為了幫助互聯(lián)網(wǎng)文娛平臺(tái)通過(guò)精細(xì)化運(yùn)營(yíng)，實(shí)現(xiàn)提升用戶(hù)留存、消費(fèi)時(shí)長(zhǎng)、營(yíng)收貢獻(xiàn)等三大業(yè)務(wù)目標(biāo)，神策數(shù)據(jù)基于多年數(shù)據(jù)驅(qū)動(dòng)的實(shí)踐，推出文娛行業(yè)解決方案，整個(gè)方案拆解為增長(zhǎng)、留存、商業(yè)化三個(gè)部分，分別為這三部分提供業(yè)務(wù)和策略解決方案。

　　本篇為神策文娛解決方案系列文章之留存篇，將結(jié)合多個(gè)案例，重點(diǎn)介紹如何通過(guò)精細(xì)化的用戶(hù)運(yùn)營(yíng)、內(nèi)容運(yùn)營(yíng)及活動(dòng)運(yùn)營(yíng)，幫助文娛平臺(tái)真正盤(pán)活存量用戶(hù)，實(shí)現(xiàn)高留存。

　　1、用戶(hù)運(yùn)營(yíng)

　　互聯(lián)網(wǎng)文娛用戶(hù)的生命周期包含新手期-成長(zhǎng)期-成熟期-沉默&流失期等階段，根據(jù)不同階段用戶(hù)的特征和目標(biāo)進(jìn)行分層運(yùn)營(yíng)。

　　新手期

　　這個(gè)階段的主要運(yùn)營(yíng)目標(biāo)是讓用戶(hù)在短時(shí)間內(nèi)，體驗(yàn)產(chǎn)品核心功能，快速get到產(chǎn)品的核心價(jià)值。典型的應(yīng)用場(chǎng)景包括：內(nèi)容冷啟動(dòng)和內(nèi)容推薦，即基于用戶(hù)首日行為的相關(guān)內(nèi)容推薦，新手任務(wù)激勵(lì)等；不管是在線閱讀、視頻音頻還是社區(qū)社交平臺(tái)，都需要讓用戶(hù)盡快找到感興趣的內(nèi)容等。

　　在神策的解決方案中，對(duì)新手期的用戶(hù)，通過(guò)診斷注冊(cè)流程，分析過(guò)程中的阻塞點(diǎn)，定位流失問(wèn)題及人群，從而提升注冊(cè)轉(zhuǎn)化率。針對(duì)新手期的冷啟動(dòng)，可以基于用戶(hù)的點(diǎn)擊反饋快速發(fā)現(xiàn)其興趣點(diǎn)，通過(guò)差異化的分發(fā)策略提升新用戶(hù)的留存。比如用戶(hù)看到某篇古言小說(shuō)軟文后下載了APP，那用戶(hù)登錄平臺(tái)后的內(nèi)容推薦應(yīng)優(yōu)先以古代言情類(lèi)的小說(shuō)為主。

　　案例：

　　某垂直社交領(lǐng)域頭部產(chǎn)品，對(duì)于新用戶(hù)注冊(cè)體驗(yàn)流程進(jìn)行分析，通過(guò)注冊(cè)漏斗發(fā)現(xiàn)新用戶(hù)轉(zhuǎn)化率約50%，一半的用戶(hù)沒(méi)能完成注冊(cè)體驗(yàn)到產(chǎn)品就流失了，遠(yuǎn)不如預(yù)期，再通過(guò)細(xì)分維度查看，發(fā)現(xiàn)完善資料提交環(huán)節(jié)流失較多。

　　于是進(jìn)行新注冊(cè)流程的設(shè)計(jì)優(yōu)化：將原本單頁(yè)面的完善資料頁(yè)改良成多步驟型注冊(cè)流程；用戶(hù)單個(gè)頁(yè)面完善一個(gè)資料，再通過(guò)點(diǎn)擊「下一步」逐步完善，最后完成注冊(cè)進(jìn)入主頁(yè)面。經(jīng)過(guò)改良后的新注冊(cè)流程取得了非常好的效果，按月長(zhǎng)期觀測(cè)總體轉(zhuǎn)化率，相較于舊版提升了95%+，幾乎達(dá)到了注冊(cè)環(huán)節(jié)無(wú)流失。

　　成長(zhǎng)期

　　成長(zhǎng)期的用戶(hù)，要增強(qiáng)用戶(hù)對(duì)產(chǎn)品的使用粘性，比如可以通過(guò)對(duì)搜索頁(yè)面進(jìn)行產(chǎn)品設(shè)計(jì)和運(yùn)營(yíng)干預(yù)，結(jié)合推薦策略和A/B測(cè)試，觸發(fā)更多用戶(hù)主動(dòng)行為，促進(jìn)內(nèi)容消費(fèi)轉(zhuǎn)化。再比如，分析用戶(hù)尋找內(nèi)容的路徑，從而優(yōu)化流量分發(fā)入口，提升用戶(hù)的消費(fèi)效率。

　　案例：

　　某知識(shí)付費(fèi)領(lǐng)域產(chǎn)品，為用戶(hù)提供書(shū)籍精華解讀、精品課程、學(xué)習(xí)社群和電子書(shū)等知識(shí)付費(fèi)服務(wù)。通過(guò)神策分析平臺(tái)的事件分析、留存分析等，洞察到用戶(hù)留存尚有提升空間，且首頁(yè)內(nèi)容點(diǎn)擊率偏低，于是決定提升內(nèi)容針對(duì)性，提升推薦效率：基于歷史閱讀行為和歷史搜索行為，一是短信/push推送相應(yīng)熱門(mén)書(shū)籍，二是首頁(yè)資源位推薦相應(yīng)熱門(mén)書(shū)籍，結(jié)合手動(dòng)調(diào)整資源位內(nèi)容，提升了用戶(hù)活躍和內(nèi)容點(diǎn)擊率。

　　成熟期

　　成熟期，主要的運(yùn)營(yíng)目標(biāo)是讓更多的用戶(hù)付費(fèi)，提升平臺(tái)變現(xiàn)情況。一方面，平臺(tái)可以通過(guò)付費(fèi)權(quán)益的免費(fèi)試用，吸引更多用戶(hù)付費(fèi)。另一方面平臺(tái)上用戶(hù)的付費(fèi)程度存在差異，根據(jù)不用用戶(hù)的價(jià)值敏感程度，發(fā)放不同面值的優(yōu)惠券，進(jìn)行精細(xì)化的分層運(yùn)營(yíng)，從而降低用戶(hù)轉(zhuǎn)化成本。

　　沉默&流失期

　　沉默&流失期，需要對(duì)高流失風(fēng)險(xiǎn)客戶(hù)深度洞察，進(jìn)行流失用戶(hù)召回。一般可以用熱門(mén)內(nèi)容Push進(jìn)行站內(nèi)/站外召回。因?yàn)橛脩?hù)流失是一個(gè)過(guò)程，不是一個(gè)節(jié)點(diǎn)，用戶(hù)流失之后再召回很難100%召回，所以要在用戶(hù)流失前，進(jìn)行有效觸達(dá)，防止或者延緩用戶(hù)流失，并且召回要有周期性，進(jìn)行多次召回?zé)o果的用戶(hù)可自動(dòng)標(biāo)記為無(wú)價(jià)值/流失用戶(hù)。

　　除了對(duì)流失用戶(hù)進(jìn)行召回，對(duì)文娛平臺(tái)來(lái)說(shuō)，對(duì)流失的內(nèi)容創(chuàng)作者進(jìn)行召回也很重要。通常，內(nèi)容創(chuàng)作者在平臺(tái)進(jìn)行創(chuàng)作有三大動(dòng)力：獲得平臺(tái)的創(chuàng)作支持、獲得平臺(tái)的流量曝光、能在平臺(tái)實(shí)現(xiàn)商業(yè)變現(xiàn)。平臺(tái)可以通過(guò)數(shù)據(jù)分析及時(shí)評(píng)估不同類(lèi)型、頻道創(chuàng)作者的活躍度，通過(guò)標(biāo)簽和數(shù)據(jù)洞察，及時(shí)發(fā)現(xiàn)高流失風(fēng)險(xiǎn)的高價(jià)值創(chuàng)作者，當(dāng)發(fā)現(xiàn)創(chuàng)作者流失時(shí)，可以具體分析其是在以上哪個(gè)方面喪失了創(chuàng)作動(dòng)力，采取針對(duì)性的召回策略。

　　2、內(nèi)容運(yùn)營(yíng)

　　神策為互聯(lián)網(wǎng)文娛梳理了內(nèi)容運(yùn)營(yíng)指標(biāo)體系，涵蓋內(nèi)容生產(chǎn)、內(nèi)容消費(fèi)、質(zhì)量評(píng)估、用戶(hù)消費(fèi)等，為精細(xì)化內(nèi)容運(yùn)營(yíng)提供數(shù)據(jù)分析助力。

　　內(nèi)容生產(chǎn)

　　在內(nèi)容生產(chǎn)上，比如可以通過(guò)A/B實(shí)驗(yàn)優(yōu)化創(chuàng)作者工具，讓更多用戶(hù)從消費(fèi)者到創(chuàng)作者，盤(pán)活整體內(nèi)容生態(tài)。

　　案例：

　　某海外短視頻軟件，在創(chuàng)作者工具中，拼圖創(chuàng)作工具制作門(mén)檻相對(duì)較低，之前對(duì)該創(chuàng)作工具的定位聚焦于“制作”而非“社區(qū)創(chuàng)作”，導(dǎo)致用戶(hù)制作的拼圖內(nèi)容只有少量能夠順利轉(zhuǎn)化為社區(qū)中的流通內(nèi)容。

　　為了盤(pán)活整體內(nèi)容生態(tài)，讓用戶(hù)從消費(fèi)者轉(zhuǎn)變?yōu)槌蹼A內(nèi)容創(chuàng)造者，低門(mén)檻完成投稿、互動(dòng)等行為，提高產(chǎn)品留存，平臺(tái)對(duì)總體投稿水平進(jìn)行分析，定位拼圖制作功能對(duì)平臺(tái)的影響，收集發(fā)布路徑的A/B試驗(yàn)數(shù)據(jù)，進(jìn)而分析新路徑帶來(lái)的留存影響，分析A/B試驗(yàn)數(shù)據(jù)，同時(shí)構(gòu)建定向引入且有投稿行為的用戶(hù)人群包，用于分析其在站內(nèi)的消費(fèi)行為與投稿留存。經(jīng)過(guò)以上分析和優(yōu)化，發(fā)布拼圖視頻量提升兩倍以上，發(fā)布拼圖用戶(hù)量提升將近兩倍，大盤(pán)投稿量和成功投稿用戶(hù)數(shù)均有顯著提升，用戶(hù)消費(fèi)數(shù)據(jù)無(wú)負(fù)向影響。

　　內(nèi)容冷啟動(dòng)

　　在內(nèi)容冷啟動(dòng)上，制定定向內(nèi)容冷啟動(dòng)策略，將新內(nèi)容推薦給感興趣的用戶(hù)。

　　內(nèi)容冷啟目的是將用戶(hù)內(nèi)容消費(fèi)偏好與上新內(nèi)容屬性結(jié)合，在內(nèi)容進(jìn)入系統(tǒng)伊始，由于缺乏用戶(hù)行為反饋，更依賴(lài)于內(nèi)容本身的固有屬性來(lái)進(jìn)行冷啟動(dòng)。

　　平臺(tái)可以給予小流量曝光，無(wú)差別完全隨機(jī)冷啟，但完全隨機(jī)曝光的弊端是會(huì)有不偏好該類(lèi)內(nèi)容的人群產(chǎn)生負(fù)向反饋，導(dǎo)致推薦數(shù)據(jù)偏差。因此，神策智能推薦可以通過(guò)NLP標(biāo)簽定向推薦新內(nèi)容給感興趣的人群，且在推薦過(guò)程中，內(nèi)容、封面、作品介紹、人群、時(shí)機(jī)等變量的最佳組合可以搭配A/B測(cè)試，提高運(yùn)營(yíng)決策質(zhì)效。

　　比如將新內(nèi)容推薦給兩組人群，或者針對(duì)同一群用戶(hù)展示不同的內(nèi)容封面和簡(jiǎn)介，對(duì)比兩組策略的閱讀轉(zhuǎn)化率，從而找到最佳策略，完成內(nèi)容冷啟動(dòng)。

　　內(nèi)容消費(fèi)

　　在內(nèi)容消費(fèi)上，提供差異化的內(nèi)容消費(fèi)場(chǎng)景和路徑，引導(dǎo)用戶(hù)消費(fèi)更多內(nèi)容。

　　比如為了讓用戶(hù)探索更多元的內(nèi)容，可以用“小紅點(diǎn)”引導(dǎo)，而小紅點(diǎn)的引導(dǎo)頻次、是否帶數(shù)字以及引導(dǎo)后的頁(yè)面承接等運(yùn)營(yíng)細(xì)節(jié)，都需要A/B試驗(yàn)不斷驗(yàn)證；比如為優(yōu)化用戶(hù)消費(fèi)路徑，用戶(hù)打開(kāi)APP時(shí)不一定是首頁(yè)，而是高消費(fèi)的頁(yè)面等；比如用戶(hù)主動(dòng)觸發(fā)的行為場(chǎng)景中，可以進(jìn)行多種場(chǎng)景的內(nèi)容消費(fèi)轉(zhuǎn)化，例如搜索頁(yè)面，可以進(jìn)行產(chǎn)品設(shè)計(jì)和運(yùn)營(yíng)干預(yù)，頁(yè)面資源位內(nèi)容推薦是算法還是運(yùn)營(yíng)推薦等，到底哪種方式對(duì)提升內(nèi)容消費(fèi)深度有幫助，需要通過(guò)A/B測(cè)試和算法推薦不斷嘗試。

　　案例：

　　某小說(shuō)閱讀平臺(tái)基于數(shù)據(jù)分析發(fā)現(xiàn)大部分用戶(hù)在閱讀完第一本書(shū)后，因未匹配到感興趣的第二本書(shū)而大量流失，于是基于算法結(jié)合用戶(hù)歷史行為和內(nèi)容數(shù)據(jù)，構(gòu)建深度學(xué)習(xí)模型，在推薦場(chǎng)景下精準(zhǔn)匹配用戶(hù)喜好，把合適的內(nèi)容推給感興趣的人；同時(shí)，還基于用戶(hù)不同興趣領(lǐng)域標(biāo)簽，使用UCB算法，高效探索用戶(hù)的潛在興趣，確保推薦小說(shuō)的多樣性。通過(guò)覆蓋用戶(hù)不同的興趣領(lǐng)域、拓展用戶(hù)興趣，實(shí)現(xiàn)在推薦場(chǎng)景下盡可能的給用戶(hù)提供豐富的小說(shuō)內(nèi)容，促使用戶(hù)可以長(zhǎng)期留存。

　　內(nèi)容評(píng)估

　　內(nèi)容引入后，平臺(tái)需要提升內(nèi)容的質(zhì)量?；诋a(chǎn)品當(dāng)前的業(yè)務(wù)目標(biāo)，需要制定內(nèi)容質(zhì)量評(píng)估體系，用于篩選優(yōu)質(zhì)內(nèi)容。神策數(shù)據(jù)總結(jié)了內(nèi)容評(píng)估五大維度：消費(fèi)價(jià)值、社區(qū)價(jià)值、DAU增益、稀缺性、營(yíng)收價(jià)值，具體來(lái)說(shuō)：

　　消費(fèi)價(jià)值：可用完播率、深度消費(fèi)率、消費(fèi)時(shí)長(zhǎng)、收藏率等評(píng)估

　　社區(qū)價(jià)值：可用評(píng)論率、關(guān)注率評(píng)估

　　DAU增益：可用分享率、會(huì)員轉(zhuǎn)化率評(píng)估

　　稀缺性：通過(guò)內(nèi)容生產(chǎn)占比與內(nèi)容消費(fèi)占比的對(duì)比分析評(píng)估內(nèi)容稀缺性

　　營(yíng)收價(jià)值：可通過(guò)會(huì)員轉(zhuǎn)化率、打賞率評(píng)估；消費(fèi)金額等

　　有了內(nèi)容評(píng)估的標(biāo)準(zhǔn)，要提升優(yōu)質(zhì)內(nèi)容供給，需要流量激勵(lì)，扶持流量轉(zhuǎn)化為更多的粉絲、更高的互動(dòng)，促使創(chuàng)作者生產(chǎn)更多優(yōu)質(zhì)內(nèi)容。同時(shí)，也要對(duì)負(fù)向內(nèi)容做打壓，避免劣幣驅(qū)良幣，反哺內(nèi)容引入策略。同時(shí)，在內(nèi)容評(píng)估上，可以基于平臺(tái)欄位質(zhì)量進(jìn)行評(píng)估優(yōu)化，提升內(nèi)容消費(fèi)情況等。

　　案例：

　　某小說(shuō)閱讀平臺(tái)通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，對(duì)于沒(méi)有閱讀行為的用戶(hù)來(lái)說(shuō)，曝光的前10本書(shū)是否吸引用戶(hù)至關(guān)重要，基于此，確定兩個(gè)書(shū)籍質(zhì)量評(píng)估的核心指標(biāo)：曝光->閱讀的轉(zhuǎn)化率、閱讀->收藏的轉(zhuǎn)化率，前者反映出用戶(hù)對(duì)書(shū)籍的興趣程度，后者反映出書(shū)籍質(zhì)量的優(yōu)質(zhì)程度。然后基于這兩個(gè)關(guān)鍵指標(biāo)對(duì)平臺(tái)書(shū)籍進(jìn)行分層評(píng)估，合理分發(fā)流量，比如對(duì)兩個(gè)指標(biāo)都很高的書(shū)籍給予更多流量扶持，對(duì)于閱讀到收藏轉(zhuǎn)化率加高，但前者較低的書(shū)籍，判斷給予的流量是否有效被利用，并在吸引力優(yōu)化方向上發(fā)力。

　　3、活動(dòng)運(yùn)營(yíng)

　　活動(dòng)運(yùn)營(yíng)也是文娛平臺(tái)常見(jiàn)的業(yè)務(wù)抓手之一，以老拉新活動(dòng)為例，神策幫助文娛平臺(tái)梳理出相關(guān)活動(dòng)流程及活動(dòng)評(píng)估指標(biāo)體系，通過(guò)數(shù)據(jù)分析針對(duì)性地優(yōu)化活動(dòng)效果。

　　通常新用戶(hù)注冊(cè)行為發(fā)生在邀請(qǐng)頁(yè)H5，后續(xù)行為發(fā)生在App上，需要啟用「多對(duì)一」的ID關(guān)聯(lián)方案，將多端數(shù)據(jù)打通，神策可以提供完善的產(chǎn)品能力支撐。同時(shí)，邀請(qǐng)頁(yè)H5頁(yè)面往往被分享至第三方社交產(chǎn)品內(nèi)，如微信、QQ、微博，或直接掃碼訪問(wèn)，可以采取「渠道鏈接」中添加UTM參數(shù)的方式渠道標(biāo)識(shí)、分享人ID。

　　老用戶(hù)可能多次發(fā)生活動(dòng)頁(yè)面瀏覽和分享行為，需要區(qū)分用戶(hù)的首次發(fā)生和重復(fù)發(fā)生，利用神策的「首次觸發(fā)事件」標(biāo)記來(lái)標(biāo)識(shí)用戶(hù)的首次行為。跟蹤用戶(hù)后續(xù)激活A(yù)pp的情況，App激活事件中自動(dòng)記錄廣告系列來(lái)源為“邀請(qǐng)頁(yè)”，同時(shí)將廣告系列來(lái)源寫(xiě)入用戶(hù)屬性中便于后續(xù)跟蹤分析。

　　案例：

　　某知識(shí)付費(fèi)平臺(tái)開(kāi)展某次拉新活動(dòng)，首先通過(guò)漏斗定位各流程中轉(zhuǎn)化的阻塞點(diǎn)，結(jié)合行為事件數(shù)據(jù)下鉆、用戶(hù)屬性做探索性分析。其中，對(duì)于獲取驗(yàn)證碼、注冊(cè)節(jié)點(diǎn)，需要關(guān)注失敗次數(shù)占比，失敗原因分布，及時(shí)優(yōu)化。

　　比如在某知識(shí)付費(fèi)平臺(tái)的一個(gè)老拉新活動(dòng)中，注冊(cè)失敗的集中原因集中為：

　　-邀請(qǐng)的對(duì)象已經(jīng)是產(chǎn)品老用戶(hù)。經(jīng)過(guò)分析是產(chǎn)品引導(dǎo)問(wèn)題，為后續(xù)調(diào)整提供了方向。

　　-手機(jī)號(hào)有誤：填寫(xiě)手機(jī)號(hào)交互不合邏輯，為交互修改提供數(shù)據(jù)支撐。

　　當(dāng)拉來(lái)的新用戶(hù)在邀請(qǐng)落地頁(yè)上注冊(cè)成功后，此時(shí)通常會(huì)被引導(dǎo)下載App，該場(chǎng)景下需關(guān)注的指標(biāo)是：注冊(cè)成功的用戶(hù)發(fā)生App激活的比率等。

　　通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，新用戶(hù)完成注冊(cè)后到App激活的過(guò)程，中間發(fā)生了數(shù)據(jù)的斷層，因此圍繞“注冊(cè)成功到App激活轉(zhuǎn)化率”分析時(shí)，將場(chǎng)景進(jìn)一步細(xì)化，聚焦注冊(cè)結(jié)果頁(yè)，根據(jù)數(shù)據(jù)表現(xiàn)進(jìn)行相關(guān)的調(diào)整和優(yōu)化，提升新用戶(hù)激活比率。

　　此外，文娛平臺(tái)可以基于人群偏好與用戶(hù)行為表現(xiàn)，構(gòu)建一套精細(xì)化消息推送策略，比如從潛客到活躍到召回，每個(gè)階段推送不同的內(nèi)容及活動(dòng)，例如潛客主要推送新手禮包、首次充值優(yōu)惠等；活躍用戶(hù)主要推送個(gè)性化內(nèi)容及互動(dòng)激勵(lì)等；對(duì)于沉默用戶(hù)推送限時(shí)活動(dòng)和用戶(hù)關(guān)懷等。

　　關(guān)注神策數(shù)據(jù)公眾號(hào)，了解神策在30+細(xì)分領(lǐng)域的更多數(shù)字化實(shí)踐。