大数跨境
0
0

线上赚钱线上花,一分别想带回家

线上赚钱线上花,一分别想带回家 略知运营学堂
2021-02-05
0
导读:用互联网的工具,在互联网上卖课,却没有互联网的思维

在2016年,做知识付费项目,有内容就够了。

在那个年代,内容从业者凭借课程可无限复购的特性,项目边际成本低的天然优势,凡入局者皆赚得盆满钵满。

红利期过后,如今的内容从业者,想要稳定的引流渠道,需要做投放、竞价、排名、优化......投入各种引流成本。

就在前几天,有位老师私信问:如何降低店铺的获客成本?

引流获客的内容、形式千变万化,但正所谓“千万人撩你,不如一人懂你”,无论采用哪种形式,想要控制获客成本,都必须先做好——用户画像。



 用

 户

 画

 像

互联网,用过即留痕,我们每次在互联网上的交互,都会留下数据,通过这些数据就可以提取出我们的身份、行为信息,这就是用户画像。


腾讯云高管曾透露,腾讯标记每个用户的标签平均高达2000多个,通过这些标签,腾讯可以不断分析我们是谁、我们要干什么、我们想干什么。






网上已经有很多用户画像的分析方法,但多数是空洞的理论,真正能落实到知识付费店铺,可实际落地的操作方法少之又少。

接下来略院长将通过代入某家音乐教学店铺,为各位老师展示用户画像在实际操作中,如何结合业务场景起到关键性的作用。

1


   大数据洞察  

首先要放眼整个行业的市场动向,这里指的不是知识付费行业,而是店铺内容的细分化领域,比如音乐教学店铺,利用数据检索“音乐”“教育”等关键词,掌握行业的相关最新报告,洞悉头部机构的市场行为。


推荐常用数据报告网站:艾瑞网、互联网数据资讯网、亿欧智库、第一财经商业数据中心、发现报告、易观等。在浏览报告的过程中,略院长发现“一对一”“钢琴陪练”是2020年音乐教育领域的最高频关键词。


除了上面的数据网站,百度指数也是店铺运营必须用到的工具,百度指数有3个展现维度:趋势研究、需求图谱、人群画像略院长发现在整个2020年,7月是搜索的最高峰期,10月和1月则是搜索频率最低的时间段。


这表明暑假可能是音乐教育市场需求量最大的时间,而10月和1月分别对应了暑假结束和寒假开始,证明了相比暑假而言,寒假期间的教育市场需求并不高,店铺做活动时可以根据相对应的时间段,调整投入的成本。

2
细分化标签
由于不同的店铺,内容方向、定位都有所不同,所以上述大数据的分析结果,只能作为大致的参考方向。要想建立匹配性高的精准数据,还得做更细致的用户画像,并分别给予细分化标签。

对于店铺主而言,为了做用户画像,建立数据库的门槛和成本过高。但是也有简单的方法,就是略知平台提供的“信息采集”功能。开启该功能后,用户在购买时需填写相关信息才能支付。


操作方法:[营销中心]——[信息采集]——[新建采集]——[采集方式]——[关联商品]——[设置信息]——[发布完成]


还有个更简单的办法:加100个用户的微信,去看他们的朋友圈前10条内容,给每1条内容打上标签,找出他们的共性。

3
实际化应用
店铺的运营同学可以通过用户画像,做定向的用户、活动、内容精细化运营,以及各种主题的促销活动。这些运营和活动的场景分布在各个资源位,对场景关联度和用户的惊喜度要求都很高。

举个店铺日常运营中常见的例子:通过某次数据总结发现,最新推出的引流课转化率未达到预期,老师提出想通过一次结合利益点的推送,提升这部分用户的转化率,但是要注意控制转化成本。



我们从需求背景中做关键词提取,不难发现以下关键词:“转化率”、“利益点”、“低成本”。其中转化率是用户身份识别,利益点是用户优惠敏感度,低成本意味着不能为了覆盖率牺牲准确率。

第一步:通过报名活动时,系统采集的用户信息;引流课过程中,老师和用户互动的信息;社群追单沟通中,销售给用户打上的标签,分别识别出潜在用户、意向用户、付费用户。

第二步:分析转化率效果最好的利益点,例如优惠券、折扣、礼品或者是其它内容。这需要根据对用户画像的分析,挖掘不同用户对于优惠的敏感程度,确保钱都能花在刀刃上。

第三步:确定资源展示位,尽量不打扰其他非目标用户,不降低该资源位的整体转化效率。通过以上需求分析和思路拆解,创建活动所需的用户标签,随着逐步完善补充,最终就能搭建成熟的用户画像系统。


 常

 见

 误

 区

1


   为了画像而画像  

做用户画像时,不能笼统而盲目,要有目的性和场景感,确保打的用户标签与业务场景的关联度高。比如做声乐教学的店铺,不能只描述特征:我的用户都是60岁左右的老人,声乐爱好者,退休时间比较充裕。

这些信息都过于笼统,无法运用到实际的招生活动中,这也是为什么有的店铺做活动,引来的都是羊毛党的症结所在。用户画像要根据:通过哪些渠道可以触达用户、如何宣传能打动他们等业务相关问题展开。

2
重数据不重分析
有些店铺采取调查问卷的方式获取数据、验证标签,这种方法得到的数据不能直接使用,需要重新分析。一方面,用户在回答时未必会如实回答;另一方面,问卷的问题带有引导性,会让用户的回答出现偏差。

3
忽略标签的权重
标签的权重是指该标签在对用户的整体评估中的相对重要程度,权重影响着对用户属性的归类。通常操作越复杂的行为权重越大,时间越久远的行为权重越小,如果忽视标签的权重就会导致用户画像有偏差。

写在最后

用户画像的构建过程,其实只有两步:

1、从0到1的构建

2、从1到100的构建

需要注意的是,用户画像会随着时间的推移、消费市场的改变而有所变化,我们最好定期调整用户画像,让市场营销行为越来越精细。



【声明】内容源于网络
0
0
略知运营学堂
关注“略知运营学院”,第一时间获取内容变现攻略、超值运营礼包、营销推广秘笈。略知,0门槛搭建专属知识店铺,让你的内容更有价值!
内容 50
粉丝 0
略知运营学堂 关注“略知运营学院”,第一时间获取内容变现攻略、超值运营礼包、营销推广秘笈。略知,0门槛搭建专属知识店铺,让你的内容更有价值!
总阅读10
粉丝0
内容50