如何运营出一个有吸引力的微信公众号？ - 知乎<strong class="NumberBoard-itemValue" title="1被浏览<strong class="NumberBoard-itemValue" title=",237,817分享邀请回答1.3K69 条评论分享收藏感谢收起weixin.qq.com/q/UnW1hVrmiS-wL-cItFv8 (二维码自动识别)而且，我们不是只设计了一张卡片，而是设计了整整一套21张！可想而知，当用户发现每天的卡片都不一样的时候，得到的是一种『超预期』的体验，进而非常期待下一张卡片式什么样，并且产生集齐整体卡片的欲望。为了提高活动的趣味性，我们加入一些社交互动的玩法。用户打卡后可以看到自己在排行榜中的位置，击败了多少人数比例，前三名的头像前面加上金银铜奖杯。这些数据都刺激着用户更积极地早起。不少用户五点前提前起床，就是为了刷进排行榜前几名，曾经一度对我们的服务区造成很大压力。另外，我们还加入了『人气排行榜』。用户分享当天的早起成就后，可以接受好友的『膜拜』，每获得一个『膜拜』还能获得积分奖励。这个功能配合类似『争夺人气王』的运营活动，在活动初期很好地提高了用户的活跃度和活动的传播效果，也是另一个自然增长的来源。三、『精神激励很重要，物质奖品也不能少』——建立持续生效的激励机制精神层面的激励能够产生长远的效果，但是不适合快速拉新扩大影响力，所以我们建立积分体系和积分商城。首先说说我们的积分规则：连续打卡阶梯积分：连续第N天打卡成功，当天奖励10×N积分。连续打卡超过21天后，每天固定奖励150分。中断打卡后，积分重新从10分开始计算。在此基础上我们设置了两种额外奖励积分：邀请好友积分：每成功邀请一名好友参加活动奖励10分。获得膜拜积分：每获得一个膜拜奖励5分，每人每天最多可以获得100膜拜积分。可以看出，这套积分体系的两个核心目的就是：提高活跃、促进传播。那么，积分有什么用呢？活动前期，参加人数相对较少，我们采取有门槛抽奖的方法。第一期活动的奖品是Apple Watch，积分超过2000可以参加抽奖，最终有273人符合标准。后来随着参加活动的人越来越多，我们建立了积分商城，使用的是第三方商城兑吧。除了可以自动兑换，积分商城还提供了秒杀、大转盘、老虎机、抽奖等各种玩法。我们在商城设置了几个大奖，如iPhone6、小米电视、Kindle。另外商城本身提供一些商家促销奖品和优惠券，可以无成本地使用，很好地提高了用户的积极性。四、『活动、社群、内容全面发力』——多维运营打造有氛围感的活动运营工作包含的内容比较杂，但是核心目的都是一致的，那就是让用户使用产品、喜欢产品。所以做活动的时候也不能简单地只做活动，而是应该把活动、内容、社群有机地结合起来相互加强。这张图是我总结的运营各块工作的关系，如图中所示，活动、内容、社群是相互加强的，核心是用户，基础是产品。下面我们分析一下在早起打卡这个活动具体如何体现的。活动：除了主体活动，我们还有一些配套的活动。比如，每天早上有一个早起小任务（做工作计划、拍风景、做早餐等），完成任务即可进群领红包。平时我们会经常做一些小活动，给用户送一些福利，持续提高用户活跃度和黏性。 (二维码自动识别)内容：虽然我们不群发内容，但是每天用户打卡后我们会给用户推送一篇精选文章和一个话题（跟文章主题相关），为用户提供相互交流的途径。另外我们也会定期把活动或者社区中，用户产生的好内容整理出来，比如用户书评合集、早起小诀窍合集等。未来，我们可能还会把这些内容做成电子的或纸质的出版物。社群：我们陆续建立了几十个城市的早起团，为同城的用户提供线上交流、线下活动的平台。另外还根据用户兴趣建立了一些垂直的社群，如运动群、读书群、英语群、料理群等，并且定期举行相关主题的交流活动。除了微信群，微社区也是我们社群交流的一个平台（但是微社区被兴趣部落吞并后，变得不好用了）多维运营的好处是，各方面是相互联系、相互加强的，能实现『1+1+1&3』的效果。从用户角度来说，可以给用户营造一种『氛围感』，让用户感觉不仅仅是参加一个活动，而是加入一个有归属感的社群，拥抱一种新的生活方式。不少用户跟我们反馈说『每天早上一睁眼想到的第一件事就是打卡』，有的用户说因为参加活动养成了健康的生活习惯，也有用户说通过活动认识了很多志趣相投的朋友。当我们收到这些反馈时，我们感觉到自己做的不仅仅是一个运营活动，而且发起了一项小小的公益事业。五、合作的力量 当我们的活动具有一定影响力后，有些公众号运营者联系我们希望能给他们开发类似的功能，于是我们干脆把打卡系统免费开放了，任何一个公众平台都可以申请配置一个属于自己的打卡活动，目前已经接入几十家平台，包括像warfalcon、易效能这样些时间管理领域的大号，也有吉林大学、北航、北林、中国农大等一批高校。这些合作平台的参与活动的用户大约占了我们活动总参与用户的1/3。合作平台虽然不能直接为我们公众号导流，但是宣传了我们的品牌，提高了我们页面的浏览量，有的平台还成了我们的深度合作伙伴。总结来说，我觉得要运营出一个『有吸引力』的公众号，还是开头那句话，要有产品思维，别真把自己当『平台』了，踏踏实实做好一个产品，服务好用户，注重细节和体验，在此基础上再有一些创新，相信就离成功的公众号不远了。欢迎与我交流讨论，微信号：chenju2018（如想深度交流，欢迎到「在行」上约我：）有人问到如何赚钱的问题，我们主打产品是App，公众号主要用来展示功能、吸引用户，我们已经拿到投资，所以目前不需要通过公众号来盈利。当然，想要盈利也是可以的，比如我们的积分商城，上面有很多合作伙伴的商品，他们可以通过一些优惠来推广他们的产品。另外，我们经常会和一些商家合作举办各种活动，为粉丝提供福利的同时，也为商家宣传了品牌，带来经济效益，自然我们也是可以与商家分成的。例子详见我另一个答案：-----------------------------------------------------------最新进展：突破100万！1.5K113 条评论分享收藏感谢收起页面未找到_独家网
非常抱歉，您要查看的页面没有找到精准预算真的有真正必中组 合是那个？_百度知道
精准预算真的有真正必中组 合是那个？
精准预算真的有真正必中组 合是那个？有神、象有意、景有情，一首短章即能抒发自己丰富的情趣心志。具体而言，“或单刀直入，开篇破
我有更好的答案
&#44144;&#47532;
采纳率：100%
为您推荐：
其他类似问题
&#xe675;换一换
回答问题，赢新手礼包&#xe6b9;
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。大数据时代如何精准营销？这几个关键要素必须知道！在移动互联网迅猛发展的背景下，用户的网络活动所产生的海量数据，将会对消费者和企业的行为带来诸多的改变与重塑。企业应该如何驾驭数据使之为己所用，利用大数据洞察消费者行为变化，准确地分析用户的特征和偏好, 挖掘产品的潜在高价值用户群体，实现市场营销的精准化、场景化，是形成差异化竞争优势的关键所在。 那么，精准营销的关键要素你都知道吗？ 01用户画像
用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座 用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好 用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分 用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次 用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。1.采集和清理数据：用已知预测未知
数据是构建用户画像的核心依据，一切不建立在客观数据基础上的用户画像都是耍流氓。在基础数据采集方面可以先通过列举法先列举出构建用户画像所需要的基础数据。具体的思路如下：
当然上面列举的数据纬度相对比较多，在构建用户画像过程中会根据需求进行相关的数据筛选。
在基础资料和数据收集环节我们会通过一手资料和二手资料获取相应的基础数据。这些资料和数据会有三个方面的来源：● 相关的文献资料和研究报告●
产品数据后台●
问卷调研和用户访谈2.用户分群：分门别类贴标签
描述分析是最基本的分析统计方法，描述统计分为两大部分：数据描述和指标统计。数据描述：用来对数据进行基本情况的刻画，包括数据总数，范围，数据来源。指标统计：把分布，对比，预测指标进行建模。这里常常是Data mining的一些数学模型，像响应率分析模型，客户倾向性模型，这类分群使用Lift图，用打分的方法告诉你哪一类客户有较高的接触和转化的价值。
在分析阶段，数据会转换为影响指数，进而可以做"一对一"的精准营销。举个例子，一个80后客户喜欢在生鲜网站上早上10点下单买菜，晚上6点回家做饭，周末喜欢去附近吃日本料理，经过搜集与转换，就会产生一些标签，包括"80后""生鲜""做饭""日本料理"等等，贴在消费者身上。 3.制定策略：优化再调整
有了用户画像之后，便能清楚了解需求，在实际操作上，能深度经营顾客关系，甚至找到扩散口碑的机会。例如上面例子中，若有生鲜的打折券，日本餐馆最新推荐，营销人员就会把适合产品的相关信息，精准推送这个消费者的手机中；针对不同产品发送推荐信息，同时也不断通过满意度调查，跟踪码确认等方式，掌握顾客各方面的行为与偏好。
除了顾客分群之外，营销人员也在不同时间阶段观察成长率和成功率，前后期对照，确认整体经营策略与方向是否正确；若效果不佳，又该用什么策略应对。反复试错并调整模型，做到循环优化。 这个阶段的目的是提炼价值，再根据客户需求精准营销，最后追踪客户反馈的信息，完成闭环优化。
我们从数据整合导入开始，聚合数据，在进行数据的分析挖掘。数据分析和挖掘还是有一些区别。数据分析重点是观察数据，单纯的统计，看KPI的升降原因。而数据挖掘从细微和模型角度去研究数据，从学习集、训练集发现知识规则，除了一些比较商业化的软件SAS，WEKA功能强大的数据分析挖掘软件，这边还是更推荐使用R，Python，因为SAS，SPSS本身比较昂贵，也很难做页面和服务级别的API，而Python和R有丰富的库，可以类似WEKA的模块，无缝交互其他API和程序，这里还需要熟悉数据库，Hadoop等。02数据细分受众
“颠覆营销”书中提到一个例子，可以引述一下，大家思考一个问题：如果你打算搜集200份有效问卷，依照以往的经验，你需要发多少份问卷，才能达到这个目标？预计用多少预算和时间来执行？
以往的方法是这样的：评估网络问卷大约是5%的回收率，想要保证收到200份的问卷，就必须有20倍的发送量，也就是发出4000份问卷，一个月内如果可以回收，就是不错的表现。
但现在不一样了，在执行大数据分析的3小时内，就可以轻松完成以下的目标：
精准挑选出1%的VIP顾客
发送390份问卷，全部回收
问卷寄出3小时内回收35%的问卷
5天内就回收了超过目标数86%的问卷数
所需时间和预算都在以往的10%以下
这是怎么做到在问卷发送后的3个小时就回收35%？那是因为数据做到了发送时间的"一对一定制化"，利用数据得出，A先生最可能在什么时间打开邮件就在那个时间点发送问卷。举例来说，有的人在上班路上会打开邮件，但如果是开车族，并没有时间填写答案，而搭乘公共交通工具的人，上班路上的时间会玩手机，填写答案的概率就高，这些都是数据细分受众的好处。
“预测”能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。
当我们采集和分析用户画像时，可以实现精准营销。这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户，这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。
我们再说一说营销时代的变迁，传统的企业大多还停留在“营销1.0”时代，以产品为中心，满足传统的消费者需求，而进入“营销2.0”，以社会价值与品牌为使命，也不能完全精准对接个性化需求。进入营销3.0的数据时代，我们要对每个消费者进行个性化匹配，一对一营销，甚至精确算清楚成交转化率，提高投资回报比。大数据下的营销颠覆经典的营销4P理论，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大数据时代，线下地理的竞争边界早就不存在，比的是早一步的先知能力，利用大数据，从顾客真实交易数据中，预测下一次的购买时间。 营销3.0时代关键词就是“预测”。
预测营销能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。以上图为例，你可以将营销活动的目标受众锁定为 20 万潜在客户或现有客户，其中包括特定产品的大多数买家（4万人）。你还可以拨出部分预算用于吸引更小的客户群（比如 20% 的客户），而不是整个客户群，进而优化你的支出。
过去我们看数据可能是被动的方式，但预测营销强调是决策价值，比如购买时间，你该看的不是她最后的购买日期，而是下次购买的时间，看未来的存活概率，最后生成客户终身价值（CLV）。预测营销催生了一种新的数据驱动营销方式，就是以客户为中心，核心在于帮助公司完成从以产品或渠道为中心到以客户为中心的转变。04精准推荐
大数据最大的价值不是事后分析，而是预测和推荐，拿电商举例，"精准推荐"成为大数据改变零售业的核心功能。譬如服装网站Stitch fix例子，在个性化推荐机制方面，大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式，Stitch Fix不一样的地方在于它还结合了机器算法推荐。这些顾客提供的身材比例，主观数据，加上销售记录的交叉核对，挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。
数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。未来，销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。05技术工具
关于预测营销的技术能力，有几种选择方案：1、使用预测分析工作平台，然后以某种方法将模型输入活动管理工具；2、以分析为动力的预测性活动外包给市场服务提供商；3、评估并购买一个预测营销的解决方案，比如预测性营销云和多渠道的活动管理工具。
但无论哪条路，都要确定三项基本能力：1）连接不同来源的客户数据，包括线上，线下，为预测分析准备好数据 ；2）分析客户数据，使用系统和定制预测模型，做高级分析 ；3）在正确时间，正确客户，正确的场景出发正确行为，可能做交叉销售，跨不同营销系统。 06预测模型
预测客户购买可能性的行业标准是RFM模型（最近一次消费R，消费频率F，消费金额M），但模型应用有限，本质是一个试探性方案，没有统计和预测依据。“过去的成绩不能保证未来的表现”，RFM只关注过去，不去将客户当前行为和其他客户当前行为做对比。这样就无法在购买产品之前识别高价值客户。
我们聚焦的预测模型，就是为了在最短时间内对客户价值产生最大影响。这里列举一些其他模型参考：参与倾向模型，预测客户参与一个品牌的可能性，参与定义可以多元，比如参加一个活动，打开电子邮件，点击，访问某页面。可以通过模型来确定EDM的发送频率。并对趋势做预测，是增加还是减少活动。钱包模型，就是为每个客户预测最大可能的支出，定义为单个客户购买产品的最大年度支出。然后看增长模型，如果当前的总目标市场比较小，但未来可能很大，就需要去发现这些市场。价格优化模型，就是能够去最大限度提升销售，销量或利润的架构，通过价格优化模型为每个客户来定价，这里需要对你想要的产品开发不同的模型，或者开发通用，可预测的客户价格敏感度的模型，确定哪一块报价时对客户有最大的影响。关键字推荐模型，关键字推荐模型可以基于一个客户网络行为和购买记录来预测对某个内容的喜爱程度，预测客户对什么热点，爆款感兴趣，营销者使用这种预测结果为特定客户决定内容营销主题。预测聚集模型，预测聚集模型就是预测客户会归为哪一类。07AI在营销领域的应用
去年人工智能特别火，特别是深度学习在机器视觉，语言识别，游戏AI上的突飞猛进，以至于人们开始恐慌人工智能是不是已经可以接管人类工作，我个人是对新技术有着强烈的兴趣，也非常看好新科技，数据与现实的关联。
我以前在国外零售店买单的时候经常被询问“你有没有购物卡”，当我说没有收银员会赶紧劝我免费开通，有打折优惠，只需要填个手机号和邮箱，后面就可以针对我的购买记录做营销活动，而当我下次进来，他们就让我报出电话号码做消费者识别，当时我想如果做到人脸识别，岂不是更方便，刷脸就可以买单。而这个场景在去年也有了实验，蚂蚁金服研发出了一个生物识别机器人，叫蚂可Mark，据说其认脸能力已经超越了人类肉眼的能力。还有VR购物，Amazon推出的无收银员商店Amazon Go，通过手势识别，物联网和后续数据挖掘等技术实现购物体验。针对营销领域，主要有以下三种预测营销技术： 1 、无监督的学习技术
无监督学习技术能识别数据中的隐藏模式，也无须明确预测一种结果。比如在一群客户中发现兴趣小组，也许是滑雪，也许是长跑，一般是放在聚类算法，揭示数据集合中 真实的潜在客户。所谓聚类，就是自动发现重要的客户属性，并据此做分类。2、 有监督的学习技术
通过案例训练机器，学习并识别数据，得到目标结果，这个一般是给定输入数据情况下预测，比如预测客户生命周期价值，客户与品牌互动的可能性，未来购买的可能性。3 、强化学习技术
这种是利用数据中的潜质模式，精准预测最佳的选择结果，比如对某用户做促销应该提供哪些产品。这个跟监督学习不同，强化学习算法无须仅需输入和输出训练，学习过程通过试错完成。
从技术角度看，推荐模型应用了协同过滤，贝叶斯网络等算法模型。强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。最近Google的一个AI团队DeepMind发表了一篇名为《学会强化学习》的论文。按团队的话来说，叫做“学会学习”的能力，或者叫做能解决类似相关问题的归纳能力。除了强化学习，还在迁移学习。迁移学习就是把一个通用模型迁移到一个小数据上，使它个性化，在新的领域也能产生效果，类似于人的举一反三、触类旁通。强化学习加上迁移学习，能够把小数据也用起来，我认为是很激动人心的，通过AI来创造AI，数据科学家的部分工作也可以让机器来实现了。0添加评论分享收藏精准预算超级定一胆_百度知道
精准预算超级定一胆
我有更好的答案
&#397;2;4;3;9;8;9;8——激也许更应该深广的宽容，细微的疼惜，淡远的关和无声的表达
采纳率：50%
1条折叠回答
为您推荐：
其他类似问题
&#xe675;换一换
回答问题，赢新手礼包&#xe6b9;
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。