Comment obtenir une fidélisation continue des nouveaux utilisateurs ?

Alors que le dividende du trafic s'estompe, où l'APP peut-elle aller pour demander la croissance des utilisateurs ? Certaines APP choisissent de convertir à partir de super utilisateurs ; certaines APP choisissent de couler le marché pour obtenir plus de nouveau trafic ; certaines APP augmentent la puce incitative du partage d'utilisateurs en échange de la fission des utilisateurs ...... mais l'anxiété du fonctionnement de l'APP ne s'arrête jamais, combien de temps ces méthodes peuvent-elles maintenir la croissance ? Où est le prochain point de croissance de l'exploitation des utilisateurs ?

Des ressources à développer

De nos jours, le coût du processus d'acquisition d'utilisateurs cibles puis de leur conversion en utilisateurs de leurs propres produits est devenu très coûteux. Et dans un environnement concurrentiel aussi brutal, c'est une tendance reconnue dans l'industrie de réussir dans l'exploitation des nouveaux utilisateurs à l'aide de l'intelligence des données. Cependant, comment utiliser la technologie d'intelligence des données pour maximiser l'effet de croissance est une courbe d'apprentissage.

Les ressources des utilisateurs doivent encore être développées

Afin de comprendre l'anxiété des opérateurs d'applications, Personal Push a mené une analyse de données volumineuses sur les utilisateurs actifs d'applications populaires sur le marché, telles que des informations, des vidéos et des outils. Les résultats de l'analyse montrent qu'à l'exception de certaines applications qui utilisent des récompenses en espèces pour la fission des utilisateurs, le nombre moyen d'utilisateurs actifs mensuels des trois principales catégories d'applications représente 27,8 % du stock. En d'autres termes, l'application a encore plus de 70 % de ressources utilisateur à développer.

Pourquoi l'application ne va-t-elle pas exploiter la valeur de ces 70 % d'utilisateurs ? Sur la base des données, Personal Push a également effectué des recherches sur certaines opérations d'application. La recherche a révélé que la plupart des applications ont une capacité insuffisante de portrait d'utilisateur, ce qui limite le développement d'un fonctionnement utilisateur raffiné.

Par exemple, environ 60 % des anciens utilisateurs de ces applications ont des préférences de portrait incomplètes ou invalides, tandis que les préférences des utilisateurs inactifs nouvellement enregistrés sont complètement inconnues. C'est-à-dire que les applications ne veulent pas exploiter ces 70 % de ressources utilisateur, mais elles manquent de compréhension de ces utilisateurs inactifs, et il n'y a pas de bon moyen et de bonne façon de comprendre.

Cliquez sur " En savoir plus " pour piloter votre activité d' applications et de jeux avec le service de promotion d'applications ASO World dès maintenant.

Obstacles aux données et à la technologie, ce qui rend le système APP personas difficile à fonctionner

Si l'application veut dynamiser les utilisateurs, elle doit d'abord vraiment les comprendre. Par conséquent, le portrait de l'utilisateur est un moyen important pour l'application de comprendre les utilisateurs, et c'est également un outil nécessaire pour affiner le fonctionnement. L'application peut découvrir différentes caractéristiques des utilisateurs via le portrait de l'utilisateur, mettre différentes balises sur les utilisateurs, puis regrouper les utilisateurs en fonction de la combinaison de balises, puis effectuer une opération de groupe.

À l'heure actuelle, de nombreuses applications commencent à prêter attention à l'application de portraits d'utilisateurs, et certaines grandes entreprises utiliseront des outils de données tiers pour aider sur la base de leur propre système de portraits d'utilisateurs, dans le but d'affiner les opérations grâce à des portraits d'utilisateurs précis. . Cependant, de nombreux problèmes doivent encore être résolus si l'application souhaite que le portrait de l'utilisateur soit suffisamment précis.

L'optimisation du portrait de l'utilisateur de l'application est un processus graduel, qui nécessite plusieurs conditions nécessaires telles que la précipitation du temps, l'accumulation de données et le raffinement du modèle d'algorithme. Par exemple, l'application ne peut pas comprendre avec précision les préférences des utilisateurs nouvellement enregistrés, dont l'essence réside dans le manque de temps pour interagir avec les utilisateurs, en s'appuyant sur certaines informations remplies par les utilisateurs lors de l'inscription et pas assez précises.

Le problème du portrait d'application incomplet des utilisateurs silencieux réside dans le manque de continuité et de stabilité de l'accumulation de données d'application pour les utilisateurs inactifs, incapables de comprendre les changements de migration dans les besoins des utilisateurs. L'application dans la période de démarrage est limitée par les fonds et la main-d'œuvre, et le développement de portraits d'utilisateurs n'est pas assez fort, ce qui entraîne une faible différenciation des portraits d'utilisateurs pour être utile. Ce ne sont pas des choses qui peuvent être faites du jour au lendemain pour les applications, et ce sont aussi les goulots d'étranglement actuels.

Utilisez des personas pour activer les 70 % restants des ressources utilisateur

L'application veut résoudre le problème du portrait d'utilisateur précis, d'une part, elle doit faire preuve de patience et être capable d'itérer et de mettre à jour le portrait d'utilisateur en continu ; d'autre part, il peut constituer le tableau court de son propre portrait d'utilisateur et améliorer la précision du portrait d'utilisateur avec l'avantage des fournisseurs de services de données tiers avec une pleine dimension, une bonne continuité et une forte stabilité ; enfin, il doit également se combiner avec le scénario d'utilisation du fonctionnement de l'application et apporter une innovation à son propre portrait d'utilisateur. Enfin, il est également nécessaire d'innover dans l'application de son propre profil d'utilisateur en combinaison avec le scénario d'utilisation du fonctionnement de l'application.

Résumer les méthodes d'application des personas grâce à une recherche approfondie

Nouveau modèle de prédiction des utilisateurs

Les opérations d'application utilisent souvent des services de données tiers pour faire du bon travail dans le démarrage à froid de nouveaux utilisateurs, mais lors de leur utilisation, ils constateront que les balises fournies par les services de données tiers ont une faible correspondance avec leurs propres balises utilisateur et ne peuvent pas couvrir le montant total. Prenons l'exemple de l'étiquette de niveau de consommation, différentes applications ont des définitions différentes pour l'étiquette de niveau de consommation de l'utilisateur. L'application d'achat groupé dépensant plus de 300 personnes est considérée comme une grande consommation, tandis que 100 000 modèles de l'application de voiture appartiennent aux modèles bas de gamme.

Par conséquent, l'application pour les données tierces ne peut pas être utilisée directement, il est préférable de générer des étiquettes personnalisées qui correspondent à leur propre système d'étiquetage grâce à la modélisation des données des deux côtés.

Personal Push User Portrait a coopéré avec une application d'information, et les deux parties ont produit une nouvelle étiquette de portrait complète et personnalisée grâce à une modélisation conjointe des données, et la précision de la prédiction de l'étiquette a atteint 70 % après les tests. Lors du démarrage à froid, l'application a recommandé des contenus intéressants pour les nouveaux utilisateurs via des balises personnalisées, et le taux de rétention des nouveaux utilisateurs le lendemain a augmenté de 18 %.

Complément du portrait de l'utilisateur silencieux

Dans le dividende de trafic épuisé d'aujourd'hui, il est plus utile pour une application d'activer un utilisateur silencieux que d'attirer un nouvel utilisateur. Cela permet non seulement d'économiser des coûts de croissance, mais facilite également la continuité et la stabilité de l'accumulation de données d'application, et fournit des données précieuses pour le développement et l'application des données d'application.

Application pour réveiller un utilisateur silencieux, pas simplement récupérer brutalement l'utilisateur, mais doit distinguer les causes internes et externes de la perte d'utilisateur, correspondant à différents utilisateurs et différentes situations, pour créer différentes méthodes de fonctionnement et solutions. Les causes internes peuvent être trouvées à partir des données internes de l'application, mais pour les causes externes du silence de l'utilisateur, nous devons utiliser la capacité des données tierces pour comprendre les changements des préférences comportementales en ligne des utilisateurs pendant la période de silence et entourer le utilisateurs qui ont besoin d'être réveillés. Pour ces utilisateurs qui ont besoin d'être réveillés, il ne suffit pas d'utiliser les données qu'ils ont laissées sur l'application il y a quelques jours, mais il faut aussi combiner avec des données externes, un aperçu de la migration des besoins et des intérêts des utilisateurs, à travers la sélection de canaux et contenus personnalisés, afin que les utilisateurs puissent revenir à la vie.

Fonctions de portrait d'utilisateur personnalisées

Dans le monde d'aujourd'hui où les préférences d'intérêt des utilisateurs défient constamment l'imagination humaine, il est difficile de trouver un équilibre entre la finesse des portraits d'utilisateurs et le coût de la création d'applications. L'étiquette est trop grossière, le degré de différenciation n'est pas suffisant pour cibler précisément les utilisateurs. Avec des balises plus fines, plus de données et plus de temps sont nécessaires pour s'accumuler, et le coût ne peut pas être contrôlé. Dans un tel dilemme, le fonctionnement de l'application peut créer et mettre à jour des fonctionnalités distinctives en temps réel grâce à la capacité de modélisation des données des fournisseurs de services de données tiers, combinée à leurs propres recherches approfondies sur un certain domaine, pour aider à optimiser les portraits des utilisateurs.

Par exemple, pour l'étiquette des fans de basket-ball, les caractéristiques distinctives traditionnelles sont basées sur le degré de préférence d'application de basket-ball de l'utilisateur. Si vous souhaitez que l'étiquette soit plus précise, vous pouvez combiner le comportement spécifique de l'utilisateur en regardant le jeu, des scènes hors ligne spécifiques pour personnaliser les fonctionnalités et générer des étiquettes d'utilisateur plus précises.

En bref, l'Internet mobile est sur le point d'entrer dans l'ère de la croissance interne, les exigences des applications pour un fonctionnement raffiné deviendront de plus en plus élevées et le rôle des portraits d'utilisateurs dans un fonctionnement raffiné deviendra de plus en plus important.

L'application ne fait que des portraits d'utilisateurs fins et bons, afin de vraiment comprendre et saisir les besoins des utilisateurs, de faire un bon travail de produits et services, d'atteindre une bonne conversion de 30 % des super utilisateurs, tout en revitalisant les 70 % restants. ressources des utilisateurs. L'application ne peut que faire du bon travail dans la compréhension et la compréhension des besoins des utilisateurs, et faire du bon travail dans les produits et services, afin d'atteindre la conversion de 30 % des super utilisateurs et de revitaliser les 70 % restants des ressources des utilisateurs.