用户增长用户分层体系构建

随着流量红利的消失,为追求更高的 ROI,运营重心在获取拉新流量之外,转向向“存量”要“增量”——对用户进行精细的分群,并配以细分的运营策略,将合适的策略精准触达给对应用户,这就依赖到了用户分层体系。

用户增长用户分层体系构建

什么是用户分层体系

用户分层体系其实是对用户进行精细化分群的基础能力。举个简单case:产品/运营想要上线一个策略,比如:针对向下浏览10条视频无点击行为的用户,弹出搜索引导,提升用户消费转化。依赖实时的向下浏览视频曝光数据和实时视频点击数据,将其“10条”的数量抽象出来,就形成了向下浏览视频曝光数据用户标签和视频点击数据用户标签。按策略需要后端将一个个标签关联取交集,就形成了支撑策略的分层体系。

为什么需要用户分层

精细化运营提高ROI,向“定向存量”要“增量”,减少对其他用户的打扰。

不同业务的分层体系偏向

不同业务形态的分层体系偏向不一样,内容业务偏向内容消费,电商业务偏向是GMV增长和重交易数据。之前在去哪儿旅行曾设计过售卖付费会员的分层模型:根据用户的消费购买力,不同用户展示不同的促销策略(是的有价格歧视,需要给用户包装好),依赖用户购买力模型。其中我今天仍然很得意的策略是:“消费5单返现会员年费(机火酒订单,订单价满200)”,针对过去一年完成订单数小于4单的用户,会员促销转化非常好,ROI也很正向。

用户增长用户分层体系构建

用户购买力模型计算,简单介绍:以机火酒店订单的维度,酒店需要考虑城市经济水平,火车票需要考虑座席和时长,机票仓位本身带了有分级。模型搭建后,按实时流订单数据更新每个用户购买力数值(很感谢当时的后端和数据分析同学)。

用户增长用户分层体系构建

本文适用范围

创业公司或大公司新业务:创业公司和大公司新业务,没有较多的人力和资源投入在用户分层上,适用于这种简洁框架来快速搭建。大公司新业务可以结合公司中台的资源(BI和云平台),我们在App历史的设备、账号、设备&账号对应关系数据方面依赖BI提供,再写入后端数据库。用户分群上,我们在离线计算的数据标签上也依赖BI的画像标签服务。

人力投入:1个增长产品、1个后端同学和安卓iOS双端同学各1个;均非全部人力投入,同期做其他的需求。

时间:2个月,3个版本,从数据收集、数据处理到数据标签可以分版本上线。有些不依赖客户端的可以快节奏上线。有些一个版本上线就能支持业务,如用户中心。

基础依赖:依赖公司确定统一的用户设备唯一标识和用户账号标识。设备唯一标识iOS端一般为IDFA,安卓端一般为IMEI。

简洁框架如下:

用户增长用户分层体系构建

数据收集:行为上报

前端实时行为上报

客户端和H5页面行为上报。公司业务整体在埋点方面有一套数据上报机制,为什么还要做实时行为上报呢?有业务场景超低延迟的需求。如:判断新用户,客户端将设备唯一标识传给后端,后端查询数据库里是否有该设备,无设备将相关设备信息写入数据库;其他需要判断新用户场景会实时查询该设备标识的数据。实时判断活跃用户也是类似的场景。数据收集和业务场景相关,一般来说会上报:app首次启动(设备维度)、app活跃启动(设备+账号维度)、视频曝光个数、视频消费个数。当然后续需求结合现有数据上报机制能节省客户端工作量和复用数据。

后端实时行为上报

这个和策略行为、任务行为、订单行为相关,用户满足相关的策略行为和任务行为,后端进行实时数据传递。

数据处理:用户中心

数据关系

  • 设备表:设备ID/首次启动时间/最近一次启动时间。设备id是否在设备表可以判断是否为新用户,首次启动时间可以判断是否为新用户当天,或新用户第几天。最近一次启动时间可以判断设备维度的活跃时间,做流失用户召回的数据源。
  • 账号表:uid/首次绑定设备时间/最近一次启动时间。uid维度的最近一次启动时间,可以用来判断账号维度的活跃时间,涉及到积分、余额、会员、代金券等是账号维度。
  • 设备、账号关联关系表:设备id/首绑uid/最近绑定uid。设备id首次绑定的uid及这个设备id最新绑定的uid,流失用户召回发短信的场景是uid维度,需要根据设备活跃时间查询uid。

AB实验服务

基于用户中心设备表,在此处后端可以进行设备维度的ab分流。在大公司内可以接入公司的中台AB服务,业务调用业务后端的接口,业务后端调用AB服务的接口。

数据输出:用户标签

基于前文的实时行为上报,我们针对特定的实时行为数据进行处理就得到的实时用户标签。如:实时视频消费个数/时长用户标签。公司中台的画像丰富度很高,我们在很多离线计算的数据标签上依赖BI用户标签。

BI标签

T+1离线计算,实时接口
自然属性:性别、年龄、城市、学历、收入水平、消费水平等等
设备属性:系统、机型、applist等等
身份属性:手机号、运营商、注册时间等等
行为偏好:长短视频消费、视频兴趣偏好等等

业务本地标签

实时计算、不取当天数据计算均可,实时接口。

新增标签速度快

分层应用:能力和策略

数据能力

  • 实时新增统计:基于用户中心的设备表首次启动数据
  • 实时活跃统计:基于用户中心的设备表活跃启动数据

基础能力

  • 新用户判断:新用户T+0天
  • 用户天数判断:新用户T+X天

用户召回体系

基于用户分层体系获取:连续X天未活跃用户数据和X天至Y天周期未活跃用户数据。未活跃用户数据结合其他数据标签可个性化用户召回。

运营位体系-定向用户人群展现

App内的弹窗、banner、浮标、开屏等需要定向用户展现,可关联对应的用户标签。客户端请求后端下发运营位数据时,后端只对标签内的设备返回运营位数据,就实现了定向用户展现。

浏览视频激励策略

可基于用户最近X天的视频消费个数和来app后的实时视频消费个数进行相应的激励引导。引导低消费个数用户转向高消费个数。

新用户引导策略

新用户T+0至T+6的引导,依赖新用户T+X天数据。

用户营销倾向分数

负反馈机制,通过收集用户的营销行为数据,计算用户的营销行为倾向,在激励策略下发时,对于营销倾向低的用户不展示/展示次数少。

本文由用户@刘一刀发布于新媒体运营,未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

本文由 新媒体运营 作者:刘一刀 发表,其版权均为原作者所有,文章内容系作者个人观点,不代表 新媒体运营 对观点赞同或支持,未经许可,禁止转载,题图来自Unsplash,基于CC0协议。
0

发表评论