在互联网下半场，你需要的不仅是用户增长，更需要价值持续增长！
本文分享四点：
- 定义超级用户
- 获取超级用户
- 发展超级用户
- 防止超级用户流失
第一步：定义超级用户
超级用户不等于VIP用户，VIP用户来自于传统行业，多以“金钱”来衡量用户价值。但在互联网下半场，用户除了贡献“金钱”，更大的作用是帮助产品扩展用户、激发用户需求。
我们用四个维度来衡量超级用户：认可度（启动行为）、投入度（时长占比、花费占比）、稳定度（用户档案、持续活跃）和扩散度（主动分享）。这四个维度自成循环，只有认可才会投入，才会持续、主动传播以及更加认可。这里所考量的并不是绝对值，而是投入占比。
可以从用户生命周期的视角，可以快速区分“流失用户、沉默用户、新手用户”，从而定位成长期的高价值用户，再从高价值用户中找到高活跃高贡献的人群，即超级用户：
- 通过Push产品的联动，找到流失用户、卸载App用户；
- 通过用户洞察的方式找到沉默用户；
- 从用户投入维度，定位新手用户；
- 最终定位高潜用户，持续培养和发展超级用户。
以上功能都可以通过U-App AI版提供AI智能拉新方案实现，在行业中找到潜在的超级用户；通过合作媒体把潜在超级用户在各个媒体中的分布找到，有针对性制定投放策略；再通过AppTrack移动广告监测，将人群数据、媒体数据、投放数据汇总在AI模型中，进一步优化圈选模型，解决投放策略严重依赖与经验和成本的问题，这一系列过程是我们和媒体联动，共同优化。
而把超级用户整体人数变多，无非是获取、发展、保有三种手段——把即将流失用户尽可能转化为超级用户、把所有新用户引导成超级用户，持续提升超级用户价值。
第二步：获取超级用户
获取超级用户有两个困境：
- 一是获客成本越来越高，某些行业App获客成本高达300元/人，这是很恐惧的数字；
- 二是投放优化严重依赖经验，并且各媒体渠道投放操作复杂。
如何破解呢？
在投放前，知道谁是潜在的超级用户，有针对性地投放。这就需要通过AI能力，圈选超级用户、以及在各渠道的分布。比如潜在超级用户是1万人，这1万人在媒体A是8000人、媒体B是2000人，我们通过针对性的投放更有效果，再结合后链路行为，去监测和优化。
总结起来是四步：
- 找用户：找到潜在超级用户做投放；
- 定策略：按照目标人群的媒体渠道进行投放；
- 看转化：通过广告监测定位最终转化的超级用户；
- 优投放：通过用户点击情况智能优化投放方案。
如果能通过AI模型和全域用户画像，找到行业中的潜在超级用户；通过合作媒体把潜在超级用户在各个媒体中的分布找到，有针对性制定投放策略；再通过移动广告监测，将人群数据、媒体数据、投放数据汇总在AI模型中，进一步优化圈选模型。这一环节就可以解决投放策略严重依赖与经验和成本的问题，这一系列过程就可以和媒体联动，共同优化。
想要发展超级用户，就要找到用户中的潜力股。但行业间的巨大差异让潜力用户的寻找变的捉摸不定。
分享一个真实案例，某客户同时在经营两个App，一个是阅读类，是最开始做的；后来拓展到母婴App。在下图中，横轴表示时间，纵轴表示投入程度。对
于阅读类App，竞争非常激烈，此消彼长；对于母婴类App，用户在每个App的投入时间都差不多，每个App都会有侧重有强项，因为受众的身份不同，妈妈们会同时使用好几个App。所以，两个行业对超级用户的描绘是完全不同的。
而这一环节通过“时序模型”、“分段建模”、“基于循环神经网络的训练结构”，就可以在不同行业中找到潜在超级用户。
第三步：发展超级用户
当找到超级用户，就要知其所好，投其所好，将其转化为超级用户。
知其所好就是要了解这个人。
- 一是兴趣偏好。他是什么样的人，有哪些特征，更多是用户标签、画像；
- 二是行为偏好。捕捉用户行为偏好的难点是，对于App来说，一是前端行为，一是后端行为，并且大部分是分属两套数据系统。在前端通过埋点看用户浏览行为，而后端数据会存储在自己的数据库中，很难通过上帝视角来查看用户行为数据和成交特征。
比如把前端行为和后端行为做打通，然后通过事件分析、漏斗分析、留存分析，去衡量用户的变化。识别用户之后，就要投其所好。把兴趣偏好跟行为偏好结合，针对性产品，来做运营方案。
当然，你还要通过行业的Benchmark，了解用户群体在行业里的水平。如果超级用户数据得到改善，但整体用户情况并没有在行业内有所突破，那很可能是超级用户定义的范围出了问题。
第四步：防止超级用户流失
当我们获取超级用户、发展更多超级用户之后，就要考虑如何防止其流失。
根据一家美国市场调研机构的数据，2017年月人均下载App的数量是5.1，2017年年人均安装App是30，可见App被卸载的概率非常高。
在防止流失上，你还需要具备三个能力：
- 高流失风险用户圈群。系统自动圈选出高流失风险用户，你可以直接存为分群做触达，也从侧面了解App的健康状况、用户粘性；
- 自主选择风险阈值。按照App的发展阶段、行业属性，去选择风险阈值；
- 完整风险分布展示。流失预警模型以分布的方式展示，做好预警防范工作。
挽回用户最直接的手段是Push。Push推送有非常多策略，比如上面的两个Push，在推送时间、文案描述、受众选择上就有很多问题。Push如果对用户打扰特别多，用户就会选择把这个App通知关掉，甚至卸载。
所以说挽回并不是打扰，更应该做的是知己知彼。
你更要预知潜在用户是谁、行为习惯是什么；在Push中，用户是否在合适的时间打开App，你要及时收到通知，Push要有及时性。当有了Push前、Push中之后，就要在Push发送之后去了解用户后链路的行为，知道哪些用户转化为超级用户，最终形成完整闭环。
基于DI全域数据智能+AI能力，赋能运营者去挖掘，实现监控、分析、拉新、管理、触达这五个数据能力，从四个纬度衡量哪些人会成为超级用户，从用户生命周期视角去定义超级用户。通过用户洞察的方式了解用户行为，通过全域用户标签去知其所好、投其所好；通过Push做沉默用户挽回，并且通过流失预警做好运营防范。
另外结合用户管理，以生命周期的视角把所有流失、沉默的用户变成潜在的超级用户，并且把新手用户转化成超级用户。
本文为@运营喵原创，运营喵专栏作者。