如何實現新用戶的持續留存？
已發表: 2022-02-24
流量紅利逐漸消退，APP去哪裡求用戶增長？ 部分APP選擇從超級用戶轉化； 部分APP選擇下沉市場獲取更多新流量； 一些APP增加用戶分享的激勵籌碼來換取用戶裂變……但APP運營的焦慮從未停止，這些方式還能維持多久？ 下一個用戶運營增長點在哪裡？
需要開發的資源
如今，獲取目標用戶，然後將其轉化為自己產品的用戶的過程成本變得非常昂貴。 而在如此殘酷的競爭環境下，借助數據智能做好新用戶運營已是業內公認的趨勢。 然而，如何利用數據智能技術來最大化增長效應是一條學習曲線。
用戶資源待開發
為了解應用運營商的焦慮，Personal Push對市場上熱門應用的信息、視頻、工具等活躍用戶進行了大數據分析。 分析結果顯示，除部分APP使用現金獎勵進行用戶裂變外，三大類APP月均活躍用戶佔比為27.8%。 也就是說，app還有70%以上的用戶資源有待開發。
為什麼app不去挖掘這70%用戶的價值？ 在數據洞察的基礎上，個人推送也對一些應用運營進行了研究。 研究發現，大部分APP的用戶畫像能力不足，制約了精細化用戶運營的發展。
例如，這些應用中約有 60% 的老用戶的肖像偏好不完整或無效，而新註冊的非活躍用戶的偏好則完全未知。 也就是說，app 不想利用這 70% 的用戶資源，但對這些不活躍的用戶缺乏了解，沒有好的方法和好的方法去了解。
點擊“了解更多”，立即通過ASO World應用推廣服務推動您的應用和遊戲業務。
數據和技術壁壘，導致APP人物角色系統難以發揮作用
APP要想振興用戶，首先要真正了解用戶。 因此，用戶畫像是APP了解用戶的重要方式，也是精細化運營的必備工具。 APP可以通過用戶畫像發現用戶的不同特徵，給用戶打上不同的標籤，然後根據標籤的組合對用戶進行分組，進而進行分組操作。
目前很多APP都開始關注用戶畫像的應用，一些大公司會在自己的用戶畫像系統的基礎上，使用第三方數據工具進行輔助，目的是通過精準的用戶畫像來精細化運營。 . 但是，如果應用想要用戶畫像足夠準確，還有很多問題需要解決。
APP用戶畫像的優化是一個漸進的過程，需要時間沉澱、數據積累、算法模型細化等多個必要條件。 例如，APP無法準確了解新註冊用戶的喜好，其本質在於沒有時間與用戶互動，依賴用戶在註冊時填寫的一些信息，不夠準確。
靜默用戶應用畫像不完整的問題在於非活躍用戶的應用數據積累缺乏連續性和穩定性，無法了解用戶需求的遷移變化。 初創期的app受限於資金和人力，用戶畫像的開發力度不夠，導致用戶畫像差異化不好用。 這些對於app來說不是一朝一夕就能搞定的，也是目前的瓶頸。
使用角色激活剩餘 70% 的用戶資源
App想要解決用戶畫像精準的問題，一方面需要有耐心，能夠不斷迭代更新用戶畫像； 另一方面，利用第三方數據服務商的全維度、連續性好、穩定性強的優勢，彌補自身用戶畫像的短板，提高用戶畫像的準確率； 最後，還需要結合APP運營的使用場景，對自身的用戶畫像進行創新。 最後，還需要結合APP運營的使用場景，對自身用戶畫像的應用進行創新。
通過深入研究總結人物角色應用方法
新的用戶預測模型
App運營經常使用第三方數據服務來做好新用戶的冷啟動，但是在使用的時候會發現第三方數據服務提供的標籤與自己的用戶標籤匹配度低，無法覆蓋全部金額。 以消費等級標籤為例，不同的應用對用戶消費等級標籤的定義不同。 團購APP消費300以上被認為是高消費人群，而汽車APP中10萬款屬於低端車型。
所以第三方數據的app不能直接使用，最好通過雙方的數據建模，生成匹配自己標註系統的定制標籤。
個人推送用戶畫像與信息類APP合作，雙方通過聯合數據建模輸出了完整的定制化新畫像標籤，經測試標籤預測準確率達到70%。 冷啟動過程中，APP通過自定義標籤為新用戶推薦感興趣的內容，新用戶次日留存率提升18%。
無聲用戶畫像補全
在流量紅利枯竭的今天，App激活沉默用戶比拉新用戶更有價值。 這樣做不僅節省了增長成本，也有利於應用數據積累的連續性和穩定性，為應用數據開發和應用提供有價值的數據。
App喚醒一個沉默的用戶，不是簡單粗暴的讓用戶回來，而是需要分清用戶流失的內因和外因，對應不同的用戶、不同的情況，做出不同的操作方法和解決方案。 內因可以從app的內部數據中找到，但對於用戶沉默的外因，我們需要利用三方數據的能力來了解用戶在沉默期間的上網行為偏好的變化，並圈出需要喚醒的用戶。 對於這些需要被喚醒的用戶來說，僅僅使用前幾天在APP上留下的數據是不夠的，還需要結合外部數據，洞察用戶需求和興趣的遷移，通過選擇渠道和定制內容，讓用戶重獲新生。
自定義用戶畫像功能
在用戶興趣偏好不斷挑戰人類想像力的當今世界，很難在用戶畫像的精細度和構建應用的成本之間找到平衡點。 標籤過於粗糙，差異化程度不足以準確定位用戶。 更精細的標籤，需要更多的數據和更長的時間來積累，成本無法控制。 在這樣的困境中，APP運營可以通過第三方數據服務商的數據建模能力，結合自身對某一領域的深入研究，實時創建和更新差異化特徵，幫助優化用戶畫像。
例如，對於籃球迷的標籤，傳統的區分特徵是基於用戶對籃球應用的偏好程度。 app如果想要標籤更精準，可以結合用戶具體的觀賽行為、具體的線下場景來定制功能，生成更精準的用戶標籤。
總之，移動互聯網即將進入內向增長時代，APP對精細化運營的要求將越來越高，用戶畫像在精細化運營中的作用將越來越突出。
App只有做好用戶畫像，才能真正了解和把握用戶的需求，做好產品和服務，做到30%的超級用戶很好的轉化，同時盤活剩下的70%用戶資源。 APP只有做好了解和把握用戶需求，做好產品和服務，才能實現30%的超級用戶轉化，盤活剩餘70%的用戶資源。