¿Cómo Lograr la Retención Continua de Nuevos Usuarios?

A medida que el dividendo del tráfico se desvanece, ¿dónde puede ir la aplicación para solicitar el crecimiento de los usuarios? Algunas aplicaciones eligen convertir de superusuarios; algunas aplicaciones optan por hundir el mercado para obtener más tráfico nuevo; algunas aplicaciones aumentan el chip de incentivo de compartir usuarios a cambio de la fisión del usuario... pero la ansiedad de la operación de la aplicación nunca se detiene, ¿cuánto tiempo pueden estos métodos mantener el crecimiento? ¿Dónde está el próximo punto de crecimiento de la operación del usuario?

Recursos que deben desarrollarse

Hoy en día, el costo del proceso de adquirir usuarios objetivo y luego convertirlos en usuarios de sus propios productos se ha vuelto muy costoso. Y en un entorno competitivo tan brutal, es una tendencia reconocida en la industria hacerlo bien en la operación de nuevos usuarios con la ayuda de la inteligencia de datos. Sin embargo, cómo usar la tecnología de inteligencia de datos para maximizar el efecto de crecimiento es una curva de aprendizaje.

Los recursos de usuario aún no se han desarrollado.

Para comprender la ansiedad de los operadores de aplicaciones, Personal Push realizó un análisis de big data sobre los usuarios activos de aplicaciones populares en el mercado, como información, video y herramientas. Los resultados del análisis muestran que, a excepción de algunas aplicaciones que utilizan recompensas en efectivo para la fisión de usuarios, el promedio mensual de usuarios activos de las tres categorías principales de aplicaciones es el 27,8 % del stock. En otras palabras, la aplicación todavía tiene más del 70% de los recursos de los usuarios por desarrollar.

¿Por qué la aplicación no va a aprovechar el valor de este 70% de los usuarios? Sobre la base de la información de los datos, personal push también investigó algunas operaciones de la aplicación. La investigación encontró que la mayoría de las aplicaciones tienen una capacidad insuficiente de retrato del usuario, lo que restringe el desarrollo de una operación de usuario refinada.

Por ejemplo, alrededor del 60 % de los usuarios antiguos de estas aplicaciones tienen preferencias de retrato incompletas o no válidas, mientras que las preferencias de los usuarios inactivos recién registrados son completamente desconocidas. Es decir, las apps no quieren explotar ese 70% de los recursos de los usuarios, pero les falta entender a estos usuarios inactivos, y no hay una buena y buena manera de entender.

Haga clic en " Más información " para impulsar su negocio de aplicaciones y juegos con el servicio de promoción de aplicaciones ASO World ahora.

Barreras de datos y tecnología, lo que hace que el sistema de personas de la aplicación sea difícil de funcionar

Si la aplicación quiere revitalizar a los usuarios, primero debe comprenderlos realmente. Por lo tanto, el retrato del usuario es una forma importante para que la aplicación entienda a los usuarios, y también es una herramienta necesaria para refinar la operación. La aplicación puede descubrir diferentes características de los usuarios a través del retrato del usuario, colocar diferentes etiquetas en los usuarios y luego agrupar a los usuarios de acuerdo con la combinación de etiquetas y luego llevar a cabo la operación grupal.

En la actualidad, muchas aplicaciones están comenzando a prestar atención a la aplicación de retratos de usuarios, y algunas grandes empresas utilizarán herramientas de datos de terceros para ayudar sobre la base de su propio sistema de retratos de usuarios, con el objetivo de refinar las operaciones a través de retratos de usuarios precisos. . Sin embargo, todavía hay muchos problemas que deben resolverse si la aplicación quiere que el retrato del usuario sea lo suficientemente preciso.

La optimización del retrato del usuario de la aplicación es un proceso gradual que requiere múltiples condiciones necesarias, como precipitación de tiempo, acumulación de datos y refinamiento del modelo de algoritmo. Por ejemplo, la aplicación no puede comprender con precisión las preferencias de los usuarios recién registrados, cuya esencia radica en la falta de tiempo para interactuar con los usuarios, basándose en cierta información completada por los usuarios durante el registro y que no es lo suficientemente precisa.

El problema del retrato incompleto de la aplicación de los usuarios silenciosos radica en la falta de continuidad y estabilidad de la acumulación de datos de la aplicación para los usuarios inactivos, incapaces de comprender los cambios de migración en las necesidades de los usuarios. La aplicación en el período de puesta en marcha está limitada por los fondos y la mano de obra, y el desarrollo de los retratos de los usuarios no es lo suficientemente fuerte, lo que resulta en una pobre diferenciación de los retratos de los usuarios para que sean útiles. Estas no son cosas que se pueden hacer de la noche a la mañana para la aplicación, y también son los cuellos de botella en la actualidad.

Use personas para activar el 70% restante de los recursos del usuario

La aplicación quiere resolver el problema del retrato de usuario preciso, por un lado, debe tener paciencia y poder iterar y actualizar el retrato de usuario continuamente; por otro lado, puede hacer el tablero corto de su propio retrato de usuario y mejorar la precisión del retrato de usuario con la ventaja de los proveedores de servicios de datos de terceros con dimensión completa, buena continuidad y gran estabilidad; finalmente, también debe combinarse con el escenario de uso de la operación de la aplicación e innovar en su propio retrato de usuario. Finalmente, también es necesario innovar la aplicación de su propio perfil de usuario en combinación con el escenario de uso de la operación de la aplicación.

Resumir los métodos de aplicación de personas a través de una investigación en profundidad

Nuevo modelo de predicción de usuarios

Las operaciones de la aplicación a menudo usan servicios de datos de terceros para hacer un buen trabajo en el inicio en frío de nuevos usuarios, pero al usarlos, encontrarán que las etiquetas proporcionadas por los servicios de datos de terceros tienen poca coincidencia con sus propias etiquetas de usuario y no pueden cubrir el monto total. Tome la etiqueta del nivel de consumo como ejemplo, diferentes aplicaciones tienen diferentes definiciones para la etiqueta del nivel de consumo del usuario. La aplicación de compra grupal que gasta más de 300 se considera personas de alto consumo, mientras que 100,000 modelos en la aplicación para automóviles pertenecen a los modelos de gama baja.

Por lo tanto, la aplicación para datos de terceros no se puede usar directamente, lo mejor es generar etiquetas personalizadas que coincidan con su propio sistema de etiquetado a través del modelado de datos de ambos lados.

Personal Push User Portrait ha cooperado con una aplicación de información, y ambas partes han generado una nueva etiqueta de retrato completa y personalizada a través del modelado de datos conjuntos, y la precisión de la predicción de la etiqueta ha alcanzado el 70% después de la prueba. En el proceso de inicio en frío, la aplicación recomendó contenidos interesados ​​para nuevos usuarios a través de etiquetas personalizadas, y al día siguiente la tasa de retención de nuevos usuarios aumentó en un 18 %.

Complementación del retrato del usuario silencioso

En el dividendo de tráfico agotado de hoy, es más valioso para una aplicación activar a un usuario silencioso que atraer a un nuevo usuario. Hacerlo no solo ahorra costos de crecimiento, sino que también facilita la continuidad y la estabilidad de la acumulación de datos de aplicaciones y proporciona datos valiosos para el desarrollo y la aplicación de datos de aplicaciones.

Aplicación para despertar a un usuario silencioso, no solo recuperar brutalmente al usuario, sino que debe distinguir las causas internas y externas de la pérdida del usuario, correspondientes a diferentes usuarios y diferentes situaciones, para crear diferentes métodos de operación y soluciones. Las causas internas se pueden encontrar a partir de los datos internos de la aplicación, pero para las causas externas del silencio del usuario, necesitamos usar la capacidad de los datos de tres partes para comprender los cambios de las preferencias de comportamiento en línea de los usuarios durante el período de silencio y marcar con un círculo el usuarios que necesitan ser despertados. Para estos usuarios que necesitan ser despertados, no es suficiente usar los datos que dejaron en la aplicación hace unos días, sino que también deben combinar con datos externos, información sobre la migración de las necesidades e intereses de los usuarios, a través de la selección de canales y contenido personalizado, para que los usuarios puedan volver a la vida.

Funciones de retrato de usuario personalizadas

En el mundo actual, donde las preferencias de interés de los usuarios desafían constantemente la imaginación humana, es difícil encontrar un equilibrio entre la delicadeza de los retratos de los usuarios y el costo de crear una aplicación. La etiqueta es demasiado tosca, el grado de diferenciación no es suficiente para dirigirse con precisión a los usuarios. Con etiquetas más finas, se necesitan más datos y más tiempo para acumular, y el costo no se puede controlar. En tal dilema, la operación de la aplicación puede crear y actualizar características distintivas en tiempo real a través de la capacidad de modelado de datos de proveedores de servicios de datos de terceros, combinada con su propia investigación en profundidad en un campo determinado, para ayudar a optimizar los retratos de los usuarios.

Por ejemplo, para la etiqueta de fanáticos del baloncesto, las características distintivas tradicionales se basan en el grado de preferencia de la aplicación de baloncesto del usuario. app si desea que la etiqueta sea más precisa, puede combinar el comportamiento específico del usuario de ver el juego, escenas fuera de línea específicas para personalizar las funciones y generar etiquetas de usuario más precisas.

En resumen, Internet móvil está a punto de entrar en la era del crecimiento interno, los requisitos de la aplicación para una operación refinada serán cada vez más altos y el papel de los retratos de los usuarios en la operación refinada será cada vez más prominente.

La aplicación solo hace retratos de usuario buenos y buenos, para comprender y comprender realmente las necesidades de los usuarios, hacer un buen trabajo de productos y servicios, lograr una buena conversión del 30% de los superusuarios, mientras revitaliza el 70% restante de recursos de usuario. La aplicación solo puede hacer un buen trabajo al comprender y captar las necesidades de los usuarios, y hacer un buen trabajo en productos y servicios, para lograr la conversión del 30 % de los superusuarios y revitalizar el 70 % restante de los recursos de los usuarios.