用相亲的套路,制定新用户推荐策略 - 91运营网

用相亲的套路,制定新用户推荐策略

发布者: 91运营  1828

系统学习运营课程,加入《91运营网VIP会员》,开启365天运营成长计划>>

a197 用相亲的套路,制定新用户推荐策略

 

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。

 

一、认识对方(用户):知己知彼

 

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。

 

1. 完全不认识,获取不到用户信息

 

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,小心翼翼地试探,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。

 

2. 粗粒度认识,获取用户部分信息

 

1)利用技术手段获取

 

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

 

该方法的优势和劣势如下:

 

  • 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

 

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。

 

该方法的优势和劣势如下:

 

  • 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。

 

该方法的优势和劣势如下:

 

  • 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。

 

 

3. 系统获取用户行为信息

 

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。

 

该方法的优势和劣势如下:

 

  • 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。

 

 

二、怎样满足对方(用户)需求:投其所好

 

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。

 

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. 不同的产品形态,内容的供给展示形态也会不同

 

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。

 

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。

 

2. 不同产品形态下,进行内容整合

 

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,

 

三、用什么方式满足对方(用户)需求:用对方法

 

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。

 

1. 针对完全不认识的新用户

 

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?

 

广义上来看,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:

a258 用相亲的套路,制定新用户推荐策略

 

 

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(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。

a345 用相亲的套路,制定新用户推荐策略

 

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,更全面地看待人性需求。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:出生、激活、正常、死亡。

a439 用相亲的套路,制定新用户推荐策略

 

  • 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:

a533 用相亲的套路,制定新用户推荐策略

 

 

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)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)用户没有行为反馈

 

用户可能刷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。

 

2. 针对用户有粗粒度认识

 

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:

a631 用相亲的套路,制定新用户推荐策略

 

 

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

 

1)人群内容偏好研究

 

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。

 

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

 

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、社会热点、情感婚姻等等。

 

2)目标内容聚合

 

内容池通过各个品类优质内容源、频道等召回内容。

 

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。

 

3)建设两个内容池的诉求

 

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。

 

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。

 

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。

 

4)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)。

 

5)数据效果回归

 

  • 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。
  • 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,都能稳稳地留住!

 

作者:珂然

微信公众号:珂小汪

 


勾搭小编微信号cindy91yunying,加入91运营官方社群,会运营的人都在这里了

加入运营集训营
分享到:



扫码加入91运营社群