剛剛結束(shu)的“雙十一”比往年還要(yao)熱(re)鬧一些。在(zai)大戲上演的20多天里(li)，電商巨頭旗下的APP們，紛(fen)紛(fen)以(yi)矩(ju)陣的形式組團出(chu)擊(ji)，使出(chu)渾身解數，用眼花繚亂、環環相扣(kou)的花式玩法推(tui)銷自己。
群雄逐鹿的(de)“雙(shuang)十一”僅僅只是一個開始(shi)，隨著數據逐漸深(shen)入應用到APP推廣(guang)和運營之中(zhong)，今年APP年末(mo)大戲的(de)“增長”主題依(yi)然圍(wei)繞著“精準”、“精細化(hua)”等關鍵(jian)詞(ci)。
APP求(qiu)增(zeng)長離(li)不開對數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)的(de)(de)(de)應用(yong)，應用(yong)程度的(de)(de)(de)深淺決定著增(zeng)長效(xiao)果的(de)(de)(de)好壞(huai)。基礎的(de)(de)(de)應用(yong)是(shi)把數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)當(dang)作(zuo)(zuo)(zuo)驗(yan)收(shou)工具，用(yong)來(lai)(lai)衡量和評價APP增(zeng)長各(ge)個(ge)(ge)環(huan)節(jie)的(de)(de)(de)效(xiao)果；進(jin)(jin)階的(de)(de)(de)應用(yong)是(shi)把數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)當(dang)作(zuo)(zuo)(zuo)重(zhong)要(yao)信息，對反饋數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)進(jin)(jin)行全(quan)面洞察，找到(dao)用(yong)戶真正的(de)(de)(de)需求(qiu)；更深入(ru)的(de)(de)(de)應用(yong)則是(shi)把數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)當(dang)作(zuo)(zuo)(zuo)APP增(zeng)長的(de)(de)(de)重(zhong)要(yao)資源，對數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)進(jin)(jin)行動(dong)態(tai)的(de)(de)(de)管理和挖掘(jue)，建立(li)數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)模型將數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)背后的(de)(de)(de)價值開發出來(lai)(lai)，為APP增(zeng)長各(ge)個(ge)(ge)環(huan)節(jie)的(de)(de)(de)優化提供數(shu)據(ju)(ju)(ju)(ju)(ju)(ju)依據(ju)(ju)(ju)(ju)(ju)(ju)和驗(yan)證(zheng)。
本文將通(tong)過拆解個推(tui)與某(mou)共享單(dan)車APP合作(zuo)完(wan)成的“增長”全案，解讀數據在APP增長全流程中擔任的角(jiao)色，以(yi)及如何發揮其作(zuo)用。
策略(lve)是APP增長的基(ji)石，而(er)人群洞(dong)察是幫助APP驗證和明(ming)確目標人群的“數字導航儀(yi)”。
APP在開展人(ren)群(qun)(qun)(qun)洞(dong)(dong)察前(qian)不(bu)能無(wu)的放矢，必(bi)須(xu)先要有預(yu)設的目(mu)標人(ren)群(qun)(qun)(qun)。APP運(yun)營者可以結合行業了解、經驗總結和APP自有數據，綜合分析擬(ni)定(ding)目(mu)標人(ren)群(qun)(qun)(qun)。本(ben)(ben)案(an)例中的共享(xiang)單(dan)車APP在進行數據洞(dong)(dong)察之前(qian)就將(jiang)大學(xue)生群(qun)(qun)(qun)體作為本(ben)(ben)次增長(chang)的重點目(mu)標人(ren)群(qun)(qun)(qun)。
APP在擬定了(le)目標人群后，首先要做的(de)是(shi)去驗證目標人群的(de)發展潛力，是(shi)否具有“增(zeng)長”價值(zhi)。數(shu)據洞(dong)察可以從APP的(de)用戶(hu)(hu)畫像、用戶(hu)(hu)構成以及(ji)線下場景等維度，通過行業對比的(de)方式，進行驗證。
案例從共(gong)享單車行業整體(ti)人群(qun)畫像(xiang)、該單車APP用戶(hu)人群(qun)畫像(xiang)兩大維度(du)進行對(dui)比(bi)分析。通(tong)過兩組用戶(hu)畫像(xiang)的對(dui)比(bi)，得出以下結論：
1、25-44歲人(ren)群(qun)(qun)是共享單(dan)車類APP主(zhu)流(liu)人(ren)群(qun)(qun)；18-24歲人(ren)群(qun)(qun)占比達18.6%，是主(zhu)流(liu)人(ren)群(qun)(qun)之外很有競(jing)爭力的人(ren)群(qun)(qun)；
2、該單車APP人(ren)群(qun)年(nian)齡結(jie)構中18-24歲(sui)人(ren)群(qun)占比為12.6%，略低(di)于行業(ye)人(ren)群(qun)年(nian)齡結(jie)構中12-24歲(sui)的人(ren)群(qun)占比，這說明單車APP對18-24歲(sui)人(ren)群(qun)的拓展還有增長空間；
案例在用戶人(ren)(ren)(ren)群結構占比洞察中，根據人(ren)(ren)(ren)群標簽對共享單(dan)車人(ren)(ren)(ren)群進(jin)行人(ren)(ren)(ren)群結構分析，得出以下結論：
1、大學生人群(qun)是單(dan)車行業第二大用戶群(qun)體；
2、該單車APP用戶中大(da)(da)學生人(ren)群占(zhan)(zhan)比僅為7.3%，遠(yuan)低于行業占(zhan)(zhan)比，大(da)(da)學生人(ren)群潛在市(shi)場空間較大(da)(da)；
APP對于(yu)用戶洞(dong)察的維度不能僅(jin)限于(yu)線(xian)(xian)上(shang)行(xing)為(wei)，還要(yao)考量線(xian)(xian)下(xia)(xia)場(chang)(chang)景(jing)因素。因為(wei)，線(xian)(xian)下(xia)(xia)生(sheng)(sheng)活場(chang)(chang)景(jing)也會對用戶APP使(shi)用行(xing)為(wei)產生(sheng)(sheng)影響。APP在洞(dong)察中加入(ru)線(xian)(xian)下(xia)(xia)場(chang)(chang)景(jing)，可以打破空(kong)間次元壁，實現線(xian)(xian)上(shang)、線(xian)(xian)下(xia)(xia)的有機聯動(dong)，助力用戶增(zeng)長(chang)。正如電商們(men)追逐(zhu)的“新零售”概(gai)念，其核心(xin)在于(yu)打通線(xian)(xian)上(shang)、線(xian)(xian)下(xia)(xia)場(chang)(chang)景(jing)，通過(guo)線(xian)(xian)下(xia)(xia)需求線(xian)(xian)上(shang)服務解決的方式促進增(zeng)長(chang)，而這一增(zeng)長(chang)策略的背后(hou)需要(yao)強大的線(xian)(xian)下(xia)(xia)場(chang)(chang)景(jing)洞(dong)察。
本案例中，共享單車APP的(de)“增長(chang)”策(ce)略(lve)同樣(yang)(yang)需要線(xian)上與線(xian)下(xia)緊密結合(he)，因此除了線(xian)上人群的(de)對(dui)(dui)比，線(xian)下(xia)場(chang)(chang)景(jing)洞(dong)察同樣(yang)(yang)重(zhong)要。案例對(dui)(dui)于共享單車用戶線(xian)下(xia)場(chang)(chang)景(jing)（樣(yang)(yang)本地：上海、成(cheng)都）進行(xing)人口熱(re)力圖分析，尤其關注大(da)學城(cheng)、創業園等學生群體密集(ji)區域。
熱力圖通過顏色(se)(se)(se)深淺的色(se)(se)(se)塊來顯示人(ren)(ren)群(qun)密集程(cheng)度，顏色(se)(se)(se)越紅(hong)人(ren)(ren)群(qun)越密集。如上(shang)圖所(suo)示，無論是上(shang)海(hai)，還(huan)是成都(dou)，大學城所(suo)在(zai)位置(zhi)都(dou)是區(qu)域人(ren)(ren)群(qun)高度集中的區(qu)域（即紅(hong)色(se)(se)(se)色(se)(se)(se)塊），具有(you)拓展價值(zhi)。
上述(shu)數據洞察發現(xian)，大(da)學生(sheng)人群(qun)確實是具有價值(zhi)的(de)目(mu)標(biao)人群(qun)。共享(xiang)單(dan)車APP將大(da)學生(sheng)人群(qun)作為增(zeng)長目(mu)標(biao)用(yong)戶(hu)是可(ke)行的(de)。但(dan)是，大(da)學生(sheng)人群(qun)體(ti)量(liang)有限，也并非共享(xiang)單(dan)車行業(ye)的(de)主流用(yong)戶(hu)人群(qun)，APP將增(zeng)長目(mu)標(biao)人群(qun)僅(jin)瞄(miao)準(zhun)于(yu)大(da)學生(sheng)人群(qun)顯然覆(fu)蓋度不夠。APP仍需(xu)尋(xun)找新的(de)增(zeng)長目(mu)標(biao)用(yong)戶(hu)來做補充。
根據先前(qian)人(ren)群(qun)(qun)洞(dong)(dong)(dong)察的(de)結果，上(shang)(shang)班族(zu)是(shi)共(gong)享單車APP的(de)“大戶(hu)(hu)”，共(gong)享單車解(jie)決(jue)了通勤人(ren)群(qun)(qun)最后(hou)一公里的(de)問題(ti)。基(ji)于對(dui)行(xing)業的(de)理(li)解(jie)，案例(li)將(jiang)洞(dong)(dong)(dong)察的(de)方向轉(zhuan)至通勤人(ren)群(qun)(qun)，并結合交通接駁(bo)的(de)線(xian)下場景，對(dui)上(shang)(shang)海和成都地(di)鐵沿線(xian)站點進行(xing)人(ren)群(qun)(qun)洞(dong)(dong)(dong)察。此次洞(dong)(dong)(dong)察將(jiang)用戶(hu)(hu)線(xian)上(shang)(shang)行(xing)為(wei)偏(pian)好和線(xian)下場景相結合進行(xing)驗證，結果顯示：
1、早(zao)高峰時地(di)鐵(tie)站點周邊單車人群(qun)更為密集(ji)；
2、晚高峰時期，地鐵站(zhan)點周邊單(dan)車人群(qun)更為(wei)活躍(yue)；
3、地鐵站點(dian)半(ban)徑1km的范圍內(nei)，單車潛在用戶(hu)較為(wei)集聚；
洞察發現，地點(dian)站點(dian)周邊半(ban)徑1KM區域是共享單車APP增長新場景(jing)，能(neng)夠(gou)覆蓋更(geng)多的活躍人群。
案例進行到(dao)這里(li)，增長(chang)(chang)策(ce)略(lve)制定期的(de)(de)數據洞(dong)察暫時告一段(duan)落。共(gong)享單(dan)車(che)APP通(tong)過(guo)以(yi)上數據洞(dong)察不但驗證了大(da)學生人(ren)群(qun)是(shi)有價值(zhi)的(de)(de)目(mu)標人(ren)群(qun)，還發現地鐵站點周邊區域目(mu)標通(tong)勤人(ren)群(qun)較為聚集、APP活躍(yue)度較高是(shi)有效的(de)(de)“增長(chang)(chang)”線下場景(jing)。接下來APP可以(yi)根據數據洞(dong)察的(de)(de)結果對增長(chang)(chang)策(ce)略(lve)進行優化(hua)，比如對大(da)學城、創業園區等大(da)學生人(ren)群(qun)密集場景(jing)加強推廣；在(zai)早(zao)晚高峰時段(duan)，對地鐵沿線進行單(dan)車(che)調度運營(ying)(ying)和(he)活動運營(ying)(ying)等。
隨(sui)著(zhu)增(zeng)長(chang)策略的逐步執(zhi)行(xing)，數(shu)(shu)據(ju)(ju)洞察(cha)的進(jin)程也將不斷延續，真正體現數(shu)(shu)據(ju)(ju)復合價值(zhi)的環節才剛剛開始。我們認(ren)為好的數(shu)(shu)據(ju)(ju)洞察(cha)是貫穿于APP增(zeng)長(chang)推廣(guang)的全周(zhou)期，并(bing)能夠生成(cheng)數(shu)(shu)據(ju)(ju)模(mo)型(xing)，在增(zeng)長(chang)過程中實時(shi)積累和處理數(shu)(shu)據(ju)(ju)，不斷迭代優化，指導APP增(zeng)長(chang)策略往最優的方向執(zhi)行(xing)。
在后續執行和推(tui)廣過程中，APP如(ru)何(he)定位目標人群，如(ru)何(he)更廣泛(fan)地觸達(da)目標人群，這就(jiu)需要(yao)使用到目標人群模(mo)型。
APP想要(yao)目標人群(qun)模型更精(jing)準，就(jiu)需(xu)要(yao)有(you)更多維度的數據(ju)特征做基礎。案例中，共享單車(che)APP的目標人群(qun)模型建立涉及了5大(da)維度。
單車行業用戶：單車APP安裝與使用(yong)行為特(te)征可用(yong)于區分活躍用(yong)戶(hu)(hu)和沉(chen)默(mo)用(yong)戶(hu)(hu)，將推廣投放人群聚焦在APP新用(yong)戶(hu)(hu)以及有喚(huan)醒(xing)價值的沉(chen)默(mo)用(yong)戶(hu)(hu)上。
大學生人群：在大學生人群(qun)標(biao)簽的(de)基礎上(shang)，加上(shang)年齡段、常(chang)住地等能提高區分度的(de)特征，進一步瞄準學生人群(qun)；
白領人群：在白領(ling)人群標(biao)簽的基(ji)礎上，加上工作時間段(duan)、職業場景等能提高區(qu)分度的特(te)征，進一步(bu)篩選白領(ling)人群；
地鐵人群：利用LBS地理圍(wei)欄技術圈選(xuan)地鐵站點場景，更(geng)精準覆蓋(gai)通勤人群；
高密度人群：通過APP滲透率(lv)和線(xian)下場景結合找到單車需求旺盛的地(di)區和人群；
以(yi)上五個(ge)維(wei)度(du)中(zhong)，單(dan)車行業用(yong)戶、高密度(du)人(ren)群(qun)(qun)(qun)(qun)從宏觀的(de)維(wei)度(du)覆蓋到(dao)了(le)共享單(dan)車APP還(huan)未觸達(da)且(qie)有需(xu)求的(de)用(yong)戶；大學生人(ren)群(qun)(qun)(qun)(qun)、白(bai)領人(ren)群(qun)(qun)(qun)(qun)、地鐵(tie)人(ren)群(qun)(qun)(qun)(qun)相對微觀，起(qi)到(dao)鎖定目(mu)標人(ren)群(qun)(qun)(qun)(qun)的(de)作(zuo)用(yong)。這樣形成(cheng)的(de)目(mu)標人(ren)群(qun)(qun)(qun)(qun)模型(xing)被(bei)應用(yong)到(dao)APP增長推廣(guang)中(zhong)既(ji)能(neng)精準鎖定主要目(mu)標人(ren)群(qun)(qun)(qun)(qun)，又能(neng)同時兼顧傳播(bo)的(de)廣(guang)度(du)，影響更多(duo)的(de)人(ren)。
目標人群模型并不(bu)是一成不(bu)變(bian)的(de)，需要根據每一個投放環節的(de)數(shu)據回流進(jin)行(xing)不(bu)斷迭代優化(hua)，其精準度才會(hui)持(chi)續提高。
一(yi)次(ci)(ci)有(you)效的(de)推廣需要(yao)關注(zhu)整個轉(zhuan)化(hua)漏(lou)斗的(de)各個環節，每個環節都需要(yao)收集數據、分析(xi)數據、仔細觀察(cha)數據背(bei)后反應(ying)出來(lai)的(de)問(wen)題。APP需要(yao)以實(shi)際投(tou)放(fang)效果(guo)對(dui)轉(zhuan)化(hua)人群特征進行深層次(ci)(ci)挖(wa)掘，更(geng)好地加深對(dui)目(mu)標人群的(de)了(le)解，進一(yi)步優(you)化(hua)人群定向，為下一(yi)次(ci)(ci)投(tou)放(fang)做好準(zhun)備(bei)。
效果歸因在增(zeng)長(chang)推廣過程(cheng)中(zhong)的作用，一方面幫助APP考評推廣組合的效果，另一方面幫助APP解(jie)決錢(qian)要(yao)怎么花才能(neng)實現(xian)增(zeng)長(chang)的“現(xian)實問題”。
效果(guo)(guo)(guo)歸(gui)因(yin)(yin)最(zui)重要(yao)的(de)是要(yao)了解各種導(dao)致轉化的(de)跨渠道之(zhi)間的(de)交互以(yi)及應用于(yu)每次交互之(zhi)間的(de)相對(dui)權重。效果(guo)(guo)(guo)歸(gui)因(yin)(yin)的(de)數據(ju)越(yue)客觀(guan)其對(dui)最(zui)終(zhong)投放結果(guo)(guo)(guo)的(de)作用就越(yue)大。但是目前(qian)的(de)主流的(de)歸(gui)因(yin)(yin)邏輯還(huan)是存在不夠客觀(guan)的(de)弊端。比如Facebook和Applovin提供(gong)的(de)歸(gui)因(yin)(yin)模型，都無(wu)法去除自然增長流量對(dui)推廣效果(guo)(guo)(guo)帶來的(de)干擾(rao)。
本(ben)案例將目標(biao)人(ren)群(qun)按照(zhao)9:1的(de)方式分(fen)為(wei)推(tui)廣(guang)樣本(ben)集(ji)(ji)和對(dui)照(zhao)樣本(ben)集(ji)(ji)。對(dui)投放樣本(ben)集(ji)(ji)中的(de)人(ren)群(qun)進(jin)(jin)行(xing)推(tui)廣(guang)，并按照(zhao)主流(liu)(liu)歸因邏(luo)輯(ji)進(jin)(jin)行(xing)統計(ji)。對(dui)照(zhao)樣本(ben)集(ji)(ji)的(de)人(ren)群(qun)則不進(jin)(jin)行(xing)推(tui)廣(guang)，統計(ji)其自然增(zeng)長的(de)情況(kuang)。在(zai)最(zui)終(zhong)的(de)數據歸因階段(duan)，通過去除對(dui)照(zhao)樣本(ben)集(ji)(ji)采(cai)集(ji)(ji)到的(de)自然流(liu)(liu)量(liang)(liang)增(zeng)長率來減(jian)弱主流(liu)(liu)歸因邏(luo)輯(ji)中自然流(liu)(liu)量(liang)(liang)的(de)干擾，挖(wa)掘更優質的(de)推(tui)廣(guang)渠(qu)道。當然對(dui)照(zhao)樣本(ben)集(ji)(ji)的(de)自然安裝(zhuang)率是通過抽樣樣本(ben)計(ji)算所得(de)，相對(dui)于實際(ji)的(de)自然安裝(zhuang)率存在(zai)誤差，這就(jiu)需要(yao)APP根據實際(ji)情況(kuang)做一些優化調(diao)整。
在APP增長過程中，還有很(hen)多細節(jie)是可以(yi)通過數(shu)據洞察找到最(zui)優解決方案的。比如(ru)，黑(hei)流量識別(bie)與(yu)防護、尋找最(zui)優出價區間、曝光次數(shu)與(yu)推(tui)廣(guang)(guang)效(xiao)果(guo)關聯關系、線下推(tui)廣(guang)(guang)場景優選等。
本案例中對(dui)曝光次數(shu)與推廣效果的(de)數(shu)據(ju)洞察幫助共享單車APP以最(zui)優的(de)成本獲得最(zui)佳的(de)推廣效應。
洞察(cha)發現，曝(pu)光5次(ci)(ci)以下，曝(pu)光次(ci)(ci)數與推(tui)廣效果成正相關，且(qie)CPA成本能控制在6.24元左右；曝(pu)光5次(ci)(ci)及以上，曝(pu)光次(ci)(ci)數與推(tui)廣效果無直接(jie)關系，且(qie)CPA 價(jia)格(ge)成倍(bei)增長。另一方面，從邊際CPA分析(xi)得出(chu)，每多曝(pu)光一次(ci)(ci)所帶來(lai)的推(tui)廣效果并沒有發生太大變化。
由此可以得出結論(lun)，高成本未必會換回好(hao)效(xiao)(xiao)果，APP不需要(yao)做(zuo)過多無謂的曝光(guang)(guang)，將曝光(guang)(guang)次(ci)數控制在5次(ci)以下的方案(an)性價比最(zui)高，可以以最(zui)少(shao)的成本取得最(zui)好(hao)的效(xiao)(xiao)果。
總體來說，隨著(zhu)數(shu)(shu)(shu)(shu)據(ju)智能在(zai)互聯網行業的(de)逐步落地，大(da)數(shu)(shu)(shu)(shu)據(ju)將成為(wei)新一(yi)代(dai)增長“黑科技”。大(da)廠(chang)們在(zai)這一(yi)方面(mian)布局很早，在(zai)模型(xing)和數(shu)(shu)(shu)(shu)據(ju)量上(shang)都(dou)(dou)有了一(yi)定積累(lei)。其他APP開發(fa)者也可(ke)以通過第三方數(shu)(shu)(shu)(shu)據(ju)服務(wu)商(shang)提供(gong)的(de)工(gong)具(ju)和服務(wu)，快速實現數(shu)(shu)(shu)(shu)據(ju)的(de)應用(yong)。在(zai)硬件和軟件都(dou)(dou)準(zhun)備充足(zu)的(de)背(bei)景下，APP還(huan)需要(yao)對(dui)數(shu)(shu)(shu)(shu)據(ju)智能更(geng)多一(yi)點(dian)(dian)點(dian)(dian)的(de)耐心，畢竟數(shu)(shu)(shu)(shu)據(ju)模型(xing)的(de)迭代(dai)和優化需要(yao)慢工(gong)出細(xi)活(huo)。
