很多人说接下来是精细化运营驱动的时代。对于TOB产品来说，精细化运营主要指的是什么？

　　如果用一款营销自动化工具完成基础的数据分析，各渠道的销售线索都可以更直接地给销售人员，这不是更符合企业需求吗？像GrowingIO、神策数据这样的工具，价值主要体现在哪？

　　本文来自“TO必问”的用户问答，感谢神策数据创始人 桑文锋先生在TO必问的分享。

　　对于这个问题，我从两方面来回答。

　　一方面，我们到底应该怎么理解精细化运营，并且做好精细化运营？

　　另一方面，神策数据是典型的TOB企业，我可以谈谈我们是怎么做精细化运营的，也就是TOB公司的精细化运营都做啥？

　　所谓精细化运营，其实是结合了市场、渠道、转化流程和用户行为数据分析，对用户开展更精准、有针对性的运营活动，以提升目标转化率。

　　从某种角度来说，精细化运营可称作数据化运营，要细致而深入地拆分各个环节的运营数据，做好用户行为分析。

　　精细化运营的概念其实好理解，但问题是——如何做好精细化运营？这里有两个核心：用户运营和数据分析。这也是我接下来要分享的主要内容。

　　从数据角度上看，用户运营是通过一系列的运营手段，持续提升用户相关的数据。

　　因此，如何联合用户分群和数据分析更好地进行用户运营非常重要，这也是精细化运营的一个很重要的点。

　　神策数据是做用户行为分析的，我在这里可以详细分享一些真实的用户案例，让大家更容易理解，到底怎么做好精细化运营。

　　当然，接下来的内容绝对适用于大多数用户类产品。

　　对于用户运营和数据分析而言，首当其冲的问题就是：怎样做好用户分群？

　　用户分群主要可以从两个方面进行实施：纵向用户分层和横向用户分群。

　　1、用户分层

　　从经典的用户增长模型 AARRR 看用户运营体系，从用户获取、活跃到付费、留存、传播分享，用户是需要动态演进的。

　　我们以一个真实的电商客户 H 举例，用户进入到产品后，会发生注册、使用产品、购买、付费到最后流失，这个过程用户会拥有不同的状态。

　　如果通过用户的状态看用户群体，他们不再是一个简单的整体。

　　所以我们需要通过用户层级的划分和相对应的策略方法，去引导各个环节的用户完成理想的下步动作，来实现用户的精细化运营。

　　对于不同环节的用户，H公司都会有不同的目的，如下举例：

　　新用户

　　希望他们可以深入体验产品，成为活跃用户

　　活跃用户

　　加深产品的使用频率，最好可以促成转化

　　付费用户

　　增加复购次数，提高忠诚

　　忠诚用户

　　做好忠诚用户维护

　　2、用户分群

　　用户分层是上下结构，可是用户群体并不能以分层结构作为完全的概括。

　　简单想一下，我们以用户是否付费，划出了付费用户层级，可是这部分群体也是有差异的，有的用户很土豪，一掷千金、有用户只买了单价较小商品，消费较低、有的偏爱购买衣服、有的偏爱箱包。

　　为了满足更加精细化的需要，所以我们此时需要使用水平结构的用户分群，将同一个层级内的群体继续切分，切分的大概思路和规则基于但不限于如下图展示。

　　对于不同层级用户我们举例进行说明

　　（1）新用户层级

　　还是上文提到的电商客户H。

　　H 公司对新用户的定义为当天注册的用户（产品必须先注册才能体验）。

　　这个层级的用户主要根据自身的基础属性进行划分。

　　首先， H 公司对不同渠道来源用户做分组下钻，了解各个不同渠道的注册用户数，那每一个渠道的注册用户就会被划分成一个不同的群体。

　　H公司对重要渠道的客户群体会进行不同的消息推送和优惠活动，促使用户提升活跃，渠道提升质量，做到对不同渠道的客户使用更适合他们的服务方法。

　　其次，用户在注册 H 产品时，是需要填写年龄和性别的，是因为在电商产品中，男女性别的差异会在消费类型里呈现显著的区别。

　　所以 H 客户会对年龄和性别进行用户群体的划分，对不同的注册用户，推送他可能会喜欢的东西来吸引其变成活跃用户。

　　在实际运营过程中，H公司的运营人员对28-32岁之间的男用户进行用户分群，并根据自身产品业务的细分领域，向该人群推送相关品类商品。

　　（2）活跃用户层级

　　客户对活跃用户的定义是每日启动过产品的用户即为活跃用户，但不包括当天发生注册的用户。

　　活跃用户的用户层级，可以更多的根据用户在产品中的行为特征，进行群组的划分。

　　这些特征包括但不限于用户的使用偏好（如时长、深度、时段）、页面类型浏览（如不同商品的页面）、重点业务行为（如加入购物车、分享）。

　　对于用户使用偏好，又有两个分群场景：

　　一个是根据用户近期浏览不同商品页面的数据去划分用户群体。

　　如我们对用户查看 “商品详情页” 这个行为进行商品品类的维度下钻，推测用户近期感兴趣的品类都有哪些，且 H 公司需要限制用户到达商品详情页的前向来源是必须通过banner、推荐、商品列表或者搜索过来的，因为这些地方的点击是可以体现用户对商品有一定的兴趣的。

　　现在我们把活跃用户层级上的目标人群进行了更精细化的切分，找到了我们需要的目标人群，下面要做的是如何更好的进行推送。

　　在这里，比较有效的方式是，研究用户使用App的行为数据曲线，了解用户使用App的使用习惯集中在哪些时间段。

　　有了对用户使用习惯的了解之后，就可以针对这一批人群，在他们相对活跃的时间段中，专门的去做出一些优惠的礼券和相关的商品信息的推送。

　　这样精确触达用户需求和心理的做法，会让他们对产品产生亲和感，并继续使用产品，高力度的目标优惠也会促进用户付费的转化。

　　通过上文的阐述，这是 H 公司给我推送真实的消息。我的浏览行为和上文描述其实一样的，开始我只是打开 App 随意浏览下，几天后我又详细的浏览了手表相关的商品，如下两张图为详细推送内容。

　　左边图片是对我启用召回的推送信息，右边图片是对我浏览过手表后的推送信息。

　　第二个分群场景是根据重点业务行为进行分群。

　　如对在微博、微信、朋友圈中分享了自身的产品或者服务的用户进行分群。

　　这部分用户被 H 公司称之为网络活跃者，并把进行过相关行为的用户的信息进行数据汇总，对这群人采取区别于其他用户的邮件文案进行营销活动，使用更具有吸引力的促销力度。

　　优惠的力度可以根据用户其他属性再进行细分，如年龄、职业、分享方式，不过这需要更加详细的用户行为数据及其属性。

　　（3）付费用户层级

　　历史中只要进行过完成订单支付的用户都会被算为付费用户

　　付费用户其实最主要的是根据用户的付费能力和购物偏好进行群组的水平划分。

　　在用户的消费能力中 H 客户主要对消费间隔（Recency）、消费频率（Frequency）、消费金额（Monetary）进行群组的划分

　　在购物偏好中主要对用户购买的品牌、支付方式、购买时段等进行群组划分。

　　如过对消费能力中消费金额这个维度进行划分，可以划分出如下的群组：

　　过去 30 天中总的消费金额在 200 元以内为轻度消费用户

　　过去 30 天中总的消费金额在 200 - 1000 元间为普通消费用户

　　过去 30 天中总的消费金额在 2000 元以上为重度消费用户。

　　如果在对这些用户在进行消费频率和最近消费时间长度两种维度进行交叉分析，就可以得到更详细的用户群体。

　　H 公司即按照 RFM这三种指标对付费用户层级构建出一个我们很熟悉的数据立方体，把该层级用户分成几种不同的群体，不同的群体有不同的特征，更有不同的运营策略，举例说明：

　　高消费、高频率、间隔短人群：用户从各个方面都是属于最优质的付费用户，需要保持

　　高消费、低频率、间隔短人群：这类用户需要促进他们消费的次数，不要成为一次性用户，需要重要保留

　　高消费、高频率、间隔长人群：虽然近期无购买行为，但从消费频率和消费额度看属于重要价值用户

　　高消费、低频率、间隔长人群：用户是大额买家，需要重要发展，增长该用户群体粘性

　　对于购物偏好这个维度中，H公司一方面对付费群体购买的商品品类进行查看，知晓用户偏好的商品的类型和品牌，一方面会用户的下单时间、支付方式进用户购买习惯的了解。

　　在以后的运营中，不管是品牌的大型促销还是个别品类商品的活动，都可以根据行为数据而得到的用户隐形特征对用户进行精细的支持。

　　（4）流失用户

　　流失是一个很泛的定义，用户7 天或者30 天没有触及产品都可以算为流失、没有再次发生支付行为也可以定义为流失，因此在不同的商业模式和公司所处的当前状态下，流失的定义需要自身进行确定。

　　首先 H 对连续 8 周没有使用产品的用户定义为流失用户，这批层级的用户需要根据之前在产品中的行为进行不同的召回策略和维系方式。

　　这里的分群方式就会有很多，比如浏览过商品但是没有下单的用户群体、只支付过一次订单就流失的用户群体。具体的场景和数据就不一一列举。

　　对于TOB公司来说，从神策数据的角度讲，我们对于精细化运营的一般会应用在两个地方：一个是用户分群，一个是数据化运营。

　　1、用户分群

　　先说用户分群，其实就是对人群做差异化细分，然后制定不同的运营策略。可以举几个老用户群组中的例子：

　　对神策功能使用不熟悉的客户，对他们的运营重点是功能如何使用和背后数据计算逻辑；

　　对神策功能已经有了一定了解，但不知道如何满足业务的客户，对他们的运营重点是告诉他们该如何使用功能间的结合去满足业务分析需求；

　　对神策功能使用和需求如何满足都比较了解的用户，运营的重点是后期的咨询和其他增值项目，帮助他们的业务更上一层楼；

　　其实简单的这几个例子，就可以把老用户群体简单的分成三个部分，而每一个部分都会有专门的活动或者资料让相关同事进行用户运营。而且还会有不同的部门进行密切的相关配合。

　　像这样针对性的满足用户需求的做法，其实就是对定向的人群的定向运营，即精细化的用户运营。当然，对于用户群体该如何划分其中一个重要的依据是数据，后面会详细说得到。

　　不过，“精细”也是有限度的，不要超过团队的承受能力。记住，人群有显著的差异化，用户运营才会有差异化。

　　2、数据化运营

　　其实这里的数据化运营，我们更多的是指的是自己本身内部的流程优。不管是TOB公司还是TOC公司，自己内部的流程的每一环节的优化都可能会影响到客户的满意度或者商品的成交率。

　　对于神策来说，我们把客户满意度做为一个关键指标，对这个指标，这个问题进行拆分，拆分出来的小问题其实就是各个部门间的工作内容。

　　所以关键点就在于建立一个数据指标体系，去衡量大问题、大指标下的各个影响因素，这样才可以找到努力的方向和优化点，优化程度甚至可以到组织架构的调整，因为没有衡量就没有改进。

　　还是举两个例子：

　　神策举办沙龙、闭门会等活动，都会有相关的指标来判断这次活动的结果如何，该如何进行优化（这样的线下活动，除了数据外，定性分析和问卷调查都是判断依据）

　　神策进行客户培训机制的改变，从一次上门就把所有内容告知的形式，变成了两次上门，内容分开交付的机制。其实在机制改变前我们就想好了改用什么数据、什么指标进行衡量。

　　最后：

　　其实不管是TOB还是TOC类公司，上面说的内容都是通通适用的。

　　内容中数据是精细化运营必不可少的条件，而像神策，GrowingIO类的公司在里面起到的作用是对数据做更准确更简单的采集、提供通用的分析模型，帮助客户计算数据并展示，可以极大提高企业的效率，减少企业成本。

　　更多TOB干货，到TO必问！（专业的SaaS知识分享平台-www.tobwen.com）