如何制定新用戶推薦策略?會相親就對了

人人都是產品經理 發佈 2020-01-10T12:41:35+00:00

在實際工作中,我深切感知到新用戶冷啟動與男女相親如出一轍,都是使盡渾身解數給對方留下好印象,今天就跟我們的用戶來次相親,目標就是把他—知己知彼怎樣滿足對方需求—投其所好用什麼方式滿足對方需求—用對方法一、認識對方—知己知彼當我們得知要與人相親,前期需要用盡一切方法打聽對方信息,可

如何制定新用戶推薦策略是很多運營人都在思考的問題?本文作者從一個新的角度對這個問題進行了分析:用相親的方法來思考新用戶內容推薦策略。

新用戶,從字面理解,就是全新的用戶,於產品而言,猶如一片白紙。圍繞新用戶所做的一切,稱之為冷啟動。

在實際工作中,我深切感知到新用戶冷啟動與男女相親如出一轍,都是使盡渾身解數給對方(用戶)留下好印象,今天就跟我們的用戶來次相親,目標就是把他(她)留在身邊。

相親三步曲:

  1. 認識對方(用戶)—知己知彼
  2. 怎樣滿足對方(用戶)需求—投其所好
  3. 用什麼方式滿足對方(用戶)需求—用對方法

一、認識對方(用戶)—知己知彼

當我們得知要與人相親,前期需要用盡一切方法打聽對方信息,可能一無所獲,也可能有所收穫,如面貌長相、學歷、工作、家庭情況等。

運營新用戶也是如此,前期需要動用一切手段去認識了解用戶。實踐證明,認識他們真不容易呀。

1. 完全不認識,獲取不到用戶信息

產品之於用戶認知為0,系統推薦沒有任何信息可參考,此時就需要做好萬足準備,小心翼翼的試探,避免觸及雷區。或運用通用方法論,投放所有人可能都喜愛的內容。

2. 粗粒度認識,獲取用戶部分信息

(1)利用技術手段獲取

  1. 利用GPS與IP獲取用戶定位信息,知曉用戶地理位置;
  2. 獲取用戶手機安裝APP list信息,猜測興趣傾向。

優勢:可信度高,可利用程度高。

劣勢:需要人工梳理整合,操作成本高,如對APP list的人群、興趣映射標準定義。

(2)利用產品卡片,主動收集

1)設置興趣開屏(年齡+性別+興趣品類)卡片,收集用戶主動選擇的信息。

優勢:用戶主動選擇,可利用程度高

劣勢:用戶主動選擇比例低,覆蓋用戶面低;用戶選擇可信度有待評估;

(3)利用渠道來源猜測獲取

用戶來源渠道:根據不同預裝機型用戶粗粒度畫像,對拉新用戶人工建模。如小米的用戶偏下沉、中老年,oppo用戶偏年輕女性,華為用戶偏中高端等。

用戶增長:根據不同投放素材,人工定義拉新用戶模糊畫像。如投放「廣場舞」素材,拉新用戶可能更偏中老年女性;投放「相聲」素材,拉新用戶可能更偏中老年男性。

優勢:對於用戶群認知清晰,實操性強。

劣勢:一旦用戶認知出現偏差,可能出現不可逆後果。

3. 系統獲取用戶行為信息

當用戶進入產品,有了相應行為反饋,系統機器就可快速捕捉利用這些信息,如點擊行為、訂閱行為、搜素行為、評論行為、轉發行為、收藏行為等。

優勢:用戶行為真實反饋,直接反應用戶心理,可利用程度高。

劣勢:是把雙刃劍,若應用不當,可能適得其反。

二、怎樣滿足對方(用戶)需求—投其所好

當我們了解對方(用戶)之後,就該想想怎樣投其所好,送什麼禮物能讓她開心。那麼對於新用戶來說,就需要根據產品自身定位於調性,提供能讓用戶獲得愉悅感的東西,這種東西可統稱為內容。

1. 不同的產品形態,內容的供給展示形態也會不同

(1)信息流資訊類產品

單圖、三圖圖文+大圖、單圖視頻(短視頻+小視頻)是主流內容形態,也是用戶消費的主流內容,可能對於不同的用戶,對於兩種內容形態偏好有所不同,比如下沉用戶對短視頻消費需求更高。

代表性產品:今日頭條、騰訊新聞、一點資訊等。

(2)社區類產品

短內容是主流內容內容形態,囊括圖文與視頻,輔以評論補充,滿足用戶對內容的消費需求。

代表性產品:最右、皮皮蝦、小紅書等。

2. 不同產品形態下,進行內容整合

(1)利用主題、話題等產品形式,對優質內容進行整合包裝,最大化用戶一次點擊價值。

代表性產品:最右、即刻等

(2)利用不同維度榜單聚合優質內容,提升優質內容曝光與新用戶留存。

代表性產品:嗶哩嗶哩等

三、用什麼方式滿足對方(用戶)需求—用對方法

當我們搜集到符合他(用戶)興趣需求的禮物(內容),那麼我們需要通過怎樣的方式將其送到對方(用戶)面前,這是值得深究的問題。

在日常工作實踐中,「內容池」這種方式被廣泛應用,它是連結用戶與內容的隱形介質,它就像是一座橋,讓合適的內容與合適的用戶見面。針對不同場景的新用戶冷啟動,內容池實際策略運用有所不同。

1. 針對完全不認識的新用戶

思考點:系統機器沒有任何信息可用,那麼著重點應該放在內容本身。

什麼樣的內容大家都愛看?

廣義上看,就是通常所說頭部內容,普適性內容,如社會熱點、娛樂八卦、搞笑幽默、休閒消遣、歷史文化、情感正能量等等。

細粒度來看,可能更偏通俗、優質精品,如從標題、封面圖、內容調性、豐富性、完整性、可讀性等維度進行區分,摒棄標題黨、涉性低俗低質內容,擁抱好標題、內容豐富、可讀性強的優質內容。

再往深層次思考,內容消費也是滿足人性底層需求的過程,只有透過現象看本質,抓住人性底層需求,才能真正滿足需求。

我們來看兩個例子:

由此我們再進行重複推演,可將人性底層需求大致分為七種:

  1. 逐利心理
  2. 兩性心理
  3. 懶惰
  4. 虛榮心
  5. 共情需要
  6. 社交貨幣
  7. 安全感

我們可根據人性的底層需求,結合內容本身質量標準,挖掘優質內容,滿足用戶內容消費需求。(這一塊不詳寫,後續想再單獨寫寫這塊,歡迎大家一起交流)

實際應用案例一:百看不厭內容實驗

我們曾在冷啟動項目中做過一次嘗試,單純從通用精品內容切入,挖掘用戶百看不厭的內容。用內容池進行聚合,藉助算法機器按照一定的策略規則推薦到用戶面前。

我們採用保底池的方式,新用戶前10刷生效,一刷出2-3條內容,圖文與視頻按照2:1的比例推薦(因為feed流圖文與視頻有固定坑位比),從數據效果看,人均點擊等過程指標較好,用戶會點擊這部分內容,但是次日留存等結果指標較差,究其原因可能有這麼幾點:

1)實驗策略設計:沒有剔除其他干擾因素,用純凈的環境進行實驗測試

feed流中一刷推薦10條左右內容,實驗覆蓋只有2-3條,剩下6-7條被廣告、其他渠道召回內容占據,造成的後果就是,用戶點擊實驗內容池推薦內容,但其他渠道召回推薦內容低質,引起用戶反感,整體用戶體驗差。

2)內容選材上:孤立看待數據與內容質量,且對內容消費深層需求研究不夠

內容挖掘整體思路與上方如出一轍,從人工經驗視角出發去挖掘優質內容,從實操過程來看,大家在找內容很容易陷入思維局限怪圈。

大家找內容思路沒錯,但在實操過程中,單純依靠編輯經驗,過於關注數據,過於關注文章質量,將二者孤立看待,沒有更深層次思考什麼內容能更好滿足底層人性需求。

點擊率等數據好的內容,是機器分發的後驗數據,但它只是抓住了人性一部分弱點,如兩性心理(推薦低俗、色情內容),我們需要跳出機器推薦的局限,更全面的看待人性需求,比如人性共情需求,是體會他人生活中感受,那麼滿足此類需求的內容就很多,如人物勵志、逆襲類內容、正能量類內容等等。在內容爆炸的網際網路時代,怎樣抓住人性需求,為其提供高品質內容,這是決勝王道。

實際應用案例二:興趣試探

興趣試探,顧名思義就是試探性為用戶推薦不同品類內容,這是一種比較通用的冷啟動內容推薦策略。

興趣試探實驗,我們採用保底池+興趣試探池的方式進行,內容池可分為四個狀態,分別是出生、激活、正常、死亡。

出生:內容池初始狀態

激活:當針對不同用戶,不同品類內容被推薦出來時,內容池就進入激活狀態,不斷輸出內容。

正常:當用戶對試探內容有行為反饋(點擊、評論、分享等),內容池開始進入正常狀態,進一步擴大試探品類。

死亡:隨著試探深入,以及機器推薦及時反饋,用戶反饋也越發正向,進入正向循環,內容池也就開始進入死亡狀態,逐漸進入機器個性化推薦序列。

這裡有一點需要注意,從激活到正常這個階段,我們實操時採用了激進策略,當用戶點擊試探品類內容,算法機器及時給出點擊反饋,且反饋的內容權重較高,造成用戶興趣逐漸單一化,刷不出其他品類試探內容,也造成實驗結果不達預期。

我們當時研究了今日頭條的試探機制,總結如下:

試探機制可進行拆分理解:

現有試探品類A、B、C、D等頭部品類,1、2、3、4等垂類品類。頭部品類與垂類品類內容覆蓋顆粒度由粗到細,保證內容豐富性。

用戶第一刷:頭部品類內容占比50%、垂類品類內容占比50%(具體比例可根據實際效果靈活調整),先出各品類頭部內容。

隨著刷新深入,會有兩種用戶行為表現:

1)若用戶有行為反饋,則及時作出點擊反饋,也需繼續試探未推薦品類內容,以及推薦過但用戶未點擊的品類內容。

  1. 試探未推薦品類內容,保證每刷占比30%-40%左右(具體比例可根據實際效果靈活調整),且試探推薦的內容顆粒度可逐漸由粗到細,試探用戶的興趣極限。
  2. 推薦未點擊品類內容,若用戶連續2-3刷未有行為反饋,則需降低推薦權重,甚至停止推薦。

2)若用戶沒有行為反饋,也許用戶刷2-3刷也就走了(根據對新用戶研究,用戶平均只會給2-3刷的機會),所以在前2-3刷做好試探品類配比,以及各品類內容挑選極為重要。

2. 針對用戶有粗粒度認識

人工對獲取到的用戶信息進行加工,將其轉化成可用的信息,比如將拿到的APP list、用戶增長投放素材轉化成人群信息,然後再對人群內容偏好進行研究,可通過市場上研究報告,平台已有的用戶畫像信息等方式進行梳理收集,然後再進行目標內容聚合,進行策略實驗,效果回歸,通用的實驗流程如下:

實際應用案例:利用相聲素材投放進行用戶拉新,按照上面的通用實驗流程可以這樣拆解:

信息加工與轉化:愛看相聲相聲小品人群更偏中老年男性

人群內容偏好研究:

1)研究方法—利用平台已有畫像+市場上人群研究報告進行梳理總結。

  1. 畫像側可從大小類、關鍵詞、內容源、實體等維度切入
  2. 研究報告可從具體的信息點總結

2)研究結果:中老年男性人群內容偏好,在內容品類上更偏軍事歷史、健康養生、種花養草、農村生活、社會正能量、社戶熱點、情感婚姻等等。

目標內容聚合:

1)內容池通過各個品類優質內容源、頻道等召回內容

2)內容池分為人群內容池A——聚合喜愛相聲人群可能愛看的內容;相聲強相關內容池B——聚合優質相聲視頻內容。

建設兩個內容池的訴求:

1)相聲強相關內容池用來滿足用戶對相聲視頻的內容消費需求,通過相聲投放素材拉新的用戶,是對相聲有著強需求。

2)當滿足用戶對相聲的強需求後,再用人群內容池進一步滿足對其他內容的需求。

3)兩個內容池在實際策略中,A+B組合推薦,協同滿足用戶內容消費需求。

線上策略實驗:為A+B兩個內容池設定推薦位置,生效刷數等,比如相聲強相關內容池B推薦位置為2、4、6、8,人群內容池A推薦位置為5、7、9、10。針對相聲素材拉新用戶前10刷生效(具體刷數與位置可根據實際效果靈活調整)

數據效果回歸:

1)整體數據表現:重點關注策略實際覆蓋用戶量、人均點擊、人均停留、滲透率、次日、2日、3日等天數留存等。

2)內容池表現數據:重點關注內容池內容實際曝光、點擊、停留時長等。

走通整個流程,根據數據效果,再靈活調整內容池內容,以及線上推薦策略調優,提升新用戶留存。

最後借用我們領導說過的一句話,結束此文,新用戶就是個迷,想要弄懂它,太難了,只有不停摸索總結,在實踐中尋求方法論真理。

我們與人相親也是如此,想要真正弄懂一個人,也很難,得經過長時間相處磨合,不停摸索總結,才能收穫真心。

願所有人,都能找到真愛!願所有產品的新用戶,都能穩穩的留住!

本文由 @珂然 原創發布於人人都是產品經理,未經許可,禁止轉載

題圖來自 Unsplash,基於 CC0 協議

關鍵字: