個月內，最終確立了社群運營轉化形式，實際最終使得轉化率提高了4倍，轉化周期縮短了2倍，為這個項目的規(guī)模化增長帶來了契機。

　　這個階段開始正式投入運營，同時收集和分析大量數(shù)據(jù)，尋找可增長點。并圍繞用戶生命周期模型，建立可衡量的細分指標。

　　1）數(shù)據(jù)收集和分析

　　主要收集3類數(shù)據(jù)（分析目的）：

　　用戶行為數(shù)據(jù)——找出用戶關鍵行為（影響關鍵指標的關鍵行為）。用戶路徑數(shù)據(jù)——用戶在產品各環(huán)節(jié)的使用數(shù)據(jù)（歸納用戶典型路徑，找出用戶價值提升過程中的一般規(guī)律）。用戶基礎信息——潛在用戶畫像（①針對異常數(shù)據(jù)進行基礎判斷；②一定程度上的用戶細分；③區(qū)分渠道或判斷渠道質量）、付費用戶畫像（如有共性，可為精準用戶的獲取和運營提供方向）。2）找到影響關鍵指標的關鍵行為因素

　　用戶進入社群后，影響轉化率的用戶行為可能有：發(fā)言提問、打開學習課程、學完課程、參與群活動、領取優(yōu)惠券等。

　　那么結合時間點，用戶的每日課程打開率、學完率、每日發(fā)言頻次、講座參與率、領券率都是需要密切關注的數(shù)據(jù)。

　　考慮到數(shù)據(jù)樣本量和統(tǒng)計難度，先對小程序課程的打開率、學習率、領券率等進行埋點做定量分析，用戶在社群內的發(fā)言頻次、講座參與情況等行為做用戶標簽，做定性判斷。

　　以學習情況為例，學習率對免費得到課程，且僅僅只有3-5天學習時間的用戶來說，是否能影響購買決策？影響值有多大，是否足夠成為關鍵因素？

　　后臺能拉取到2020年02月02日開班的這批課程里，有200個班級學員，這些學員的課程學習情況數(shù)據(jù)如下：

　　表里有用戶基本信息，最后打開時間和課程學習情況。每節(jié)課里有4個環(huán)節(jié)，這里面1、2、3、4是指這個學員學到了這個課程里的第幾個環(huán)節(jié)，0就代表一個環(huán)節(jié)未學。

　　這個后臺數(shù)據(jù)是按照課程的學習情況來統(tǒng)計的，沒有時間維度。就需要在定義的社群運營時間內，拉出這些學員的學習情況，以及付費情況。做交叉對比。

　　要了解學習率與付費率的關系，用戶的基礎信息先不看。

　　數(shù)據(jù)處理：定義在時間段內，學習過一個課程環(huán)節(jié)即視為學習過課程，對原數(shù)據(jù)進行處理，0為一次未學習，1為學習過至少1個環(huán)節(jié)。得到一個班級的學習率情況。

　　放大顆粒度，查看多個班級的學習率和付費率，以班級為單位比對學習率和轉化率，有正向關系，但關系度有多大并不能明確。

　　回到表一，我們拉取過去1個月1萬個體驗課用戶的學習情況進行取值。

　　可以和BI同學協(xié)作把數(shù)據(jù)放入相應模型尋找規(guī)律，找到聚合的分類方式。

　　3節(jié)體驗課一共12個學習環(huán)節(jié)，20%的用戶完成了1-3個環(huán)節(jié)學習，付費率為55%，其次是12%的用戶完成4-8個環(huán)節(jié)學習，付費率為75%；更少的8%的用戶學習9個環(huán)節(jié)以上，他們的付費率為80%。如果用戶一節(jié)課都未學，付費率為6%。

　　40%學習用戶貢獻了94%的付費，可以明確用戶學習與付費的相關性質。學習4個環(huán)節(jié)以上的用戶，付費率比3個環(huán)節(jié)內的高，但因為4-8的用戶占總數(shù)比更小，所以當下運營策略的重點將放在引導用戶產生至少一次課程學習。

　　其次，我們看到比較特殊的數(shù)據(jù)是，用戶學習情況并沒有按課程節(jié)數(shù)，而是1-3、4-8這樣區(qū)分。結合實際業(yè)務情況，課程第4個環(huán)節(jié)是學生跟讀輸出環(huán)節(jié)，大量學習用戶在跟讀環(huán)節(jié)流失。

　　根據(jù)運營反饋，流失的原因可能有：

　　課程試聽者是家長，到第四個環(huán)節(jié)需要跟讀就跳出了。跟讀句子有一定難度，部分學生難以有耐心和能力完成。這里產生的幾個疑問可做進一步調研，這些原因，也將放在下一步優(yōu)化范圍內。

　　現(xiàn)在已經知道了學習率的重要性，接下來希望能進一步分析出哪些因素影響學習率。

　　同樣的方法：

　　從用戶基礎數(shù)據(jù)上看，是否有某類年齡段、地區(qū)、消費習慣的用戶更愿意打開學習；從用戶行為數(shù)據(jù)上看，是否有規(guī)律性的用戶平均學習時長、用戶學習時間分布、用戶學習頻次等；從用戶路徑數(shù)據(jù)上看，用戶更愿意在加入社群的第一天打開學習，還是在發(fā)放優(yōu)惠券的當天，或者是最后一天？這些不同節(jié)點的用戶占比是否有明顯不同比例，他們的付費率是否有明顯區(qū)別等等。如果無法立馬取值，定量分析，那運營怎么辦呢？

　　運營也可以采用定性方法來做初步驗證和判斷。

　　我們想知道自己這些用戶在哪一天更愿意打開課程，那就增加讓用戶主動分享學習時間、學習成果的分享環(huán)節(jié)。

　　通過打卡激勵、作業(yè)評分等方法來獲得反饋。這時候就能發(fā)現(xiàn)，用戶在加入社群的第一天學習打卡的人數(shù)最多，第二學習人數(shù)最少，最后一天又會增加。相應的提高學習率的策略就可以是第一天做新手引導，第二天做留存活動，最后一天給予學習獎勵等。

　　以上僅以學習率舉例，其他影響因素也可以同類方式分析，最終找出關鍵行為。

　　社群用戶有明顯的從加入社群，參與學習到離開社群的隨時間推進的過程，故以用戶生命周期模型來搭建社群用戶運營體系。

　　在社群MVP時，我們已經能總結出一些可能影響社群轉付費的行為有咨詢提問、學習課程、參與講座、領券行為等。

　　如同上一節(jié)分析用戶的學習行為與付費的相關度一樣，在運營過程中可以通過更具體的用戶數(shù)據(jù)收集和分析來逐漸明確用戶定義。

　　在上一階段已經發(fā)現(xiàn)，用戶只要完成一節(jié)課的1個環(huán)節(jié)，就有較高的付費率，且伴隨咨詢行為。而完整學完1節(jié)課程即4個環(huán)節(jié)以上，更集中發(fā)生在第二天即最后一天，所以定義打開過課程即為激活，完整學習完一節(jié)課程的用戶即為留存用戶，而不要求是2節(jié)或3節(jié)課程。

　　休眠用戶同樣，我們通過短信push\APP推送、微信推送多個渠道喚醒用戶，發(fā)現(xiàn)在微信渠道用戶的喚醒率是最高的。在微信渠道積累了大量用戶后測試發(fā)現(xiàn)，一個月內比3個月用戶喚醒率更高，同時付費意向度也極高，僅次于在7天周期用戶付費率。

　　有了明確的用戶定義后，即可制定相應策略。

　　運營策略是一套機制和規(guī)則，每個策略下針對實際情況又會有更具體的運營方案。

　　比如，同樣的新用戶引導策略，什么樣的標題、什么底色的圖片，在什么時間點跳出，跳出幾次，能更多的促使用戶點擊。

　　舉例：在社群運營中留存會比較困難，常見的情況是用戶在剛加入社群后非?；钴S，但很快隨著時間推移打開群的用戶越來越少，首購社群也有同樣的問題。因為體驗轉化類社群，我們給出兩個策略：

　　給予連續(xù)學習獎勵；預告次日講座，給到用戶價值和福利。以講座為例，具體的運營方案是：

　　用戶留存策略：社群活動-講座運營方案：

　　講座形式：文字講座。講座頻次：第三天。講座對象：有過活躍行為用戶（填寫表單）、潛水用戶。講座主題：用戶痛點角度主題、課程亮點角度主題，用戶互動咨詢類等等。講座規(guī)則：在第二天提前發(fā)放問卷，收集用戶問題，如果用戶問題收集不到%，則在第三天開始前1小時再次私聊觸達；講座問題提前儲備好往期比較有爭議性的話題，如互動量小于%，則拋出此類問題進行引導。講座目標：**%用戶參與互動。如果有心，運營者可以設計幾套針對不同對象的、不同主題、不同目的的社群講座方案。

　　諸如此類，在什么渠道以什么樣的展現(xiàn)形式、頻次，吸引什么樣的用戶參與，達到一個具體目的被稱為運營方案策劃。

　　通過多次嘗試和優(yōu)化，發(fā)現(xiàn)對用戶留存效果最好的講座是答疑形式，同時總結了能引發(fā)用戶討論的10個話題，最終這個講座方案模板化固定下來，并保證每次8%的用戶互動度（側面統(tǒng)計留存）。

　　上述生命周期模型的搭建，是自上而下的用戶運營的底層邏輯梳理：

　　明確了用戶定義（有哪些行為數(shù)據(jù)的用戶被判定為處于生命周期哪個階段），可以采用哪些運營策略和對應方案（采取的策略對相應用戶數(shù)據(jù)產生多少程度的影響，優(yōu)化的運營方案是否提高了數(shù)據(jù)指標）。

　　通過多次迭代，最終有了一套在當下最優(yōu)的運營方案和對應細分指標。

　　假設在這個團隊里，首購社群的轉化率為一級關鍵指標；二級指標即為影響一級指標的核心因素，把用戶行為數(shù)據(jù)指標轉變?yōu)橐匀簽閱挝坏臄?shù)據(jù)指標。

　　為達到二級指標，運營人員可以探討更合適的策略和方案。對管理者來說，監(jiān)測二級細分指標的完成情況即可預測和把控最終轉化率。

　　基于前面優(yōu)秀的ROI表現(xiàn)，產品在主站內擁有了更高更長期的資源曝光，同時也有了更多的市場預算做外部投放。項目進入了新階段，流量和社群新增用戶量呈現(xiàn)指數(shù)級增長，但這個時候，連續(xù)幾周轉化率直線下降，原有的運營機制似乎出現(xiàn)了問題。

　　面對突然的明顯數(shù)據(jù)下滑，提出幾個假設：

　　因為投放渠道、曝光的急速增長，獲取到的用戶精準度下降；因為用戶量急速增加，運營人員人效超負荷，新員工培養(yǎng)時間太短，運營工作沒有做到位。站外的渠道無法做對比評估，先拉取從站內獲取的用戶的基礎數(shù)據(jù)，和之前用戶的基礎數(shù)據(jù)做對比，包括用戶年齡段、地域消費情況、活躍情況等，數(shù)據(jù)結果區(qū)別不大。

　　運營人員的工作效率問題，也做了更多的指。，但老員工同樣也未能達標，連續(xù)兩周的數(shù)據(jù)都在下降。

　　幾個假設都不成立，或者無明顯相關關系，最終回到初創(chuàng)項目時使用的方法：用戶訪談和用戶調研。

　　一方面在運營過程中，找比較活躍的用戶咨詢了解不愿意付費的原因，另一方面在群內根據(jù)用戶主動咨詢的問題找方向，做大量的調研測試。

　　最終發(fā)現(xiàn)，是新用戶的認知度下降。

　　隨著曝光增加，更多用戶是被更廣泛的“啟蒙”、“英語”吸引而來，而對課程IP的了解程度、對公司品牌的了解度極低，而我們的運營策略依舊以默認用戶有認知基礎方案轉化。

　　這個階段后，社群運營周期做了新一步策略上的調整，運營周期從3天增加到5天，前兩天進行增加認知環(huán)節(jié)宣傳，強調品牌和教學理念，后3天再開始涉及轉化。

　　這個方法最后多次在站外渠道獲取的用戶中使用，在每次新渠道拉取的用戶建立對應社群，并在運營周期中間，和運營結束設立調研問卷。

　　一般從幾個方向做細分：該渠道用戶的年齡、該渠道用戶消費能力、該渠道用戶對我們課程的認知度、對體驗流程的感觀。

　　年齡段偏高的用戶群，增加高級別課程購買入口；認知度較高的用戶群增加團購、人拉人等促銷玩法等。

　　本文由@陳二狗 原創(chuàng)發(fā)布于人人都是產品經理，未經許可，禁止轉載。

　　題圖來自Unsplash, 基于CC0協(xié)議。