用户操作到底是什么？成为用户需要具备哪些能力和素养才能操作？
什么是用户运营？
“用户操作”，顾名思义，可以称为用户操作围绕用户的操作动作和策略的全LTV:
有人认为做活动，做社区才是用户应该做的。
有人认为做用户系统、改造、数据监控是用户在运营中应该做的。
也有人把渠道投入运营，投入用户运营。其实我觉得这些都可以称之为用户操作，因为这些任务会影响到用户的整个LTV周期。那么成为用户需要具备哪些能力和素养呢？
用户从哪里来？
1. 渠道投放职能划分
用户可以通过付费和免费两种形式进入网络和应用。通常，用户的分流入口是在网络、app和一些流量分发平台上打开的。按照功能划分，大致可以分为SEO、SEM、ASO、ASM、DSP(信息流)五大渠道运营功能。
2. 付费渠道的结算方式
一般来说，SEM和DSP的结算策略大致可以分为：CPC、CPA、CPM、CPD等结算方式。其中CPS和CPA对买方有利，CPC和CPM对卖方有利。
3. 资源对接
和股票交易平台一样，不同的买卖双方会通过中间商连接资源。广告联系广告交易的买方(广告主——即广告主，如我们的App)和卖方(SSP的流量广告位的所有者，如爱奇艺)。
通过以上方法，用户已经来到我们的产品。
(互联网分销渠道)
产品建设
1. 用户分层用户标签体系化建设
用户标签是用户操作策略的前提。如果能自动标注用户的一些行为，就可以为垂直化、精细化运营铺平道路。
第一类标签可以利用公司最重要的业务类型对用户进行分层，如电商公司的利润、直播公司的用户充值金额、贸易公司的手续费等。如果下一步要拆分，可以是交易金额、利润、充值金额等维度。
第二类标签可以使用用户属性对用户进行分层，如年龄、职业、性别等。
第三类标签可以采用用户在Web和App中的行为，如浏览、查看、注册、下单、支付、回购等。但这一项对产品的埋点、数据、后台支持有更高的要求。
比如用户标签系统游戏比较多，比如LTV生命周期用户标签和RFM模式用户标签都是比较流行的传统互联网运营游戏。
有了用户标签后如何使用，将在下面的操作策略中强调。
(用户分层用户标签系统化构建)
2. 产品反馈机制
确立了“不感兴趣”的功能。目前很多产品经理在制作页面时缺乏与用户的良好沟通，导致用户的偏好不明确。因此，在产品端打开一个用户建议和投诉箱是非常重要的。
3. 用户激励体系用户成长体系
这是一个老套的话题。很长一段时间，没有App就不能称之为App。事实上，这个用户增长系统分为不同类型的产品，应该以不同的方式制作。
比如高频产品的创收行为，比如墨迹天气，主要集中在广告展示上，所以用户高频登录获取积分、等级、经验值非常重要。
比如中频产品淘宝、天猫的创收行为主要集中在ARPU(平均收益用户)，所以系统要重点关注注册-浏览-下单-回购的路线。
比如低频产品和携程去哪里，需要在电商产品的基础上增加内容论坛等指标的活跃度，增加用户粘性。
示例：
(简单列举几种求积分的方法)
4. 优惠券、会员机制
这些在电子商务和交易产品中很常见，例如天猫和携程。优惠券作为用户提高平台用户单价的利器，是操作中必须掌握的必备技能。就像程的“三轴”，哪些用户使用低面额的优惠券，哪些用户使用高面额的优惠券，哪些用户使用长期的优惠券，哪些用户使用短期的优惠券，哪些用户使用所有类别的优惠券，哪些用户使用垂直类别的优惠券。
这些可以写在一篇单独的文章中，这里不再详细描述。
(优惠券)
5. 数据平台
用户是运营中对数据需求最敏感的角色，因为互联网时代使得可接受的数据极其丰富，也为我们提供了足够的发挥空间。列举一些我在行业中使用过的常见数据平台：
移动端用户数据分析平台：移动统计，通话数据。
百度统计，谷歌分析，增长。
网页端：阿列克谢、西莱韦布
竞品监控：站长之家，CNZZ(原优盟)。
可以实现百度指数、淘宝指数等一些流量监控：,常见的指数平台。
市场监控：
(用户的来源和目的地)
(用户来源类型分析)
列举些常见平台的用法：
通常，从底层数据掩埋点到上层数据清理、挖掘和分析，得到一个用于业务决策的结果数据。
(用户行为的基础数据从何而来)
运营策略
1. 分级运营
用户标签系统到位后，要建立不同用户的运营策略库。
短期和长期流失的用户应该召回哪些策略？
当用户的平均LTV丢失时，应该对用户采取什么策略？所有这些都可以实现规则和标准化的演奏风格。
核实渠道交付的虚假数量。
放在频道里，经常会被频道的刷量和用户的刷量所困扰。然后我们可以利用用户标注系统对一些真实用户的常见行为进行标注，从而区分“真实用户”和“虚假用户”。
新注册用户的体验转化。
有些用户从未使用过产品的某些功能，因此可以针对这类用户实施操作端录制，如：push、PUSH、站内信、跳转、小图标引导、横幅展示等都可以有针对性地指定用户进行操作，让用户在产品中流动。
2. 用户运营常用模型
有了这些平台，那么用户的这些数据是怎么得来的？
该模型可用于早期确定手术间隔和监测效果。之后会送到产品研发，实现自动报警、操作策略、润色的全过程。
然后将这些指标作为流失用户模型的指标，根据已经流动的用户比例分别调整其权重。模型要根据不断变化的行为数据进行迭代，尽可能预测某类用户即将流失，我们要采取相应的措施留住他们。根据留存效果，我们可以在流失用户模型中加入相关流失用户的留存措施和留存效果，尽可能形成“预测-留存措施”的自动预警。
用户流失预警模型
RFM模式首先用于互联网电子商务行业。这个模型优化后，我在监控用户的分层流量和定点操作策略时经常使用RFM模型，这是我比较喜欢使用的一个模型。前期可以将第一版区间值与操作中的经验进行匹配，后期可以确定R、F、M的数字维度，然后提交给产品经理和R&D同事，形成自动化的数据导出。
(RFM模式)
RFM模型
这类模型在电商行业的运营中经常用到，比如Kohonen神经网络模型和线性回归方程预测，通常用来预测下个月的DAU和GMV。如有异常，运营可及时切入分析数据，制定运营策略。
SPSS预测模型
这种模型通常用于根据不同的贡献值区间对用户进行分层，或者对SKU单位的商品进行分层。
SKU价格聚类
这类模型常用于挖掘出一些对用户创收行为有价值的行为，例如用户集货、添加购物车的行为与下单等创收目标行为有很强的关联性，这些行为所占据的权重指数可以进一步计算。
以上模型在此不再详细展开，后续会单独发表一篇关于数据分析的文章。
3. 常见触达方式
站内信：需要开发，但对用户运营最划算。用户可以分类操作。
短信：需要成本，是短期过渡、召回、特大事件常用的营销方式。
邮件：国外常用，国内用户不推荐使用，因为使用率低。
推送：在优盟、格图等第三方平台嵌入SDK后，即可推送所有用户。
电话：需要成本，通常用于平台头部创收用户的定向维护、营销和召回。
AB测试
(AB在召回策略中的使用)
Growthhacker最常用的方法就是这个，世间万物都离不开迭代。那么善于运用AB、归纳、回顾、总结的操作者，从长远来看，一定能够产生效果。
推荐一些新手用户运营的教科书
《运营之光1.0、2.0》
《增长黑客实战》
《引爆用户增长》
《数据挖掘与数据化运营实战》
感谢阅读~ (End)
作者：程晗，某金融公司高级运营经理；微信微信官方账号：十年成长运营札记。专注于互联网运营领域的研究和总结，对活动运营、用户运营、数据运营有着深厚的兴趣和思考。
本文最初由@程晗发布，大家都是产品经理。未经允许禁止复制。
图来自Unsplash，基于CC0协议。
奖励作者，鼓励TA努力！欣赏
