编辑导语：用户运营的本质是通过某种方式引导用户完成目标行为，表象层则是通过触达能力把运营策略展示给（目标）用户，即触达能力的搭建和运用在用户运营中是十分重要的；本文作者分享了关于私域用户运营的必要基建，我们一起来了解一下。
目标用户的选取，其实的数据体系的搭建和运用。在效率角度上，在恰当的用户路径为适合的用户推送合适的内容，转化率更高；数据在其中的作用，是让你能够客观评判项目效果好坏以及指导迭代节奏。
故，通过用户运营的本质来看，触达能力和数据体系，是运营的重要基建。
在零售品牌阵营中，绝大多数还在流量池子的建设阶段，对于用户运营的介入还需逐步搭建；我们通过一个电商拉新项目的例子来说明阐述：「提升站内新用户转化，促进新用户消费」
一、触达体系
流量池子的建立是用户运营的基数搭建，触达是为了更高效的活跃池子里面的鱼儿。
1. 触达体系概览
对于用户的触达能力进行大盘概括梳理，根据不同渠道形式进行分类：
- 类型：根据完全私域与否，进行触达类型的区分，完全私域类型的触达方式比较私密的，需要用户主动上门才可触达；
- 渠道：根据常用手段进行细分，包含自建渠道（APP、小程序）、公域转私域渠道（小程序、公众号、微博…）、流量广场（短信、电话、站外广告）；
- 形式：根据渠道推送内容进行分类，图文、通知类（当然很多都是文字）、视频、语音；
- 人群：根据用户付出成本及品牌获取信息分类，程度：完全私域、深度私域、基本私域、普罗大众；
- 推荐：根据用户成本及打扰程度进行分类推荐。
手段很多，同时进行的项目很多，所以每一次推广都是资源的占据和消费，高转化率是提升整体效益的重要路径。
2. 用户运营的一些原则
大多数的商业市场，并不是无可替代的垄断市场和绝少数的寡头市场，手中具有和用户建立超紧密链接的牌是少数的，每出一张都需要想清楚是否会影响双方（品牌和顾客）关系；所以在零售/品牌的角度，进行触达推荐的策略，需要强基于用户体验。
俗话说，开门做生意，是要广结客源，而不是想着如何“割韭菜”。
故，有一些重要的推荐原则：
1）经营顾客如同经营感情，朋友要注重关系经营，老朋友可能才会挺你！
- 新朋友：刚刚与品牌建立友情（爱情也可）关系，更需要的是双方不断的了解升温，不适合对其进行过多的营销活动，更多需要温暖体贴的服务建议和情感维护；
- 老朋友：慢慢的积累起来双方的关系厚度，需要想的是如何让他们不断的见面成为铁关系，好朋友之间才会互相帮忙和挺你！所以付费产品、裂变活动更多是老客户在参加（不讨论价格敏感用户）。
2）理解不同人群的行为方式是不同的，观察+总结=有效规律
- 信息触达的基础阶段是表达品牌想说的，这个时候更多是大通盘的推荐和表达，但人是不一样的，于是产生了精准营销；
- 精准营销的根本在于，归纳总结人群特征，根据特征演绎喜好内容，在不断的推荐-结果中迭代，长期积累出有效推荐内容。
3）做有意义的互动、有意义的事儿，还要坚持做
- 在信息漫天纷扰的今天，企业会过于急躁的为了解决或看似忙碌的希望于用户产生更多的链接，所以活动、运营动作很多，但要相信的是，大多数是九牛一毛之力，对于大部分用户是无动于衷和无感知的；
- 要做有意义的事儿，平衡品牌的需求，符合人性的发展和需求，积极向上的能量，比如环保理念，是人类发展的趋势和行为选择，所以用户会关注过度消耗，对于真正用心、坚持做的品牌会有独特的信任和点赞之心，大多数的形式主义会在时间的验证中被识破；
- 品牌理念、主张是品牌的灵魂，但绝非是一时半载就能够让用户理解和接受到的，这就是感情的建立，需要时间的积累，这是客观的事实。
4）开放透明，了解用户除了数据，还有真实接触的感情
- 触达，除了活动、推荐以外，更深层次的是彼此的倾听和了解，客服、线下见面会都是更真诚、真实的手段；
- 传达，除了一些好的内容和文化，其实也可以传递我们自查自纠的内容，这是一种陪伴型关系，彼此更加信任。
二、数据体系
数据，是业务评判的重要标准，既能够判断业务结果的优劣（结果数据），还能够对于业务进一步发展提供方向支持（过程数据）；建立完备科学的数据体系，是业务发展的重要风向标。
1. 业务数据模型
数据模型的建立，是检验业务负责人对于业务熟悉程度、洞见程度的表现。
业务开启之前，需要对项目提出正确合理科学的业务数据需求，会让项目上线后效果评估变得无所适从，也会对项目优化迭代节奏变得手足无措。
数据模型的建立与分析，对于业务发展的指向作用意义重大。
1）业务需求指导数据需求
业务需求，是指为能够更好评估业务效果及分析业务情况，需要监控的数据是什么。
资深的业务负责人，在项目开发前，就需要清晰知道所要检测的数据，尽早梳理完成数据指标，便于后续产品技术进行预留埋点开发取数；避免项目上线之后，却没有可分析数据的尴尬境地，重复开发造成的人力浪费。
- 类型：根据数据指标是否是直接代表业务效果，来判断属于过程指标还是结果指标；结果性指标通常以“产出”为导向，易于衡量，但难以改善或影响；过程性指标通常以投入为导向，难以衡量，且易于影响。
- 关键指标：找到能够代表结果指标或过程指标的数据。
- 具体指标：进一步关键指标的内涵。
2）数据需求指导产品埋点
业务方有了明确的数据指标和定义后，产品经理才能够清晰地梳理清楚埋点需求与技术开发进行沟通实施，否则可能上线之后，我们并不能够看到我们所需要的数据。数据埋点是数据可视化的重要部分，做每个项目千万不要忽视它的重要性，应该作为项目上线的标准SOP一环。
3）搭建所需的数据仪表盘
仪表盘是项目的闭环能力，利用数据可视化的方式，将高度复杂的数据转化为有助于展示和洞察业务问题的关键要素。数据需要以最直观的形式展示，便于业务方能够清晰快速地看到问题所在和预判趋势。对于异常的数据指标和趋势，及时进行预警。缺少数据仪表盘的展示，仿佛是项目进程处在盲人摸象的阶段。这点上，天猫后台的生意参谋数据洞察的确做得蛮不错的，直观清晰。
2. 业务数据分析的一些原则
在数据的海洋中遨游，的确能够帮助我们更加的了解业务，同时更清楚谁是我们的目标群体，及辅助进行下一步迭代策略的制定。
但有时信息过多反而会增加数据清洗分析的难度，关注内容过多反而容易偏离正常项目轨道。
1）结果指标是塔，过程指标的最强辅助！
- 无论任何时刻，最需要重点关注的是结果指标，这才是直接反映业务好坏的直观情况，也是老板最看重的项目lead数据。
- 过程指标，需要细心地洞察和分析对比，所有的业务都有优化空间，但是如何优化、空间多大，都可以从过程指标里得到答案；如果优化空间难以提升的时候，说明要么应该换个方案要么这是该项目的稳定水平。
2）丰富的数据维度不是好事儿，主要的是关键指标
- 数据指标分为一级指标、二级指标、三级指标等，从业务洞察角度，一级指标是直接数据，当一级指标数据发生异常波动的时候，我们需要下探到二级/三级数据中找到变化的原因；如「资源位总体曝光数据」是一级指标，当整体指标发生异常情况的时候，我们下探二级指标「各资源位置」去看波动情况，以此类推，知道寻找导变化的原因。
- 当数据看太多的时候，容易想一个漩涡将我们的思绪缠绕起来，所以我们应该从大盘数据看起，有异常情况往下类推，而不是一下子就钻到下级数据的牛角尖里。
3）记录每次策略调整的时间和内容，及时监控数据变化
- 每个运营项目终局都是一次次的迭代积累到达的，对于其中的过程，我们需要有实验精神的记录下来，便于后续对于有效经验的运用，无效经验的闭坑；
- 项目数据变动，除了大盘变化的影响外，每次运营策略的调整，都会对项目数据有或多或少的波动影响，便于后期对于不同策略程度变化的对比，我们需要尽可能的记录。
4）项目数据变化多一些假想，进一步体验
- 数据的变化，一定是有某个背后的原因造成的，对于运营同学看到数据变化的第一反应，应该需要对变化的原因有多一些的假想，然后再对假想进行验证确认，这是实验的逻辑，让原因的追溯更加清晰有逻辑不错漏。
- 数据的变化，可能是因为我们策略调整造成的，我们要相信现场有神灵，不清楚变化的原因的时候，不妨按照最真实的用户路径体验一番，可能就能找到变化的原因。
以上，是在日常的实践过程当中，对于用户运营底层逻辑的认知。
运营最重要的是找到快准狠的打法，同时高效率的实施和完成，并且注重复盘和积累，才能够才运营的路上积累下属于自己的方法论，这是经验的厚度。
资源一定是有限的的，尤其是在大规模的企业中，提升效率有助于促进公司增加营收，这才是效率的目的。
数据，越来越会成为一门必修课，它更加客观和科学的反应情况，但千万不要陷入数据迷途中，要运用数据！
本文为@In Nice原创，运营喵专栏作者。
