用户行为数据与业务数据之间存在的联系，如果能有效分辨并利用起来，才能让行为数据变得更有意义。
作者：旭说运营 全文共 1419 字，阅读需要 2 分钟
—— BEGIN ——
新年伊始，某天一觉睡醒发现自己马上就要到而立之年了，想想在互联网行业摸爬滚打的 6 年。从腾讯、京东再到众安保险。从类目运营、活动运营、用户运营再到数据。从电商再到金融，总想从前辈们身上学到的和在工作中实际总结出来的运营经验。
用户运营是什么？这个点太大，拉新、促活、留存都是。
用户运营要怎么做？百度搜索用户运营很多人会告诉你各种各样不同的方式和方法，看上去似乎很有道理的样子，真的运用到自己的工作当中用处其实并不大。因为那是普罗大众都懂的道理，人人都看得懂注定就是浅显的内容，浅显的内容必然是没有多少干货在里面。
本篇文章围绕着我在腾讯做的用户生命周期管理这一点来说明，用户运营当中很重要的一个面。能在工作当中掌握用户生命周期模型并且有效的提升各项数据，恭喜你，已经是运营老司机了！
用户生命周期模型简介
我们在构建用户生命周期模型以横向和纵向两个维度来建模。
横向以用户购买频次（用户购物的次数）我们将用户成熟度划分为初级用户、成长用户、成熟用户；纵向以末次购买时间间隔将用户预警状态划分为活跃用户、预警用户、流失用户和死亡用户。
频次划分标准：用户从首购到次购留存率极大提升，而在 8 次购以上留存率提升不明显。
末购划分标准：80% 的用户会在 3 周内进行第二次购买，90% 的用户会在 5 周内购买第二次。
（以上基于平台数据得出的结论，不可僵硬套用）
如何确定划分的阈值
用户成熟度：
主要看各个频次的留存情况开判断用户成熟，发现：
用户预警状态：
主要根据不同末购时间用户分布来判断， 90% 的用户在五周之内发生购买，超过五周基本认为流失；超过 6 个月未购买，基本认为死亡；最近三周购买过的用户产生了 85% 近 90 天订单，这部分用户可认为是活跃用户。
活跃、衰退、流失用户的划分依据：
统计所有用户的最后两次下单时间：
90% 的用户都在 35 天以内 80% 的用户在 21 天以内
所以将这两个阈值分别定义为流失和衰退。
初级、成长、成熟用户的划分依据：
统计所有用户的不同累计购买次数，并比较次周留存率，发现累计购买2次以内的用户留存率明显偏低，累计购买8次以上的用户则留存率趋于稳定，所以将这两个阈值分别定义为初级和成熟。
用户分布
用户划分阈值确定之后，我们可以看见平台用户的分布：
用户生命周期转化方向
用户生命周期模型建立之后，重要的是如何通过模型提升用户转化方向：
初级用户中流失用户召回至活跃用户； 初级用户中预警用户转化为活跃用户； 初级用户转化为成长用户； 成长用户转化为成熟用户； 成熟用户中的流失用户召回为活跃用户； 成熟用户中的预警用户转化为活跃用户；
针对性的运营方案
下单后浮层赠优惠券，35 天未下单时，短信召回，发大力度张优惠券，并提醒未过期（末次提醒发短信） 下单后浮层赠优惠券，21 天未下单时，PUSH 召回，发一般力度优惠券，并提醒 2 次未过期； 新用户下单后立即返券，浮层提示，发带有有效期的红包，并提醒 2 次未过期；常规 PUSH 运营 2 转 3； 7 天/15 天未下单时，根据消费习惯数据，推送消息；鼓励多领取红包； 35 天未下单时，短信召回，根据用户行为宣传相关新信息，发放组合优惠券（可分品类/限时大力度券），并提醒 2 次未过期（末次提醒发短信）； 21 天未下单时，PUSH 召回，跟据行为发新信息，发中等力度张优惠券，并提醒 2 次未过期；
注：若 PUSH /短信前 2 天内有打开 APP 行为，可直接用浮层替代以上 PUSH /短信触达渠道。
对此你有何评价？欢迎回帖和大家一起评论 ---------------------------------------------- 米多大数据引擎，帮助传统品牌企业实现物联网时代的“四个现代化”，即企业平台化、品牌人格化、产品个性化、员工创客化。
| 
