5daofeng•2018-10-17 16:15:38•阅读次数:4562
活动运营在各行业的运营中,都占了非常大的比重;而对活动频率和密度的调控,就成为一个棘手的课题:一方面希望活动越多越好创造更好的业绩,另一方面,太多的活动又会带来用户对活动的“敏感度”和“响应率”下降。
在互联网发展的历程中,活动运营呈现出特征鲜明四代活动节奏体系。
1
▌节日型
互联网企业移植了在传统线下活动的形式,每逢节日也会推出热门活动来拉动用户的活跃度和产品销售额,诸如双十一打折、充值多送10%的话费、会员天数等等。
最常做活动的节日包括:
元旦、春节、端午、国庆、圣诞等传统节日;
情人节、光棍节、七夕等主题节日;
有些公司自创了周年庆、每月会员日。
2
▌宏观型
在运作节日型活动时,每次活动效果也是时好时坏,从活动的数据分析中,得到一些结论。
例如:所有用户的(视频、单车)会员剩余天数总数较多时,促销活动的效果就会差一些,而所有用户的会员总天数较少时,同样的促销活动效果就会好一些。
所以很自然的衍生出了一套基于宏观经济、生态的监控数据的活动策略:
在“最优”时间节点上做活动。
活动素材在平时就准备好,一旦指标击穿阈值;随时配置好关键词就发布活动。
3
同样的,在实操中也总结出两条经验:
一条数据曲线(指标)不合适的时候,必须要优化调整。例如:做账单分期活动,就经历多次调整,从全量用户的账单总和、调整成有过账单分期记录的用户的账单总和,最后又调整为监控5万账单用户这个小群体用户的账单总和。
即便在“最优”节点上做活动,每个用户的价值走势也不相同。常常是多数用户在的时候,某些用户恰巧处在他们自身参数的“最差”时段。所以如果实现针对每个用户定制营销策略,将会进一步挖掘用户身上的价值。
▌微观型
针对每个用户的独特属性和偏好的研究和运营,最基础的工作就是“打标签”,除了常规的人口属性(年龄性别省市)和兴趣偏好(游戏视频商品),还应该收集更多的行为属性,诸如游戏胜率、跳过广告次数、账户资金余额均值等。基于成型的标签体系,运营团队就可以展开类似“千人千面 ”的个人专属活动。
实施过程中需要定期查询个人的标签及其属性值的变动,一旦触发营销条件,即可推送预置好的活动。
例如:某日凌晨的定时任务,检索到A用户在近1周内信用卡交易笔数低于其15周均值的10%,则赠送一份小额、限时刷卡金,将有助于提升用户刷卡的活跃度。
▌实时型
检索用户属性通常比较耗时,通常会放到凌晨执行。随着近些年实时计算平台的发展,实时的推送营销活动,尤其是促销活动已成为可能。
例如:在淘宝首页搜索并点击查看从未搜索过的生僻商品(香水、鱼竿、砂轮机等等),很短时间内,淘宝就会做出类似千人千面的响应:在首页和推荐位上就会显示这个生僻品类的推荐商品,有时就是刚刚点击的商品,整个过程最短的抽样仅17秒。
同样的,也可以推出店铺的打折券类的活动。