《企业用户增长经验分享》|学习笔记

简介: 快速学习《企业用户增长经验分享》

开发者学堂课程【互联网技术实战营·数据智能专题《企业用户增长经验分享》】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/915/detail/14474


《企业用户增长经验分享》


 目录:

一、用户增长的定义和难点

二、案例

 

一、用户增长的定义和难点

用户理解的算法和用户价值的建模

定义:利用一切资源让更多用户更高频率地使用核心产品功能

崛起缘由:流量成本高企/私域流量经营/精挑细作重视 ROI

核心:留存+LTV

古公司营收比例:买量+运营>>研发+运维

难点:

1、反馈的延后性:留存和 LTV 实验,都属于稍长期指标,不像广告 CTR 可以立刻上线获取反馈

2、用户增长很多实验需要业务部门(特别是运营部门)配合才可以进行。

如:公众号,由于互联网现在流量成本非常贵,同时都开始注重运营工作,注重私域流量。

现在没有流量红利,关注用户增长的关核心关注点:留存和 LTV。意味很多互联网公司估值,就是留存。

LTV 是营收额,LTV 意味着公司的营业收入市值、营业收入。对公司的营收占比比较,买量和运营的成本大于研发和运维。大概70%-80%左右的成本是在运营和买量。

反馈是延后的,比如:广告 CTR,两个小时左右看到结果,但要做留存实验。七日流程需等七天才能得到结果。

做相关的实验,成本会非常高昂。渠道:用增长领域需要很多业务部门和技术部门配合才可进行。还涉及到财务。因为运营也要花费。要意识到 CEO 签字的这件事情牵扯到公司大量不同的职能和钱直接挂钩,意味着和年终的绩效是挂钩的。

算法驱动的用户增长

多用户平台生命周期大概几个阶段。如:游戏和在线教育。有新用户阶段用活跃增长和活跃下降流失用户的阶段。针对用户,生命周期可运营单一。

如:买量时涉及渠道买量投放预测。在不同渠道上,怎么投放,什么时间段设置怎样的投放计划,用户买进来之后,涉及新用户的流失干预和流失预测。

如:新用户第一天,大概知道新用户七天里会在平台的花费,是非常有价值的。用户全生命周期管理时,涉及到用户的流失预警和用户促活工作。现在有很多方法:广告、短信。

同时,用户要管理,用户进来之后,需要知道用户能给平台能带来多少价值,还有流失用户召回。

新用户阶段、用户活跃增长阶段、用户活跃下降阶段、流失用户阶段。

老用户挽回后成本比新用户多五到十倍,多关注流失量。

用户增长的目标:用户总价值最大化=用户规模*单用户价值

转化和曝光都是用花费、补贴得来。补贴涉及到 IP 问题,补贴多少合适。

营销真正要捕捉的是营销。补贴营销敏感人群,自然转化的人群、反作用人群和无动于衷的人群不用补贴。

干预时:用户既不能被干预,又不能被干预。

 

二、案例

新用户付费阶段:可以知道用户的花费情况

营销增益建模:

Uplift model 的特征:反事实论,因果推断模型的通用性质。(用户不能既被干预,又不被干预) T=0和T=1其中必然有一项不知道

因果推断模型:用于预测/估计某种干预对个体状态/行为的因果效应

一般用差分建模方法

用户理解挖掘算法举例:

对用户需求分布向量做 t-SNE 可视化展示。

对用户生命周期进行探索:

对用户进行策略编排

PrefixSpan 的用户线进行挖掘算法:

用户分层-挖掘用户的关键序列 -PrefixSpan 的动线挖掘-基于因果发现的策略编排

大促中:

大部分是一次性的终身性任务,完成难度大

用户增长智能策略引擎:X-Engine

PAI 建模:

用户业务(图像分类、系统推荐、金融风控等)

预测技术架构(阅读类举例)

用户流失判定服务(在线)--训练(离线)--数据加工存储(离线)--底层基础数据

用户增长的理解:

分析只是手段,决策才是目的。历史的分析 vs. 预测未来:关注动作上的策略才真正能形成价值。

数据分析师艺术过程,模型训练的科学过程:同等条件下的可重复实验

营销建模——业务效果

CIA 假设:样本特征*和 T 独立

对于流失用户干预最好,中等用户效果最差

针对他们的不同进行不同的营销

多考虑用户的想法

用模型来判断该用户有没有价值

大促中渠道投放的难点(考验工程,花费大)

目标用户浓度:搭建引擎,快速接各个媒体,媒体人群的抽样估算

用户行为稀疏:如何对稀疏用户行为进行理解。端外多渠道的行为构建了序列特征,模型产出的特征

渠道差异性和不完整:用户对渠道的偏好不同,高质量媒体才回传展点数据。高质量媒体作为基础,其他媒体质量作为验证集和补充集

广告投放的竞争策略

广告投放:如何开展广告竞价(如何保持 ocpc 的合理问题)

出价策略:如何保持合理竞价出价(ecpc 接近于 ocpc 条件下的尽可能扩量)

CTR Calibration:稳定的 CTP 预估,不同 CTR 区间的买来流量的价值差异是不小的

Push 用户增长优化

择时优化:如何对稀疏行为用户进行理解

例:增长 push 每天发1-2条。用户如果长在使用手机时,点击进去的频率高。预测用户最想登端时间。这就是我们的一个基本假设,在用户最想登端的时间发送 push,点击率就高。若为未登端人群,因此预测用户的登端时间就可以转变成预测用户的首次登陆时间。

用户理解挖掘算法举例:

背景:人工经验来配置运营策略,为不同的人配置什么样的素材、理解你的用户

目标:人工运营经验、用户行为数据自动化生成

经典基本方法:基于主题模型 的用户兴趣挖掘(pLSA、LDA)(文档——主题——词)用户行为视为文档,行为序列中的每个 item 当成词

加入社交关系和语义信息:增强型主题模型

需要调节不同的媒体,过程花多少预算。应用的背景是:最好当天知道质量、渠道,买来的大概范围、质量高低,能节约成本。

这种情况下最好自己建模,但自己建模只能用自己的数据,需要外部数信息的一些输入,但无法从外部买到裸标签。可以通过服务外部,查询到一些潜在的数据、前瞻数据。

可以算出当天的数据质量到底是怎么样。有分值帮助评判,或者分值本身也可以用在后面的建模上。后面做付费、留存的相关的建模来评判渠道质量。建议用 AI 的方式形成接口服务。

相关文章
|
6月前
|
安全 搜索推荐 前端开发
升级后的Sitecore DXP,为用户打造的未来值得期待吗?
收购电子营销工具Moosend、可组合商务平台Four51、客户数据平台Boxever、电商服务平台Reflektion,一切的迹象表明,Sitecore开始向着基于SaaS的可组合DXP数字体验平台过渡。
105 5
|
分布式计算 安全 算法
用户增长实战-基础平台建设
用户增长实战-基础平台建设
150 0
|
存储 自然语言处理 安全
用户增长实战-商业模型
有路必有福,有路必有胜。
141 0
|
前端开发
十分钟学会商业级网站架构 - 前端篇
本期学习现代化架构基础,利用阿里云免费套餐完成商业级的网站架构部署。试用地址:aliyun.midorg.com
129 0
|
存储 弹性计算 算法
《云上社交行业技术服务白皮书》——第三章 云上社交典型场景与架构——3.2 细分领域社交——3.2.3 陌生社交
《云上社交行业技术服务白皮书》——第三章 云上社交典型场景与架构——3.2 细分领域社交——3.2.3 陌生社交
376 0
《云上社交行业技术服务白皮书》——第三章 云上社交典型场景与架构——3.2 细分领域社交——3.2.4 其他场景
《云上社交行业技术服务白皮书》——第三章 云上社交典型场景与架构——3.2 细分领域社交——3.2.4 其他场景
339 0
|
数据可视化 定位技术 知识图谱
扪心自问,我们在用户旅程的投入有多匮乏?
小伙伴问,是否有一个工具能直接告诉研发,到底哪里出了问题?今天我简单谈谈我的看法,并提出6个问题。文章正文不足1千字。
193 0
|
开发框架 人工智能 Cloud Native
阿里云开发者两活动获评2021中国最受开发者欢迎的技术活动
阿里云开发者两活动获评2021中国最受开发者欢迎的技术活动
阿里云开发者两活动获评2021中国最受开发者欢迎的技术活动
|
算法 前端开发 搜索推荐
【直播预告】算法技术:在企业工作,如何同时get科研成果与业务结果?
【直播预告】算法技术:在企业工作,如何同时get科研成果与业务结果?
【直播预告】算法技术:在企业工作,如何同时get科研成果与业务结果?
|
小程序 开发者 UED
友盟+《小程序用户增长白皮书》:如何培养企业的私域流量?
友盟+近日发布了《小程序用户增长白皮书》,白皮书总结了友盟+在小程序统计分析和精细化运营方面的方法论、解决方案和成功案例,以下为白皮书的部分内容: 相对于微信、QQ、电商平台的公域流量,私域流量就是自己客户的品牌数据,是一个可以做到自由化、数字化管理的平台,并且是数字用户精细化运营的品牌场。那么对企业来说,该如何培养自己的私域流量?
友盟+《小程序用户增长白皮书》:如何培养企业的私域流量?
下一篇
无影云桌面