《运营之光》作者+《从零开始做运营》作者=?

2019 年 3 月 21 日 三节课


各位同学,晚上好。


今天这篇推文是想向大家介绍一门由三节课联合创始人、《运营之光》作者-黄有璨老师和《从零开始做运营》作者-张亮老师,历时10个月制作的含金量极高,在业内可能前无古人的运营课程。


这个课程的主题叫——高阶用户运营方法与大规模用户运营体系的搭建。


目前已经开班6期,饱受学员好评(如下图),所以我们想要第7期开班前,再次为它发声。(如果你之前早已对这门课程有了认知,建议直接拉到底部去报名吧,毕竟本期名额已然不多了。)



接下来,也许你会好奇,为什么这门《高阶用户体系搭建课》会有如此魅力?


那不妨分享给你有关这门课程的三个事实。

01

事实一:课程里面60%的内容你在三节课以外的地方完全找不到


1)例如用户分层。


虽然你可能在别的地方听到过金字塔模型、RFM模型等,但大多数讲的都是某个单一的用户分层方式,而且方法还讲的不具体。


这门课程把行业里的方法【AARRR用户分层法】、【RFM用户分层法】、【金字塔用户分层法】、【用户身份和个性特征区隔法】都成体系化的串联起来,学完之后你可以清晰地知道当遇到问题的时候应该选用哪一种用户分层方法。同时每一种方法我们都有非常清晰的步骤教会大家怎么实操,最后怎么落地。如下课程截图供参考:


(课程截图)


2)例如用户留存和召回的方法。


现在市面上的课程方法论都比较零散。


这门课程有完整的教程,非常系统化,黄有璨老师针对召回为你剖析了用户召回和唤醒的基本逻辑,以及总结了【召回用户的6种方向】,在用户留存上总结了【一款产品诊断用户留存下降的几种原因】,并以“三节课”为示例,手把手教学员能够完整分析问题,找到解决方法。如下供参考:


(课程截图)


3)例如防流失预警机制的搭建。


目前行业内的大多数人都只知道简单的拉新、留存、活跃,但对如何建立用户的防流失预警机制却不太清楚。一款产品如果没有一套用户防流失预警机制,对产品的影响是致命的。而目前市面上基本没有人讲这部分内容。


这门课程可以手把手的教会学员如何设计一套用户防流失预警机制,包括怎么设计一套【用户生命周期管理模型】、【用户可能会离开产品的运营】、【找到并定位在沉默期或者将要流失的用户的数据模型】、以及如何制定【用户防流失的策略】来帮助产品挽留用户或者培养用户的使用习惯。如下课程截图供参考:


(课程截图)

02

事实二:剩下40%的内容里,没有人能像三节课这样给你提供实打实操练手的机会


这里举个例子你就明白了。


RFM模型是业内传播度最广、影响范围最大的用户分层模型之一,可能你在很多地方都见过、听过,但我想大多数人都没有自己把它在一个具体的业务场景中完整地落地过。


一方面,很多课程和讲解都止步在理论层,另一方面,模型应用需要大量的真实业务数据作支撑,而这些数据都是企业的核心机密,可不是想练就能练的。


而在用户体系课程中,关于这个模块,我们将给到你一个最贴近真实工作场景的命题:



并且会提供给你相关的数据,就如上面的命题下,我们专门请硅谷的程序员写程序,根据一些真实参数,模拟跑出了滴滴的10万用户数据,让大家根据这些数据练习应用RFM用户分层模型。数据如下图所示:



在几乎100%还原真实的数据场景中,你会遇到更多真实的困难和阻碍,也会对这个模型有更多更深刻的理解。


这里不妨分享一份来自我们学员在这个命题下产出的优秀作业(因为太长了。。。所以截部分供你参考)


03

事实三:这门课程培养的是一个运营人的综合能力


你以为这门课只教你用户运营的技能吗?错。能学好这门课的人,都是综合能力极高的核心业务骨干。


首先,用户运营这个岗位对数据指标的敏感程度和制定产品机制化策略这两个能力是刚需,在面试的时候很多公司会卡这两个能力,但是很多人其实是不具备这两个能力的。因为这个两个能力一个是需要长时间的练习,另一个是需要有人不断地去帮你指导和纠偏。


我们在课程的作业设计上,一直努力给到用户大量实际的数据去练习,同时我们的助教会在批改作业的时候要求学员的作业中有明确的数据指标,必须符合smart原则,为的就是让学员对数据有灵敏的触感;要求学员所产出的策略必须是可复制、可落实成机制化的,所有的运营策略都必须要通过产品功能去实现。


为了达成上面的要求,我们花了很大的力气在培养和培训助教上,务必力求让每个助教都能达到鉴别作业中的数据指标是否正确,以及运营策略是否可落地执行。(这里,请允许我们向助教致敬)


其次,很多用户体系的目标学员其实已经不再做具体的执行工作,对他们现阶段来说最难的是怎么对一款复杂产品做用户运营团队管理工作。比如一款产品的运营经理或者总监通常会遇到下列4个问题,如下图所示:


(课程截图)


我们针对每一种问题,都给出了相应的用户分层方法和建议关注的数据指标,最关键的是,我们还给了如何调整团队架构以更好的适应商业目标的方法。


这是市面上绝对没有人讲过的,别人也讲不清楚。


好了,到这里,相信你已经能感受到这门课程的含金量了。有意向报名的同学可以扫描下方海报二维码前去抢座了!现在报名还有优惠名额哦!



接下来,如果你还想更进一步的了解下这门课程,可以再为你介绍一下。

课程介绍


1、课程导师


讲师一:张亮

知乎“运营”话题第一大V,业内最好、最畅销的入门级运营类书籍《从零开始做运营》作者,先后从业于盛大、上汽电商、订餐小秘书、名片全能王等多家公司,对于社区运营及积分、激励体系的构建有极为深入的理解。


讲师二:黄有璨

三节课联合创始人,豆瓣评分最高的运营类书籍《运营之光》作者,11年运营从业经历,曾任美国ABOUT.COM运营经理,新浪微米COO助理,第九课堂COO,2017年与吴晓波、陈春花、樊登等老师一起获得当当网年度影响力作家。

多次操盘0成本数百万传播的经典运营案例,曾带领3人团队0成本一年获取千万营收。过去3年后授课超百万人次,学员遍布BAT、TMD等知名互联网公司。


课程特别顾问:韩叙

网易运营总监,畅销书《超级运营术》作者。曾先后任职百度、猫眼电影从事用户运营相关工作,对用户运营领域有非常深入的研究及理解。


2、课程内容


本课程重点围绕着“大规模用户的运营+管理”帮大家解决如下问题——

1.建立起关于“用户运营”+“大规模用户管理”的全面认知;

2.帮你掌握一套方法,如何更多通过策略的方式而非人肉的方式来解决用户价值提升的问题;

3.如何通过数据分析找到用户留存、活跃偏低的价值洼地,并通过策略设计解决留存低活跃差的问题;

4.如何通过RFM、金字塔、个性化需求挖掘等多种用户分层方法对于大量用户进行分层运营和精细化运营,提升全量用户价值;

5.如何结合不同产品形态对一款产品中进行用户生命周期管理,包括用户成长路径优化、防流失策略设计等均有涉及;

6.如何搭建一款产品的用户激励体系及子激励系统,包括如何设计排行榜、勋章、积分系统、等级机制等;

7.如何围绕一款成熟期的产品设计整体用户成长体系。


本课程不解决如下问题——

1.如何获客和拉新;

2.所有关于项目管理、基础数据分析、文案、活动策划这一类的基本通用技能,本课程中均不会涉及,如对该方面内容有需求,可考虑参加三节课的互联网运营P2系列课程。


如下附上本门课程大纲,供你进一步参考。



3、学员评价


这里不妨放2张来自往期学员的朋友圈截图,供你参考:




4、课程时间


第七期3月27日开课。每期课程集中特训时间为7周,课程有效期为3个月,有效期内均可反复观看课程内容。


5、学习形式


在线录播课程+全程强化训练+1对1助教批改点评辅助学习+微信班级群交流,全程由班主任+多位专业助教带班,报名后在三节课(sanjieke.cn)官网或三节课服务号(sanjieke03)可收听课程。


6、课程定价


原价1999元,因为采用阶梯定价的玩法,现在报名,还可享受福利价=1899元!


友情提示:现在只有最后16个优惠名额,晚了可能不仅仅会涨价,也会面临没有名额的风险,占座请快。



点击阅读原文,更多好课,等你来选!

登录查看更多
1

相关内容

【新书】图神经网络导论,清华大学刘知远老师著作
专知会员服务
361+阅读 · 2020年6月12日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
推荐系统产品与算法概述 | 深度
AI100
11+阅读 · 2019年6月13日
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
深度 | 推荐系统评估
AI100
24+阅读 · 2019年3月16日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
零基础如何快速搭建一个推荐系统?
StuQ
5+阅读 · 2018年2月26日
思路+步骤+方法,三步教你如何快速构建用户画像
产品100干货速递
9+阅读 · 2017年12月21日
推荐系统机器学习算法概览
论智
7+阅读 · 2017年12月14日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
Teacher-Student Training for Robust Tacotron-based TTS
Seeing What a GAN Cannot Generate
Arxiv
8+阅读 · 2019年10月24日
Arxiv
30+阅读 · 2019年3月13日
Learning Recommender Systems from Multi-Behavior Data
Arxiv
14+阅读 · 2018年4月18日
Arxiv
4+阅读 · 2018年4月9日
VIP会员
相关资讯
推荐系统产品与算法概述 | 深度
AI100
11+阅读 · 2019年6月13日
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
深度 | 推荐系统评估
AI100
24+阅读 · 2019年3月16日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
零基础如何快速搭建一个推荐系统?
StuQ
5+阅读 · 2018年2月26日
思路+步骤+方法,三步教你如何快速构建用户画像
产品100干货速递
9+阅读 · 2017年12月21日
推荐系统机器学习算法概览
论智
7+阅读 · 2017年12月14日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
相关论文
Teacher-Student Training for Robust Tacotron-based TTS
Seeing What a GAN Cannot Generate
Arxiv
8+阅读 · 2019年10月24日
Arxiv
30+阅读 · 2019年3月13日
Learning Recommender Systems from Multi-Behavior Data
Arxiv
14+阅读 · 2018年4月18日
Arxiv
4+阅读 · 2018年4月9日
Top
微信扫码咨询专知VIP会员