POST TIME:2018-12-03 21:15
互聯(lián)網(wǎng)從1995年至今已發(fā)展了20多年,人口紅利也吃了20年,從16年開始,流量成本越來越高,獲取新增用戶越來越難,甚至有錢也買不到靠譜的流量。
2012-13年,單個用戶獲客成本也就幾毛錢,現(xiàn)在都翻了10多倍?;ヂ?lián)網(wǎng)急速發(fā)展的時期已經(jīng)過去了,意味著廝殺結(jié)束,流量入口被頭部企業(yè)占據(jù),BAT和獨角獸公司(愛奇藝、優(yōu)酷、美團、58同城、滴滴、京東)的用戶覆蓋已經(jīng)達到至高點。從2016年開始,對于大部分廣告主而言,不但拉新是個大問題,如何留下存量用戶,并促進用戶活躍是個更大的難題。
16年之前,移動互聯(lián)網(wǎng)是產(chǎn)品為王,發(fā)展至今產(chǎn)品同質(zhì)化嚴重,利用產(chǎn)品差異化來實現(xiàn)用戶變現(xiàn)越來越難。16年之后,移動互聯(lián)網(wǎng)逐漸變?yōu)檫\營為王,用戶用不消你最后不是因產(chǎn)品設計的原因,可能是某個活動吸引了他,某項精細化運營留住了他。現(xiàn)在,無論是廣告主還是投資方,不但看你的用戶量,更看活躍、留存、看ROI。
于是,大家想破腦袋也要爭取用戶在APP上的活躍,爭取獲得更多用戶的注意力資源。而粗放式圈人引流帶來一堆問題,好比圈來一大堆虛假用戶,如果你的用戶里三分之一是虛假用戶,想必你比誰都著急?;ヂ?lián)網(wǎng)公司動輒號稱日活上億,可是不敢說本身的活躍用戶在總用戶池子里占了多少比重,更不敢說其實自家用戶活躍度都不到20%。
那么,80%沉睡用戶是什么樣的?就拿我本身來說,光電商APP就裝了4、5個,有的一個月用一次,有的半年都不消。這種就屬于APP的邊沿用戶、沉睡用戶,對于廣告主來說如果不盤活不喚醒,實際價值很小。
比擬用戶拉新,喚醒80%的沉睡用戶才是最劃算的APP用戶拉新的成本越來越高,這是所有人的共識,比擬而言喚醒80%的那部分沉睡用戶才是最劃算的事。其優(yōu)勢在于:
1、對這部分用戶而言沒有教育成本;
2、喚醒成本要遠比拉新成本低得多;
3、只要有合適的內(nèi)容觸發(fā)用戶再次活躍,效果要遠遠好于去拉一個新用戶。
喚醒沉睡用戶素質(zhì)是用戶精細化運營的一部分。運營人員擔著活躍的KPI,推廣擔著新增的KPI,據(jù)說現(xiàn)在大多數(shù)公司里運營和推廣撕得很厲害。運營要想出業(yè)績,又不背鍋,,就得把用戶活躍度做上去,其中最重要的是喚醒沉睡用戶。
一般有效喚醒的定義為:對于已經(jīng)卸載APP的用戶,通過喚醒活動促使其點擊按鈕直接跳轉(zhuǎn)到APP下載頁面,讓用戶重新下載。對于沒有卸載APP的用戶,促使其點擊按鈕直接打開APP。沉睡用戶需要給予一些刺激觸發(fā)他們再次活躍,那么喚醒是不是誰都可以做好呢?有人說用戶數(shù)據(jù)在我手里,我去給他推送活動,不就可以喚醒了嗎,當然沒那么簡單。
為什么很多公司(尤其是大中型公司有海量沉睡用戶)都有用戶喚醒的需求?因為本身做的喚醒效果不太好。我們來回想一下,手機是不是經(jīng)常會收到來自某APP的短信,或者APP內(nèi)的活動提醒,大部分活動內(nèi)容都是你完全不感興趣的,好比給不需要貸款的用戶投放貸款促銷活動,給未便利外出的新媽媽投放自由行的活動。如果不了解用戶,再好的喚醒活動也白搭。
要想啃下“用戶喚醒”這塊硬骨頭,還得結(jié)合大數(shù)據(jù)技術(shù)目前量江湖在與一些頭部互聯(lián)網(wǎng)公司一起做用戶喚醒,發(fā)現(xiàn)結(jié)合大數(shù)據(jù)技術(shù)效果是最好的。大數(shù)據(jù)用戶喚醒實際操作中用到用戶畫像分析、流量識別反作弊技術(shù)等,使得用戶喚醒更精準,用戶更真實,反饋更活躍。
1、利用大數(shù)據(jù)技術(shù)做用戶畫像分析,實現(xiàn)精準喚醒大多數(shù)廣告主對本身的用戶了解甚少,雖然有設備號,但是用戶的興趣喜好、消費習慣、消費水平等完全不了解,所以根本沒法做到高效喚醒。
決定用戶喚醒的質(zhì)量不取決于誰有用戶,而取決于誰更了解用戶。量江湖因為是獨立第三方大數(shù)據(jù)公司,擁有5億移動用戶數(shù)據(jù),其中1.2億IOS用戶,通過大數(shù)據(jù)技術(shù)完成對用戶的精準畫像分析,在此基礎上定位精準用戶可以進行高效喚醒。
以京東購物節(jié)為例,一個購物節(jié)分很多差別群體,就得基于對用戶的深度分析做有針對性的推送,好比針對母嬰推送母嬰類活動,針對白領男性推送3C類產(chǎn)品活動,這樣的喚醒幾率才會更高。甚至說分男女、地區(qū)、職業(yè)、消費水平等差異做更細致的內(nèi)容推送。
豈論是做用戶喚醒還是其他定向投放,用戶畫像都是最重要的一環(huán),我們的用戶數(shù)據(jù)維度包孕人口屬性、興趣圖譜、商品圖譜、行為圖譜等多重維度的標簽:
人口屬性:性別、年齡、學歷、婚姻、子女、收入、信用。
興趣圖譜:好比關注游戲、金融、母嬰、直播等。
商品圖譜:游戲商品圖譜、母嬰商品圖譜、金融商品圖譜、APP圖譜。
行為圖譜:以興趣為主的行為細分,例如游戲用戶是否付費等。