绿色排版工具|热门专题|网站地图|移动官网
您的当前位置:网站首页 > ASO优化 > 正文

APP年末增长大戏背后的数据逻辑

来源:未知 编辑:小蚂蚁站长 时间:2019-11-21 09:47:26 阅读:

群雄逐鹿的“双十一”仅仅只是一个开始,跟着数据逐渐深化使用到APP推行和运营之中,今年APP年底大戏的“增加”主题仍然围绕着“精准”、“精细化”等关键词

本文将通过拆解个推与某同享单车APP合作完结的“增加”全案,解读数据在APP增加全流程中担任的角色,以及怎么发挥其作用。

战略是APP增加的柱石,而人群洞悉是协助APP验证和明确方针人群的“数字导航仪”。

APP在拟定了方针人群后,首先要做的是去验证方针人群的发展潜力,是否具有“增加”价值。数据洞悉能够从APP的用户画像、用户构成以及线下场景等维度,通过职业比照的方式,进行验证。

 

APP年末增长大戏背后的数据逻辑

案例从共享单车行业整体人群画像、该单车APP用户人群画像两大维度进行对比分析。通过两组用户画像的对比,得出以下结论:

1、25-44岁人群是共享单车类APP主流人群;18-24岁人群占比达18.6%,是主流人群之外很有竞争力的人群;

2、该单车APP人群年龄结构中18-24岁人群占比为12.6%,略低于行业人群年龄结构中12-24岁的人群占比,这说明单车APP对18-24岁人群的拓展还有增长空间;

APP年末增长大戏背后的数据逻辑

案例在用户人群结构占比洞察中,根据人群标签对共享单车人群进行人群结构分析,得出以下结论:

1、大学生人群是单车行业第二大用户群体;

2、该单车APP用户中大学生人群占比仅为7.3%,远低于行业占比,大学生人群潜在市场空间较大;

二、线下场景洞察打破空间次元壁

APP对于用户洞察的维度不能仅限于线上行为,还要考量线下场景因素。因为,线下生活场景也会对用户APP使用行为产生影响。APP在洞察中加入线下场景,可以打破空间次元壁,实现线上、线下的有机联动,助力用户增长。正如电商们追逐的“新零售”概念,其核心在于打通线上、线下场景,通过线下需求线上服务解决的方式促进增长,而这一增长策略的背后需要强大的线下场景洞察。

APP年末增长大戏背后的数据逻辑

本案例中,共享单车APP的“增长”策略同样需要线上与线下紧密结合,因此除了线上人群的对比,线下场景洞察同样重要。案例对于共享单车用户线下场景(样本地:上海、成都)进行人口热力图分析,尤其关注大学城、创业园等学生群体密集区域。

热力图经过色彩深浅的色块来显现人群密布程度,色彩越红人群越密布。如上图所示,无论是上海,还是成都,大学城所在位置都是区域人群高度集中的区域(即红色色块),具有拓宽价值。

依据先前人群洞悉的成果,上班族是同享单车APP的“大户”,同享单车解决了通勤人群最终一公里的问题。基于对职业的理解,事例将洞悉的方向转至通勤人群,并结合交通接驳的线下场景,对上海和成都地铁沿线站点进行人群洞悉。此次洞悉将用户线上行为偏好和线下场景相结合进行验证,成果显现:

2、晚顶峰时期,地铁站点周边单车人群更为活泼;

洞悉发现,地点站点周边半径1KM区域是同享单车APP增加新场景,可以掩盖更多的活泼人群。

三、构建方针人群模型 动态进步推行精准度

在后续执行和推行过程中,APP如何定位方针人群,如何更广泛地触达方针人群,这就需求使用到方针人群模型。

 

  • 单车职业用户:单车APP安装与使用行为特征可用于区分活泼用户和沉默用户,将推行投进人群聚焦在APP新用户以及有唤醒价值的沉默用户上。

  • 大学生人群:在大学生人群标签的基础上,加上年龄段、常住地等能进步区分度的特征,进一步瞄准学生人群;

  • 白领人群:在白领人群标签的基础上,加上作业时间段、职业场景等能进步区分度的特征,进一步挑选白领人群;

  • 地铁人群:利用LBS地舆围栏技能圈选地铁站点场景,更精准掩盖通勤人群;

  • 高密度人群:经过APP渗透率和线下场景结合找到单车需求旺盛的地区和人群;

方针人群模型并不是一成不变的,需求依据每一个投进环节的数据回流进行不断迭代优化,其精准度才会持续进步。

APP年末增长大戏背后的数据逻辑

一次有效的推广需要关注整个转化漏斗的各个环节,每个环节都需要收集数据、分析数据、仔细观察数据背后反应出来的问题。APP需要以实际投放效果对转化人群特征进行深层次挖掘,更好地加深对目标人群的了解,进一步优化人群定向,为下一次投放做好准备。

四、设定自然流量对照组 优化效果归因模型

效果归因在增长推广过程中的作用,一方面帮助APP考评推广组合的效果,另一方面帮助APP解决钱要怎么花才能实现增长的“现实问题”。

作用归因最重要的是要了解各种导致转化的跨渠道之间的交互以及应用于每次交互之间的相对权重。作用归因的数据越客观其对最终投进成果的作用就越大。但是现在的主流的归因逻辑仍是存在不行客观的弊端。比方Facebook和Applovin提供的归因模型,都无法去除自然增加流量对推行作用带来的干扰。

 

APP年末增长大戏背后的数据逻辑


本案例将目标人群依照9:1的方法分为推行样本集和对照样本集。对投进样本会集的人群进行推行,并依照干流归因逻辑进行核算。对照样本集的人群则不进行推行,核算其天然增长的情况。在终究的数据归因阶段,经过去除对照样本集收集到的天然流量增长率来减弱干流归因逻辑中天然流量的干扰,发掘更优质的推行渠道。当然对照样本集的天然安装率是经过抽样样本核算所得,相对于实际的天然安装率存在差错,这就需要APP依据实际情况做一些优化调整。


五、多元数据洞察 优化APP推广执行细节

在APP增长过程中,还有很多细节是可以通过数据洞察找到最优解决方案的。比如,黑流量识别与防护、寻找最优出价区间、曝光次数与推广效果关联关系、线下推广场景优选等。

本案例中对曝光次数与推广效果的数据洞察帮助共享单车APP以最优的成本获得最佳的推广效应。

APP年末增长大戏背后的数据逻辑

洞察发现,曝光5次以下,曝光次数与推广效果成正相关,且CPA成本能控制在6.24元左右;曝光5次及以上,曝光次数与推广效果无直接关系,且CPA 价格成倍增长。另一方面,从边际CPA分析得出,每多曝光一次所带来的推广效果并没有发生太大变化。

由此能够得出结论,高本钱未必会换回好作用,APP不需要做过多无谓的曝光,将曝光次数控制在5次以下的计划性价比最高,能够以最少的本钱取得最好的作用。

<p font-size:16px;"="" style="overflow-wrap: break-word; margin: 5px 0px; font-family: &quot;sans serif&quot;, tahoma, verdana, helvetica; vertical-align: baseline; color: rgb(61, 70, 77);">总体来说,跟着数据智能在互联网行业的逐步落地,大数据将成为新一代增长“黑科技”。大厂们在这一方面布局很早,在模型和数据量上都有了必定堆集。其他APP开发者也能够通过第三方数据服务商提供的东西和服务,快速完成数据的应用。在硬件和软件都预备充足的背景下,APP还需要对数据智能更多一点点的耐性,毕竟数据模型的迭代和优化需要慢工出细活。

图文精选:

栏目分类

Copyright©2012-2019 小蚂蚁信息网版权所有 粤ICP备14061018号


郑重声明:本网站资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有,如有不愿意被转载的情况,请通知我们删除已转载的信息。

Top