韩国九九九,五月婷婷aa,国产精品久久欠久久久久久九秃,天天做天天爱天天爽,最新热播日韩女优网站,香蕉国产精品视频,黄色操逼网站,77777精品成人免费A片

作者ID：skyline0510

前言：

2018年初，我陰差陽錯的入職了南京本地一家做社區(qū)生活的公司，負責公司除供應鏈外其他部分的整體運營工作。

本文是對這段工作的回顧，從用戶、數(shù)據(jù)、活動、社群、組織等方面進行了復盤，希望本文能得到更多朋友的指導和幫助。

另外該項目模式有別于社區(qū)團長模式，采用的是全職合伙人和社區(qū)內固定場地的方式經(jīng)營，并非廣撒網(wǎng)式的兼職團長。請讀者注意甄別。

一、新業(yè)務，新起點

這家公司的母公司是做樓宇和智慧社區(qū)軟硬件的企業(yè)。除南京外，其他地區(qū)都是做智慧社區(qū)的主營業(yè)務，在南京的分公司獨立開展了這個社區(qū)生鮮電商的項目。

我剛加入時業(yè)務入駐了南京10個小區(qū)。做“T+1預售+社區(qū)站點”的模式，在小區(qū)內部有自己的服務站點和客服小妹(服務站點只有商品二次分揀和小倉庫的功能，不做商品陳列和現(xiàn)場售賣）。

客服小妹負責在小區(qū)內服務業(yè)主，配合推廣團隊做地推拉新，日常維護社區(qū)內的用戶等等。

(圖1：公司業(yè)務模式)

線上運營部門有4個db+1個平面設計+1個新媒體+1個活動策劃+1個運營經(jīng)理，都是經(jīng)驗比較稚嫩的小伙伴，但好在大家都是年輕人，踏實肯干聰明好學是最大的優(yōu)勢，業(yè)務也剛起步，可以隨時調整打法，有很大的可能和空間。

而我要做的是把經(jīng)驗和方法論轉化為落地的動作，帶著大家形成結果，道阻且長，行則將至。

二、找到河流，從零搭建用戶體系

由于之前沒有完整的運營框架做支撐和指引，我們的產(chǎn)品也沒有做數(shù)據(jù)埋點，也就是說APP的訪問量轉化率留存率復購率等等數(shù)據(jù)都是一片空白，所有的運營動作沒有過程跟蹤，只能依靠最終結果(GMV、付費用戶數(shù)等)來做評判。

所以我之前在大公司習慣的、看似理所應當?shù)哪翘淄娣@然已經(jīng)沒有可操作性了。

《荒野求生》里教過，當你迷失在森林里，找到河流順著走就能獲救，而我的“河流”就是“用戶”和“數(shù)據(jù)”。

一方面線上運營所有的策略路徑方法，最終都是為了驅動用戶按照我們的設計路徑去行動，從而達到設定的各項目標；另一方面，隨著數(shù)據(jù)技術的應用和市場競爭，我們也應該從經(jīng)營商品的思維轉換到經(jīng)營用戶的思維。

所以，“用戶運營”是我們最優(yōu)先的核心抓手。

因為app沒有埋點也沒有把數(shù)據(jù)做到后臺功能里，所以所有的數(shù)據(jù)都需要后端導表給我，在條件不夠的情況下，往往需要簡單直接，所以我先把用戶簡單分為了3個類別：新付費用戶數(shù)+活躍用戶+沉默用戶，每周拉取一次，針對不同分類用戶制定相應運營策略。

例如新付費用戶的定義是：上一周內第一次下單的用戶，對這類用戶的運營目標是：促二次復購，對應的運營動作是：線上發(fā)放全品類低門檻優(yōu)惠券。線下上門送貨時提醒，并加群加微信。

而到了次周我們再拉取一次名單，如果上周的新付費用戶產(chǎn)生了復購，則流轉到“活躍用戶”一類，再對應不同的運營策略。

如果沒有產(chǎn)生復購，則流轉到“沉默用戶”，同樣對應相應的運營策略。

至此一個初步的用戶分類運營體系就搭建好了框架，用戶成長路徑完成了一個簡單的閉環(huán)。剩下只是一步步精細化運營動作，對用戶行為數(shù)據(jù)進行深層次分析并將其歸因歸類。

（圖2：用戶分層及引導策略，策略部分之后根據(jù)數(shù)據(jù)反饋又調整了數(shù)十版）

通過各項數(shù)據(jù)的變動情況，對不同類別用戶運用不同手段，觸達方式和運營策略進行了多次迭代，比如對于新付費用戶的紅包發(fā)放，從最初的50減10到20減5，從品類券到通用券，降低了新付費用戶二次復購的門檻。

發(fā)放紅包的時間、短信通知的時間也都進行過數(shù)次調整，每天為新用戶的單子手工打上標簽，編輯針對性的話術，讓客服小妹在給新用戶上門送貨時候推薦低客單價高頻商品，告知紅包優(yōu)惠，引導新付費用戶持續(xù)活躍。

（圖3：后臺針對不同用戶發(fā)放不同門檻的紅包)

（圖4：生命周期管理）

而沉默用戶的喚醒在最開始階段喚醒率很低，主要是缺乏觸達用戶的途徑，我使用了很“呆”的辦法：客服小妹和地推團隊拿著該小區(qū)的高價值沉默用戶名單挨家挨戶上門。

因為這些用戶是我們的老用戶，對我們的產(chǎn)品和社區(qū)內的服務站點是有認知，所以理論上這樣的上門是比較精準的。我們導出沉默用戶名單后，會根據(jù)消費記錄對沉默用戶手工打上標簽。

例如：肉食用戶、水果用戶、家政用戶等等，使用不同的商品或話術去引導他，比如1塊錢蔬菜、9.9塊洗衣，肉品10減5等，讓用戶面對面再次下單。

半個月的上門最終喚醒了近3000個用戶。開門率和下單率各50%，也就是說拜訪100戶業(yè)主，有50戶有效開門，25戶當場再次下單。也許看起來這種方式很LOW，效率也不高。

其實這就是O2O業(yè)務特有的線下觸達能力的延展罷了，而且最終測算下來ROI、周留存等指標也很高(2020年7月時候“肉聯(lián)邦”等社區(qū)生鮮公司開始采用挨家挨戶掃樓的方式，而我們在2018年就做了，而且做的更精細更高效）。

下圖為當時兩個社區(qū)用戶一周的回訪統(tǒng)計表：

（圖5：沉默用戶召回）

在對用戶進行分類分級運營后的第一個月，新付費用戶的21日復購率已經(jīng)在40%以上，arppu值(每付費用戶平均收益)從37元提升到了55元，而沉默用戶的喚醒率在50%以上，日付費用戶數(shù)上升50%，銷售額環(huán)比增長40%。

小伙伴們雖然辛苦卻十分開心，但這樣超負荷的工作還是有可以提高的地方，一方面是沉默用戶的喚醒無法長時間依靠線下上門，人力有限；另一方面對用戶的補貼還是比較粗放，用戶數(shù)據(jù)依然是每周手工導表，對購買行為沒有更精細的區(qū)分。

雖然用戶已大致分為了新付費用戶+活躍用戶+沉默用戶三大類，但是區(qū)間里的維度擺動還是很寬泛，下一步要的就是將用戶再次細分，縮小運營顆粒度提升效率。

三、精益求精，用戶運營再升級

實際上在移動互聯(lián)網(wǎng)還沒有誕生的時候，連鎖零售、銀行、航司等等傳統(tǒng)行業(yè)早已運用RFM或類似模型對會員客戶進行細分。

RFM模型簡單來說是通過每個用戶付費的“頻率”、“近度”、“金額”這3個維度進行歸類。

根據(jù)業(yè)務形態(tài)及具體目標不同，RFM模型可以將用戶分為“高價值用戶”、“重點發(fā)展用戶”、“高價值召回用戶”等等七八個大類。

(圖6：RFM模型)

回到我做的這個項目上來看，通過RFM對用戶進行分類的好處很多，比如沉默用戶喚醒，之前我們是挨家挨戶上門回訪激活，雖然激活率有25%，但也意味著有75%是失敗的。

如果能通過RFM歸類評價，那我就會先找那些之前下單頻率高+消費金額的高價值召回用戶，這樣的沉默用戶要比1年前只下過1單的低價值用戶更容易喚醒，也有貢獻更多GMV的預期。

再比如，我對活躍用戶的補貼可以更有針對性，對于頻率高+金額高+最近經(jīng)常購買的用戶，其實是可以做“歧視”的，這部分用戶的價格敏感度低、粘度高，可以減少對這部分用戶的補貼。

還可以根據(jù)消費品類發(fā)放針對性的補貼券，比如A用戶經(jīng)常買的品類是肉品，那我們可以發(fā)一些其他品類的優(yōu)惠券促使他體驗其他商品和服務，從而加深用戶粘度。

面對雜亂的源數(shù)據(jù)，我們試著先把高金額的家政訂單剔除，再把1個手機號多個地址的賬號剔除，最后將1天內重復下單的單子合并。

最后總算搗鼓出了一個比較靠譜的RFM表，雖然沒有了家政訂單，忽略了代下單用戶，但對于絕大部分用戶的分類更精確了。至于家政訂單和代下單用戶，則有別的方法解決，這是后話了。

下圖為某小區(qū)RFM用戶表部分截圖，為保護用戶隱私，手機號碼和相關數(shù)據(jù)已做處理：

（圖7：某小區(qū)RFM用戶分類表）

通過RFM模型，我們把用戶分成了不同類別，重點聚焦到“高價值客戶”、“重點發(fā)展客戶”、“重點召回用戶”，在線上運營時通過區(qū)別推薦商品，優(yōu)惠券紅包針對性發(fā)放，觸達頻率和手段的區(qū)分，最終達到了較為精細化的程度。

運營成本中的紅包補貼一項降低了近20%，而GMV、ARPPU、日均付費用戶數(shù)等指標則不斷增長。

順便也解決了之前沉默用戶喚醒問題，我們的客服小妹和推廣再也不用挨家挨戶上門了，而是拿著運營給到的“重點喚醒用戶”的名單，有針對的微信私聊，電話觸達，群內識別。

而線上運營也會發(fā)放不同策略的優(yōu)惠券或紅包，通過短信觸達用戶。在不上門的情況下，沉默用戶喚醒率反而還提高了10個點左右。

在完成RFM模型后，我又重新梳理了我們的用戶漏斗，對每個流程進行了優(yōu)化。將各流程的動作規(guī)范化機制化。

（圖8：AARRR模型）

在初步建立了用戶運營體系之后，所有的用戶運營已經(jīng)實現(xiàn)了閉環(huán)。

再進一步就是做用戶運營的自動化，也就是把需要人工處理的數(shù)據(jù)，做成系統(tǒng)的功能，形成一種開放的能力，也是這兩年流行的中臺概念，限于篇幅這里就不展開論述“中臺”這個概念了。

（圖9：原表）

以上是一張后臺導表數(shù)據(jù)，這里字段包括了手機號+姓名+時間+地址+商品+商品分類幾個要素。

我們之前做的RFM模型，做坐標模型，針對性發(fā)券、不同運營策略等等，都是先對業(yè)務需求進行梳理，找出核心指標和關鍵影響因素，搭建一個模型，再人工拉取我們要的各項數(shù)值填充到模型里，最終行程策略輔助運營的落地。

實際上以上這些都是在技術支撐不夠的情況下，我自己化繁為簡的土辦法。在技術比較OK的公司這些都通過產(chǎn)品、數(shù)據(jù)、算法、開發(fā)、測試等N個角色配合完成的工作，是一套體系化的、動態(tài)流轉的、自動化的流程。

舉個例子：在滴滴出行，他們通過算法和機器學習去給用戶發(fā)券，用戶特征的篩選組合都可以通過bucketize或vocabularize做處理，最后得到一個用于發(fā)券的分類模型。

在提升運力方面，使用EM算法對司機進行分類，識別出不同類別的司機，為運營策略的制定和落地提供支撐。

同時在做用戶留存時，采用SHAP + XGBoost挖掘影響用戶活躍的因素并進行量化，最終形成一張縱軸是每個衡量維度，橫軸是feature value的坐標圖。

所有信息輸出一張大表，運營同學可以在表里找到對應運營場景，提升運營效率影響用戶行為。當然這是比較技術性的問題，只需要大致理解即可。

作為一個優(yōu)秀運營，所有的運營動作必須要做到數(shù)據(jù)化、可視化、在線化，可量化可解釋可預測。

運營可以不懂技術，但是必須要有這個意識，并明確你要的是什么、產(chǎn)品研發(fā)是如何實現(xiàn)的、流程是什么、影響因素是哪些，運營要確定的維度和因素是哪些，這才是高效率高品質高階的運營能力。

四、永恒的主題：留存與增長

留存與增長永遠是互聯(lián)網(wǎng)業(yè)務的最核心目標，特別是在業(yè)務單元為：社區(qū)、校園、城市這類物理場景固定的業(yè)務中，留存和增長都是核心生命指標。

在一個固定物理場景中，我們的用戶總數(shù)、用戶需求、用戶行為、用戶生命周期等參數(shù)都是相對固定的，這類業(yè)務如果要形成規(guī)模，一是擴展物理場景，二是做足滲透率提高需求頻率。

比如滴滴出行，當?shù)蔚卧诒本┑倪\力達到一個水準后，是保持動態(tài)平衡的，接著滴滴想要擴展業(yè)務規(guī)模必須要開拓新的城市，但是業(yè)務物理場景的擴展意味著運營成本的增加，這是提高業(yè)務規(guī)模的一面。

而做透覆蓋城市的運力效率和提升用戶頻次是拓展規(guī)模的另一面，是降本增效的一面，而這一面中的主題便是留存與增長。

我個人理解留存是包含在增長里的，就好比我們小學的經(jīng)典數(shù)學題，一個水池，一個水龍頭放水，一個洞漏水，求多久能裝滿。

裝滿水池=總體增長，放水=新用戶增長，漏水=用戶流失。想要提高總體增長必須分為新用戶增長+老用戶留存+流失召回，這3個部分都是相輔相成環(huán)環(huán)相扣的，缺一不可。

上文我們說過了用戶召回策略，下面接著先說留存怎么做。

提升留存可以從很多個維度去找尋方法，綜合起來有兩個重要的部分：一是從用戶生命周期入手，在每一個環(huán)節(jié)提高留存指標，從而提升總體留存率。

二是從用戶行為入手，優(yōu)化用戶行為路徑的每一個環(huán)節(jié)，找到影響用戶留存的核心參數(shù)，從而降低總體流失率。

前文實際上已經(jīng)大致描述了在這兩方面我們做的一些運營方法和策略，在用戶生命周期方面通過不斷的策略調整，提升用戶生命的每一步留存。

例如：我們將2A3R模型進行了優(yōu)化，在用戶注冊的第一步就通過新用戶專享價和專享商品引導用戶完成第一次付費下單，直接完整的體驗產(chǎn)品流程和服務，這一步是提升“激活率”。

在新付費用戶上線后，再針對這類用戶發(fā)放低門檻的優(yōu)惠券，引導他們進行二次復購，這一步是提升了新付費用戶留存。

再之后把新用戶納入到我們的用戶分級體系里，通過RFM等模型對他們進行歸類，再使用不同的運營策略促活復購，這里就不再贅述了。

關于提升留存我想介紹一個重要的方法：Cohort Analysis（群組分析），第一次接觸這個方法大概是2010年左右在MSN SPACE上看到的一篇學術文章，是做社會學研究用的，當時印象并不深刻。

之后再接觸是2015年初谷歌GA上線了這個功能，彼時我業(yè)余時間在做自建外貿站點，主要用來做流量來源分析，具體到關鍵詞、國家、設備等等維度。

這個方法是通過觀察歷史留存率的變化，找到影響留存的關鍵參數(shù)，從而通過數(shù)據(jù)洞察不斷修正運營策略。

下圖是我隨手做的一份以周為單位的新付費用戶的留存表，格式比較隨意，但是意思是一樣的。上面的是留存用戶數(shù)，下面是留存率。

里面有幾個參數(shù)，第一列是時間，從第一周到第九周；第二三列是拉新預算和優(yōu)惠券折扣率兩個變量參數(shù)，藍色部分是留存數(shù)和留存率。

（圖10：新用戶周留存群組分析）

這張表做出來之后，最直觀的作用就是留存預警，當你發(fā)現(xiàn)這周的新增用戶留存數(shù)據(jù)有大幅度的下降，那么就要第一時間去追溯整個運營流程是否出現(xiàn)了問題。

比如我在實際工作中就遇到過一次新用戶周留存大幅下降17%的情況，再看了各個社區(qū)的群組分析表后，發(fā)現(xiàn)流失主要集中再某一個小區(qū)。

在同產(chǎn)品梳理完線上行為路徑及排查產(chǎn)品BUG之后，排除了產(chǎn)品本身的問題，那就可能是商品或者之前拉新質量的問題，繼續(xù)排除了拉新質量后，就剩下商品問題了。

通過和線下門店人員的核實以及用戶回訪，我們發(fā)現(xiàn)是上周用來拉新的商品出了問題，在夏天我們用新鮮蔬菜拉新，但是沒有進行打孔包裝，蔬菜悶在塑料袋里都壞了，給用戶造成了很差的體驗，所以這個小區(qū)新用戶的次周留存就下降了17%。

我們及時的通過免費補發(fā)蔬菜+客情維護，這個小區(qū)的留存彌補了回來，并且我們改進了蔬菜的包裝和提醒話術避免了這類問題在其他小區(qū)再次出現(xiàn)。

同樣還有一次我們發(fā)現(xiàn)某個小區(qū)的次周留存率近乎100%，所以立刻找到了這個小區(qū)門店的客服小妹，詳細詢問了她這批拉新是如何做的，每個環(huán)節(jié)的策略話術方法等等。

最后發(fā)現(xiàn)是因為客服小妹嚴格按照我們的話術和用戶進行溝通，把我們給新付費用戶的復購紅包優(yōu)惠券特定商品等等都詳細的介紹，并主動催單。

通過這個案例我們改進了優(yōu)惠券提醒的策略，對新付費用戶的優(yōu)惠券在到期前主動統(tǒng)一話術PUSH和短信推送，形成標準，并將該小妹的案例做了分享和培訓，讓其他小區(qū)的客服小妹也能一起學習提高。

Cohort Analysis除了用來觀察留存率發(fā)現(xiàn)淺顯的表象的問題之外，如何通過數(shù)據(jù)洞察發(fā)揮更多深層次作用呢？

我們可以深入觀察兩個變量參數(shù)“拉新預算”和“優(yōu)惠率”，我們發(fā)現(xiàn)當拉新預算增加時候，新付費用戶就增加。優(yōu)惠券折扣大的時候，留存率就增加，這兩個是正相關參數(shù)。

現(xiàn)在可以得到一個粗略的結論：當我們這個階段運營目標是提高留存時候，那么我們可以增加預算+提高優(yōu)惠幅度。這看似是一句人盡皆知的正確的廢話，但是這個表的核心價值是在于“可量化”。

舉例：本周運營的目標是：增加100個新付費用戶并且提升10個點的留存率。

那么我可以通過以往數(shù)據(jù)測算，要達到這個目標，我相應要增加1000塊的拉新預算和增加5%的商品折扣?，F(xiàn)在數(shù)據(jù)預測有了，接下去就是再次分解目標，我這1000塊新增預算，投放在哪些渠道？增加的5%的商品折扣適用于哪些商品？

那么我可以再去增加幾個變量，回溯一下各個用戶來源渠道的留存率，和各類商品的留存率，從而得到最終結論：為了完成相應目標，我需要在A渠道增加500元的拉新預算，B渠道增加200元預算，其他渠道增加300元預算。

生鮮品類中肉品和海鮮的優(yōu)惠幅度增加5%，代入到我實際操作的這個項目中，我需要再給所有社區(qū)做一份群組分析表，觀察每個小區(qū)的留存情況，變量參數(shù)對留存的影響，不同小區(qū)的消費品類對留存的影響，從而最終得出結論，為了達到新增100用戶和提升10個點留存，我的總預算是XXXX元。

我要在某幾個小區(qū)加大拉新預算，地推增加700預算，老帶新增加300預算，在ABC小區(qū)增加肉品的優(yōu)惠幅度5%，在DEF小區(qū)增加蔬菜的優(yōu)惠幅度5%。

最后到落地動作就是分解時間節(jié)點，標清里程碑，確定人員分工，做好資源準備。

Cohort Analysis模型可以增加不同的變量參數(shù)，細化到不同的業(yè)務單元。

舉一反三：比如我是滴滴的總部運營，我就要做一份所有城市的總表，和各個城市的分表，加入幾個核心變量參數(shù)，例如“運力”、“應答率”、“完單率”、“補貼率”、“滲透率”等等，滴滴這類業(yè)務可能還要做一份所有DP公司或者司機的群組分析，這里就不再枚舉。

另外 Cohort Analysis不僅可以觀測留存率，還可以做“召回率”、“流失率”、“下單次數(shù)”、“頻率”等等不同指標的觀測，還能以縮小顆粒度以基礎業(yè)務單元為觀測對象（各社區(qū)、學校、城市、合伙人、分公司、平臺等等）綜合起來對運營現(xiàn)狀進行研判和修正。

總之，群組分析是我們對運營現(xiàn)狀進行觀察和預警的最直觀手段，也是一種可量化可預測可執(zhí)行的增長策略，并且顆粒度和維度可以自由調節(jié)，以觀察到所有變量對整體業(yè)務的影響。

五、倉促上陣，線上活動初發(fā)力

隨著用戶體系的建立完成，我們的GMV和活躍用戶數(shù)都有了大幅提升，小伙伴的能力在這過程中也得到了成長，是時候來一場全平臺大促作為驗收檢驗了。

5月的最后一周我連續(xù)通宵了兩夜，終于把6月營銷活動全部定稿。

(圖11：6月活動框架，最終版內容有所增減)

整個活動從6.4到6.24，為期21天，切分為4個時間段，先從高客單價低頻商品入手，逐步預熱。在中間兩個時間段主打高頻低客單價商品，蛋奶、水果、蔬菜等等。

整個活動以品牌為主打，配合針對不同用戶的營銷策略和觸達手段，再輔以多種副線的玩法提高活躍。

當這個框架確定下來后，就是確定內容，對接供應商資源。確當哪些供應商參與，給多大的優(yōu)惠力度，多少量的商品，還有哪些訴求等等。

還要配合供貨商的配送日期，有一周一配的，有一周兩配的，總之供應商這個大難題也近日期才勉強解決了。

接著就是提交產(chǎn)品需求，線上的玩法要靠技術來實現(xiàn)，我們APP的秒殺、團購等等功能雖然有，但平時就偶爾出BUG，機制設計也有問題，只能自己找第三方軟件來做抽獎砍價。

最后的1元搶購也因為擔心BUG而放棄了。實際上回顧整個活動，單靠人肉和第三方技術才實現(xiàn)活動的各種玩法。如果有充裕的時間和資源，線上活動的效果還有會倍數(shù)級的增長。

(圖12：上活動deadlin時間表，篇幅原因只截取了一小部分)

雖然每天每個環(huán)節(jié)都有磕絆，但是活動還是按照框架設定順利完成了，在活動期間總銷售額、arppu值、新增付費用戶、沉默用戶激活率等等指標都非常大的提高，已經(jīng)初步達到了我們的預期。

活動順利結束，一顆懸著的心算落地了，在復盤時候發(fā)現(xiàn)了很多問題，比如人力不足、時間倉促、技術支撐弱、執(zhí)行力還不夠等等，導致預定的各項工作各環(huán)節(jié)的deadline沒有百分百完成，影響了活動最終效果。

在之后的月度主題活動中，這些問題得到了逐步改善，為平臺活動體系的建立打下了基礎。

六、盤活存量，線下活動進社區(qū)

雖然線上活動的節(jié)奏基本成型，并逐步走上正軌，但是基于社區(qū)的屬性，線下活動也是非常重要的一環(huán)，以往我們只是基于社區(qū)內的服務點進行一些日常的地推，完全是以售賣為導向。

這種地推效率低，效果差，社區(qū)住戶出現(xiàn)在社區(qū)里的時間段往往只有兩個小時，上下班時間的年輕人和上午買菜出門的老年人。

所以日常的地推效果并不好，人流量低，售賣的生鮮產(chǎn)品在戶外不易保存，損耗很高。最后的結果往往是事情干了，東西沒賣掉，人也沒留住。

我們一起做了幾次地推，賣了幾百箱榴蓮水果后，我覺得這事兒不應該這樣做，地推應該從售賣導向轉變成拉新促活導向，從小貓釣魚到撒網(wǎng)撈魚，日常地推照樣搞，但是每周必須有一場中大型活動。

于是我們挑選了一個比較好的小區(qū)做試點，這個小區(qū)的arppu值和GMV都比較高、住戶和我們關系密切、線上線下活躍度也高，用戶基礎非常好。

原本這里的物業(yè)根本不給做大型商業(yè)活動，但是我們利用了植樹節(jié)這個節(jié)點，和物業(yè)聯(lián)合搞業(yè)主親子植樹活動，由我們出人出力出錢，物業(yè)負責組織業(yè)主報名參與，在小區(qū)里綠化空地上栽種樹苗，我們也把每個家庭的合影做成相冊送給業(yè)主。

這樣一來物業(yè)沒付出什么人力，還拉近了與業(yè)主的關系，小區(qū)也增加了綠化，物業(yè)很爽快的就同意了。

在這場活動中，我們安排了兩個場景，一個在綠化空地的栽種樹苗，一個是在小區(qū)廣場的美食市集。

用戶首先要在我們的app上報名活動，到了現(xiàn)場首先在市集簽到領取樹苗等物品，再由我們工作人員分批次帶到綠化空地栽種。

在報名和等候的這段時間里，我們在現(xiàn)場做了特色產(chǎn)品的烹飪試吃，現(xiàn)場發(fā)優(yōu)惠券，注冊app領取，用戶全部上線。并且做了現(xiàn)場傳播的環(huán)節(jié)，設置了分享鏈接分享紅包，拍照框等等環(huán)節(jié)。

最終這場活動拉新用戶170個，當天該小區(qū)線上訂單新增300筆，GMV創(chuàng)新高。而我們和物業(yè)形成了良好的關系，從此以后我們在小區(qū)里做各種活動，物業(yè)不僅不收錢，還幫忙上門宣傳。

這次活動后，我們快速復制，又在其他小區(qū)搞了N場類似活動，有土特產(chǎn)大集、家電清洗專場、勞動節(jié)趣味勞動比賽，中秋包粽子比賽等等活動，這些活動幫助我們更好的連接了社區(qū)用戶，形成了一波波的口碑傳播，讓我們把根扎進了社區(qū)，獲得了大量的忠誠用戶。

在社區(qū)活動形成常態(tài)后，我們又策劃組織了一系列的周邊游活動，把業(yè)主帶出社區(qū)，走進我們合作的農(nóng)場、水庫，現(xiàn)場體驗，現(xiàn)場售賣。

我們組織業(yè)主去采摘蔬菜、摘葡萄、摘西瓜、水庫捕魚、參觀現(xiàn)代化養(yǎng)雞場養(yǎng)豬場等等，更進一步加深了用戶對于我們產(chǎn)品的認同和放心，給了用戶更好的體驗。

七、社群的意義，從轉化到連接

我們在每個小區(qū)都建立了微信群，每個群少則一百，多則三四百人，我們也有新媒體編輯每天編輯話術和商品圖片，在群里發(fā)布。但是社群的活躍很低，也沒有好的內容，更沒有完整的運營邏輯和框架。

我前后對我們的社群運營進行了兩次調整，第一次是以轉化為導向，通過內容活躍群，最終形成轉化目標，在內容機制上，我們之前是沒有任何規(guī)劃，采購有了新品臨時告知運營，文案和設計什么時候做出來就什么時候發(fā)。

另外運營每周自己做一個菜，把圖文和商品鏈接發(fā)群里，所有的內容僅限于此。

我做的第一步就是建立內容生產(chǎn)的機制，要求采購周二上午統(tǒng)一提報各品類主推新品，再根據(jù)促銷力度、利潤、量、天氣等等維度，統(tǒng)一安排群內推送時間，并將商品促銷、活動宣傳、做菜圖文等等事項形成表格，將素材來源、制作標準、文案海報、話題制造、客服話術等等也納入表格。

這樣初步規(guī)范了內容的制作和發(fā)布。社群有了一套基本的運營規(guī)則。

(圖13：社群運營sop表）

經(jīng)過第一次社群運營策略的調整，群的活躍和用戶的轉化都有了較大的起色，但還是達不到預想的效果。

在進行了一段時間的數(shù)據(jù)統(tǒng)計和復盤后，我們又試著進行了第二次調整，將群的定性從“銷售”改為“連接”，銷售很簡單，連接很難。所有的社區(qū)團購群，包括我們都存在一個問題，一個大群上百人在里面，并沒有形成高頻有效的互動。

這些用戶雖然生活在同一小區(qū)，但性別、年齡、工作、愛好、生活狀態(tài)等等各不相同，除了社區(qū)內公共問題和商品服務問題，缺乏其他維度的話題進行連接。于是我們決定在保留大群的基礎上，建立不同的小群。

好的社群必須要符合3個特性：人數(shù)少、有同好、能引導。

所以我們就把群做了細分，讓我們的小妹加好友，拉小群。根據(jù)每次線上下活動、爆款產(chǎn)品、用戶分類標簽等不同維度建立小群，這些群的人數(shù)不超過50人，由群成員主導群話題，我們運營人員只是做引導、設立規(guī)則、提供服務等等。

經(jīng)過了兩次社群調整，雖然我們在群內轉化率整體銷售和活躍都有明顯增長，這就是經(jīng)營商品和經(jīng)營用戶的區(qū)別。

BTW：這里的社群運營，有一個很棒案例：孩子王，家里有小朋友的不妨去孩子王辦個會員卡看看他們的用戶和社群是怎么做的。

八、寫在最后

本文用逾萬字簡單復盤了該項目的運營工作，但相較于整個工作量和工作內容來說也只是管中窺豹、九牛一毛罷了，希望這些粗淺的經(jīng)驗之談可以給到讀者一些小小的幫助。

最后本文成形于2020年初，彼時社區(qū)生鮮并未被巨頭關注，如果要和巨頭比，那么我所經(jīng)營的業(yè)務和他們的主要區(qū)別在于：滴滴美團拼多多是運營流量，十薈團等專業(yè)團購公司是運營商品，而我從頭至尾的核心理念是運營用戶。

養(yǎng)成好習慣，分享+在看~~

社區(qū)團購從0到1實戰(zhàn)運營筆記

一、新業(yè)務，新起點

二、找到河流，從零搭建用戶體系

三、精益求精，用戶運營再升級

四、永恒的主題：留存與增長

五、倉促上陣，線上活動初發(fā)力

六、盤活存量，線下活動進社區(qū)

七、社群的意義，從轉化到連接