无线城市深度运营规划(交流材料).ppt

《无线城市深度运营规划(交流材料).ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。

1、无线城市深度运营规划交流材料无线城市主要运营工作范畴市民主页五大闭环运营体系运营维护运营统计分析用户行为研究日常巡检拨测运营分析（用户行为）产品设计产品策划产品设计前端实现用户体验优化UE/UI优化产品设计书评审用户体验会产品设计（用户体验）内容采编内容采集和整理内容编审和质检内容发布和更新栏目规划栏目、应用引入规划栏目、应用运营考核栏目、应用下线建议内容采编（用户识别）客服支撑二线客服客服录音分析客服培训产品手册撰写神秘访客客服支撑（用户感知）营销推广营销方案撰写微博营销营销推广（用户沉淀）达到一

2、个效果通过三个手段坚持一个基础用户规模+用户活跃度持续提升内容运营+用户体验+营销推广坚持每日做好无线城市的基础运营工作。针对运营计划，构造无线城市未来运营工作的总体视图，全力促进为用户打造公共服务平台的总目标。无线城市未来运营工作总体视图无线城市总体运营目标无线城市的重大民生应用，为了确保无线城市能够真正成为广大用户认可的公共服务平台，早日实现无线城市所预期的经济效益和社会效应，将在未来重点开展以下运营工作：总体目标营销推广：拓展推广渠道、丰富营销手段内容运营：合理内容排序、利用页面资源体验提升：

3、提升使用体验、优化操作流程重体验控质量调排序析行为保规模促活跃交叉营销用户UE/UI体验优化微博营销用户满意度调研内容展示顺序调整Push计划用户个性化分析媒体宣传好友推荐针对无线城市的运营目标及重点工作，运营工作主要围绕以下内容开展：无线城市运营计划分解新闻资讯类内容具有很强的时效性，因此建议案时间降序排列，即最新的内容置顶。①整体排序：未定制个性化服务、未登录、初次登录但未完成个人资料的用户，服务项按照最受欢迎程度降序排列。②用户属性标签：对于初次登录并且完善了个人资料的用户，研究具有类似属性用

4、户最受欢迎的服务项并按照降序排列。③服务个性化推荐：对于登录并有过历史浏览行为的用户，采用协同过滤算法为用户个性化展示页面。无线城市各访问渠道的首页空间资源更显得尤其宝贵。将最受用户欢迎的服务项首页展示，在用户登录“无线城市”首页时，第一时间抓住用户眼球，吸引用户使用，提高用户粘性，降低用户跳出率，并且形成常态化的栏目排序调整机制是未来运营的重点工作，也是提升运营质量的需要。内容运营内容运营新闻咨询服务应用试用情况：未定制个性化服务、未登录用户、初次登录但未完善个人资料的用户排序依据：依据服务项的基

5、础运营统计分析指标及指标相应权重，综合评价一个服务项的受欢迎程度当月受欢迎程度计算方法Pn=0.5*UVn+0.4*PVn+0.1*FnPn=服务项n的受欢迎程度UVn=服务项n的UV值PVn=服务项n的PV值Fn=服务项n的更新量系数为各统计分析指标权重UV:即服务项独立访客人数，与服务项受欢迎程度呈正向线性关系；UV越高，代表服务项使用人数越高。PV:即服务浏览量，与服务项受欢迎程度呈正向线性关系；PV越高，带来的流量收入越高，对网站收入具有重要意义。Frequency:即服务项更新频次，更新频

6、次越高，服务内容更新越快，新内容越多。一般来说，低更新频次内容不适于首页展示。无线城市整体排序建议每月调整一次，将服务近三个月统计数据纳入受欢迎程度评价体系，三个月统计数据权重按时间远近分别占20%、30%、50%权重，受欢迎程度计算方法即：Pn=（0.2*（0.5*UV1n+0.4*PV1n）+0.3*（0.5*UV2n+0.4*PV2n）+0.5*（0.5*UV3n+0.4*PV3n））+0.1*Fn内容运营-整体排序内容运营-用户属性标签试用情况：适用于初次登录且完善了个人属性资料的用户排序依

7、据：对所有注册且完善了个人属性资料的用户进行聚类分析，将用户进行分组并研究每组用户在业务使用行为上的共性，从而根据新注册用户的属性预测用户可能喜欢或存在需求的业务，按照预测值高低进行服务项降序排列。自然属性：如用户年龄、性别、职业等社会属性。通信属性：如用户品牌、ARPU、网络套餐等移动业务相关属性。偏好属性：如用户在无线城市主动勾选的关注类别、定制业务等业务行为属性。三大用户属性标签试用情况：适用于登录并且存在历史浏览行为的用户排序依据：采用基于内容的协同过滤算法，研究浏览过相同服务项的用户还浏览

8、过哪些服务，从而预测用户“可能喜欢”哪些服务，进行生成个性化的展示页面。U

9、I

10、RA

11、x

12、1A

13、y

14、3A

15、z

16、1B

17、x

18、6B

19、z

20、4C

21、x

22、4C

23、y

24、42.数据存储格式转化UIxyzA131B64C44xyzx-2/22/2y2/1z4.计算某用户对没有使用过服务项的潜在评价，根据评价高低进行预测5.加入权重概念，计算潜在评价6.根据预测值完成推荐记录用户对服务的评价（u为用户，i为服务，r为评价）3.记录下用户对服务的打分及权重基于slopeone算法实现个性化推