<span id='i6lgs'></span>
  • <dl id='i6lgs'></dl>

    <code id='i6lgs'><strong id='i6lgs'></strong></code>
    <ins id='i6lgs'></ins>

      <fieldset id='i6lgs'></fieldset><i id='i6lgs'><div id='i6lgs'><ins id='i6lgs'></ins></div></i>
        <i id='i6lgs'></i>
          <acronym id='i6lgs'><em id='i6lgs'></em><td id='i6lgs'><div id='i6lgs'></div></td></acronym><address id='i6lgs'><big id='i6lgs'><big id='i6lgs'></big><legend id='i6lgs'></legend></big></address>

          1. <tr id='i6lgs'><strong id='i6lgs'></strong><small id='i6lgs'></small><button id='i6lgs'></button><li id='i6lgs'><noscript id='i6lgs'><big id='i6lgs'></big><dt id='i6lgs'></dt></noscript></li></tr><ol id='i6lgs'><table id='i6lgs'><blockquote id='i6lgs'><tbody id='i6lgs'></tbody></blockquote></table></ol><u id='i6lgs'></u><kbd id='i6lgs'><kbd id='i6lgs'></kbd></kbd>
          2. 如何制定新用户推荐策略?会相亲就对了

            • 时间:
            • 浏览:5505

            新用户  ,从字面理解  ,就是全新的用户  ,于产品而言  ,犹如一片白纸  。围绕新用户所做的一切  ,称之为冷启动  。

            在实际工作中  ,我深切感知到新用户冷启动与男女相亲如出一辙  ,都是使尽浑身解数给对方(用户)留下好印象  ,今天就跟我们的用户来次相亲  ,目标就是把他(她)留在身边  。

            相亲三步曲:

            1. 认识对方(用户)—知己知彼
            2. 怎样满足对方(用户)需求—投其所好
            3. 用什么方式满足对方(用户)需求—用对方法

            当我们得知要与人相亲  ,前期需要用尽一切方法打听对方信息  ,可能一无所获  ,也可能有所收获 ,如面貌长相、学历、工作、家庭情况等  。

            运营新用户也是如此  ,前期需要动用一切手段去认识了解用户 。实践证明  ,认识他们真不容易呀  。

            产品之于用户认知为0  ,系统推荐没有任何信息可参考 ,此时就需要做好万足准备  ,小心翼翼的试探  ,避免触及雷区  。或运用通用方法论  ,投放所有人可能都喜爱的内容  。

            (1)利用技术手段获取

            1. 利用GPS与IP获取用户定位信息  ,知晓用户地理位置;
            2. 获取用户手机安装APP list信息 ,猜测兴趣倾向  。

            优势:可信度高  ,可利用程度高  。

            劣势:需要人工梳理整合  ,操作成本高 ,如对APP list的人群、兴趣映射标准定义 。

            (2)利用产品卡片  ,主动收集

            1)设置兴趣开屏(年龄+性别+兴趣品类)卡片 ,收集用户主动选择的信息  。

            优势:用户主动选择  ,可利用程度高

            劣势:用户主动选择比例低  ,覆盖用户面低;用户选择可信度有待评估;

            (3)利用渠道来源猜测获取

            用户来源渠道:根据不同预装机型用户粗粒度画像  ,对拉新用户人工建模  。如小米的用户偏下沉、中老年  ,oppo用户偏年轻女性  ,华为用户偏中高端等  。

            用户增长:根据不同投放素材  ,人工定义拉新用户模糊画像  。如投放“广场舞”素材  ,拉新用户可能更偏中老年女性;投放“相声”素材  ,拉新用户可能更偏中老年男性  。

            优势:对于用户群认知清晰  ,实操性强  。

            劣势:一旦用户认知出现偏差 ,可能出现不可逆后果  。

            当用户进入产品  ,有了相应行为反馈  ,系统机器就可快速捕捉利用这些信息  ,如点击行为、订阅行为、搜素行为、评论行为、转发行为、收藏行为等 。

            优势:用户行为真实反馈  ,直接反应用户心理  ,可利用程度高  。

            劣势:是把双刃剑 ,若应用不当  ,可能适得其反  。

            当我们了解对方(用户)之后 ,就该想想怎样投其所好  ,送什么礼物能让她开心  。那么对于新用户来说  ,就需要根据产品自身定位于调性  ,提供能让用户获得愉悦感的东西  ,这种东西可统称为内容  。

            (1)信息流资讯类产品

            单图、三图图文+大图、单图视频(短视频+小视频)是主流内容形态  ,也是用户消费的主流内容 ,可能对于不同的用户 ,对于两种内容形态偏好有所不同  ,比如下沉用户对短视频消费需求更高 。

            代表性产品:今日头条、腾讯新闻、一点资讯等  。

            (2)社区类产品

            短内容是主流内容内容形态  ,囊括图文与视频  ,辅以评论补充 ,满足用户对内容的消费需求  。

            代表性产品:最右、皮皮虾、小红书等  。

            (1)利用主题、话题等产品形式  ,对优质内容进行整合包装  ,最大化用户一次点击价值 。

            代表性产品:最右、即刻等

            (2)利用不同维度榜单聚合优质内容  ,提升优质内容曝光与新用户留存  。

            代表性产品:哔哩哔哩等

            当我们搜集到符合他(用户)兴趣需求的礼物(内容)  ,那么我们需要通过怎样的方式将其送到对方(用户)面前  ,这是值得深究的问题  。

            在日常工作实践中  ,“内容池”这种方式被广泛应用  ,它是链接用户与内容的隐形介质 ,它就像是一座桥  ,让合适的内容与合适的用户见面  。针对不同场景的新用户冷启动  ,内容池实际策略运用有所不同 。

            思考点:系统机器没有任何信息可用  ,那么着重点应该放在内容本身  。

            什么样的内容大家都爱看  ?

            广义上看 ,就是通常所说头部内容  ,普适性内容  ,如社会热点、娱乐八卦、搞笑幽默、休闲消遣、历史文化、情感正能量等等  。

            细粒度来看  ,可能更偏通俗、优质精品 ,如从标题、封面图、内容调性、丰富性、完整性、可读性等维度进行区分  ,摒弃标题党、涉性低俗低质内容  ,拥抱好标题、内容丰富、可读性强的优质内容 。

            再往深层次思考 ,内容消费也是满足人性底层需求的过程  ,只有透过现象看本质 ,抓住人性底层需求  ,才能真正满足需求​ 。

            我们来看两个例子:

            由此我们再进行重复推演  ,可将人性底层需求大致分为七种:

            1. 逐利心理
            2. 两性心理
            3. 懒惰
            4. 虚荣心
            5. 共情需要
            6. 社交货币
            7. 安全感

            我们可根据人性的底层需求 ,结合内容本身质量标准  ,挖掘优质内容  ,满足用户内容消费需求 。(这一块不详写 ,后续想再单独写写这块  ,欢迎大家一起交流)

            实际应用案例一:百看不厌内容实验

            我们曾在冷启动项目中做过一次尝试 ,单纯从通用精品内容切入  ,挖掘用户百看不厌的内容  。用内容池进行聚合 ,借助算法机器按照一定的策略规则推荐到用户面前  。

            我们采用保底池的方式  ,新用户前10刷生效  ,一刷出2-3条内容 ,图文与视频按照2:1的比例推荐(因为feed流图文与视频有固定坑位比) ,从数据效果看 ,人均点击等过程指标较好  ,用户会点击这部分内容  ,但是次日留存等结果指标较差  ,究其原因可能有这么几点:

            1)实验策略设计:没有剔除其他干扰因素  ,用纯净的环境进行实验测试

            feed流中一刷推荐10条左右内容  ,实验覆盖只有2-3条  ,剩下6-7条被广告、其他渠道召回内容占据  ,造成的后果就是 ,用户点击实验内容池推荐内容  ,但其他渠道召回推荐内容低质  ,引起用户反感 ,整体用户体验差​ 。

            2)内容选材上:孤立看待数据与内容质量  ,且对内容消费深层需求研究不够

            内容挖掘整体思路与上方如出一辙  ,从人工经验视角出发去挖掘优质内容  ,从实操过程来看 ,大家在找内容很容易陷入思维局限怪圈  。

            大家找内容思路没错  ,但在实操过程中  ,单纯依靠编辑经验 ,过于关注数据  ,过于关注文章质量 ,将二者孤立看待  ,没有更深层次思考什么内容能更好满足底层人性需求 。

            点击率等数据好的内容  ,是机器分发的后验数据  ,但它只是抓住了人性一部分弱点 ,如两性心理(推荐低俗、色情内容)  ,我们需要跳出机器推荐的局限 ,更全面的看待人性需求  ,比如人性共情需求  ,是体会他人生活中感受  ,那么满足此类需求的内容就很多  ,如人物励志、逆袭类内容、正能量类内容等等 。在内容爆炸的互联网时代 ,怎样抓住人性需求 ,为其提供高品质内容  ,这是​决胜王道  。

            实际应用案例二:兴趣试探

            兴趣试探  ,顾名思义就是试探性为用户推荐不同品类内容  ,这是一种比较通用的冷启动内容推荐策略  。

            兴趣试探实验  ,我们采用保底池+兴趣试探池的方式进行  ,内容池可分为四个状态  ,分别是出生、激活、正常、死亡 。

            出生:内容池初始状态

            激活:当针对不同用户  ,不同品类内容被推荐出来时  ,内容池就进入激活状态  ,不断输出内容  。

            正常:当用户对试探内容有行为反馈(点击、评论、分享等) ,内容池开始进入正常状态  ,进一步扩大试探品类  。

            死亡:随着试探深入  ,以及机器推荐及时反馈  ,用户反馈也越发正向  ,进入正向循环 ,内容池也就开始进入死亡状态  ,逐渐进入机器个性化推荐序列 。

            这里有一点需要注意  ,从激活到正常这个阶段  ,我们实操时采用了激进策略 ,当用户点击试探品类内容  ,算法机器及时给出点击反馈  ,且反馈的内容权重较高  ,造成用户兴趣逐渐单一化 ,刷不出其他品类试探内容  ,也造成实验结果不达预期  。

            我们当时研究了今日头条的试探机制  ,总结如下:

            试探机制可进行拆分理解:

            现有试探品类A、B、C、D等头部品类  ,1、2、3、4等垂类品类  。头部品类与垂类品类内容覆盖颗粒度由粗到细  ,保证内容丰富性 。

            用户第一刷:头部品类内容占比50%、垂类品类内容占比50%(具体比例可根据实际效果灵活调整)  ,先出各品类头部内容​ 。

            随着刷新深入  ,会有两种用户行为表现:

            1)若用户有行为反馈  ,则及时作出点击反馈  ,也需继续试探未推荐品类内容 ,以及推荐过但用户未点击的品类内容  。

            1. 试探未推荐品类内容 ,保证每刷占比30%-40%左右(具体比例可根据实际效果灵活调整) ,且试探推荐的内容颗粒度可逐渐由粗到细 ,​试探用户的兴趣极限  。
            2. 推荐未点击品类内容  ,若用户连续2-3刷未有行为反馈  ,则需降低推荐权重 ,甚至停止推荐  。

            2)若用户没有行为反馈  ,也许用户刷2-3刷也就走了(根据对新用户研究 ,用户平均只会给2-3刷的机会)  ,所以在前2-3刷做好试探品类配比 ,以及各品类内容挑选极为重要  。

            人工对获取到的用户信息进行加工  ,将其转化成可用的信息  ,比如将拿到的APP list、用户增长投放素材转化成人群信息  ,然后再对人群内容偏好进行研究  ,可通过市场上研究报告  ,平台已有的用户画像信息等方式进行梳理收集  ,然后再进行目标内容聚合  ,进行策略实验  ,效果回归  ,通用的实验流程如下:​

            实际应用案例:利用相声素材投放进行用户拉新  ,按照上面的通用实验流程可以这样拆解:

            信息加工与转化:爱看相声相声小品人群更偏中老年男性

            人群内容偏好研究:

            1)研究方法—利用平台已有画像+市场上人群研究报告进行梳理总结 。

            1. 画像侧可从大小类、关键词、内容源、实体等维度切入
            2. 研究报告可从具体的信息点总结

            2)研究结果:中老年男性人群内容偏好 ,在内容品类上更偏军事历史、健康养生、种花养草、农村生活、社会正能量、社户热点、情感婚姻等等 。

            目标内容聚合:

            1)内容池通过各个品类优质内容源、频道等召回内容

            2)内容池分为人群内容池A——聚合喜爱相声人群可能爱看的内容;相声强相关内容池B——聚合优质相声视频内容  。

            建设两个内容池的诉求:

            1)相声强相关内容池用来满足用户对相声视频的内容消费需求  ,通过相声投放素材拉新的用户  ,是对相声有着强需求  。

            2)当满足用户对相声的强需求后 ,再用人群内容池进一步满足对其他内容的需求  。

            3)两个内容池在实际策略中  ,A+B组合推荐  ,协同满足用户内容消费需求  。

            线上策略实验:为A+B两个内容池设定推荐位置  ,生效刷数等 ,比如相声强相关内容池B推荐位置为2、4、6、8  ,人群内容池A推荐位置为5、7、9、10  。针对相声素材拉新用户前10刷生效(具体刷数与位置可根据实际效果灵活调整)

            数据效果回归:

            1)整体数据表现:重点关注策略实际覆盖用户量、人均点击、人均停留、渗透率、次日、2日、3日等天数留存等 。

            2)内容池表现数据:重点关注内容池内容实际曝光、点击、停留时长等  。

            走通整个流程  ,根据数据效果 ,再灵活调整内容池内容 ,以及线上推荐策略调优  ,提升新用户留存 。

            最后借用我们领导说过的一句话  ,结束此文  ,新用户就是个迷  ,想要弄懂它 ,太难了 ,只有不停摸索总结  ,在实践中寻求方法论真理 。

            我们与人相亲也是如此  ,想要真正弄懂一个人 ,也很难  ,得经过长时间相处磨合  ,不停摸索总结  ,才能收获真心 。

            愿所有人 ,都能找到真爱  !愿所有产品的新用户  ,都能稳稳的留住  !

             

            作者:珂然

            来源:微信公众号“珂小汪”