作为用户金字塔模型的提出者类类，对其公众号（类类有话说）文章中的用户运营的思路进行整理归纳，可作为社区运营的指导。并以知乎为案例，对其用户金字塔模型进行深入分析。

实际上，这两个模型是一样的。只不过是运用的方式不一样。

用户金字塔模型的建立，自上而下，上层影响下层。主要为了让我们对用户的构成有一个清晰的了解，并且在实际工作中，往往需要抓住的是金字塔顶端20％的用户；可以利用用户进行有效地管理用户；并且每个模块可以再进行拆解成小金字塔，作为管理工具，增加用户和用户之间的关系。

而这里的用户漏斗模型（倒金字塔）与我们普遍认为的流量漏斗模型是不一样的，主要是把这个看作是一个用户成长的路径，我们需要对用户的成长进行激励；并且可以作为检验产品构架搭建的合理性和完整性，实现用户驱动产品。

整体来看，用户的金字塔模型更多的是用于用户的管理，确保促活和留存。具体作用如下：

这里以用户金字塔为基础，列举了用户运营在工作中的运用方式方法，主要是对用户心理的把握和运用：用户驱动、劣币驱逐良币、荣誉感、参与感、互助感等。

在了解用户金字塔模型的建立及应用的理论知识后，下面以知乎为例，分析其金字塔的构成，主要围绕以下两个方面：

What：用户的金字塔是怎样的？

How：如何进行用户管理，有效促进用户活跃度？

知乎是一个问答类社区，定位为“中文互联网上高质量内容社区”。简单的了解下其架构：

根据用户金字塔模型，知乎的用户金字塔的基础四层结构是怎样的呢？

1.金字塔顶端：运营人员、创始人等知乎员工&早期种子用户

知乎创始人&CEO

知乎创始人周源，还有黄继新等、李申申等知乎头号员工，回答数和关注度都很高，绝对是知乎金字塔的顶尖人物。

早期种子用户：众所周知知乎在创立初期是采用邀请制。第一批用户包括李开复、薛蛮子、徐小平、雷军、Keso等业内知名人士，还有很多投资圈、媒体圈人士。他们不仅奠定了知乎这个产品基调的基石，也带动了其在短时间内的迅速蹿红。

这批种子用户为知乎的社区氛围和内容提供了非常重要的作用，尽管后期一些种子用户离开知乎或不使用，但无疑他们对知乎的贡献是有极大的帮助和促进作用的。

2.金字塔第二层：用户的管理工具。知乎的管理工具主要以用户组织偏多。

1）知乎最典型的“工具”就是问答。类似于论坛时代的“楼主”、博客1.0时代的“博主”，知乎让“题主”这一称谓流行起来。让著名“知友”从普通人成为知乎“名人”。

2）圆桌：线上的嘉宾讨论。每场圆桌将邀请1位主持人和4位以上有多年行业经验的嘉宾共同发表见解。圆桌以限时的讨论方式，集合一群对话题感兴趣的人，链接了用户和参与者的关系，推荐了行业大v，也对积极参与者进行推荐。

主办方vs嘉宾vs热门回答

3）知乎周刊：知乎周刊会经常将优秀回答者编制成周刊类的杂志。并且会在各个平台，如亚马逊、豆瓣阅读等平台，以及用户邮箱发送。一方面知乎周刊的内容产出可以是知乎上的任何用户，能够大大提升被收录答案用户的荣誉感；其次，这样能够刺激一部分用户在知乎产出高质量的答案。对用户激励是一种很好的形式。

知乎周刊邮件推送vs周刊评论

4）知乎live：

●知乎live对大V的品牌建设有很大的帮助：

首页对大V的推广，让大V获得更多的帮助；其次一般发起人都会在回答、专栏文章尾部放入自己的公众号二维码引流。这些都是对大V的品牌建设有积极作用。

●通过知识分享赚取一定的报酬，这种直接付费的功能也让用户获得了很好的利益。

●对用户生命周期也起到了补全作用：发现知乎——获取知识——回答——收到正反馈激励——通过Live赚钱——持续分享

●在用户金字塔的模型作用中有提道，需要善于对用户的利用。对于社区的维护和提升，仅仅通过运营是不够的。知乎通过推出多个产品，同时解决了社区成长体系完善，大V用户激励，内容深度扩展，外部恶意转载等等问题。

5）知乎专栏：专栏旨在为特定主题下有持续创作及合作写作需求的用户提供写作工具，创建专栏需要进行申请，通过审核后即可使用。

知乎专栏整理类似于版主等形式。专栏需要6）公共编辑：这一产生于用户的编辑团队。放权给用户，让用户参与其中，他们的任务是对问题的补充、语言规范乃至话题归类做出修订。

3.金字塔的第三层、第四层：

我们先了解下知乎的用户构成。

围绕知乎用户最紧密的就是点赞数和关注数，也就是内容消费者和内容生产者。

在知乎经常有类似这样的问题“知乎上点赞数最多的答案是什么？”因此点赞数较多的用户通常被认为是某个领域有较高造诣的人，因此特别受到关注，而拥有较高的点赞数的用户，其成就感和荣誉感也得到极大的满足。

我们都知道，往往大部分人仅仅作为内容的消费者而非生产者。那么知乎在这个金字塔顶端的回答者占比多少呢？

先来看一组数据：

表1-用户的点赞数和关注数占比

表2-内容消费者vs生产者

在这些得到赞同的用户赞同数分布情况如下：

表3-赞同数用户分布

（以上数据