܄

小站教育于洋:如何通过用户画像来选择不同的市场运营策略

【数据猿导读】 说到出国,托福,雅思,你首先想到的是什么?新东方?英孚?no…你已经跟不上时代的召唤了。小站教育合伙人于洋做客运营直升机城市沙龙上海站,向你阐述如何通过用户画像选择不同的运营策略…准备接招吧

小站教育于洋:如何通过用户画像来选择不同的市场运营策略

小站教育,一个专注于在线真人一对一的培训的公司。覆盖的科目针对于托福、雅思一系列的考试。专业的教研团队,量身定制的培训计划。目前有200万的注册用户,30万的精准用户。小站教育合伙人于洋的分享话题是:如何通过用户画像选择不同的运营策略。

运营真正的目的是什么?

最重要的是用户在你的平台上能产生支付行为,这是小站教育对运营的最高目的。因为和互联网公司的商业模式不同的是,小站教育是向学生收取学费为主要的收入来源。整个运营最重要的就是把大量使用社区论坛的用户,变为付费用户。其实找目标客户非常简单也非常清晰,一个是前一百所相对名牌的大学,一个是每个省的省一中和省实验。

用户画像

用户画像的核心工作就是为用户打标签,做划分,然后来选择不同的市场运营策略。

小站教育的用户男女比例是4:6,女学霸非常的多。大学生选择出国的最多,高中生的数据位居第二占36%,在职出国人员比例也在不断增加的,特别是毕业三年以内的同学,他们可能会觉得好像很迷茫,会考虑出国,这也是非常明显的趋势。

另外,通过不同维度的数据分析,比如留学地区分为美、英、澳、加,出国目的分为移民,读本科还是读研等做出一个详细的比例分析,这样更有助于接下来针对性的用户跟进。

用户画像使用的三大维度

1,用户基本信息

在创业早期,通过大量的电话营销,找到潜在用户。通过这些用户的基本属性,比如性别、地域、学习科目、出国意向、出国目的,是为了移民还是为了工作,进行各种各样的传播方式,地推、百度搜索,包括论坛、社区、APP注册,去采集这些用户的意向。简单粗暴点的方式也有,比如招大学生去到各个地方去扫楼,做调研问卷,并且留下联系方式,重复的去做这个过程,在从零到一的时候是非常有效的。那年小站教育从大概七百万的年营收做到七千万。整整翻了十倍!

2,用户行为信息

通过基本信息运营到一个阶段的时候,之前适用的模式可能会不再适用,遇到瓶颈。因为没有更多的客户去挖掘了,不同渠道过来的数据反而会不断的重复。所以就要把精力投入到某一类用户,做一个更精细化的分析,它可能通过一些行为信息的标签区分出来,比如说下载资料的内容,课程咨询,网页访问轨迹,app使用频率等,通过这些行为信息打上标签。然后通过模仿软件,比如他做了一道题,是60分,这个时候会弹一个框出来,同学,你才60分呦,你还要考试怎么办呢?这个时候会诱使他去和我们的在线客服产生对话,便会记录下一个信息,然后发现通过这样一个简单的行为标签的记录,原本转化率可能是2%,现在提升了五倍。可能做这个动作的人并没有那么多,但是可以把做这些动作的人让销售花更多的精力去跟进。所以小站教育现阶段做的非常有效的是用户行为互动和跟进。从而使业绩从七千万涨到了1.1个亿。

3,用户消费信息

用户消费信息,是更深一步更可靠的消费信息。比如不一定非要推一万块的产品,也许可以推一个两三千块试学的产品,或者是类似于直播课这种轻量级产品的诱导,然后再进一步的挖掘业绩。

以上,可以把创业简单分成三个阶段,按照业务需求筛选用户,发现目标客户,找到潜在需求和业务场景,最终来完成商业变现。

LMS智能学习体系

小站教育目前在尝试智能学习体系。它分为学习顾问、家长和老师。在大学里做付费的运营是非常好的,但高中里面完全不一样,他们会有很多家庭的家委会,现在家长很爱转一些鸡汤类的文章,他们和大学生是完全不同的。

最后于洋表示:我们做用户画像和运营的时候,一定要分清楚每一类不同的用户,他的决策者购买人是谁,传播者是谁,最后才能决定我们的运营策略。

注:本文由 兑吧 投稿数据猿发布。

欢迎更多大数据企业、爱好者投稿数据猿,来稿请直接投递至:tougao@datayuan.cn


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部