产品运营方法论+实战课程
主讲老师:陈博
【课程背景】
在互联网流量红利消失的大环境下,企业需要更加精细化的运营,而运营的前提就是根据产品的生命周期和运营阶段性的目标来去设计具体的营销策略,营销策略是一个很大的话题,涉及到对于用户的深刻理解、分析、标签化、数据化,然后对用户进行分群分层,设计相对应的营销策略,以达到降低获客成本CAC和提高用户生命周期价值的LTV的总体目标。要达成这个总体目标,企业需要设计一系列的动作包括数据的搜集、分析、聚类、设计策略、设计营销计划和具体内容、数据埋点、A/B测试、复盘迭代等。
此外,营销策略的最终目标是为了达成用户的增长,促使企业快速占领市场,形成用户心智,那么营销策略与用户增长之间的关系是什么?互联网红利消失的背景下,用户增长的要点和实战方法又是什么?海盗模型的深入拆解指标是什么?如何进行实战?
本课程基于以上的思考,萃取互联网大厂的实战案例和经验,设计了一套完整的产品营销策略的课程,能够快速有效的搭建产品营销团队的完整思维体系,并掌握相应的实战技巧。
【课程大纲】
一、运营知识总体概论
1. 运营系统知识框架梳理
Ø 为什么做运营
Ø 运营的分类
ü 产品运营
ü 市场运营
ü 内容运营
ü 社区运营
ü 用户运营
ü 类目运营
ü 新媒体运营
ü 数据运营
Ø 运营应该掌握的基本技能
ü 基本方法论:利用人性弱点、目标拆解、5W2H、SWOT
ü 从4P到4C到4R
ü 基本工具:思维导图、流程图、线框图等
ü 基本知识点:商业模式、互联网思维、常见术语等
2. 人货场的运营概念
3. 运营岗位的分类
Ø 基于产品分类
Ø 基于技能分类
4. 运营产品经理四个发展阶段
Ø 实习生
Ø 初级运营阶段
Ø 资深运营阶段
Ø 运营专家阶段
5. 如何看待运营与兄弟部门的关系
Ø 运营部与市场部
Ø 运营部与产品部
Ø 运营部与设计岗
Ø 运营部与研发岗
Ø 运营部与财务、人力、行政等部门
二、各种运营技能详解
1. 内容运营
Ø 一切呈现皆内容:文字、图片、音视频……
Ø 内容的作用
Ø 真正的内容营销是怎样的?
ü 产品是1、营销是10-100-……
ü 话题营销
ü 事件营销
ü 创意+病毒营销
ü 口碑营销
ü 情感营销
ü ……
Ø 内容营销的渠道
ü 操作系统
ü 网络接入方式
ü 大流量入口级应用
ü 私域流量和公域流量
ü 印刷媒体
ü 媒体定位和产品目标相匹配
Ø 内容营销流程
ü 精准定位
ü 内容策略
ü 内容创意生产
ü 内容投放
ü 营销目标、kpi制定
ü 复盘优化
Ø 运用用户思维做内容
Ø 内容怎么变现
案例:杜蕾斯、二手车广告、味千拉面、咪蒙、华为Mate book e……
2. 渠道运营
Ø 渠道的分类
Ø 常用渠道详解
Ø 如何选定可用的渠道
Ø 如何评估渠道质量
3. 产品运营
Ø 了解产品
Ø 了解用户
Ø 产品价值推广
Ø 创意与执行
Ø 数据分析
Ø 产品经理及格线模型及高级模型
案例:某电商平台新客频道运营
4. 不同类型产品的运营侧重点
Ø 平台
Ø 工具
Ø 电商
Ø 自媒体
Ø 社群
Ø ToB
Ø 教育
Ø ……
5. 活动运营
Ø 活动的指标
Ø 如何策划活动
Ø 活动流程
Ø 什么是成功的活动
案例:微信GMG老带新活动运营
课上作业:以11.11为主题,结合自己所负责的产品或所处的企业,做一个完整的活动运营方案
三、用户运营是根本
1. 用户运营五大体系
Ø 用户生命周期
Ø 用户分层
ü 金字塔级用户分层
ü 双金字塔分层
Ø 用户分群
ü RFM模型分群
ü 不同行业的RFM变体模型
ü 算法分群
Ø 用户激励
Ø 用户画像
2. 用户运营的15种思维模型
Ø AARRR漏斗模型
Ø RARRA模型新漏斗
Ø 帕累托分层模型
Ø 金字塔分层模型
Ø RFM用户分析模型
Ø 单用户价值模型
Ø 用户生命周期(LTV/ARPU/ARPPU)模型
Ø 用户盈利能力模型
Ø 用户增长模型
Ø 用户心理常见5种模型
Ø 用户上瘾4步曲模型
Ø 用户裂变病毒系数K值模型
Ø 用户调研实操模型
Ø 常见用户体系搭建模型
Ø 游戏化管理用户模型
四、用户增长和用户留存概论
1. 鲸鱼模型和用户留存
Ø 鲸鱼模型和用户生命周期概念
Ø 用户生命周期净值管理
Ø 死磕AARRR-硅谷公司也在用的海盗模型
Ø 把每一步落到指标里
2. 数据指标体系与增长飞轮
Ø 关于数据指标体系
ü 用户数据
ü 行为数据
ü 产品数据
Ø 如何选择指标
ü 好的指标,应该是比率
ü 根据业务重点找核心指标
Ø 虚荣指标vs北极星指标
ü 北极星指标的概念
ü 不同产品的北极星指标不同
ü 北极星指标的原则
作业:分析自己所负责的产品的商业模式、核心价值及北极星指标是什么?
Ø 虚荣指标与增长飞轮
Ø 亚马逊增长飞轮概念
Ø 增长飞轮与第二曲线
Ø 如何用指标解决问题?
思考题:自己所负责的产品当前所处的阶段以及当前阶段的常见关键指标是什么?
3. 什么是用户增长
Ø 用户增长的概念
ü 已经验证了市场需求PMF
ü 可被规模性扩张
Ø PMF验证产品的价值
Ø PMF验证六步法
ü 第一步,确定你的目标客户
ü 第二步,找到那些未被满足且你有能力解决的需求
ü 第三步,明确你的价值定位
ü 第四步,明确产品MVP核心功能
ü 第五步,把产品的模型做出来
ü 第六步,验证
Ø 螺旋上升的PMF
Ø 创新扩散曲线
Ø 增长黑客的工作
ü 关注整个用户生命周期,而不仅仅是获客阶段
ü 通过数据驱动的方法,不断试验迭代
ü 将增长机制产品化,把增长做到产品里面去
4. 增长vs产品和市场
Ø 产品vs增长
Ø 最常见的增长尝试切入点
ü 改善未登录状态体验
ü 提升新用户首次体验
ü 发更好的召回邮件和通知
ü 增加引荐或者病毒传播效果
ü SEO...
Ø 市场vs增长
ü 传统营销漏斗VS增长团队漏斗
ü 其他方面的差异:付费与免费、团队、知识技能……
ü 产品创造价值,增长让价值传递时的阻碍更少
ü 市场是曝光逻辑,增长是裂变逻辑
ü 增长不是特定的工种,而是一种思考问题的方式和工作习惯
五、为什么用户留存比增长更重要
1. 留存指标是产品所有指标中最重要的一个指标!
Ø 用户留存率每提高5个百分点,利润就会提高25~ 95个百分点
Ø 获取新用户的成本太高
Ø 而且现在争夺优质在线平台的竞争越来越激烈, 这导致广告成本不断飙升
2. 不管获客怎么样,留存率会改变累积用户的斜率
3. RARRA模型突出了用户留存的重要性
4. RARRA模型的真正的价值
Ø 实现二次购买/复购,拉长用户的生命周期
Ø 实现交叉购买
Ø 实现低成本的拉新获客
5. 留存率累计效应差距巨大
6. 留存和用户生命周期、收入的关系
7. 留存的几种算法
Ø 用户属性
Ø 时间维度
8. 留存分析模型一:Cohort Analysis
Ø 新老用户同期群分析(Cohort Analysis)方法
ü 如何绘制同期群数据表
ü 如何分析同期群的数据:横向、纵向
ü 为什么要区分新、老用户
ü 留存用户的颗粒度拆分及黏性指标分析
ü DAU/MAN:用户黏性指标分析
Ø 用户分层模型:RFM
ü 什么是R/F/M
ü RFM→FMR→FMP
ü RFM的优点和局限性
ü RFM的深层问题
9. 留存分析模型二:渠道同期群分析方法
10. 留存分析模型一:产品功能留存矩阵
Ø 分析了解各个功能的价值
Ø 找到各个功能的提升空间
Ø 通过功能优化来整体提升用户留存
案例:咪咕音乐:如何找到影响留存率的最关键核心指标以及如何设计优化方案
Ø 找到提升用户留存率的关键点(Magic Number)
思考题:假设收藏功能对于留存率的重要性是显著的,那么你打算怎样优化收藏功能呢?从哪几个维度或方法进行优化
六、如何防止用户池流失
1. 当我们在谈留存的时候我们在谈什么:
Ø 活跃池
Ø 沉睡池
2. 用户流失原因决策树
Ø 客户主导的流失
Ø 企业主导的流失
案例:用户旅程地图发现用户不开心的流失:58同城发帖
3. 两个80/20法则
4. 如何识别“关键时刻”
案例:咪咕视频
七、新用户转换过程中的黄金断崖点
1. 产品核心体验流程
2. 转换链路的效率
3. 黄金断崖点
4. 魔法数字
八、产品生命周期概念和管理
1. 产品生命周期与经济环境的关系
2. 什么是产品生命周期
3. 产品生命周期不同阶段企业的侧重点
Ø 投入期什么最重要:创新能力
Ø 成长期什么最重要:销售
Ø 成熟期什么最重要:利润
Ø 衰退期什么最重要:成本
九、比运营增长更重要的是产品定位
1. 比用户增长更重要的是产品定位
Ø 什么叫定位及其重要性
Ø 抛开数字背后的真相→产品价值和定位
2. 几种不同的定位趋势
3. 定位的重要性和分析方法(象限图分析)
案例:电商、视频、音乐等类型产品的定位分析
4. 不停的调整定位,就是在不停的调整你的增长策略
案例:同样的营销动作针对不同的平台的差异性,淘宝和得物
十、数据分析体系的两大价值与四个搭建原则
1. 数据分析体系的价值
Ø 支持经营规划
Ø 支撑过程管理
2. 搭建方法
Ø 业务分析
Ø 体系规划
Ø 四个原则
ü 关注长期,面向对象
ü 分层定责,分维归因
ü 逻辑清晰,循序渐进
ü 表达清晰,口径统一
十一、数据驱动运营
1. 基础数据指标
Ø 基础数据来自哪里
Ø 如何筛选需要的数据指标
2. 统计数据会说谎
3. 如何让数据靠谱
4. 从零开始做数据分析
Ø 数据分析做产品设计
Ø 数据分析做产品规划
Ø 数据分析做精准营销
Ø 数据分析做渠道运营
5. 数据分析常用工具
6. 如何进行有效的数据分析
Ø 问有效的问题
Ø 建立一些假设
Ø 寻找正确的数据
Ø 分解手中数据的关系
Ø KISS
Ø 验证假设和结果的关系