【干货】：如何7天内突破“在线咨询”200咨询?
一只阿木木约 14 分钟突破点点医生咨询量
[公众号：一只阿木木]
有人问：为什么一定要做一次分享会。
在座的，有产品狗，工程狮，有运营猫，程序猿，还有技术大牛，一个技术小白讲什么呢？
语言是人类特有的一种符号系统，它是人类区别于其他动物的一人重要标志。 ---马克思
产品赚钱的方式决定了我们应该关注的指标。
商业的本质：增长才是王道。
产品上线有一段时间了，用户量一直上不去？
老板要求做一下用户分析，自己都觉得不满意？
做了几次推广活动，用户咨询量还是上不去？
产品的设计在用户眼里，产品的命运在我们手里。
更现实的问题是，如何突破用户咨询量呢？
答：数据的可视化分析
先干了这碗鸡汤：
一个业务没有指标，则不能增长和分析
好的指标应该是比率
好的分析应该对比
是不是有一种听了很多大道理，依然过不好这一生 的错觉？
天空不曾留下鸟的痕迹，但鸟儿已经飞过。--泰戈乐
握不住的沙，就放手吧。
相濡以沫，不如相忘于江湖
一、主题营造
首先举个例子：告诉我一个日活跃度为1000 流量的产品，你会怎么分析。
日活跃1000流量，其他竞品的流量是多少（对比）
这1000流量比昨天是多还是少（对比）
1000 人中有多少产生的实际咨询（转化比例）
关注产品人群是多少（转化比例）
优秀的产品经理会 “拷问” 别人数据，而数据分析本身也经得起拷问，这就是数据分析思维。
所以，如何建立数据分析思维呢：不是 "我觉得"，而是 "数据证明"。
如果你不能衡量它，那么你就不能有效增长它。现代管理学之父 彼得-德鲁克
衡量的标准就是指标。
假如隔壁老王想描述生意，应该使用销量，这就是他的指标。互联网想要描述产品，应该使用活跃率，使用率，转化率等指标。
在产品商业化后，我们会关注与钱相关的指标，比如广告，比如利润，而在产品1.0 阶段，产品留存率是核心指标，所以前期重在提高产品质量。
二、不同的运营角度。
小红是一位漂亮的毕业生，文能提笔动人肺腑，情能信手互动用户，后期社群运营也有声有色。
小明也很帅气，当初领导对其刮目相看因为他报表做得多，产品背后的各种指标信手拈来，能产出不少质量上乘的分析报告。
小红做文案时拿出手机阅读而不是电脑屏幕检查，留意编辑样式在手机端的排版，反复修改标题和文尾，请教好友感受，一切都在模仿用户感受。
小明则倾向于事前准备，观察历史文章数据，什么样的内容和标题，哪类主题阅读量更高，阅读内容时长控制等，小明行文没有那么流畅，但是是谋定后动的典范。
现在要做一次营销活动，当如何从用户角度策划呢？
以优惠券为例，小红不会单纯发优惠券，而是将优惠券拆成多张，多张的目的是让用户重复消费，养成消费习惯，一张大额优惠券会让用户变成羊毛党，多张小额优惠券，更具备粘性。
借用一个心理营销，早餐包子店如何提升销量？
不是问顾客要不要买包子，改成要一个包子还是两个包子，实现早餐销售翻倍的实验。
采用类似策略，比如给两张不同众的优惠券，配合文案，设计，营造出不买会错过的暗示，预设出立场：用哪个优惠券更划算，而不是要不要使用优惠券。
而小明会怎么做呢？
首先根据过往营销活动的数据核算ROI ，并且提取用户粒度，哪些是超级用户，哪些是优质用户，哪些是普通用户，进行一个可量化的标签。
比如：分析用户场景和用户画象。
用户场景很重要么？
你在电脑上咨询，在地铁里咨询，在厕所里咨询，还是急病时才咨询，很重要么，我只要解决用户的问题就可以了.
有什么区别么?
有有有 （念念不忘，必有回响）
1.更准确的需求分析。
比如手机抢拍，速度是最重要的。这个时候提拍人更美，就是耍流氓。锁屏快速进入相机，但是开启到对焦到拍照要求急速，所以，某手机的做法是：长按侧边按钮进入相机，松手即完成拍照。比如某手机电话的接听页面。
2.更全面的产品功能
购买咨询的一般场景有：
2.1 很明确要咨询什么病情，那么选择医生时就是医生咨询量，医生评价，医生比价等。
2.2有想要咨询的问题，有大致的价位，但是不知道如何精准咨询，问哪个医生，那么场景需要的是根据医生文章，医生咨询量，医生评价等快速对比功能
2.3有想咨询的问题，自己不知道价位，不了解咨询流程，那他需要的是更多的整体介绍和推荐，以及一些促销和优惠等
2.4 有的只是随便看看，潜在的咨询意图，此时就需要专题，优惠，推荐等勾起他的购买欲。
必须保证所有场景下的目标用户都在产品上得到满足，才能保证产品功能的健全。
3 更高效的产品团队
用户画象 + 用户场景 + 产品用例 == 完美的产品设计 + 研发需求 + 运营指南。
用户画象误区--容易产生形式主义
用户有那么多维度，如何合理选择标签。
我想定义用户的层级，vip 用户应该累积消费金额超过多少？
在什么时间窗口内？为什么选择这几个标准？
后续应该怎么样维护和监控？业务发生变化要不要改。
设立好标签，怎么验证用户画像的有效性？
如何知道这套系统成功了呢？效果不佳怎么办？
有没有更多的应用场景？
策略的执行问题，运营背负着KPI， 当月底KPI 完不成时，你觉得运营会更喜欢全量运营，还是精细化呢？
3.1 如何定义用户画像 所有按生命周期分类的标签：如新用户，活跃用户，流失用户等，都是画虎不成反类汪。原因：滞后。用户很长时间没有回应，哪怕知道是流失用户也于事无补，有价值，但是太滞后。
聪明的运营会设立一个新的标签，最近一次活跃距今天的天数。这样还可以设立7天，30天，90天等时间节点。
但是AB用户有差异，哪怕不活跃天数相同，流失的可能性不会相同。这个问题尤其是低频场产品凸显。
我们设立流失用户，首先是预防，其次是流失。
所以，较好的标签是 用户流失概率，
流失概率> 距今天数> 流失标签
3.2 如何建立用户画像
为什么要建立用户画像？ 用户画像指导运营策略。 这里同样用举例说明。
小李是运营经理，按是否咨询过医生，将用户划分为：潜在用户，新用户（咨询一次），老用户（两次及以及上）。利用红包或优惠引导用户咨询，也带来一次咨询不再消费的问题。
用户的继续分层：用户性别，年龄，社会属性，用户咨询有较明显的早晚、星期节假、季节性。不同属性的人群，如白领，更关注消费体验，价格不敏感。
但是用户流失有各种各样的原因，对手竞争，咨询医生的质量，用户体验，甚至是一条差评。用户历史窗口内消费金额少，可能会流失；用户历史窗口消费频次低，可能会流失；用户历史窗口打开产品次数少，可能会流失；用户给过差评，可能会流失；用户咨询等待时间过长，可能会流失；用户性别差异，可能会流失。。。
关键点思考：流失用户的行为，是一个动态变化的过程？
单位时间段内消费忠诚度是梯度下降的，所谓流失，可以通过用户行为的细节预判。
流失概念解决了小李的困惑，通过提前发现降低流失用户。但是挽回用户也要花钱啊。小李发现，拿到优惠券才消费的用户不是真爱粉。于是他决定配合消费档次区别对待，不在只考虑用户数量。
基于业务场景的标签没有一个脱离用户场景，我们还可以想象用户画像很多玩法，比如价格敏感度，比如对某医生的喜爱程序，用户某类咨询问题的偏好，某类咨询问题的用户群体特征等等。
4 用户画像架构
知识点：用户画像标签体系要与运营目的相吻合。
一般业务属性划分为人口统计，社会属性，用户消费，用户行为等， 金融领域还会有风险画像，如征信，违约，洗钱，还款能力，保险等。电商领域会有商品类目偏好，品类偏好，品牌偏好等。
你是不是对产品有什么按耐不住的想法了？和技术谈好需求了么。
以流失系数举例，用户早期历史行为，一定时间内如30天内消费金额，消费次数，登录次数等本身也是一个标签，通过数据库记录可得。
比如，A用户在内容标签下重试使用，在视频标签下轻度使用。B用户很久没有打开产品，有流失风险，但是在视频上用时长，看起来很忠诚。
这就叫， 用户画像作为平台级应用。
收。
什么是用户忠诚度。
有人会抢答说指标来衡量 - 重购率。可以，但是不全面。
用户忠诚度的数据进一步可以细分为：基于行为的忠诚度和基于态度的满意度。
忠诚度通过咨询频率，咨询额度等指标测量，满意度是产品的偏好或期望，通过咨询意愿和咨询评价来衡量。为什么要有区分呢，假如用户看中的是低价，竞争对手提供更低的价格。。。
细分出用户群体，那么策略的核心就是降本增效。如羊毛型用户，采用低让得的优惠组合，天使型用户，引诱高端消费。
用户运营，内容运营，活动运营，产品运营，都是不同思维方式的结合。
三、用户消费行为分析
数据来源点点医生用户咨询数据2017-07-23日至2017-08-22日共30天数据，已去重。
1.以咨询订单为数据粒度的消费行为分析
（图略）
消费类的数据分布，都是长尾形态。
在已咨询的用户中，大部分用户咨询过一次。
大部分咨询订单都集中在小额。
而小额用户贡献了大头，即著名的二八理论。
2.以用户为数据粒度
（图略）
咨询订单总量：517 条。
订单总金额：5827
用户数 ：410
平均咨询次数：1.26
平均咨询金额：11.27
3.以时间为数据粒度（按24小时）
注：日，周，月等数据可参看大屏展示
3.1 数据展示
3.1.1 大屏数据初步展示
可以看出有较明显的时间差异，数据波动异常。假设用户行为属性有待统计的规律性，或假设各类营销活动引起的波动。这里只有咨询消费数据，无法进行有效判断。进行下一步分析。
(图略)
绘制咨询订单的散点图，咨询订单和咨询量呈规律性，没有异常波动。
（图略）
绘制用户散点图，规律性也比较强，离散群点少。
（图略）
绘制直方图，先看用户咨询消费金额和购买量，再看咨询的时间节点。
3.1.2 24小时数据展示
用户行为消费的咨询订单都集中在08-22时间段，
时间：24小时 ：0 - 2 - 4 - 6 - 8 - 10 - 12 - 14 - 16 -18 - 20 - 22 - 24
咨询增量：0 - 7 - 3 - 8 - 31-58- 70 - 76 - 59 - 64 - 60 - 48 - 33
咨询总量：0 - 7 - 10 -18-49-107-177-253-312-376-436-484-517
（图略） 平稳分布。
由于只是平台上的用户咨询的订单数据，有一定局限性，这里，我们将数据上消费的用户定义为新用户。
3.2 分析用户的复购率和重购率。
注：点点医生在线咨询项目在2017-07-18 日上线，7月20日正式数据库存储用户咨询第一单。
由于时间跨度不够。我们从某网站抓取数据。这里仅且把数据结果作参考
首先进行数据透视。 复购率是指在某时间窗口内消费两次及以上的用户在总消费用户中占比。这里总时间窗口为一个月。
数据结果分析：因为大量新用户加入的关系，新客的复购率并不高，譬如1月新用户的复购率只有6%左右。而在后期，这时的用户都是大浪淘沙剩下的老铁，复购率比较稳定，在19%左右。
数据可知，新用户的复购率并不高。新用户复购率为5%， 老用户复购率为17%。近三倍差距。
回购率是指某一个时间窗口内消费的用户，在下一个时间窗口仍旧进行消费的占比。假如我们一个月的消费用户是1000，有 300个依然消费，回购率是30%。回购率计算较难，因为它设计了横向跨时间窗口的对比。将咨询消费金额进行数据透视，这里省略，使用了平均值。
结果分析: 用户的回购率高于复购，约在30%左右，波动性也较强。新用户的回购率在15%左右，和老用户差异不大。
将回购率和复购率综合分析，可以得出，新客的整体质量低于老客，老客的忠诚度（回购率）表现较好，消费频次稍次，这也是一般用户消费特征。
3.3进行用户分层
我们按照用户的消费行为，简单划分成几个维度：新用户、活跃用户、不活跃用户、回流用户。
新用户的定义是第一次消费。 活跃用户即老用户，我们时下称之的粉丝，或老铁，指在某一个时间窗口内有过消费。 不活跃用户则是时间窗口内没有消费过的老客。 回流用户是在上一个窗口中没有消费，而在当前时间窗口内有过消费。
比如某用户在1月第一次咨询，那么他在1月的分层就是新用户；他在2月咨询过，则是活跃用户；3月没有咨询，此时是不活跃用户；4月再次咨询，此时是回流用户， 5月还是咨询，是活跃用户。
生成面积图。比较丑。因为它只是某时间段消费过的用户的后续行为，蓝色和灰色区域都可以不看。只看紫色回流和红色活跃这两个分层，用户数比较稳定。这两个分层相加，就是消费用户占比（后期没新客）。
用户回流占比在5%～8%，有下降趋势。所谓回流占比，就是回流用户在总用户中的占比。另外一种指标叫回流率，指上个月多少不活跃/消费用户在本月活跃/消费。因为不活跃的用户总量近似不变，所以这里的回流率也近似回流占比。
活跃用户的下降趋势更明显，占比在3%～5%间。这里用户活跃可以看作连续消费用户，质量在一定程度上高于回流用户。
结合回流用户和活跃用户看，在后期的消费用户中，60%是回流用户，40%是活跃用户/连续消费用户，整体质量还好，但是针对这两个分层依旧有改进的空间，可以继续细化数据。
3.4分析用户质量
因为消费行为有明显的二八倾向，我们需要知道高质量用户为消费贡献了多少份额。
绘制趋势图，横坐标是按贡献金额大小排序而成，纵坐标则是用户累计贡献。
可以很清楚的看到，前20000个用户贡献了40%的消费。后面4000位用户贡献了60%
典型的 二八倾向。
两万个用户贡献了45%的销量，高消费用户贡献了55%的销量。在消费领域中，狠抓高质量用户是万古不变的道理
3.5计算用户生命周期
这里定义第一次消费至最后一次消费为整个用户生命。
3.5.1 计算每一位用户的生命周期
数据分析方法：统计出用户第一次消费和最后一次消费的时间，相减，得出每一位用户的生命周期。
因为数据中的用户都是前三个月第一次消费，所以这里的生命周期代表的是1月～3月用户的生命周期。因为用户会持续消费，所以理论上，随着后续的消费，用户的平均生命周期会增长。求一下平均，所有用户的平均生命周期是134天，比预想的高，但是平均数不靠谱，还是看一下分布吧，大家有兴趣可以用describe，更详细。
结果分析：，大部分用户只消费了一次，所有生命周期的大头都集中在了0天。但这不是我们想要的答案。
3.5.2 计算两次及以上老铁的生命周期
不妨将只消费了一次的新客排除，来计算所有消费过两次以上的老铁的生命周期。
结果分析: 这个图比上面的靠谱多了，虽然仍旧有不少用户生命周期靠拢在0天。
这是双峰趋势图。部分质量差的用户，虽然消费了两次，但是仍旧无法持续。
在用户首次消费30天内应该尽量引导。少部分用户集中在50天～300天，属于普通型的生命周期， 高质量用户的生命周期，集中在400天以后，这已经属于忠诚用户了。
消费两次以上的用户生命周期是276天，远高于总体。从策略看，用户首次消费后应该花费更多的引导其进行多次消费，提供生命周期，这会带来2.5倍的增量。
3.6计算留存率 3.6.1 用户留存率 留存率也是消费分析领域的经典应用。它指用户在第一次消费后，有多少比率进行第二次消费。和回流率的区别是留存倾向于计算第一次消费，并且有多个时间窗口。
计算一下用户在后续各时间段的平均咨询消费额，这里只统计有消费的平均值。虽然后面时间段的金额高，但是它的时间范围也宽广。从平均效果看，用户第一次咨询消费后的0～3天内，更可能消费更多。
但消费更多是一个相对的概念，我们还要看整体中有多少用户在0～3天消费。
结果分析：只有2.5%的用户在第一次消费的次日至3天内有过消费，3%的用户在3～7天内有过消费。
数字并不好看，购买确实不是高频消费行为。
时间范围放宽后数字好看了不少， 有20%的用户在第一次消费后的三个月到半年之间有过购买，27%的用户在半年后至1年内有过购买。
从运营角度看，用户咨询在引导新用户的同时，应该注重用户忠诚度的培养，放长线掉大鱼，在一定时间内召回用户购买。
怎么算放长线掉大鱼呢？
3.6.2我们计算出用户的平均购买周期
结果分析：看一下直方图，典型的长尾分布
大部分用户的消费间隔确实比较短。
不妨将时间召回点设为消费后立即赠送优惠券，用户咨询后10天询问用户咨询效果怎么样，咨询消费后30天提醒优惠券到期，消费后60天短信推送。
附：点点医生2017年0720-0821的咨询量数据（去重复）：
咨询订单总量：517 条。
用户数 ： 410
性别：男182 ：女 335
年龄： 年龄范围：0-4：5-9：10-19：20-24：25-29：30-35：35-39：40-50：50-59：60
咨询量 ：68： 43 ： 29 ： 64 ： 114 ： 104 ： 36 ：37 ： 17 ：5
金额： 额度： 0-5：6-10：11-20 : 20-50 : 50+
数量：235 : 216 : 14 : 45 : 7时间：24小时 ：0 - 2 - 4 - 6 - 8 - 10 - 12 - 14 - 16 -18 - 20 - 22 - 24
咨询增量：0 - 7 - 3 - 8 - 31-58- 70 - 76 - 59 - 64 - 60 - 48 - 33
咨询总量：0 - 7 - 10 -18-49-107-177-253-312-376-436-484-517