profile|2021运营人年度工作总结——常用模型篇( 二 )

HOOK模型中的行动，提示运营人员根据活动背景、活动目标，去策划活动方案和流程；
HOOK模型中的筹赏体系，提示运营人员活动方案要具有吸引力，筹赏可以多维化，既有可以预期的，也有意外惊喜；既有及时可得的，也有持续坚持成长类。以此，来增加活动的吸引力。
HOOK模型中的投入，提示运营人员基于人性的分析用户的沉没成本越高，就越难以离开平台。它提示运营人员要兴趣广泛、多了解用户心理、用户需求。
通过上述简单的分析，增长活动策划的模板已经隐隐若现了。
2. 活跃类在运营界有这么一句俗语“用户活跃靠活动”，这句话不能说100%正确，但是，80%的正确是没有问题的。
问题是活动该怎么做，做什么类型的，去触发哪些用户，触发后的下一步动作是什么，如何进行奖励？
常见的活动活动种类很多，比如话题类、拼团打折类、游戏类，我们会单独拆出来一个维度，在后文进行总结；那么该触发哪些用户，触发后的下一步动作是什么，如何奖励呢？
前文我们讲的HOOK模型，以及下文要介绍的User persona、User Profile正式来帮助大家解决这方面问题的。
在用户运营生命周期里，获取用户不代表获取客户。
用户的流入，有可能处于各种不同的心理，或者各种不同的原因，也不乏有一些用户因为好奇过来看热闹、薅羊毛。
热闹散后，这些用户如果不能快速激活和活跃，也必将匆匆离去。
企业花费了大量的人力、物力、财力，最后留下一地鸡毛。
User Persona和User Profile，最早来源于大数据的协同推荐和聚类推荐。而这种技术对用户画像提供巨大的支持。
Persona考虑从典型用户从发、Profile重视群体特征，两种不同的维度分析弥补了原来用户画像重视群体分析，缺乏典型用户塑造的现状。所以，越来越受企业的青睐。

文章插图
（1）User Persona模型：协同活跃
以你为主，以你喜欢的产品或者内容为主，推荐你以为喜欢这些产品或内容，还可能喜欢的相关的产品或内容。举例，购买购买锅的用户，有很大可能会有锅盖或者勺子的需求。
Pesona模型把协同活跃做了深度的细化。它建立在对真实用户深刻理解，及高精准相关数据的概括之上，通过分析海量数据筛选高活跃客户特征，并把这些客户特征组合到一个虚拟的用户上。当不同类型的人群进入系统后，会自动与虚拟人物进行匹配，匹配成功后归纳为同一类人群，推荐共同喜欢的内容或产品。
（2）User Profile模型：聚类活跃
以人群为主，这个人群除了喜欢这款产品或内容，还喜欢哪些产品和内容。正如同古语中的物以类聚，人以群分。物以类聚是因为有着相同或者相似的特征，人以群分是因为有着相同或者相似的审美、购物意向和价值观。
协同活跃是指系统发现B与A是同一类人，B在进入系统后，User Profile模型通过大量的用户数据分析，例如猜他是男是女，生活工作所在地，乃至喜欢哪个明星，要买什么东西等。系统中会主动推荐A喜欢的内容或者商品给到。我们在京东、淘宝购物时，网页下方提示喜欢这本书的用户，还喜欢哪些书，就是典型的协同活跃案例。
3. 转化类无论是引流用户，还是活跃用户，我们最终的目的都是把用户变成客户。
把用户变成客户的方法很多，比如社群转化、私聊转化、会销、电话销售等等；会用到心理学的内容制造用户焦虑、引导用户下意识；也有可能会用到市场营销学中的制造紧迫感、通过打折抢占用户心智。
这些方法经过市场验证效果也不错，但是，缺乏对用户的深刻认识；同时，也缺少对快节奏的互联网公司的应对。
接下来分享两个模型，从用户的角度出发；或者从快节奏的解读出发，帮助运营更大效率的为客户提供价值、为企业提供价值。

文章插图
（1）LGERR模型
社群运营的混乱，表面看公司节奏过快引起的；实际上是运营对工作职责、目标、规划不清晰造成的。
LGERR模型通过用户标签（Lable）、社群周边（Group）、用户教育（Education）、社群转化（Revenue）、社群裂变（Referral）等多个方面分析，从根本上提高大家的效果，释放大家的时间。
由于在以前的文章中，单独介绍了我个人提出的LGERR模型，在这里简单介绍，感兴趣的读者可以查阅我以前的内容。