需求识别
访谈 + 问卷 + 行为数据。
项目 02 · 用户运营实习 / 2026
把召回预算，
花在对的人身上。
围绕沉默与流失用户，完成从需求识别、用户洞察、分层策略、场景触达，到 A/B 实验与增量归因的召回运营闭环。
01 / OVERVIEW
用户召回运营，如何从“发消息”变成一条可验证的闭环？
策略设计
痛点优先级 + 权益组合。
分层触达
价值 / 难易度 / 场景。
实验验证
节奏、护栏与增量归因。
用户召回不仅是发券，也是判断如何将有限资源花在对的人身上。
02 / USER INSIGHT
判断真实流失触发点，要让自述原因和行为证据互相校准。
241V1 深访，理解用户如何描述流失。
2,731有效问卷，建立可量化的原因分布。
18.6万行为样本，验证用户流失前真实发生了什么。
自述原因
“价格贵”
行为证据
等待超时 / 多次取消
运营判断
优先修复速度体验
441 位自述价格因素的用户中，42.4% 在流失前出现等待超时或多次取消。
03 / PRIORITY
叫车速度的影响被低估，价格因素的影响被高估。
访谈揭示了用户自述原因与真实原因之间的偏差，这一发现直接驱动后续问卷设计中的行为数据校准。
| 访谈发现 | 受访者提及数 | 占比 | 与问卷一致性 |
|---|---|---|---|
| 叫车速度慢 / 叫不到车 | 16 人 | 66.7% | 部分被掩盖：7 人选择其他原因 |
| 服务体验不佳 | 6 人 | 25.0% | 基本一致 |
| 价格因素 | 8 人（含 5 人为表面原因） | 33.3% | 存在高估：5 人实为体验问题 |
| 安全顾虑 | 2 人 | 8.3% | 基本一致 |
“那次等了快 15 分钟都没人接单，我就换了个平台，结果人家 30 秒就来了。”用户 A · 北京 · 28 岁
“预估 5 分钟，结果等了 12 分钟，司机还取消了。这种事遇到好几次了。”用户 F · 上海 · 32 岁
“其实也不是差那几块钱，就是体验不好之后觉得不值这个价。”用户 C · 广州 · 30 岁
“要是每次都能很快叫到车，我也不会在意那几块。”用户 H · 杭州 · 29 岁
04 / STRATEGY MAP
不同流失原因，需要不同的权益、体验保障和运营目的。
| 流失原因 | 权益 | 体验保障 | 运营目的 |
|---|---|---|---|
| 60% 速度 | 优先叫车券 | 28 天运力保障 | 避免召回后二次流失 |
| 25% 服务 | 清新车专享券 | 体验问题定向治理 | 让用户重新感知品质 |
| 15% 价格 | 分层优惠券 | Uplift 精准补贴 | 把券发给会被影响的人 |
| 5% 安全 | 安全功能强化 | 夜间场景专项权益 | 不以低价替代安全感 |
05 / SEGMENTATION
四层召回：同时看召回难易度、用户价值和增长潜力。
L115%
高价值易召回
优先叫车券 + 28 天运力保障 + AI 智能外呼。
L220%
中价值场景驱动
通勤 / 周末场景化触达 + 分层优惠券 + 清新车专享券。
L335%
价格敏感摇摆
Uplift 精准补贴 + 券包养成 + 频次控制。
L430%
低价值难召回
低成本 Push + 场景验证券，不投入大额补贴。
L1 + L2 约占 35%，却贡献约 65% 的增量完单；资源应向高价值、高潜力人群倾斜。
06 / SCENARIO
触达不是固定模板，而是用户状态 × 实时场景 × 策略权益。
早高峰
通勤刚需
运力保障 + 提前触达
雨天
即时供需紧张
速度承诺 + 兜底权益
节日
出行意愿上升
目的地内容 + 场景券
滴滴 567
周末休闲出行
模块曝光 + 个性化推荐
07 / EXPERIMENT
触达频次需要通过实验确定：太少无感，太多打扰。
28 天周期同时观察曝光、点击、转化、ROI、覆盖用户数及退订护栏，最终选择 E 组：召回率 7.8%，退订率 1.1%，7 日复购率 19.6%。
| 组别 | 触达次数 | 间隔 | 28 天内节奏 | 样本量 | 占比 |
|---|---|---|---|---|---|
| A 对照组 | 0 次 | — | 无干预 | 10,000 | 10% |
| B | 2 次 | 14 天 | Day1 + Day15 | 10,000 | 10% |
| C | 3 次 | 9 天 | Day1 + Day10 + Day19 | 10,000 | 10% |
| D | 4 次 | 7 天 | Day1 + Day8 + Day15 + Day22 | 15,000 | 15% |
| E · 最优 | 5 次 | 5 天 | Day1 + Day6 + Day11 + Day16 + Day21 | 15,000 | 15% |
| F | 5 次 | 4 天 | Day1 + Day5 + Day9 + Day13 + Day17 | 15,000 | 15% |
| G | 7 次 | 4 天 | Day1 + 5 + 9 + 13 + 17 + 21 + 25 | 10,000 | 10% |
| H | 7 次 | 3 天 | Day1 + 4 + 7 + 10 + 13 + 16 + 19 | 10,000 | 10% |
| I 原策略 | 3 次 | 不固定 | 原运营节奏 | 5,000 | 5% |
08 / RESULTS
结果数据支撑：增量来自策略，而不是大盘自然上涨。
7.8%实验组召回率
+4.7pp较对照组增量
+5.4%订单量提升
1.89最优组 ROI
大盘同期保持 3.1%；7 次触达虽略高，但退订率显著上升。“体验修复 + 精准分层 + 节奏实验”优于单纯加券。
09 / CONTRIBUTION
这段经历留下的，是一套可复用的用户运营方法。
用户洞察
把访谈、问卷与行为数据放在一起判断。
产品用户思维
先修复体验，再设计权益和触达路径。
策略与实验
把模糊想法拆成单变量、可度量实验。
分层运营
兼顾用户价值、增长潜力与打扰成本。
从用户问题出发，完成“洞察—策略—分群—触达—实验—复盘”的完整链路。