互金推廣運(yùn)營入門指南（二）：正確用戶畫像！

讀過我第一篇文章互金運(yùn)營入門指南（一）：一篇搞懂6類互金產(chǎn)品的同學(xué)應(yīng)該知道：第一篇主要在介紹各類互金業(yè)務(wù)、玩家、盈利模式、核心能力要求等，其實(shí)是在幫助大家Know Your Product的過程。

了解你要運(yùn)營的產(chǎn)品，這是運(yùn)營的第一步，否則你永遠(yuǎn)無法運(yùn)營好他。

這篇我們再來說另一個東西：Know Your Customer，知道你的產(chǎn)品目標(biāo)用戶是誰、在哪里可以找到他們、他們在意什么、什么能打動他們，這樣才能成為一個不動聲色的老運(yùn)營。

用戶畫像重要嗎？

按下不表，我們先一起探討幾個問題：

1. 你的用戶中哪類用戶貢獻(xiàn)ARPU最高？他們有什么特征？在哪里投放最能獲取到這類用戶？
2. 哪類用戶留存最好？什么打動他們留下來？他們還需要什么？
3. 這次新功能首先對哪些用戶開放測試？
4. 這段時間APP活躍越來越低，為什么？

如果你不是在拍腦袋和猜測情況下能回答出以上4個問題，相信你在心里基本都有一張1:10000比例尺的用戶畫像地圖。

所以回過頭，上面這些看似跟用戶畫像無關(guān)的日常運(yùn)營問題都離不開對用戶深刻的理解。

每個行業(yè)都有自己行業(yè)特點(diǎn)的用戶畫像，電商或許偏重消費(fèi)能力、品牌偏好，O2O偏重地域?qū)傩?，金融行業(yè)自然關(guān)注就是用戶資產(chǎn)狀況。互聯(lián)網(wǎng)金融行業(yè)由于集合了金融行業(yè)和互聯(lián)網(wǎng)行業(yè)特點(diǎn)，所以用戶畫像會更多維。下圖是我總結(jié)的互金行業(yè)用戶畫像，我稱之為五維用戶畫像。

這個五維畫像分別從基本信息、金融屬性、消費(fèi)屬性、興趣屬性、社交屬性5個維度對用戶進(jìn)行描述，通過這些描述我們會得到一個對用戶的籠統(tǒng)解釋。

但此時問用戶是誰？在哪？怎么找到他？我們還是回答不上來，因?yàn)檫€需要第二步：在此基礎(chǔ)上對用戶進(jìn)行聚類分析，刻畫出產(chǎn)品的典型用戶畫像。

（示例圖）

典型用戶畫像的目的是勾勒出有代表性的用戶，能夠做到當(dāng)我們讀完畫像后腦海里立馬能浮現(xiàn)出這個人的音容笑貌、喜怒哀樂，感覺就是身邊的一個朋友。

另外需注意在保證畫像有血有肉的同時要保證有骨架支撐，這個骨架我稱之為用戶DNA指標(biāo)。

凡是能將某類用戶與其他用戶區(qū)分開的指標(biāo)都能被定義為DNA指標(biāo)，比如客單價、理財頻次、風(fēng)險偏好等等。

基于DNA指標(biāo)我們就可以搭建出一套用戶分類模型，這套模型可以幫助我們解決大部分運(yùn)營工作中的問題，但切記一套模型中DNA指標(biāo)盡量控制在5個左右。

（分類模型示意圖）

有了這套模型，后續(xù)運(yùn)營已經(jīng)成功了50%了，接下來我會舉一個實(shí)際案例幫助大家體會用戶畫像在實(shí)際運(yùn)營工作中如何運(yùn)用。

這個是我在做MGM運(yùn)營時的一個操盤案例。

MGM就是常見的推薦好友注冊的獲客模式，模式的關(guān)鍵因素是推薦人。

在運(yùn)營初期我按照五維畫像對所有推薦人做了分析，但是很快就遇到問題：畫像是對所有推薦人的均值描述，按照這個描述所有用戶的特征都極度趨近。

另外不同推薦人的貢獻(xiàn)價值是不一樣的，哪些特征的用戶是我們要找ARPU最高的那群？

為了解決這2個問題，我從推薦人五維畫像里提煉出3條最核心的指標(biāo)構(gòu)建了推薦人模型，將推薦人劃分為8大類，比如下圖標(biāo)紅的推薦人，我叫他“前鋒推薦人”，顧名思義就是類似足球場的前鋒。

這類推薦人有5000人，占所有推薦人的20%，但他們推薦來的用戶出借金額占到79%，非常符合“二八原理”。能否運(yùn)營好他們，直接決定著運(yùn)營工作的成敗。

在17年6月的時候我們的業(yè)務(wù)資金需求突然上升，需要3天內(nèi)額外補(bǔ)充1個億資金，這是典型的時間緊任務(wù)重的棘手活。

常規(guī)策略完不成任務(wù)、策劃活動來不及上線，經(jīng)過分析我們決定拿這波前鋒推薦人下手。當(dāng)天下午迅速給這5000人定向推送限時返傭短信。短短3天時間共有1000人參與活動，帶來資金1.2億，快準(zhǔn)狠地完成這次任務(wù)。

復(fù)盤這次活動成功的關(guān)鍵，其實(shí)是在任務(wù)出現(xiàn)前已經(jīng)對用戶有深刻的理解。沒有五維畫像、8類推薦人模型，我們是不可能在短時間內(nèi)準(zhǔn)確定位用戶、預(yù)估效果。其實(shí)，所有運(yùn)營工作也都是如此，這也是運(yùn)營的內(nèi)功。

最后再次總結(jié)下運(yùn)用用戶畫像的三個階段：

1. 基于五維模型做目標(biāo)用戶描述，形成用戶輪廓；
2. 結(jié)合運(yùn)營目標(biāo)提煉3-5個關(guān)鍵指標(biāo)，對用戶做聚類切分；
3. 針對每類用戶做定向運(yùn)營并復(fù)盤，最終總結(jié)出對癥下藥的策略。

現(xiàn)在流行的個性化展示、千人千面的運(yùn)營以及智能推薦都是同樣的邏輯，只不過數(shù)據(jù)源增加了行為軌跡數(shù)據(jù)，運(yùn)營動作更加實(shí)時、動態(tài)。

來源：北京大兵