Wie erreicht man eine kontinuierliche Bindung neuer Benutzer?

Da die Traffic-Dividende nachlässt, wo kann APP hingehen, um nach Benutzerwachstum zu fragen? Einige APPs entscheiden sich für die Konvertierung von Superbenutzern; Einige APPs entscheiden sich dafür, den Markt zu versenken, um mehr neuen Traffic zu erhalten; Einige APPs erhöhen den Anreiz-Chip der Benutzerfreigabe im Austausch für die Benutzerspaltung ...... aber die Angst vor dem APP-Betrieb hört nie auf, wie lange können diese Methoden das Wachstum aufrechterhalten? Wo ist der nächste Wachstumspunkt des Benutzerbetriebs?

Ressourcen, die entwickelt werden müssen

Heutzutage sind die Kosten für den Prozess der Gewinnung von Zielbenutzern und deren Umwandlung in Benutzer ihrer eigenen Produkte sehr hoch geworden. Und in einem so brutalen Wettbewerbsumfeld ist es ein anerkannter Trend in der Branche, mit Hilfe von Datenintelligenz im New-User-Betrieb gut abzuschneiden. Wie man jedoch Data Intelligence-Technologie nutzt, um den Wachstumseffekt zu maximieren, ist eine Lernkurve.

Benutzerressourcen müssen noch entwickelt werden

Um die Angst der App-Betreiber zu verstehen, führte Personal Push eine Big-Data-Analyse zu den aktiven Nutzern beliebter Apps auf dem Markt, wie Informationen, Videos und Tools, durch. Die Analyseergebnisse zeigen, dass mit Ausnahme einiger Apps, die Bargeldprämien für die Benutzerspaltung verwenden, die durchschnittlichen monatlich aktiven Benutzer der drei Hauptkategorien von Apps 27,8 % des Bestands ausmachen. Mit anderen Worten, für die App müssen noch mehr als 70 % der Benutzerressourcen entwickelt werden.

Warum wird die App nicht auf den Wert dieser 70 % der Benutzer zugreifen? Auf der Grundlage von Dateneinblicken untersuchte Personal Push auch einige App-Operationen. Die Untersuchung ergab, dass die meisten Apps nicht in der Lage sind, ein Benutzerporträt zu erstellen, was die Entwicklung einer verfeinerten Benutzerbedienung einschränkt.

Beispielsweise haben etwa 60 % der alten Benutzer in diesen Apps unvollständige oder ungültige Porträteinstellungen, während die Einstellungen neu registrierter inaktiver Benutzer völlig unbekannt sind. Das heißt, Apps wollen diese 70 % der Benutzerressourcen nicht ausnutzen, aber es fehlt ihnen an Verständnis für diese inaktiven Benutzer, und es gibt keinen guten und guten Weg, sie zu verstehen.

Klicken Sie auf „ Weitere Informationen “, um Ihr Geschäft mit Apps und Spielen jetzt mit dem App-Promotion-Service von ASO World voranzutreiben.

Daten- und Technologiebarrieren, die dazu führen, dass das APP-Personas-System nur schwer funktioniert

Wenn eine App die Nutzer wiederbeleben will, muss sie sie zuerst wirklich verstehen. Daher ist das Benutzerporträt ein wichtiger Weg für die App, Benutzer zu verstehen, und es ist auch ein notwendiges Werkzeug, um den Betrieb zu verfeinern. Die App kann verschiedene Eigenschaften von Benutzern durch Benutzerporträts erkennen, Benutzer mit verschiedenen Tags versehen und dann Benutzer gemäß der Kombination von Tags gruppieren und dann Gruppenoperationen ausführen.

Derzeit beginnen viele Apps, der Anwendung von Benutzerporträts Aufmerksamkeit zu schenken, und einige große Unternehmen werden Datentools von Drittanbietern verwenden, um auf der Grundlage ihres eigenen Benutzerporträtsystems zu unterstützen, mit dem Ziel, den Betrieb durch genaue Benutzerporträts zu verfeinern . Es gibt jedoch noch viele Probleme, die gelöst werden müssen, wenn die App möchte, dass das Benutzerporträt genau genug ist.

Die Optimierung des App-Benutzerporträts ist ein schrittweiser Prozess, der mehrere notwendige Bedingungen wie Zeitpräzipitation, Datenakkumulation und Verfeinerung des Algorithmusmodells erfordert. Zum Beispiel kann die App die Präferenzen neu registrierter Benutzer nicht genau verstehen, was im Wesentlichen in der fehlenden Zeit für die Interaktion mit Benutzern liegt, indem sie sich auf einige Informationen verlässt, die von den Benutzern während der Registrierung ausgefüllt wurden und nicht genau genug sind.

Das Problem des unvollständigen App-Porträts stiller Benutzer liegt in der mangelnden Kontinuität und Stabilität der App-Datensammlung für inaktive Benutzer, die die Migrationsänderungen in den Benutzeranforderungen nicht verstehen können. Die App ist in der Startphase durch Mittel und Arbeitskräfte eingeschränkt, und die Entwicklung von Benutzerporträts ist nicht stark genug, was zu einer schlechten Differenzierung von Benutzerporträts führt, um nützlich zu sein. Das sind Dinge, die für die App nicht über Nacht erledigt werden können, und sie sind derzeit auch die Engpässe.

Verwenden Sie Personas, um die verbleibenden 70 % der Benutzerressourcen zu aktivieren

Die App möchte das Problem des genauen Benutzerportraits lösen, einerseits muss sie Geduld haben und in der Lage sein, das Benutzerportrait kontinuierlich zu iterieren und zu aktualisieren; Andererseits kann es das Shortboard seines eigenen Benutzerporträts bilden und die Genauigkeit des Benutzerporträts mit dem Vorteil von Drittanbietern von Datendiensten mit voller Dimension, guter Kontinuität und starker Stabilität verbessern; Schließlich muss es sich auch mit dem Anwendungsszenario des App-Betriebs verbinden und Innovation zu einem eigenen Nutzerporträt machen. Schließlich ist es auch notwendig, Innovationen zur Anwendung des eigenen Benutzerprofils in Kombination mit dem Anwendungsszenario des App-Betriebs zu machen.

Fassen Sie Anwendungsmethoden für Personas durch eingehende Recherche zusammen

Neues Benutzervorhersagemodell

App-Betriebe verwenden häufig Datendienste von Drittanbietern, um beim Kaltstart neuer Benutzer gute Arbeit zu leisten, aber wenn sie sie verwenden, werden sie feststellen, dass die Tags, die von Datendiensten von Drittanbietern bereitgestellt werden, eine geringe Übereinstimmung mit ihren eigenen Benutzer-Tags aufweisen und dies nicht können den vollen Betrag abdecken. Nehmen Sie als Beispiel das Verbrauchslevel-Label, verschiedene Apps haben unterschiedliche Definitionen für das Benutzerverbrauchslevel-Label. Gruppenkauf-Apps, die mehr als 300 ausgeben, gelten als Personen mit hohem Verbrauch, während 100.000 Modelle in der Auto-App zu den Low-End-Modellen gehören.

Daher können App-Daten von Drittanbietern nicht direkt verwendet werden, es ist am besten, durch Datenmodellierung von beiden Seiten kundenspezifische Etiketten zu generieren, die zum eigenen Etikettierungssystem passen.

Personal Push User Portrait hat mit einer Informations-App zusammengearbeitet, und beide Seiten haben durch gemeinsame Datenmodellierung ein vollständiges und angepasstes neues Porträtetikett ausgegeben, und die Genauigkeit der Etikettenvorhersage hat nach dem Testen 70 % erreicht. Während des Kaltstarts empfahl die App interessierten Inhalten für neue Benutzer durch benutzerdefinierte Tags, und die Bindungsrate neuer Benutzer am nächsten Tag stieg um 18 %.

Porträtergänzung des stillen Benutzers

Bei der heutigen erschöpften Traffic-Dividende ist es für eine App wertvoller, einen stillen Benutzer zu aktivieren, als einen neuen Benutzer zu gewinnen. Dies spart nicht nur Wachstumskosten, sondern erleichtert auch die Kontinuität und Stabilität der App-Datenakkumulation und liefert wertvolle Daten für die Entwicklung und Anwendung von App-Daten.

App, um einen stillen Benutzer aufzuwecken, den Benutzer nicht einfach brutal zurückzubekommen, sondern die internen und externen Ursachen des Benutzerverlusts zu unterscheiden, die verschiedenen Benutzern und verschiedenen Situationen entsprechen, um verschiedene Operationsmethoden und Lösungen zu finden. Die internen Ursachen können aus den internen Daten der App gefunden werden, aber für die externen Ursachen des Schweigens der Benutzer müssen wir die Fähigkeit von Drittanbieterdaten nutzen, um die Änderungen der Online-Verhaltenspräferenzen der Benutzer während der Schweigeperiode zu verstehen und einzukreisen Benutzer, die geweckt werden müssen. Für diese Benutzer, die geweckt werden müssen, reicht es nicht aus, die Daten zu verwenden, die sie vor einigen Tagen in der App hinterlassen haben, sondern müssen auch mit externen Daten kombinieren, um Einblick in die Migration von Benutzerbedürfnissen und -interessen durch die Auswahl zu erhalten Kanäle und angepasste Inhalte, damit Benutzer wieder zum Leben erweckt werden können.

Angepasste Funktionen für Benutzerporträts

In der heutigen Welt, in der die Interessenpräferenzen der Benutzer ständig die menschliche Vorstellungskraft herausfordern, ist es schwierig, ein Gleichgewicht zwischen der Feinheit der Benutzerporträts und den Kosten für die Erstellung von Apps zu finden. Das Etikett ist zu grob, der Differenzierungsgrad reicht nicht aus, um Nutzer zielgenau anzusprechen. Bei feineren Tags werden mehr Daten und eine längere Zeit zum Sammeln benötigt, und die Kosten können nicht kontrolliert werden. In einem solchen Dilemma kann der App-Betrieb Unterscheidungsmerkmale in Echtzeit durch die Datenmodellierungsfähigkeit von Drittanbietern von Datendiensten erstellen und aktualisieren, kombiniert mit ihrer eigenen eingehenden Forschung auf einem bestimmten Gebiet, um zur Optimierung der Benutzerporträts beizutragen.

Zum Beispiel basieren die traditionellen Unterscheidungsmerkmale für das Etikett der Basketballfans auf dem Präferenzgrad der Basketballanwendung des Benutzers. app Wenn Sie möchten, dass das Etikett genauer ist, können Sie das spezifische Verhalten des Benutzers beim Ansehen des Spiels mit bestimmten Offline-Szenen kombinieren, um die Funktionen anzupassen und genauere Benutzeretiketten zu erstellen.

Kurz gesagt, das mobile Internet steht kurz vor dem Eintritt in die Ära des Wachstums nach innen, die Anforderungen an Apps für eine verfeinerte Bedienung werden immer höher und die Rolle von Benutzerporträts bei einer verfeinerten Bedienung wird immer wichtiger.

App macht nur gute und gute Benutzerporträts, um die Bedürfnisse der Benutzer wirklich zu verstehen und zu erfassen, um Produkte und Dienstleistungen gut zu machen, um eine gute Konversion von 30% der Superbenutzer zu erreichen, während die restlichen 70% wiederbelebt werden Benutzerressourcen. Die App kann nur gute Arbeit leisten, wenn es darum geht, die Bedürfnisse der Benutzer zu verstehen und zu erfassen und bei Produkten und Dienstleistungen gute Arbeit zu leisten, um die Konvertierung von 30 % der Superbenutzer zu erreichen und die verbleibenden 70 % der Benutzerressourcen wiederzubeleben.