Como alcançar a retenção contínua de novos usuários?

À medida que o dividendo do tráfego está desaparecendo, onde o APP pode pedir para aumentar o número de usuários? Alguns APP optam por converter de superusuários; alguns APP optam por afundar o mercado para obter mais tráfego novo; alguns APP aumentam o chip de incentivo de compartilhamento do usuário em troca da fissão do usuário ...... mas a ansiedade da operação do APP nunca para, por quanto tempo esses métodos podem manter o crescimento? Onde está o próximo ponto de crescimento da operação do usuário?

Recursos que precisam ser desenvolvidos

Hoje em dia, o custo do processo de aquisição de usuários-alvo e depois convertê-los em usuários de seus próprios produtos tornou-se muito caro. E em um ambiente competitivo tão brutal, é uma tendência reconhecida no setor se sair bem na operação de novos usuários com a ajuda da inteligência de dados. No entanto, como usar a tecnologia de inteligência de dados para maximizar o efeito de crescimento é uma curva de aprendizado.

Os recursos do usuário ainda precisam ser desenvolvidos

Para entender a ansiedade dos operadores de aplicativos, a Personal Push realizou uma análise de big data sobre os usuários ativos de aplicativos populares no mercado, como informações, vídeos e ferramentas. Os resultados da análise mostram que, exceto para alguns aplicativos que usam recompensas em dinheiro para fissão do usuário, a média mensal de usuários ativos das três principais categorias de aplicativos é de 27,8% do estoque. Em outras palavras, o aplicativo ainda tem mais de 70% dos recursos do usuário ainda a serem desenvolvidos.

Por que app não vai bater o valor desses 70% dos usuários? Com base em insights de dados, o Personal Push também pesquisou algumas operações de aplicativos. A pesquisa descobriu que a maioria dos aplicativos tem capacidade insuficiente de retrato do usuário, o que restringe o desenvolvimento da operação refinada do usuário.

Por exemplo, cerca de 60% dos usuários antigos nesses aplicativos têm preferências de retrato incompletas ou inválidas, enquanto as preferências de usuários inativos recém-registrados são completamente desconhecidas. Ou seja, os aplicativos não querem explorar esses 70% dos recursos do usuário, mas não entendem esses usuários inativos, e não há uma boa maneira e uma boa maneira de entender.

Clique em " Saiba mais " para impulsionar seus negócios de aplicativos e jogos com o serviço de promoção de aplicativos ASO World agora.

Barreiras de dados e tecnologia, resultando no sistema APP personas é difícil de funcionar

Se o aplicativo quiser revitalizar os usuários, primeiro ele deve realmente entendê-los. Portanto, o retrato do usuário é uma maneira importante para o aplicativo entender os usuários e também é uma ferramenta necessária para refinar a operação. app pode descobrir diferentes características dos usuários por meio do retrato do usuário, colocar tags diferentes nos usuários e, em seguida, agrupar os usuários de acordo com a combinação de tags e, em seguida, realizar a operação do grupo.

Atualmente, muitos aplicativos estão começando a prestar atenção à aplicação de retratos de usuários, e algumas grandes empresas usarão ferramentas de dados de terceiros para auxiliar com base em seu próprio sistema de retratos de usuários, com o objetivo de refinar as operações por meio de retratos precisos de usuários . No entanto, ainda existem muitos problemas que precisam ser resolvidos se o aplicativo quiser que o retrato do usuário seja preciso o suficiente.

A otimização do retrato do usuário do aplicativo é um processo gradual, que requer várias condições necessárias, como precipitação de tempo, acúmulo de dados e refinamento do modelo de algoritmo. Por exemplo, o aplicativo não consegue entender com precisão as preferências dos usuários recém-registrados, cuja essência está na falta de tempo para interagir com os usuários, contando com algumas informações preenchidas pelos usuários durante o registro e não precisas o suficiente.

O problema do retrato incompleto do aplicativo de usuários silenciosos está na falta de continuidade e estabilidade do acúmulo de dados do aplicativo para usuários inativos, incapazes de entender as mudanças de migração nas necessidades do usuário. O aplicativo no período de inicialização é limitado por fundos e mão de obra, e o desenvolvimento de retratos de usuários não é forte o suficiente, resultando em pouca diferenciação de retratos de usuários para ser útil. Essas não são coisas que podem ser feitas da noite para o dia para o aplicativo, e também são os gargalos no momento.

Use personas para ativar os 70% restantes dos recursos do usuário

O aplicativo quer resolver o problema do retrato preciso do usuário, por um lado, precisa ter paciência e ser capaz de iterar e atualizar o retrato do usuário continuamente; por outro lado, pode compor a pranchinha de seu próprio retrato de usuário e melhorar a precisão do retrato de usuário com a vantagem de provedores de serviços de dados de terceiros com dimensão total, boa continuidade e forte estabilidade; por fim, também precisa combinar com o cenário de uso da operação do aplicativo e inovar no seu próprio retrato de usuário. Por fim, também é necessário inovar na aplicação de seu próprio perfil de usuário em combinação com o cenário de uso de operação do aplicativo.

Resuma os métodos de aplicação de personas por meio de uma pesquisa aprofundada

Novo modelo de previsão do usuário

As operações de aplicativos geralmente usam serviços de dados de terceiros para fazer um bom trabalho na inicialização a frio de novos usuários, mas ao usá-los, eles descobrirão que as tags fornecidas por serviços de dados de terceiros têm uma correspondência baixa com suas próprias tags de usuário e não podem cobrir o valor total. Tome o rótulo de nível de consumo como exemplo, diferentes aplicativos têm definições diferentes para o rótulo de nível de consumo do usuário. O aplicativo de compra em grupo que gasta mais de 300 é considerado pessoas de alto consumo, enquanto 100.000 modelos no aplicativo de carro pertencem aos modelos low-end.

Portanto, o aplicativo para dados de terceiros não pode ser usado diretamente, é melhor gerar rótulos personalizados que correspondam ao seu próprio sistema de rotulagem por meio de modelagem de dados de ambos os lados.

O Personal Push User Portrait cooperou com um aplicativo de informações e ambos os lados produziram uma nova etiqueta de retrato completa e personalizada por meio de modelagem de dados conjunta, e a precisão da previsão de etiquetas atingiu 70% após o teste. No processo de cold start, o aplicativo recomendou conteúdos de interesse para novos usuários por meio de tags personalizadas, e no dia seguinte a taxa de retenção de novos usuários aumentou 18%.

Complementação do retrato do usuário silencioso

No dividendo de tráfego esgotado de hoje, é mais valioso para um aplicativo ativar um usuário silencioso do que puxar um novo usuário. Isso não apenas economiza custos de crescimento, mas também facilita a continuidade e a estabilidade do acúmulo de dados de aplicativos e fornece dados valiosos para desenvolvimento e aplicativos de dados de aplicativos.

App para acordar um usuário silencioso, não simplesmente recuperar o usuário brutalmente, mas precisa distinguir as causas internas e externas de perda do usuário, correspondentes a diferentes usuários e situações diferentes, para fazer diferentes métodos de operação e soluções. As causas internas podem ser encontradas a partir dos dados internos do aplicativo, mas para as causas externas de silêncio do usuário, precisamos usar a capacidade de dados de três partes para entender as mudanças nas preferências comportamentais online dos usuários durante o período de silêncio e circular o usuários que precisam ser despertados. Para esses usuários que precisam ser despertados, não basta usar os dados que deixaram no app há alguns dias, mas também é preciso combinar com dados externos, insights sobre a migração das necessidades e interesses dos usuários, por meio da seleção de canais e conteúdo personalizado, para que os usuários possam voltar à vida.

Recursos de retrato de usuário personalizados

No mundo de hoje, onde as preferências de interesse do usuário desafiam constantemente a imaginação humana, é difícil encontrar um equilíbrio entre a delicadeza dos retratos do usuário e o custo de construção do aplicativo. O rótulo é muito grosseiro, o grau de diferenciação não é suficiente para segmentar com precisão os usuários. Com tags mais finas, mais dados e mais tempo são necessários para acumular, e o custo não pode ser controlado. Nesse dilema, a operação do aplicativo pode criar e atualizar recursos diferenciados em tempo real por meio da capacidade de modelagem de dados de provedores de serviços de dados de terceiros, combinada com sua própria pesquisa aprofundada em um determinado campo, para ajudar a otimizar os retratos dos usuários.

Por exemplo, para o rótulo de fãs de basquete, as características distintivas tradicionais são baseadas no grau de preferência de aplicação de basquete do usuário. app se você quiser que o rótulo seja mais preciso, você pode combinar o comportamento específico do usuário de assistir ao jogo, cenas off-line específicas para personalizar os recursos e gerar rótulos de usuário mais precisos.

Em suma, a Internet móvel está prestes a entrar na era do crescimento interno, os requisitos do aplicativo para operação refinada se tornarão cada vez mais altos, e o papel dos retratos do usuário na operação refinada se tornará cada vez mais proeminente.

App só faz bons e bons retratos de usuários, a fim de realmente entender e entender as necessidades dos usuários, fazer um bom trabalho de produtos e serviços, alcançar uma boa conversão de 30% dos superusuários, enquanto revitaliza os 70% restantes recursos do usuário. O aplicativo só pode fazer um bom trabalho em entender e entender as necessidades dos usuários e fazer um bom trabalho em produtos e serviços, de modo a alcançar a conversão de 30% dos superusuários e revitalizar os 70% restantes dos recursos do usuário.