鲁达 本文根据神策数据融合媒体行业高级解决方案顾问朱德康《用户中台建设实践解析》直播整理而成。本文主要内容如下：
- 用户中台简介
- 用户中台运营解决方案
一、用户中台简介
1
为什么建设用户中台
用户中台的建设背景如下：
- 用户红利消失，获客难度增加，获客成本攀升。并且随着用户的可选择性增加，用户留存难度也增大。
- 企业与用户的交互终端日益多样化，比如新闻 APP 端、IPTV 大屏端、商城 APP 端等，使获取不同业务线的数据进行进行统一计算、分析、运营成为可能。
- 随着数据产业的发，大家对用户数据越来越重视，用户数据资产成为企业增长的新方向。
目前面临的问题：
- 用户画像刻画不完整：用户数据采集维度不够，多端数据未打通。
- 不同业务线相互独立，数据资产割裂：数据烟囱、数据孤岛导致的数据资产分散等问题，不能发挥数据的价值。
- 数据服务对于业务支持不足：导致“用户服务响应不及时、运营成本高、数据需求响应慢”。
2
什么是用户中台
上图可以形象地说明什么是用户中台。通过开源 SDK 将各业务线不同终端的用户属性数据和用户行为数据全部采集后汇聚到统一用户池中，进行数据分析、用户打通，洞察用户在平台上不同业务线的整体特征，即全平台的用户画像，再针对性的去做数据应用。
数据应用就是基于数据去做洞察、决策、触达和反馈，如：
第一，全平台的用户数据洞察，可以按照不同的维度把用户进行分层，例如按用户价值、按用户全生命周期等。
第二，私域流量运营。基于用户画像，可以对私域流量，去做一些交叉运营，相互引流。比如说把 IPTV 的用户引流到商城的 APP 端。
第三，基于所有的用户去做会员运营。引流新用户，同时进一步分析引流过来的用户的数量和质量。
第四，运营决策看板。在不同阶段，比如在新用户、成熟用户、流失阶段分别去做不同的运营。
最后，把所有的数据运用反馈到平台端。用户在我们的运营活动后又会产生一些新的动作和用户行为数据，再通过 SDK 把新的用户数据再采集过来并纳到用户池里，进一步完善用户画像完成闭环。基于这个闭环，用户画像会越来越清晰，运营活动也会做得越来越精细。
3
用户中台可以解决什么问题
第一，沉淀用户数据。
SDK 可以采集所有端的用户数据，并统一储存到用户池里并与业务数据打通、关联。然后通过统一的规范和标准，我们可以从全局的角度去识别和认知用户数据，最终形成一个以用户为中心的数据资产池，完成数据的资产沉淀。
第二，认知用户。
基于用户的数据沉淀，我们就可以去分析数据、洞察用户。针对所有业务线中，有共性特征的用户构建群体画像，发现潜在目标用户群共性特征。比如，找出流失用户的群体特征，对有潜在流失风险的用户做召回运营。我们还可以基于用户行为及业务数据，精准构建用户静态与动态画像，做到真正了解每一个用户。
第三，私域流量精细化运营。
认知用户后，可以做不同业务线间交叉营销，相互引流。举例而言，一个在大屏端的用户一直在购买影视会员，分析该用户的观影的记录后发现：基本上每天中午用户都会观看少儿动画片。由此判断，该用户的家里可能有儿童。这个时候就可以给用户发放一些用于购买儿童产品的优惠券来把该用户引流到电商平台。
也可以基于营销触点，围绕用户生命周期、用户价值等维度进行自动化、精准的营销触达，构建敏捷运营闭环。
还可以根据用户画像、行为历史数据进行千人多面的个性化推荐。分析用户的浏览历史，用户是喜欢看动作片，还是喜欢看爱情片？基于用户的浏览历史，分析用户的偏好，然后给用户做个性化的推荐，这些是用户中台可以解决的问题。
二、用户中台运营解决方案
基本上，用户运营的终极目标都是用户活跃提升和 GMV 增长，而建设用户中台的目的就是实现这两个终极目标。
要实现用户活跃提升和 GMV 增长，就需要去寻找实现的路径。比如基于用户数据构建用户画像，在全平台做交叉引流，提升不同端的用户活跃数量。也可以搭建用户全生命周期的运营计划。如在新用户的阶段，可以给新用户提供大礼包；成熟阶段，可以给用户推荐平台新上线的功能。这些都是去提升用户活跃或者是实现 GMV 增长的一些路径。
那么上述实现路径有什么支撑能力呢？
第一，了解用户。我们要知道用户在平台上做了哪些动作，有哪些历史浏览轨迹，形成一个从业务流程到用户画像的全方位感知。通过用户数据洞悉业务的真相，给用户一个最真实的运营方式。
第二，有效的运营决策。在通过漏斗分析、归因分析、留存分析、分布分析构建出用户画像后，就需要去设置运营策略。比如说运营位的个性化配置，定位下钻到一些业务的关键问题，从而规划出可以解决这些问题的方式方法。
第三，对用户做触达。对用户的触达可以是全量触达，也可以是精准触达。比如说针对 618 或者端午节来做活动，那么这个活动是针对少儿的？还是老年人的？还是针对过去 7 天做了某些浏览历史的用户的？我们可以精准抓取这些用户，形成有效的精准触达运营动作。
最后，分析运营决策的效果。比如，我们发出了一个满减优惠券的活动。那么有多少人看到了这个活动？有多少人点击了活动的页面？有多少人用了这个优惠券？最后有多少人用优惠券去订购了这个产品？上述问题都可以通过漏斗分析，根据每一步的转化情况，得到一个有效的反馈。
这是对用户中台从业务目标到实现路径再到支撑能力的一个总述。下面分别对如何提升用户活跃和 GMV 做详细解答：
1
用户活跃提升解决方案
（1）私域流量精准运营，“精益”获客
将全平台的用户数据汇集到用户池后，可能会发现有些用户不仅是单一交互端的用户，可能是多端的用户。例如下图中的用户 A，他不仅是电视大屏端的用户，也是商场 APP、新闻 APP、公众号的用户。并且通过他的历史观影记录，发现用户 A 家中可能有小孩，这个时候就可以通过微信公众号给他推荐一些商城里儿童玩具或者其它儿童用品，也可以给他发送代金券或者满减券，通过这些方式就可以把用户 A 引流到商城 APP 上来，实现交叉引流。
这一步的关键是构建用户画像。如何把全平台的用户按不同的维度去做用户画像，这个就需要去分析不同业务线的用户特征。可以按照下图中的三个用户标签去划分全平台的用户特征，最后基于不同的维度，就可以去做相应的引流和交叉运营。
最后，还需要去分析交叉引流的效果如何。比如我们对有孩子的用户发送玩具优惠券后，要知道引流的效果如何？如果效果不好的话，又该如何去做优化？
我们可以从下述 5 个方面去分析引流的效果：
- 分析不同渠道、不同引流方式的新增用户数。比如说，可以分析每一天，不同平台端的引流数量，对比引流的效果。
- 分析不同渠道的新用户留存情况。比如，从大屏端共引流 398 人,可以分析在第 0 天、第 1 天、第 2 天、第 3 天等的留存情况，从引流用户的留存数量上分析引流的效果。
- 分析用户活跃的分布。例如，新的运营活动后，商城的小程序共从其它平台引流了 100 个用户，但只有 15 个用户是活跃的，那引流的效果其实也不太理想。
- 分析平均使用时长。每一个渠道引流的用户每一天的平均时长是多少，这个方式也可以分析引流过来的用户的质量。
- 渠道对比分析。可以从数量和质量上面对比不同渠道引流的用户，那么就可以知道哪些引流方式是比较好，哪些可能还存在着优化空间。
最后就可以形成一个闭环，优化引流策略。
（2）不浪费一滴流量
新增用户来到平台，需要定位转化和流失人群，诊断新用户体验，分析出流失用户的群体特征和用户流失的节点，并且需要探索价值激活，让新用户快速体验到产品的核心价值进而实现留存。总而言之，不浪费一滴流量，就是最大程度促使新用户留存。
第一步，分析新增用户。
需要定位出新增用户中哪些是转化用户，哪些是流失用户。然后分别做运营活动：
- 转化用户：将转化的人价值最大化
- 流失用户：将流失的人洞察和召回
第二步，洞察激活人群画像。
- 针对转化人群，比如说找到从电视大屏端到商城 APP 端引流过程中，快速实现商品购买的用户，将人群画像的特征提取出来后，就可以指导私域流量的运营，可以把更多具备快速转化特征的用户引流过来。
- 同样针对流失人群，如，从大屏端引流到商城 APP 端的用户，可能没有注册就离开了。洞察流失人群，就可以进一步探寻流失原因。
第三步，持续观察与优化。
- 持续观察已转化的用户，分析其转化流程，比如转化的时间、购买的频率、购买的金额等。可能一个用户购买的单价是比较高的，但是购买频率比较低，那么就需要通过一些运营的手段把用户引导成高频率高价值的客户。
- 对于流失的用户，需要定位用户流失的环节，指导产品的优化。比如说，用户是在大屏端观看节目后流失的，那流失原因可能是节目与用户偏好不符。
第四步，价值点激活探索。
- 对于转化人群，我们需要优化新手引导，快速呈现产品的核心价值。
- 对于流失群体，需要找到原因，在关键节点挽回流失人群。
（3）持续培育用户忠诚度
用户留存下来后，我们可以在用户生命周期的各个环节去做不同的运营方案，增强用户对平台的黏性。
新用户时期：提醒用户去完善信息、领取积分、兑换奖品；在第 5 天的时候，给他发放一个新人大礼包，促进用户活跃度。
成熟用户时期：第 7 天的时候给用户推荐产品的一些核心功能。根据用户的浏览历史去对用户做一些偏好内容的推荐。
将要流失的用户：比如，用户已经未登录 7 天了，可以发送签到提醒给用户或者发一些用户关注的内容提醒；用户 15 天未登录了，可以发一些商品的优惠券，或者发一些热点新闻唤醒用户；用户 30 天未登录了，发送一些奖励对用户做召回。
同时，也可以分析 7 天未登录、15 天未登录、30 天未登录后召回成功的用户，在哪一个时间段更容易实现用户召回，在第几天做召回、用什么样的活动做召回的概率是最大的。
其次，也可以通过微信公众号去实现用户忠诚度的培育。
微信公众号可以实现用户的拉新和裂变。例如，用户将平台二维码分享给朋友，只要用户的朋友成功注册，那两位用户都可以获得平台奖励。
服务号可以实现消息的提醒。用户的积分变动，或者是用户历史浏览内容有了更新，就可以通过服务号给用户发送一个消息提醒，增加与用户之间的互动，从而提高用户的粘性。
再次，智能的个性化推荐也可以培育用户的忠诚度。在实现全平台的用户数据采集和构建用户画像后，就可以基于用户偏好或者商品热度给用户做个性化推荐，如果信息不足还可以根据用户设备去做推荐。比如说在猜你喜欢或者是热门推荐的位置根据用户的浏览历史去实现智能推荐。
最后，还要分析智能推荐的效果。我们可以多维度分析，例如不同设备、不同地区等；也可以按不同的指标分析，比如说人均点击量、加入购物车成交的数量、CTR 的指标等。分析后的数据反馈到用户中台中，又可以指导用户智能推荐模型的优化。
案例：新用户注册流程洞察与优化，助力提升注册转化率
新用户的注册流程：输入手机号、姓名、密码，然后再确认密码，然后再输入图形验证码，最后输入手机短信验证码完成注册。
第一步，洞察用户数据。
分析注册漏斗后发现整体的转化率在 0.1% 左右 ，用户没能完成注册体验到产品就流失了，远不如预期。细分维度查看后发现主要是在两个环节存在问题：
- 第一个问题：获取验证码环节出了问题，很多用户接收不到验证码
- 第二个问题：很多用户在输入姓名时间流失了
第二步，基于问题做出相应的决策或行动：
- 针对第一个问题，需要对注册时过程中的验证码进行优化，确保可以正常发送、正常接收
- 针对第二个问题，可以将姓名的输入设为选填，简化注册的流程
第三步，优化提升。
在诊断问题并优化注册流程后，还需通过漏斗分析优化后的注册转化率的情况，用数据去证明决策行动是可行的、有效的。如果说优化之后的转化率还是很低，那么说明这个决策是不合理的、是不正确的。就需要再回到第一步去看每一步的漏斗的转化情况，去定位出现问题的环节，然后再采取措施，分析优化策略的效果。
2
GMV 增长解决方案
（1）如何让更多的用户去付费
在新用户付费阶段，存在两个问题：
- 用户流量大、活跃高，但是没有变现能力
- 付费率提升不上去，找不到问题点，不知道如何让更多的新用户去付费
可以通过对用户行为分析，找到让新用户付费的合适的商业变现点，同时优化流程与匹配效率。让付费用户享受舒适的权益体验，从此付费转化成自然。比如，原本的购买流程：产品的列表页—>产品的详情页—>点击购买—>产品的购买页。现在是否可以改为：产品的列表页直接到购买页。如果优化后的流程效果良好，就可以降低新用户在平台上的转化时间，达到让更多的人付费的目标：
- 用户标签画像：用户分层洞察、不同阶段用户的偏好、付费能力。
- 事件分析：洞察用户在平台上做了什么、不同类型的用户的偏好是什么，多维度下钻定位问题
- 留存分析：检验每个功能的留存能力。比如说在用户观看了直播之后，还有多少用户会继续看直播
- 分布分析：洞察用户使用深度，比如说每天用户使用 APP 的次数
- 漏斗分析：定位付费流程中各环节转化率，分析用户使用体验是否使用顺利、哪个环节需要优化
- 路径分析：购买失败的用户对其他什么功能更感兴趣、挖掘更多付费点
- 智能推荐，优化匹配效率：针对不同用户的不同喜好，实现千人多面，比你的用户更懂其所需
（2）如何让用户付更多的钱
新用户已经是会员了，那么如何让用户付更多的钱呢？这里有三个难题：
- 平均客单价难提升
- 用户消费频次难刺激
- 交叉消费难实现
那么基于上述问题的解决方案是：
- 智能运营：针对用户的不同阶段、不同营销时机，精准触达、促进转化
- 用户标签画像：洞察用户喜好，陪伴用户周期成长
- 规则推荐：根据用户行为及标签画像，设置推荐规则，为用户提供更匹配的商品展示
- 智能推荐：针对不同用户的行为数据，结合大数据算法推荐，实现千人多面，比你的用户更懂其所需
让更多的用户付更多的钱，需要打造用户差异型运营，在关键时机，促成用户向更高的付费方向转化。
比如我们根据核心用户画像对现有用户分层，分为低消费低频用户、高消费低频用户、高消费高频用户，以及低消费高频用户。我们的最终让所有用户都转变成高消费高频用户。
首先，我们需要对核心用户做用户画像的洞察，了解低消费低频用户的人群特征，如，用户对新产品的需求。其次，分析用户的行为路径，找到促进用户转化的关键节点。再次，基于用户行为路径，打造个性化运营活动并分析活动效果。最后，对效果实时反馈、调优，形成一个闭环，使用户都转化到高消费高频用户上面去。
最后总结一下， GMV 增长的三个关键点：
第一点，提升客单价 / 付费频次。洞察用户行为，打造个性化运营活动，在关键时刻促进转化。比如说只要用户有加入购物车但是没有支付的行为，就可以给用户发放一个满减的优惠券，促使用户完成支付。
第二点，打造用户付费点。分群洞察用户特征，找到当前用户群体对于产品价值的核心诉求，基于此去设计付费点或不同的付费模式。
第三点，优化付费流程 / 商品的匹配度。首先定位流程阻塞点，优化付费转化率，针对转化率比较低的步骤去做分析和优化。其次，针对用户行为去做更匹配的智能推荐，提高用户付费概率。比如说对用户喜欢看的商品或者喜欢看的影片去做推荐，做到懂用户所需。
感谢聆听，本次分享到此结束。