全域用户运营落地过程中，各品牌商家通常面临人群洞察难、效果衡量难、诊断归因难三方面困难。而基于腾讯5R人群分层的“STAR模型”便可以从S、T、A、R四个维度，定性和定量地帮商家全面评估用户运营的精细化程度。

针对以上三个难点，腾讯通过对大量商家的研究，总结对各个行业全域用户运营的洞察，并且对各类用户运营场景所涉及到的数据需求进行汇总和归类，推出基于5R人群资产模 型的STAR 全域用户增值模型。借助这一套模型，各商家可以更好地衡量其用户运营效果好坏，并发现其中问题，进而加速从战略层到运营层的优化迭代速度。STAR模型包括：

 Scaling(S) ‒5R品牌人群资产 

各个渠道R1-R5层级品牌人群资产总量，其中R1-R5为5R用户人群资产模型中的5个层级。

 Triangulating(T) ‒ 5R人群结构健康度

R1~R5 各层级用户群体数量及占比；

Activating(A) ‒ 5R人群交互活跃度

从原先层级流向其他层级（包含正向流转与逆向流转）的用户群体在原先层级中的占比，例如 从 R1流向 R2 的用户数在原先 R1用户数中的占比； 

 Returning(R) ‒ 5R人群价值创造度

R1~R5 各层级用户群体以及整体用户群体的价值贡献，包括 GMV、转化率、客单价及复购率。

从中不难看出，STAR模型从两个维度帮助商家评估和了解其人群资产，即S和T从数量维度进行评估，而A和R从价值维度进行评估。

数量维度

S可以帮助商家了解其全域品牌人群资产积累情况，分析不同渠道不同触点新老用户数，T可以帮助商家评估其人群资产结构健康度； 

价值维度

A可以帮助商家了解与用户群体联结深度和动态变化，分析如何加深商家与用户群体的关系， 培养高粘性群体，R可以直接衡量各层级人群的价值创造度，进而帮助商家快速定位目标人群以最大化GMV 产出。

应用 STAR 模型遵循指标识别 - 诊断分析 - 策略建议 - 运营落地四步走原则，即全域用户运营及品牌人群资产优化的基础是设计相应的指标，通过对指标的计算和监测才能将诊断出的全域用户运营的问题以及优化后的结果量化，让运营有抓手有靶子，根据 STAR 不同指标的变化，可以相应地进行问题诊断，进而针对问题提出改进方案和优化策略，并依据策略落地执行。

步骤一 指标识别 

STAR解决方案中的指标体系不仅涵盖了适用于各行业的品牌5R人群资产通用指标， 如品牌人群资产总量、人群资产结构分布、5R 层级流转率、GMV 等；也涵盖了品牌商家根据其业务重心关注的特征指标，如商超关注周 / 月复购频次，而服饰关注季 / 年复购频次，以会员模式盈利的企业关注会员结构与会员流转，而以社群辐射的企业关注社群数、企业微信用户数等。

同时，STAR解决方案中的指标库除了高度全面之外，其背后的设计逻辑也遵循科学性、专业性原则，即指标识别的关键是要基于业务特征和战略目标找到关键核心指标，从上至下逐层拆解，确保指标体系满足以下三个原则：符合业务需求、符合阶段性战略目标、并且能够智能实现从结果指标追溯到过程指标以及相应的责任部门。

步骤二 诊断分析

在设计好相应的指标后便可以进入到诊断分析环节， 在标准分析诊断中，STAR 模型为商家提供了三个分析维度：

其一，是在时间维度上进行历史纵向分析，除了固定时间周期的监测指标外，还可以对特定运营或者营销活动前后的指标进行对比以分析此次运营或营销活动的效果；

其二，则是在行业维度上进行品牌间横向分析，例如和核心竞品间的对比、和行业龙头间的对比、和行业均值间的对比等；

其三，STAR 模型还可以为商家提供人群维度的比较，依据商家需求通过交叉分析产出颗粒度更细的人群分析结果，例如新客与老客的比较、会员与非会员的需求通过交叉分析产出颗粒度更细的人群分析结果，例如新客与老客的比较、会员与非会员的比较、不同人群与货品的交叉分析等。 

步骤三 策略建议 

诊断出问题之后，更重要的是如何高效解决问题。要优化诊断出的用户运营问题，就要落实到关键用户运营场景，STAR解决方案根据行业共性痛点与自身业务沉淀积累，总结出五大关键用户运营场景，并在各场景下，根据各场景特征、商家业务目标、行业与品牌特性提出针对性的优化策略与建议。

步骤四 运营落地 

最后，全域用户运营策略在落地执行时，将涉及社群、内容、活动运营等不同岗位，需实现上下 一统的策略指导，并结合激励机制等手段实现策略落地不变样。在执行过程中，STAR解决方案还可不断监控指标变化，为商家滚动迭代优化策略提供指导。

通过将STAR模型融入商家日常运营中，并结合不同行业的用户运营诉求，总结出五大关键运营场景：全域用户拉新、会员深度运营、商品推广策略、营销节点大促以及全域用户增长。这五大运营场景针对 S、T、A、R 这四大指标的关注侧重也各有不同。

场景一 全域用户拉新 

该场景下的关键目标在于提升品牌人群资产，即S指标的规模。该场景的主要策略遵循“人— 货—场”的顺序，首先根据品牌人群资产分析机会人群范围，再分析人群画像与消费偏好，制定个性化的货品推荐策略，最后结合最佳营销触点投放，见证高效用户拉新、协同成交转化的增长。

场景二 会员深度运营 

根据二八法则，会员运营在全域用户运营中有着举足轻重的意义。在以STAR为核心的解决方案中，会员运营主要围绕着已进入用户池的用户群体进行精细化的运营，包括全域会员体系、 触点、权益的打通，并以此为基础制定分层策略，主要关注会员占比、会员交互活跃度以及全生命周期价值贡献，因此，会员深度运营主要关注在 T、A、R 三方面指标。

场景三 商品推广策略

此场景主要针对产品SKU丰富、上新频率高或产品力驱动强的消费品行业，如服饰运动、3C 电子等。在该场景下，主要围绕着产品生命周期来进行分析、诊断以及优化，包括新品上市前的趋势洞察与机会洞察以及人群定位识别等，以及新品上市后的推广营销效率优化，包括内容层面、品牌推广层面以及人货匹配度层面，对货品组合、转化率、产品接受度等方面进行分析与监控，最终优化商品推广与销售效率，实现渗透率的提升。因此，重点关注指标在S、A、R 三 方面。

场景四 营销节点大促 

营销场景下，商家通常以R指标的增长为主导，力求在短期内快速获得生意增长。然而该场景下的解决方案并不局限于结果，而是从S出发，将生意目标拆解到5R各层级人数和转化率；兼顾STAR四类指标，通过提升人群资产总量和加深 R1~R5 人群正向流转，并建立动态监测 体系，最终实现 R 指标的提升。 

场景五 全域用户增长 

将 STAR应用于全渠道品牌人群资产诊断，洞察商家在各渠道中的5R资产分布表现，分析商家用户群体在不同渠道的驱动力，实现定向二次营销，推动全渠道品牌人群资产规模性增长、结构调优，促进正向流转与转化复购，实现全渠道S、T、A、R 指标的全面增长。

基于以上模型，腾讯为商家提供了一套从战略洞察，到运营优化，再到基建支撑的三位一体的以STAR模型为核心的全域用户运营解决方案。

1、明确战略方向 

基于微信生态的全域用户运营解决方案帮助商家制定顶层目标，识别关键人群、关键命题与打法。

2、指导运营优化

全域用户运营解决方案为商家提供了用户运营和人群资产诊断框架，明确了应用 STAR 模型的四个步骤，并识别出五个关键用户运营场景以帮助商家有的放矢地诊断优化、执行落地。

3、提供基建支撑 

全域用户运营解决方案帮助商家搭建起适配其业务需求的用户运营组织架构，并提供一体化营销云赋能数字化基建以支撑商家的全域用户运营业务。