第2章业务：数据驱动运营

1. 如何用数据驱动运营

1.1 定义数据分析目标

说到底，常见的数据分析目标主要分为三类，即解决是什么、为什么、做什么的问题。解决是什么的问题，一般用描述性统计方法就可以解决；解决为什么的问题，则需要能用严谨的逻辑思维对具体问题做数据分析，找出原因；解决做什么的问题，则需要通过具体的分析，提供可选的建议，最后嫁给于宁或管理层来拍板选择相关可行方案。这三大类分析目标最终都会聚焦到一点，对业务及业务流程的了解，只有对业务完全清楚，才知道如何描述是什么，才知道应该从什么角度去切入分析为什么，才知道提供的解决方案能解决业务流程的哪个问题，最终如何影响全局，达到效果。

1.2 目标分解与聚焦

案例分析：付费用户客单价下降原因定位

假设有一个这样的场景，某一段时间内在线问诊订单的客单价下降了，管理层想知道为什么下降了，那么该如何分析呢？

在线问诊是平台上医生给用户提供的虚拟服务，故我们从医生、用户、平台三块展开分析

平台的表现主要从流量来源、产品本身、运营策略及竞品角度展开。

流量来源上，我们需要分析流量的渠道质量，在时间维度上是否有变更；

产品上，看近期是否有调整，比如是否调整了入口，调整了搜索逻辑等，这些调整对转化节点的转化率的影响如何等；

运营策略上，看近期的运营活动对客单价的影响路径如何，近期竞品是否有做什么活动吸引了目标用户

需要注意的点：

一是我们在分析中一定要从数据的源头抓起，弄清楚数据的来源、统计口径以及统计周期；二是我们要时刻保持和业务方及需求方的沟通，确保分析的思路和需求方在一条线上，确保分析的每一个细节都能真实反映业务；三是要明确分析师的定位，重在分析，而不是拍板事情的做法

分析师在具体的分析中，弄清楚问题是首要的，其次是数据论证，最后才是提供建议

1.3 数据运营重点

数据驱动运营，我们首先得了解运营是什么？从广义上来说，一切能够进行产品推广、促进用户使用、提高用户认知的方法与活动都是运营。运营的终极目标是使产品能够持续稳定地、更好地生存下去。好的运营是通过推广、引导、活动等一系列举措让产品的各个指标得到提升。

数据驱动运营，指的是通过数据分析和用户行为研究让产品的功能不断完善，适用性不断提升，使产品有更长的生命周期。

产品（或网站）存在的目的除了要创造社会价值，更主要的是为了实现盈利，那么如何实现盈利的目标呢？这是一个很大的目标，我们首先要将目标进行拆解，分成很多小的可执行的目标。

我们根据AARRR增长模型，将产品的营收路径拆分为激活—> 注册 —> 留存—> 下单 —> 传播。其中激活主要是流量运营在负责，用户运营会贯穿接下来的流程，内容运营主要负责生产优质的内容来提高用户的黏性，从而提高留存，主线运营主要负责主营业务的产品路径，优化转化节点，提高转化。

AARRR模型以及运营重点

下面对AARRR模型中各渠道的定义以及运营方式做详细讲解：

激活：这是流量来源的必经动作，只有有足够多的用户来，才能对这些用户进行转化。而我们都知道，互联网新客的获取成本是比较高的，如果不清楚渠道的流量质量，很有可能花了钱，却没有获取到质量较好的用户。对于这一块，用户触达的基本分析就是对用户来源渠道进行分析，在不依靠自然流量的情况下，哪些合作、投放渠道对我们App、Web产品更合适。
注册：流量激活之后，如果用户只是点进来就走了，则这个流量对产品并没有什么作用。只有通过高质量的内容，合适的产品功能切合用户的需求，用户才会有进一步了解产品的欲望，才会有转化的下一步操作——注册。因此通过渠道将用户引入平台后，还是远远不够的，需要进一步关注用户是否进一步注册转化，从注册流程上看是否存在需要优化的细节点。
留存：由于新用户的获客成本是比较高的，因此不可能一味花钱去不断获取新的流量，同时也需要维系老用户，让进来的用户能对产品形成依赖，产品能契合用户需求，让用户持续不断地来用我们的产品。因此提升留存一方面需要满足用户需求，另一方面需要优化用户体验。 在优化过程中可通过用户分群进行精细化运营，将精准内容推送给特定需求的用户，提高用户对产品的满意度。数据可以通过追踪用户行为，来分析哪些行为可以激发用户持续访问产品，如何促使这些行为的发生等，并通过用户生命周期的研究，对沉默用户进行识别，让运营通过运营手段对这批用户进行唤醒；对流失用户进行标记，让运营通过推送、发放优惠等方式进行召回。
营收：用户是收入的前提。只有产品足够满足用户的需求，使用户认同产品的价值，才会促使用户向付费转化。要让产品持续稳定地运营下去，就需要通过一系列运营手段，让新用户持续地向付费转化，让老用户持续付费。用户运营的基础，是对用户足够了解，足够熟悉，而数据能做的，是帮助运营了解用户的所有属性，让用户不断向营收进行转化。
传播：只有用户对产品高度认可及对产品功能高度依赖，才会愿意将产品分享或推荐给其他人。而在分享或推荐的过程中，又扩大了流量的来源，形成了良性的循环，最终源源不断地将用户往营收用户进行转化，达到价值x2的目的。

通过上面的分析可以看出，在激活、注册、留存、营收、传播的过程中，流量运营以及用户运营始终贯穿其中，是最终促进营收转化的重要手段，下面就流量运营和用户运营展开详细讲解。

2. 流量运营分析

流量运营指的是通过各种推广活动、营销方式提升网站的流量。流量的作用非常重要，产品要赚钱，就需要足够多的转化用户，而每一个转化用户，都需要一定的流量来提供潜在的用户，流量越大，潜在的用户基数才会越大。当产品的转化率达到稳定期时，持续不断的流量会成为产品能够稳定存活的重要因素之一。

2.1 流量运营规划

流量运营需要拆解目标，我们要先清楚流量运营一般包括哪些内容？

从流量营销的角度来看，主要分析对象是访问用户，它们能帮助了解用户的量级、用户的偏好、用户的来源以及去向，能帮助我们了解访问用户在流量中的行为以及不同流量渠道之间的关系；
从分析对象的逻辑结构来看，我们主要看产品的健康状况，页面的表现，注册到下单的流程是否顺畅；
从流量运营的角度来看，主要看产品表现来进行资源以及预算的合理分配，而产品的表现需要通过一系列指标来追踪

在明确流量运营的整体规划之后，我们可以先把营收作为最终目标对其进行拆解，首先需要有足够的优质目标用户来访问网站，这就细分了不同流量来源渠道的质量，需要查看用户的来源以及去向，总结用户对产品的需求；然后需要有合理的产品结构及合理的页面布局来吸引用户，满足用户需求，这里可以看用户的具体行为，如访问路径等。通过追踪用户的一系列行为，在转化的每个过程都设立合适的指标追踪，并通过分析找出有问题的环节进行迭代与优化。以上环节持续不断地进行，量变累计之后慢慢往质变靠拢，不断提高投资回报率，推动营收的达成。流量详细规划图如下：

总之，通过不同视角来对流量进行分析，对以下方面会有所助益：

观察流量规律，区分不同流量的质量，关闭异常渠道，优先选择优质渠道，节约渠道推广成本
根据用户路径分析，寻找产品存在问题的环节以及改进的节点，及时迭代以及优化
对不同流量的用户进行细分，进行精准的市场定位
通过设定指标，追踪流量情况，衡量流量推广活动效果或者渠道优化效果分析

2.2 流量分析

流量是所有用户的归口，是所有后续行为的源头。流量的质量以及量级直接关系到后续的转化好不好，用户规模怎么样，用户层级如何，因此流量分析非常重要。

A. 流量来源分析

在我们分析Web、App上每天的PV、UV时，若发现某天的流量增长明显，则需要找出是什么原因导致的流量突然增长。这个时候我们需要先了解流量来源的分类。流量主要可以分为广告流量、SEO流量、搜索流量、直接流量以及其他流量来源，详见下图：

广告流量主要指的是访问者通过单击其他网站的链接来访问我们的网站的流量；

SEO流量指的是通过网站排名技术（网站Web结构调整、网站内容建设、网站代码优化和编码等），把网站排名提前，被用户搜索到带来的免费流量；

SEM流量指的是搜索引擎营销带来的流量，即搜索引擎根据用户使用习惯，根据用户搜索的信息推送营销信息带来的流量；

直接流量指的是用户直接输入域名访问网站产生的流量。

这些流量在埋点日志中都会有相应记录，方便分析师识别。

B. 虚假流量区分

流量来源中有几类来源都需要花钱购买，涉及成本，所以评估付费流量的效果，评估付费流量对ROI的影响非常重要。流量的付费方式一般分为按单击付费，按用户激活付费，按用户注册付费，按用户下单付费等多种付费方式。

比如按单击付费的广告流量，这个时候我们如何评估流量的效果呢？首先我们需要识别虚假流量，那么什么是虚假流量呢？一般是指合作方为了骗取广告费而人为操作产生的流量。这些流量一般有一定的规律性。数据需要做的事情是找出这些虚假流量的规律性，提供给运营做参考。

一般虚假流量可以从以下几个维度来看：

分时分布。可以看一下各个渠道流量来源的分时分布，正常来说，一般的网站会有一个时间段的明显区分，比如白天流量多，晚上流量少，或者在上下班时间或者午休时间会有流量高峰期。而虚假流量如果是用程序控制带来的单击，可能不会考虑分时的影响，这种没有明显时间分布排列的流量需要重点关注。
页面的跳出率。跳出率是衡量页面质量的指标，这里也可以借用来衡量渠道的流量质量。比如若某个时间段或某个渠道的跳出率非常高，那这部分流量需要重点关注
流量的用户留存。若用户的留存率非常不理想，则这部分流量也极有可能是虚假流量
风控规则。如若同一个设备某一时间段内登陆了5个以上账号，这些流量需要细查
对营收的转化。如果一个渠道引入的流量对营收的转化率非常小，但流量居高不下，这部分流量也需要重点关注。
其他。虚假流量的识别方法非常多，但因为虚假流量也在不断模仿真实流量，所以虚假流量的识别方法可能需要多次校验，多维度一起分析，方法也不局限在这几种

C. 流量波动常见原因分析

对于流量来说，经常会存在流量变化的情况，而追踪流量变化的原因，对于后续的流量运营能更有的放矢。下面我们根据流量的分类来分别看一下不同场景下相关流量类型的流量变化因素。

广告流量

广告流量是通过广告合作，比如在合作产品有广告位或其他引流合作模式带来的流量。这一块流量变化的主要原因为：

（1）广告位置变化，比如合作方原来是把产品放在角落里，但增加广告费之后将产品放在了首页的最显眼位置，用户能够一眼就看到产品，这一块吸引的转化用户可能会比较多；

（2）在合作产品内嵌的入口文字或内容变化，比如我原来可能只是单纯地做了一个入口，后续我针对合作网站的用户群体，将产品入口设置成了符合用户群体习惯的界面，或者加了文字进行引导，导致合作方转化增加，流量加大；

（3）合作方本身流量基数增大，虽然转化率没有变化，但是流量基数增大，使得访问的用户增多；

（4）链接形式变化，图片链接和文字链接带来的转化是有区别的，这个需要通过埋点日志细分看一下；

（5）其他
SEO流量

SEO流量以及SEM流量可以统称为搜索流量，区分方式是，一个是免费的搜索关键词带来的，一个是付费的搜索关键词带来的。SEO流量变化的原因主要有：

（1）关键词，比如产品业务的核心关键词和拓展关键词增加，或者关键词更符合用户的搜索习惯了，则关键词带来的流量会相应增加；

（2）排名与外链，排名的变化直接影响流量的变化，比如我们搜索时一般会直接选top多少的页面点进去，很少会一页一页翻，去看不是首页的内容，所以一般企业都会提升关键词排名，而影响排名的主要因素是外链，这些外链都需要在日志中有记录，好追踪不同外链的质量；

（3）竞争对手，竞争对手的优化策略也会影响我们的流量；

（4）网站内部调整，比如流量增加可能是网站进行了优化，包括网站结构、URL、内链布局、SEO基本元素、用户体验优化等；

（5）SEM的策略，因为SEO与SEM都属于搜索引擎导流流量，对于同一个关键词而言，SEM的排名会高于SEO，SEM流量增加了，SEO的流量会相应下降；

（6）其他
SEM流量

SEM流量是通过购买关键词以及对搜索结果竞价而从搜索引擎获取的流量。影响SEM流量波动的因素主要有：

（1）关键词的定价策略，关键词的价格会直接影响广告的排位以及位置，从而影响流量；

（2）关键词的匹配方式，关键词的匹配方式分精准匹配、词组匹配、模糊匹配，SEM的关键词的匹配方式会直接影响流量，比如搜索女装，若匹配方式是精准匹配，那么只有搜索词为女装时方可对应到广告位；

（3）投放时间，一般凌晨一点至次日八点，访问者在休息，其他时间才是用户比较活跃的时间。故选定的投放时间会对流量影响较大；

（4）广告投放地狱，一般而言，投放的地区越多，和单独投放某个地区相比，引流效果肯定是不一样的，因为增加投放区域会有新的流量池来转化引流；

（5）竞争对手SEM策略，当竞争对手也购买了和我们一样的关键词时，会影响流量的转化；

（6）其他
直接流量

如果直接流量在某一段时间内变化比较大（此处的变化比较大需要结合产品整体流量，以及长期时间趋势来看，比如流量每周的环比增速为3%~5%之间，突然有一周增加了10%），此时我们需要定位具体的流量来源以及流量时区分布，可能的原因一般有：

（1）产品请了流量大V来代言，吸引用户来访问了产品；

（2）有特殊的热点事件，比如很多品牌会追着热点发布自己产品的文案，吸引用户关注；

（3）营销活动事件，比如发送包、做测试、送优惠券、打折促销等活动，若这些活动的影响力足够大，会对产品或网站整体的流量有比较大的影响；

（4）其他

2.3 解读PV、UV

PV（Page View）即页面浏览量，在GA中的解释是：由浏览器加载的网页综合情况，可以是浏览器加载的执行跟踪代码的H5或者Web页面，或分析报告中为模拟浏览器创建的追踪事件。简而言之，PV就是页面被加载的总次数，每一次页面被加载，PV就会加1。

UV（Unique Visitor）即唯一身份访问者。在GA中的定义是：在指定时间内不重复的访问者人数，即某段时间内去重的用户数。该指标主要由以下因素影响：

（1）JavaScript被禁用时，GA的代码无法工作，无法识别这个用户；

（2）cookie被清除之后，会再记录成为一个UV

PV以及UV一般用来衡量网站的流量情况，数据大，说明流量多，人均PV越大，说明每个用户来到对应渠道之后流量页面增多，用户对内容越发感兴趣。

2.4 跳出率分析

跳出指产品（或网页）的单页访问，跳出率指的是某一段时间内只访问了一页就离开的访问量与所产生的总访问量的百分比。该指标一般用来衡量流量来源用户与网站内容的匹配程度，内容的匹配程度和跳出率成反比，即内容的匹配程度越高，跳出率越低，对于需要靠转化来提升营收的网站来说，高跳出率是个负面指标。这个指标在侧面也显示出用户的流失率。

这个指标可以细分为不同的渠道，来看不同渠道的跳出率，并针对性地做出优化。也可以用来看不同流程的关键节点的跳出率，看是否哪个流程有问题，是否可以优化

2.5 漏斗图分析

漏斗图是通过对业务的各个关键环节的描述，来衡量各个环节的业务表现。从漏斗图可以非常直观地看到各个业务的转化程度。从某种意义来说，漏斗图是路径分析的特殊应用，主要针对的是关键路径的转化分析。由于互联网行业的日志数据记录了用户的所有访问行为，因此漏斗转化分析在互联网有着广泛的应用，主要包括以下两个方面：

A. 业务的关键节点分析

B. 用于追踪流量运营转化率

在流量导入到营收转化的过程中，漏斗图可追踪各个节点的转化情况，定位异常转化节点，及时调整运营策略，如下图所示：

2.6 A/B测试

A/B测试也称分离测试、对照试验。现在一般指的是在网页优化中的一种比较策略，分离测试最开始的用法是对于同一种功能，设计两个或者多个页面并同时发布。让用户随机接触到页面，通过对日志的埋点记录访问目标页面的人数，并计算相应节点的转化率或单击率，来对不同页面进行效果评估。

从统计学角度来看，A/B测试实质是一种先验的试验体系，其目的在于通过科学的试验设计，流量分割测试来获取样本代替总体的科学结论。

A/B测试主要应用在如下场景：

产品页面或功能控件的调整
运营策略的调整：比如运营做了运营活动，想看运营活动的运营效果。这是可以选定两组用户特征一模一样的用户群体，一组进行活动运营，一组保持原样，或一组用A活动进行运营，另一组用B活动进行运营。然后设定关键指标对两组用户进行追踪，比如用户的活跃、下单、付费等转化行为。或者运营想看产品定价在什么区间用户比较能接受，也可以先用小流量测试来进行灰度发布，看不同价格的用户接受度。

A/B测试需要注意的点：

（1）每次测试有且只有一个目标，其他变量的选取都是围绕这个目标进行的；如果有多个目标，可以进行多变量测试，或者进行多组A/B测试

（2）做A/B测试有个前提是流量要足够大，且参与测试的流量要能够反映整体的实际情况

（3）A/B测试是一个长期的过程，经过长时间的足够样本的测试结果才能逼近真实结果

3. 用户运营分析

有了流量和用户之后，如何持续稳定地提升用户的活跃和留存，并对有价值甚至高价值的用户有针对性地进行运营，让这些用户持续稳定地为产品带来营收，这就是用户运营做的事情。用户运营的工作内容主要是扩大用户规模，减少用户流失，促进活跃以及提高留存，增加付费转化。在用户运营的过程中数据组人员要做的事情就是根据每一个模块追踪相应的指标，并设立下砖指标，清楚每一个指标之间的关系与影响，让每一个模块的指标不管是升了还是降了，都能找到具体的原因，让运营有的放矢。

用户规模常用的落地指标一般是激活量与注册量，细分会有来源渠道以及注册转化率。

用户流失模块主要需要定义流失，通常的做法是先对产品的用户构建生命周期模型，看多长时间用户没有登录即为流失。

促进活跃以及提高留存方面数据需要做的事情是：

（1）设定指标，比如根据产品的高频属性将每天使用产品的用户来定义活跃或者低频产品一周使用为活跃，要给到运营可量化的指标，哪些行为是可以衡量用户活跃的，哪些是行为可以促使这些行为的发生；

（2）设定留存指标，需要加入对比指标，比如时间趋势的对比，或者同类产品的对比，细分留存的渠道等，让运营有针对性地设定运营策略来提升留存；

3.1 用户分群

为什么要对用户进行分群运营呢？

（1）因为不管是一个人还是一家公司，一个网站还是一个产品，所拥有的资源都是有限的，而投资回报率需要最大化，否则就会影响企业持续稳定的发展。数据的精细化运营其实就是个性化运营，但由于资源以及服务效率的限制，实际运用中我们不可能真的做到一对一的个性化服务。但是针对不同细分群体的运营还是十分必要的。因此合理有效地对用户群体进行细分，是数据化运营的基本要求。

（2）运营的过程是在用户对产品本身有需求产生的内在驱动不够的情况下，通过外在的辅助手段来增加用户体验产品的次数，或者把用户使用产品的惯性培养起来增强内在驱动，按用户分级可减少对忠诚用户的打扰，将黏性较差的用户挑选出来

（3）通过对细分群体用户进行分析，了解用户每个细分群体的变化情况，进而了解用户的整体现状以及发展趋势。

对于用户细分，首要任务是根据具体的业务场景，确定不同的分类规则以及指标，给出清晰的定义。

可以通过简单的指标筛选或条件限定来确认不同的用户分类，比如借鉴AARRR模型（Acquisition 用户获取、Activation用户活跃、Retention用户留存、Revenue用户回报、Refer用户传播），根据用户生命周期的几个重要模块，将用户拆解为如下分类：

【用户分群示意图】

我们按业务的关键流程将用户群体细分为注册用户、活跃用户、留存用户、下单用户以及忠诚用户。每一个用户群体的细分都有其独特的分析意义，下面对用户群体的定义以及运营方向展开详细讲解。

注册用户：看的是用户的体量，这里以注册用户为基数，是基于一个假设前提，注册是营收转化的首要路径。产品营收要达成，需要这些用户循环不断进行转化。
活跃用户：该口径的定义非常多，一般是以用户有某个关键动作或达到某个条件的用户。这里我们暂时定义为登录产品的注册用户。活跃用户是产品的核心用户，因为后续一系列的行为只有用户活跃才能参与，才能为产品带来价值。
留存用户：一段时间登录或访问过产品的用户，在某段时间内又访问了产品；或访问了产品某模块的用户，也访问了其他的业务模块；或在产品的某一端的用户，迁移到了另外的端，比如从Web迁移到了App。留存用户看的是产品用来保存用户的能力。
下单用户：下单用户是真正给我们平台营收带来价值的用户。下单用户还可以细分为新用户和老用户。新用户一定程度上反映的是产品的推广能力，也是产品发展的状况的重要衡量指标，是产品发展的动力。老用户一般是平台的忠诚用户，有比较大的黏性，是产品生存的基础。所以产品持续发展的战略一般是在不断用户留存的基础上增加新用户。
忠诚用户：忠诚用户是黏性比较大的用户，且这部分用户非常认同产品的定位，会主动将产品推荐给身边的朋友。忠诚用户的定义可以是多次下单的用户，以及主动分享的用户。这部分用户带来的价值是无法估量的，可以从点到面，从面到空间不断辐射出去，吸引更多的用户来使用产品

在产品运营战略中，也可以用一系列的举措引导用户转化为忠诚用户。

复杂一点的可以通过统计分析方法（如聚类、决策树等）总结特征来显著区别不同用户群体。也有比较成熟的分析方法，如RFM模型，这是传统行业对用户分类最常用的方法。那么什么是RFM模型呢？

R（Recency）代表消费新鲜度。理论上，最近一次消费时间越近，说明此用户相对来说是比较优质的用户，对提供即时的商品或者服务，他们是最可能及时响应的。
F（Frequency）代表消费频率，是用户在某段时间内购买商品或服务的次数。一般来说，消费频率越大，顾客的忠诚度越高。
M（Monetary）代表消费金额。消费金额体现用户的消费能力。

这三个指标可以反映用户的价值。由此可见，传统行业的RFM模型是针对付费用户的，而迁移到互联网的其他场景一样使用。比如将该方法迁移到产品的某个高频内容模块。我们假设R为用户的最近一次登录，F为一段时间内的登录次数，假设为一个月内，M为创建内容（文章或帖子）的数量。

3.2 用户行为分析

用户行为分析是指在获得网站访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律，并将这些规律与网略营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据

用户行为的相关指标可分为黏性指标、参与度指标、转化类指标

A. 黏性指标

B. 参与度指标

第二类需要关注的指标是用户的参与度。活跃度作为评判用户参与度的一个关键指标，并没有标准定义。通常指的是完成某一关键动作的用户，或者参与情况满足某一条件的用户。比如电子商务网站的下单、社交类的互动、视频类产品的播放视频，或者登录、消费、使用等均可以定义为活跃。活跃用户关键在定义，只有准确定义了活跃用户，我们才能清楚地了解活跃用户的情况。

我们以定义为登录产品（网站）称为活跃来举例，按时间分类可以拆分为日活（日活跃用户量， DAU——Daily Active User）、周活（周活跃用户量，WAU——Weekly Active User）、月活（月活跃用户量，MAU——Monthly Active User），一般会用DAU/MAU来作为产品或网站的打开率指标，该指标越大说明产品或网站的打开率越高。

表示用户参与度的另外两个指标是用户的停留时长以及用户的访问页面数。为什么要用这两个指标来表示用户的参与度呢？因为用户的停留时长可以间接反映页面对用户的吸引程度，可以间接反映产品是否满足用户的需求，以及产品页面的设计是否合理。

C. 转化类指标

第三类需要用户关注的指标是用户的转化。分析用户的转化路径主要有三个作用：一是通过数据追踪用户的访问细节，访问细节反应的是用户的行为特征，通过追踪访问细节来推车用户的心理活动；二是通过用户的访问行为来追踪用户在走流程中可能碰到的困难，看整个路径和运营之前定的设想是否一致，如果不一致，是哪个环节不一致，定位具体的原因，调整页面布局；三是在追踪用户的访问路径的过程中，寻找有价值的可迭代路径，对产品进行优化。

3.3 用户生命周期价值

生命周期指的是一个生命个体从出生到死亡的发展过程，用户的生命周期指的是用户从接触产品（网站）到离开产品（网站）的发展过程，用户的生命周期价值（LTV——Life Time Value/CLV——Customer Life Value）指的是这个发展过程中用户为产品（网站）所带来的价值总和。

用户的生命周期一般会经历引入期、成长期、成熟期、衰退期、流失期等五个阶段，每个剪短都会为产品（网站）带来不同的价值。

引入期：此时用户刚来，用户会试探性地使用产品，偶尔用一下，此时用户的价值相对来说比较低。
成长期：用户会不定期地来使用产品，并开始进一步体验产品功能，此时用户的价值有所提升。
成熟期：用户会经常使用产品，并会以分享形式来宣传产品，此时用户的价值比较大。
衰退期：用户因为某些原因（如产品迭代用户不喜欢等）不再经常使用产品，此时用户的价值呈衰减模式。
流失期：用户对产品非常不满意或者找到了替代的同类型的产品，不再登录该产品

在用户运营的过程中，我们不能一上来就唯周期论，而是要定一个目标，围绕目标我们能拆解为哪些关键指标，要提升这些关键指标需要去满足用户什么核心需求。比如用户生命周期分析的核心目标是：提升用户生命周期每个节点的转化率，提升用户的留存（用户的参与程度）。在每个节点的持续转化以及用户留存的提高的过程中，用户的生命周期也经历了一个完整的历程，价值也得到了提升。

围绕这两个目标我们将其拆解为如下指标：

与用户生命周期的各个阶段对应的关键指标：

根据互联网产品的实际情况，将用户的生命周期价值拆解为：

LTV = (某个客户每个月的下单频次 * 客单价 * 毛利率) * （1/月流失率）= （某个客户每个月的下单频次 * ARPU * 毛利率）* （1/月流失率）= 用户生命周期内下单次数 * 客单价 * 毛利率

其中：

ARPU（每个用户的平均收入）= 某段时间内的总收入/同时期内活跃用户总数
流失率：流失率指的是一段时间内，有多少比例的用户不再使用你的产品了。所以流失率=在某段时间内流失的用户/同时期内活跃的用户，流失比较难定义，但留存比较好定义，故月流失率近似等价于1-月留存率；
流失率的倒数用来表示预测的用户生命周期，如果一个产品的流失率为10%，则产品对应的生命周期为10个月

应用一根据拆解指标为提升LTV制定不同的运营策略

从拆解公式来看，运营需要做的是尽可能保证渠道的质量，确保引进来的用户的有效性，提升用户的质量以及数量，尽量降低获取用户的成本，并应用多样化的运营手段提升用户转化；在用户生命周期的每个时间周期，对不同结构的用户进行流失原因分析，提升用户活跃。

应用二评估用户运营活动是否盈利

单个用户毛利 = 用户生命周期价值 - 获取用户成本 - 运营成本 = CLV -CAC - COC很多产品在初期一直以补贴用户的形式来留住用户，长此以往，资金量一旦断裂，将无以为继。只有当用户的毛利大于0时，产品才能良性地、持续稳健地发展下去。

应用三追踪投资回报率

根据LTV的公式以及用户毛利的计算公式，递推得到投资回报率（ROI，Return On Investment）的计算公式：

ROI = 转化率 * ARPU / (CAC + COC)

从ROI的公式来看，要提高ROI，需要从以下三方面着手：

提高转化率

提高转化率，一在开源，二在节流。所谓开源，指的是要不断通过各种方式来获取新用户；节流指的是减少产品的用户流失，以及挽回即将流失或已经流失的用户。这里主要介绍节流。节流主要从以下两点出发，来最大化地减少用户流失。
1. 从产品出发，在具体的研究中，所有脱离产品的用户流失预警都是耍流氓。首先我们要通过现有的指标找出用户是在哪一步流失的，再结合具体的产品进行改进。比如某一个环节会产生闪退的情况，那就推动产品解决闪退的问题；比如下单转化中流程过于繁琐，支付渠道过于单一，那就推动流程简化，字符形式多样化；
2. 从运营出发，形成总之用户群体，保证流失下限，结合具体的运营策略，如抽奖、签到送积分，优质内容推送给精准用户，用户等级体系建设等
提高ARPU

互联网的红利期已经过去，那么如何抓住现有的用户来提高ARPU呢？可以从抓用户的需求来展开。即
1. 发放优惠券、各种抵价金币、红包等优惠方式，来满足用户的占便宜心理，促进用户下单；
2. 对用户设立等级体系，并对不同的用户等级设立不同的福利规则，满足用户对身份地位高人一等的诉求；
3. 建立精准营销平台，精准定位用户群体，并对这部分群体进行个性化推荐，满足用户的特定场景需求；
4. 提示用户信息不会被泄露，满足用户对安全感的诉求；
5. 生日提供满减劵或其他福利，满足用户对情感的认同需求。
用以上方式来促进用户下单，并直接或间接地提高ARPU
降低成本

降低成本分为两个模块。一是降低用户的获取成本，这个方式有很多，比如：
1. 通过数据分析优化渠道质量；
2. 通过流失预警，对即将流失的用户进行合适运营，提高用户留存，增加用户对产品的参与度与黏性；
3. 与其他平台合作，资源共享
二是降低用户的运营成本，这个数据可以做的事情比较多，比如
1. 搭建精准营销平台，对每一个用户的各个属性进行打标；
2. 对即将流失的用户进行推送召回
3. 对高金值客户推送单价高的商品
4. 将常用的分析思路固化，建立常用分析思路的BI报表，并支持快速迭代，支持细分项下钻