一位互联网老兵分享，社会化运营案例解析

发布者： 91运营 2015-06-17 10:14 互联网老兵周推荐案例解析社会化营销

4622

很高兴今天参加宜信技术团队的内部分享会。PMCAFF的小汐安利给我找个任务的时候，希望我讲产品运营（PO）。今天的产品运营已经深入到每个“社会的神经末梢”。我姑且借用《社会化运营案例》作为内部分享的噱头，抖点干货希望能够给大家一点启示；一起学习进步。

前言：社会化的营销阵地在哪里。

关于产品运营或者运营的细节我不讲了。出门左拐微信搜索：阿里、运营，两个词会有最近关于阿里运营的几篇文章详细的阐述了运营的骨架。
然而，阿里也已经开始获得微信的流量了。双十一的活动为了在微信中分享甚至换了一个域名。

今天社会化营销的阵地就是两个：微信、微博。

为了获得良好的社会化流量；在和微信掐架后阿里买下了微博，于是微博成了淘宝的“社会化”版本。这是一个悲剧。

运营总是要看结果的。无论你在一个运营团队中是什么角色，都要能够通过数据看清这个“雾里看花”的世界。

那数据又是什么？这个是我们自己微信服务号的数据（该号码为开发测试号码）：

以下是两个案例说明运营的细节。

小成本的获取用户，正安中医新品是如何发布的？

一个针对女性经期护理的产品。在微信公众号上做出了一个奇迹：70%的微信关注用户购买过他们的产品。他们是如何利用微信这个社会化平台完成自己的初期用户获取的呢？

首先要制定活动的目标以及需要获得核心用户数据。

用户姓名，用户财务能力，用户联系方式，用户和新品的匹配度（是否长期保健或者就诊用户），在运营上或者是在产品上需要获取这几个数据，根据数据做后期产品的修订，这几个数据可以通过什么办法获得？

第一波活动：转发“妇科保健”赢神秘礼包，奖品是中医新品，获得路径是微信填表单，快递送上门。

财务能力数据的获得：其实是一个相对值，这个相对值从地址获得。住万科和住回龙观的会稍微有一些差距，我们认可住万科的用户相对的财务能力要好一点，另一个财务的参考数据是当用户选择新品的时候是有品类的，看用户选择品类是否选择了高回报的品类。

用户的身份和地理位置：转发赢大奖，这个地理位置的用处是当后面搞活动的时候，可以作为一些参考。

当第一波活动做完的时候获得了一些数据：

用百度地图的api做了所有的标点（如下图），并且标点上面标注了人数，在某个小区或者商业区域的标点，这些商业区域的获得是从大众点评和相应其他网站公共认可的商业区域，比如三里屯、国贸地区，还有一些例如万柳这种商业住宅小区；在这些区域里面我们获得关注数是n，填表数是x，具体的数值比较敏感所以暂时无法给出，然后还有填表的分布和朋友圈的数据统计。

朋友圈的数据统计从哪来？朋友圈分享之后的点击量，我们通过这个点击量获得大概的朋友圈分享，因为微信上面有一个数据是获得不了的：分享到朋友圈的链接的分享值（点击右上角在弹出菜单里面点击分享到朋友圈），所以只能在每分享出去的链接在后面加一个唯一ID,然后当用户点击进来的时候，将唯一id传给服务器，通过这种方式获得了分享朋友圈的一个大概比例（不是最准确的），同时也获取了用户的个人信息。

通过这次活动我们获取到了的第一批用户，这一批用户分为两种类型，第一种是关注了我们的微信公众号的用户，另外一种是没有关注我们的微信公众号但是点击了我们分享出去的链接的用户，然后拿到他们的地理位置，把快递发出去了，产生了第二波活动。

第二波活动：活动主题是贴身检查，呵护健康。奖品是中医就诊半价预约卡，赢取现场体验。获取途径是到店就诊。

大家可以思考一下为什么要设置这样一个奖品？其实半价预约的本质为了获得用户的支付信息，就是只要他付费他就是一个真正的有效用户。第二点是用户是有真正的痛点的，如果没有切身痛点的一个用户在看到一个新应用的时候让他半价付费，而不是一折呢，为什么是半价付费，其实半价付费的价格相对还是比较高的。他的门店预约几乎是300-500块，半价意味着需要150-200块，这个价格对于一般的普通用户来讲还是比较高的。最开始的时候这个活动为了拿到用户的财务能力，用户核心产品的匹配，当他们作为高定价推出活动目的一定是为了获得有痛点并高品质的用户，这些用户后面才能真正成为他们的主力消费群体，所以是半价而不是一折。

第二波活动做完后的数据分析：

这是当时的一个时间比例，大家能看到18:00到19:00的时间用户最多，意味着上班的人群是主力。12:00到18：00的主力人群是家庭主妇。上午9点的这批人基本上是中老年人，年龄在50岁左右，或者说相对自己能够主宰时间的企业主、企业高管。这里会有一个蹊跷的问题，这个产品针对的是痛经的人群，但是为什么会有50岁以上的人群？有的人可能会说可能是父母为了帮助自己家里的孩子，不是的，其实是为他们自己。可以思考一下为什么这批人会做预约，他们消费了什么？再来看12:00-18:00的家庭主妇，基本上可以想象她们应该是上午送完孩子上学，吃完中饭在家里睡过午觉，下午来做的护理；18:00-20:00以后基本上是上班族。

再来看第二个数据：

第一种是邮寄地址和门店地址相对比较远。

第二种是邮件地址和门店地址几乎重叠的，意味着我家就在附近；没有通过时间去的，看他的预约时间，如果预约时间跑到了20:00，这个是要打一个问号的，就是她的家和工作地点不在一个地方，后来他们通过一些访谈大概获得了一些其他的数据，如果他的预约时间是18:00-19:00或者是12:00-18:00, 意味着这些用户是中高端的白领人群，然后获得了地理位置的第二个应用，从中获得了用户的财务，用户信息，匹配度和用户的购买能力等等数据。

这一波活动做下来，产品的销量是150%，还有一部分人需要预定。

这两拨活动做完后，他们对北京痛经人群的一个大概分布有一个基本的了解，同时对于年龄层的分布也有基本的了解，而且还发现了之前从来没有发现的人群：50岁以上的人群，这部分人群对这件事情极感兴趣，可以思考一下为什么？这里暂时不给出答案。

最后总结：

1. 营销主题要明确，目标要清晰。不能太复杂，关键点很简单，针对目标人群单刀切入，一击即中。
2. 资源物料准备充分，能够充分体现和配合主题
3. 活动很重要，分析更重要，通过分析获得用户价值体现。
4. 社会化活动要注重，如图

粘性（回头客）才是用户运营的根

这是2008年给饭统网实施的运营方案

为什么国贸地区的下载量最大，中关村消费量最大？

因为国贸地区都是做金融和VC的，女生居多，而中关村IT男高收入人群比较多，晚上要加班，而消费券的下载主力是女生，基本上都是女生下班后找男朋友然后在那边消费。目前美团的那张图（如果大家能看到），国贸地区，包括王府井的东方新天地那边的消费券购买量仍然是非常多的，但是消费不在这两个地区，最主要的消费地区在三里屯，剩下一个就是中关村，中关村等地区和国贸地区消费比值是1:8，当我们获得了这些数据的时候，我们的短信推送什么？那个时候我们也搞不清楚需要干什么，后来我们在国贸地区发送了高折扣（2折）的优惠券，如果消费仍然在国贸地区，说明用户是消费价格敏感型的，这是一批什么样的人大家可以想象一下。

我们在整个数据结构当中都在做针对不同用户的数据画像，我们后面的用户CRM里面的数据库是基于用户画像做分类的，我们不是基于用户地理位置特征或者固定特征做分类的。例如根据15~25, 25~35, 35~45这些年龄分类是比较少的。我们规定这样的用户是消费敏感型用户，然后没有消费的就不做推送了。这批用户虽然有购买行为，但是他们不是价格敏感型用户，或者说我们推送的餐厅不是他们长期消费的餐厅。

我们还同时用不同的餐厅类型做过测试，后来2011年的时候黄土地在那边开业，那时饭统网已经没有了，但是拿出来饭统网一批数据，有人给他们了。后来他们找到我说这批数据我是从饭统网拿到的但是不知道该怎么用，后面一系列的标注，那些标注都是特定的。我们标注的F、A都不是你们看到的具体的值，所有数据库里的数据，除了用户基础数据之外标注的所有的特征我们全部用的符号，为的是我们的DBA导出来之后把数据卖掉。所有的符号掌握在运营和产品经理手里，技术团队没人知道符号的含义。产品团队做了所有的业务策略，这就是他们为什么找到我的原因。根据黄土地的这批数据，我们在国贸地区推送了一批尝试了一把，数据有效到什么程度：黄土地排队。我们能很清晰的知道用户的消费特征以及餐厅的选择特征，所以这里提倡一个词：洗用户；洗用户不是把用户去掉，而是做用户基于你的产品的画像，基于你的产品的特征的用户分类，所以我们在大营销上拿到的用户其实都是没有办法直接拿来用的，即便是同类的用户。我不知道你们的业务上会不会买一些流量的数据，这些数据怎么洗，你们可以自己再想想办法。

对用户做不同类型的信息发布的时候，他们的敏感程度是不同的，根据他们的不同的敏感程度和消费的结构做组合，做完组合后你就能真正拿到属于自己的用户；

另外一个推送，推送中关村地区高达8.5折，这个是一个高折扣，消费的是强消费能力的优质用户，要继续做推送，甚至这样一批用户我们拿出来单独给他们做优惠券，这些优惠券带补贴的。08年的时候还没有人做补贴优惠，当时大众点评刚刚要进北京而且在北京建立销售团队，所以饭统网针对这样一个情况做了针对高端群体带补贴的优惠活动。当时如果一顿饭如果我们给他们五折的话餐厅给我们七折，所以有两折的补贴。如果这些用户没有消费，那么他们属于价格敏感型群体，因为高折扣。

这个时候我们在餐厅上是有选择的，通过洗用户，通过短信群发用户到用户消费的反馈，这个反馈后面有个产品叫路路通，还有另外一个产品后面给饭统网做完了的叫订餐通，订餐通没有上。路路通上完之后这是通过路路通拿回来的反馈数据。

最后做完用户画像是这样子的

获得了一批这样的用户特征，比如说“大爱水果“这一批用户特征我们在库里面存的就是符号，有些符号是两个，比如说FF。比如说F和FF是什么关系，很多人可能认为FF是F的加强，对不起，FF和F没有任何关系，我们只是在产品结构和运营结构上做混淆。因为技术团队能够拿到所有的底层数据，所以运营团队和产品团队对数据做了混淆，我不知道这是否是团队之间的一些协定或者什么别的。在一个运营至上的产品团队里面，对于很多的运营数据在技术这边是做了技术混淆的。

考虑一个这样的案例，比如说韩国料理，用户做了促销的消费，这个消费券是下面的代金券。有人是否能通过这样的一个组合发现之前没有发现过的问题？可以想一下，如果这个用户选择了韩国料理下面的泰客餐厅，选择通过优惠券做支付，这样的一个用户是一个什么样子？
如果用户是分享型用户，他是低消费的用户，这样的用户如何做服务，这是运营后面要考虑的问题。对运营完了之后获得用户数据之后我们要对用户做贴身服务的，而且要和竞争对手做肉搏的。所有的肉搏都体现在我们后面的这些服务场合，针对不同的类型用户做什么样的服务。
刚才我们说，我们通过运营获得了数据，在产品团队里的运营（PO）更主要的职责是拿到这些数据，并对用户做出用户画像，谁在后面做贴身肉搏呢，是运营团队和市场团队来做这件事情。所以整个数据是给他们做业务支撑的，如果你的用户数据和画像是不清晰的，或者在前期给他们的沟通上做出来的整个业务逻辑是有问题的，就是配对，不同的配对是有问题的，然后对配对的选择就会出现差错，那么他们的真正的运营指导就会出现差错。