如何制定新用户推荐策略?会相亲就对了

zfllwk
zfllwk 这家伙很懒,还没有设置简介...

0 人点赞了该文章 · 72 浏览

 如何制定新用户推荐策略?会相亲就对了

懂得用好相亲的方法来运营,新用户一定能被你稳稳的留住!

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:

  • 认识对方(用户)—知己知彼
  • 怎样满足对方(用户)需求—投其所好
  • 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。

    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。
  • 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。

    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。

    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。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. 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,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。

    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:

  • 逐利心理
  • 两性心理
  • 懒惰
  • 虚荣心
  • 共情需要
  • 社交货币
  • 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。

  • 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。
  • 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。

    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:​

    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。

  • 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
  • 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!

     

    发布于 2023-01-16 08:56

    免责声明:

    本文由 zfllwk 原创或收集发布于 火鲤鱼 ,著作权归作者所有,如有侵权可联系本站删除。

    火鲤鱼 © 2024 专注小微企业服务 冀ICP备09002609号-8