关于某员工离职后在公司内部产生的谣言

某员工离职后在公司内部产生了谣言,谣言是这个样子的:

因为 公司不想让XXX休婚假,所以让他离职了。

这个谣言让人事部很气愤,做了内部邮件的声明。

Dear all:

非常感谢您抽时间阅读这封邮件鉴于公司近期发生的一些事情,我觉得人事部有必要向大家作一个说明。

本月13公司与员工XXX正式解除劳动关系公司批准了其个人的婚假申请,形式是立即离职,工资发放至本月底。

此次解除的原因并非是大家所听到的因为申请婚假这件事情公司在对于假期的处理上一贯是按照劳动法的相关规定来执行的,也没有其他任何员工的正当请假未获批的情况。

公司之所以辞退XXX是因为XXX本身在工作中存在一些问题不服从领导工作安排、没有团队协作精神其一些不当做法和言论已经影响到了公司的整个团队而且在2016年8月9日公司对其发出警告信以后他没有吸取教训其表现没有明显的改善公司坚决不会留用这样的员工。另外本着帮助员工的想法,本年初公司还为XXX提供了无息的贷款,资助其装修,其贷款在离职时才结清。

我们是一个团队我们有着共同的目标和理想我们凝聚在一起为这个目标而努力公司绝对不会允许个别表现不佳的员工破坏整个团队的合作破坏整个公司的氛围

希望今后我们团队成员能更加团结为公司同时也为我们的未来而努力!!!

我追着这封邮件也给公司内部全体发了邮件

我很诧异,听到会有这种谣言和散播。

每个人的思考和说话的角度都不一样,每个人都有个性,我尊重每个人的个性,也不希望公司出来的人都是一个风格,那人生和公司都够无趣。

我希望每一个岗位的同事都能做思考者,有独立思考能力的人才是能活出人生色彩的人,思考有两方面,一是原因(facts)是否真实 二是逻辑推理是否正确,我们要对只提供判断不提供facts和logic的说法一生都要保持警惕

XXX是个比较有个性的人,以前我们公司也有其他的同事比较有个性。对于个性我愿意接受,但是对于工作的结果我要做评判,因为公司的存在是为了商业目标而存在,不是为了个性而存在。

所以在公司的管理上,我们需要遵循的方式是:个性不是问题,但请保证工作结果。

不能提供结果的个性、夸夸其谈或眼高手低是有百害而无一利的,对个人对公司都是如此。

我的一些思考与大家共勉。

关于facts和logical举两个例子:

1. 因为 公司不批准xxx婚假,导致 xxx很气愤,所以 愤而离职,所以公司很无耻。

这个逻辑还算合理,但是facts是假的,所以是一个错误的判断。

第二个例子:

2. 因为 李世民 杀兄且逼父退位,所以 他不是一个好皇帝

事实是真的,但是杀兄且逼父退位 跟是不是好皇帝 之间没有逻辑上的必然关系,所以这也是一个错误的判断

这个世界上有很多的断言都是类似的情况,希望这两个例子也可以对大家在日常生活中有所帮助。

如何了解用户分层做到精细化运营?谈谈RFM模型的实际应用

来自微博 36Kr http://weibo.com/ttarticle/p/show?id=2309351000014051907231507512&u=2348500541&m=4051921894069552&cu=2348500541

用近度、频度、额度三个维度的数据来划分消费用户的层级

编者按:本文来自微信公众号“张记杂货铺”(ID:zhangleo1983),作者张亮,36氪经授权发布。

今天来聊一聊用户分层的事情。

一个实例

亮哥现在所在的公司叫做斑马信息科技,是阿里和上汽一起合资的公司,主营的业务是通过前装制造「互联网汽车」,已经上市的是荣威的RX5。

公司里有个小组,是做流量的,简单的说,车主在用车过程中产生了流量的消耗,然后再去花钱买流量持续使用需要消耗流量的应用。

前两周,亮哥和流量组的小伙儿一起,梳理了8月份提车的首批车主的流量使用和流量购买的情况。

样本量大概3000多,然后我们使用了RFM模型来完成这批样本的用户分层——流量消耗选型用户RFM模型及流量购买选型用户RFM模型。

RFM模型,在这里再做一次简单介绍。

241786623b5aabb292109187722af80d

RFM模型是广泛使用于传统零售行业的用户分层模型,它用三个维度的数据来划分消费用户的层级,分别是:

R(Recency):离某个时间点最近的一次消费,为「近度」维度;

F(Frequency):一段时间内的消费频次,为「频度」维度;

M(Monetary):对应这段时间内的消费金额,为「额度」维度。

通过RFM模型,可以划分出用户的层级,如下表:

dd9a26fee371b39e5aa7c96e328bd90e

我们将R、F、M各切分了5个等级,构建出了125个模块,3000多样本,占据了其中77个模块。

这125个模块,会对应出上表中的8个级别的客户。

而这,只是第一步。

第二步,是针对不同模块的用户,进行有针对性的活动、宣传设计,从而让模块中的用户产生流动。

持续的进行这个行为,去观测不同的活动、宣传,对于用户在层级中的流程产生的影响。

譬如说,对于高流量消耗,但没有产生流量购买行为的用户,可以对其进行定向推送,观测用户是否会变成「双高」用户(高消耗高消费)。

譬如说,对于没有流量消耗的用户,告知流量消耗应用可以提升体验,促使其使用会产生流量消耗的应用,提升用户的应用使用活跃度。

譬如说,上述的动作实施过程当中,是需要进行持续的文案改进,尝试触达不同用户的G点,并借机为用户打上标签,以备后续大规模运营使用。

(在这里也可以说一下,我们后来对于其中400名选型车主做了一次推送,推送三天内,就直接转化了9名车主进行流量购买,而在此之前,他们已经没有流量可用至少2个月了。)

与此同时,阶段性固化模型,从3000多样本扩展到全量用户。

第三步,通过在第二步中的运营得到的结果,去扩展到全量用户的运营。

这样做的好处是:

1、通过持续运营,可以固化出多个活动模块,如:A(Active)-P(Payment)活动;沉默用户唤醒活动,等等。

2、后续可以叠加积分等其他工具,让用户在产品中获得更多的权益和好处,使其对品牌产生认可。

3、识别高价值用户,并倾斜更多的运营资源,提升其使用产品的体验,并形成口碑进行传播。

这样一来,你很容易看出:

1、用户分层本身不是目标,目标是实现精细化运营,让资源得到合理分配和高效利用。

2、用户分层是所有产品进入用户运营的门槛,区分出不同层级的用户,才能有效的将运营手段进行叠加,降低运营成本,扩大运营效果。

3、做用户分层,需要一定的数学能力和Excel处理能力,并不是随随便便拍个脑袋就能有。

方法其实很简单,但能按照这个方法做出来的不太多。有一些工具(譬如Matlab)可以帮助使用,但能够实现这样的意识,其实不大容易。

动态看待用户层级

用户模型可以固化,但用户层级永远不会固化。

对于不同的产品,其生命周期其实往往是相似的,从初创到发展,到成熟,到衰退,再到消亡。

唯一的不同是,不同产品可能有不同的生命周期的长度,而这种长度上的区别,往往落脚点是看运营的精细化做到了什么样的程度。

大家应该都听说过淘宝营销工具可以做到千人千面,但千人千面不是一天落实的,它是从采集用户行为,到分类用户行为,聚合、交叉,得到不同的用户集合,通过不同的营销尝试看待转化效果,最终得到一个不断发展的巨大模型。

这本身就是对用户分层工作最大的褒奖。

不管你有1000个用户,还是1000万用户,如果你能做到随手取出任何一个用户,就知道他属于什么样的级别,什么样的活动对他有效,什么程度的让利可以推动购买,你的运营效率就会大大提升。

我想这也是很多人想要了解用户分层及精细化运营背后最简单直接的逻辑。