推广 热搜: ACF胶  回收ACF  收购ACF  200*16防溢裙板  济宁防溢裙板  求购ACF  挡尘帘  @2022已最新(今日/知乎)  AH0.6/12矿用按钮箱  GLD2200/7.5/S甲带给煤机 

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型

   日期:2023-04-19     浏览:42    评论:0    
核心提示:AISAS 适用场景:流量获取AISAS模型适合流量获取型的业务,通过公域的内容展示,逐步引导用户完成私域化的沉淀,这是很多企业,尤其是公域电商、直播电视、品牌电商最常用的做法。AISAS模型强调企
AISAS

适用场景:流量获取

  • AISAS模型适合流量获取型的业务,通过公域的内容展示,逐步引导用户完成私域化的沉淀,这是很多企业,尤其是公域电商、直播电视、品牌电商最常用的做法。
  • AISAS模型强调企业的投放能力和内容产出能力。

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型(1)

HOOK

适用场景:用户运营/激励玩法

用户上瘾模型用户上瘾模型的目的是引导用户养成积极的行为习惯、游戏玩法或系统行为路径,重点在以下四个方面的设计:

  • 触发阶段:行为提醒,产品行为是否能被玩家感知井提醒下一步行动;要点:触发方式要明显易见,简单直接,掠动你心井且触发行动意愿。
  • 行动阶段:行为说服,产品核心行为操作如何吸引玩家发生;要点;要给用户足够的动机与能相应完成的能力和有效的触发方式。
  • 酬赏阶段:行为奖励,行为发生过程中如何给予正向反馈强化行为;要点:酬赏需要多变,满足不同人的需求,激发他们的使用欲。
  • 投入阶段:用户投入设计,行为奖动后引1导用户投入形成存储价值服务;要点:投入要让人要能连续不断的循环投入使用,投入越多越容易形成依赖,才能最终形成习惯。
RFM

RFM基本原理1. RFM模型概述:源自于美国数据营销研究所提出的一种简单的分析客户价值的方法;RFM三要素:R、F、M

  • R:Recency-最近一次交易时间
  • F:Frequency-交易频次
  • M:Monetary-交易金额

2. 如下图:通过对每个用户R值、F值、M值高低的评估,将其对应到不同的区间去,从而将用户划分为8种用户价值类型。在不同产品中,R、F、M 可以代表不同的用户关键行为;比如在社区类产品中可以分别代表:最近一次登录时间、登录次数和登录时长。

3. 在RFM模型中,用户最近一次交易的时间越近越好,因为这类用户更为敏感,对其进行营销,效果更为显著;而交易频次则是越高越好,因为这说明用户对产品满意度更高,复购意愿更强;交易金额也是越高越好,交易金额高的用户对产品的贡献度更大,属于高价值用户。

RFM本质上是一种用三个分类维度,找判断标准方法;通过三个维度的组合计算,能判定出用户的好坏,然后采取对应的策略

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型(2)

LTV

用户指标评估的LTV模型,LTV(LifeTime Value)衡量用户在整个产品周期中(或者一个时间阶段内),对于平台或者企业贡献总的价值收益多少的指标,是一个偏长期的衡量指标。LTV也常被用来衡量商业价值,揭示用户忠诚度,又或者作为预测增长的工具。

LTV模型的作用

  • 一、优化投放策略:多渠道投放质量交叉对比例如,根据不同渠道的用户下单或购买等行为数据计算LTV,预估该渠道未来的转化质量,决定是否需要调整渠道投放策略
  • 二、业务赋能决策:多项目营收贡献占比分析对于多个进展中项目的公司来说,通常需要对多个项目进行价值对比。基于LTV根据用户在不同项目内的贡献判断该项目的商业价值
  • 三、用户转化提升:了解不同时间节点的运营效果通过LTV曲线横纵坐标的对比,可查看此次运营活动过程中的关键时点,针对不同标签用户对运营活动效果进行评估。例如,运营活动开始前后,LTV曲线一般会有明显变化。

LTV曲线聚增则可以证明该运营活动带来了较为明显的数据转化

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型(3)

AIPL

适用场景:私域电商/会员营销

AIPL模型是公认的私域流量优质模型,讲求用户与企业、产品服务之间的持久关系,它主要体现了认知 < 兴趣 < 购买 < 忠诚的过程,实现品牌人群资产定量化、链路化运营,最大程度延长用户生命周期,挖掘会员价值。

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型(4)

AARRR/RARRA

漏斗模型:AARRR模型

适用场景:用户增长/社群运营

AARRR模型最经典的一个模型,又叫海盗法则,私域流量运营中最为常见的模型之一,从获客、激活、留存、变现、传播5个流程帮助商家从公域中挖掘新流量,建立自己的“私城流量池”。

RARRA模型是托马斯·佩蒂特Thomas Petit和贾博·帕普Gabor Papp对于海盗指标-AARRR模型的优化。RARRA模型突出了用户留存的重要性。

五个数据维度:

  • Acquisition(获取用户):如何把潜在用户变成真实使用用户,确保新用户在首次启动时看到你的产品价值
  • Activation(激发活跃):用户的首次体验如何 如何与产生互动 如何让用户激活
  • Retention (提高留存) :为用户提供价值,让用户回访
  • Revenue(增加收入):如何让用户多次购买,一个好的商业模式是可以赚钱的
  • Referral(传播推荐):用户会分享给其他人,鼓励老用户带来新用户,让用户分享、讨论你的产品

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型(5)

RRRRR

精髓在于它将数据全面、深度地应用于用户全生命周期管理的各个阶段,真正让用户增长数据化、智能化

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型(6)

增长八卦模型

外圈:用户生命周期认知、接触、使用、首单、复购、习惯、分享和流失

内圈:供给策略品牌、推广渠道、行为三角、顾虑排除、替换成本、上瘾、NPS、损失厌恶

2019年,李云龙、王茜在图书《增长思维》中提出增长八卦模型,增长八卦模型用一句话来描述就是,以供需分析为基础,从用户的全生命周期来寻找增长点的增长方法论。

  • 核心:啊哈时刻,就是产品让人尖叫的点,也就是真正吸引到用户的点。
  • 外圈:需求侧,也就是用户端。把用户的生命周期分成八个部分,分别是认知、接触、使用、首单、复购、习惯、分享和流失。
  • 内圈:供给侧,也就是产品运营方,就是用什么办法来解决这个环节里边遇到的增长问题。增长八卦模型
  • 特点:用户生命周期更细化拆解,从供给、需求两端阐述模型。
  • 局限:总结式,但实际场景是多样的;还待实践检验,需成功的案例。
用户商业模式的建设-商业画布

产品生命周期管理 数据分析 生命周期中设计的必要的数据模型(7)

波士顿矩阵(BCG Matrix)市场增长率-相对市场份额矩阵

波士顿矩阵(BCG Matrix),又称市场增长率-相对市场份额矩阵,由美国著名的管理学家、波士顿咨询公司创始人布鲁斯·亨德森于1970年首创,它是通过销售增长率(反应市场引力的指标)和市场占有率(反应企业实力的指标)来分析决定企业的产品结构。

同样的理论也可以用在产品上,吸引力包括产品用户规模增长率、目标市场容量、竞争对手强弱、利润高低等。其中最重要的是反映市场引力的综合指标—增长率。

产品的价值包括市场占有率、用户规模、用户粘性等,其中市场占有率是决定产品发展结构的内在因素可直接展现产品的竞争实力。

波士顿矩阵将产品类型分为四种:

  • 明星类产品高增长且高市占发展前景好,竞争力强,可加大投资以便其发展;
  • 问题类产品高增长但低市占,发展前景好但市场开拓不足,需谨慎;
  • 金牛类产品低增长但高市占,产品相对成熟占领了一定的用户市场心智,应降低投入,维持市占并延缓衰退;
  • 瘦狗类产品低增长且低市占,产品更倾向于小众人群对于产品而言应更注重用户市场的前期调查。
写在最后给自己
  • 总有一天花会成花,树会成树
,
原文链接:http://www.hzciic.com/news/show-27068.html,转载和复制请保留此链接。
以上就是关于产品生命周期管理 数据分析 生命周期中设计的必要的数据模型全部的内容,关注我们,带您了解更多相关内容。
 
打赏
 
更多>同类资讯
0相关评论

推荐资讯
网站首页  |  VIP套餐介绍  |  关于我们  |  联系方式  |  使用协议  |  版权隐私  |  手机版  |  SITEMAPS  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报