苹果核:淘宝用户增长的5+1个策略

2020天猫双十一主会场

用户增长是一件个性化非常强的事情,淘宝在增长中执行的诸多策略或许拿到其他场景就完全没有效果。但另一方面,这些策略背后的思考路径和执行过程中总结的经验,是有参考意义的,有机会给读者在日常增长工作中带来一些提示。所以,本文不会出现太多实现细节,更多关注在策略制定背景和设计逻辑上。

所以本文从我们对用户分层的定义开始,重点分享淘宝过去一段时间在“拉新”和“召回”两个方面的思考和经验。

用户增长公式

苹果核:淘宝用户增长的5+1个策略

我们站在平台视角,根据活跃情况对用户进行区分。第一个层面是MAU和非MAU,更细节的又各自有所区分。

非MAU用户,即过去30天没有在平台出现过的用户,是用户增长流量引入的目标用户:

  • 潜在用户:非平台注册会员,从未有访问过我们的产品的人。
  • 流失用户:此前已经成为平台会员,有过产品访问记录,但过去30天没有访问的用户。

MAU用户,如上图中着色部分,分为三层:

  • 新增用户:顾名思义,是我们平台的纯新用户。就是从【潜在用户】转化而来的,平台用户纯增量。
  • 召回用户:指回访的流失用户。是从【流失用户】转化而来的。
  • 活跃用户:过去30天有产品访问行为,且当月又有访问的用户。

实际上,按照用户活跃情况仍然能继续细分。例如,对流失用户还可以细分为:月度流失、季度流失和年度流失,等。

拆分了MAU的用户成分,再看MAU的数学描述,由三个部分求和而来:

  • MNU:只得是本月MAU增量,就是上图中横线以下的部分,包括新增用户和召回用户。
  • 上月新增用户留存,只上月的MNU本月有留存下来,转化为活跃的用户。上图中的r指的是留存率。
  • 上月活跃用户未流失,上月的活跃用户,本月仍有回访,未流失的用户。上图中的 λ指的是流失率。

通过对用户成分的拆分和用公式描述MAU,我们基本能够找到MAU增长的抓手是什么。而本文则会重点从MNU入手,介绍淘宝在MNU引入上的一些策略。

流量引入体系

苹果核:淘宝用户增长的5+1个策略

淘宝用户增长的流量引入体系由三纵两横构成。

三纵,即业务流程维度拆分的引流的三个阶段

  • 用户触达。分为二方和三方两种用户触达方式,是最外侧直接接触目标用户的系统。
  • 连接体系。目标用户被触达后,通过转化,将成为MAU用户,连接体系负责高效稳定引入用户。
  • 用户承接。用户通过连接体系进入平台,用户承接将有效帮助用户落地,为接下来的用户成长打下基础。

两横,即业务应用之下的基础设施和平台建设

  • 用户总线。主要负责域内域外用户信息互通和信息流转。
  • 用户平台。分别针对【人】和针对【行为】,是以数据为核心的两个基础设施系统。

本文后续内容个,将针对上述的五个部分分别介绍技术策略。对笔者认为更具有参考意义的部分,会用较大篇幅,其他的则一笔带过。

策略1 —— 智能投放

三方流量引入的主要手段仍然是广告投放,但有别于常规广告投放,用户增长广告投放目标的目标是:高质量MAU增量。

苹果核:淘宝用户增长的5+1个策略

上图为常规广告投放流程。广告主会以不同的采买方式够得渠道方的流量,通常的PD/PDB/RTB等类型,而不同的流量类型在质量上也会有所区别。最终,广告主将以CPM或CPC等结算规则进行结算。

  1. 用户访问渠道后,渠道将会向广告主发起竞标请求;
  2. 广告主通过对流量的识别分析,给出反馈,决定是否投放;
  3. 如果选择投放,渠道侧将会按广告主的要求给用户进行素材曝光。

至此,最传统的广告投放流程就结束了。而上文提到用户增长的广告投放目标是高质量MAU,其中【高质量】是一个很重要的限定。所以,近年来渠道方提供了更先进的结算规则oCPX,即【可优化的CPX】。通过这种方式可以在成本一定的情况下,很大程度上提升广告主获取到流量的质量。即增加了上图中虚线一下的路程。

  1. 当渠道触达了用户(例如,用户发生了素材点击),渠道方会通知广告主;
  2. 广告主接到通知后,启动对该用户的跟踪。一旦该用户访问广告主的产品并完成既定行为,广告主将反馈渠道方;
  3. 渠道方把广告主的这次反馈作为素材推荐模型的正反馈,对模型进行优化。

在这个流程中,我们认为有两个核心,这两个核心也是【智能投放】的重点:

  1. 对人的认识。识别出用户增长的目标用户,做出准确判断,精准触达用户。
  2. 对素材的认识。在认识人的基础上,叠加对素材的理解,做出高效的素材个性化推荐,提升触达效率。

流量筛选(离在线人群服务)

苹果核:淘宝用户增长的5+1个策略

在日常广告渠道对接中,我们发现不同渠道的技术能力和技术策略有非常大的差异。有些渠道技术能力非常强,能够对用户做出精准的识别,能非常好的帮助广告主进行精准触达;而更多的渠道不具备这样的技术能力,或者其关注重点不在于此,广告主必须提供流量筛选能力。

在这样的背景下,我们整合了大量数据源,建立起用户增长目标用户档案。一方面协助不具备流量删选能力的渠道进行精准的用户触达,另一方面为素材推荐提供数据支持。

工程上,提供离线和在线两种服务。通过工程手段把流量筛选规范化,每一个接入的渠道都会通过流量筛选服务进行精准用户触达。流量筛选作为渠道对接的一个必选流程,大大提升流量质量,降低了广告投放的渠道成本。

海量素材(素材个性化服务)

苹果核:淘宝用户增长的5+1个策略

除了人的问题,素材问题更加棘手。常规的广告投放中,素材推荐往往发生在渠道方的系统上,很少有渠道会允许广告主自主进行素材推荐。这就要求渠道方要对广告主平台上的素材进行深刻理解,才有可能做出高效的推荐。但事实情况并不乐观,即使是技术能力最好的一些渠道系统,也只能允许广告主上传几张素材图片而已。素材曝光就是从这几张素材图片中选择,可以想见效率之低。根据我们的经验,这些素材的曝光点击率一般都在2%以下。

提升素材的曝光效率,一个基本条件就是素材数量。事实上淘宝有强大的素材能力,我们有海量的商品、权益和品牌信息;并且我们的设计师有丰富的经验,知道什么样的模板效率更高;更有先进的NLP算法支持我们做出高效的文案,这些元素通过工程能力的组合可以产出海量素材。

此外,基于对素材背后不同元素的深刻理解,淘宝的个性化推荐也非常强大,能够给出非常高效的素材推荐。

所以,在素材问题上,一方面对允许广告主自主推荐的渠道,我们接入自己的个性化推荐算法。基于背后的用户档案和海量素材,最高可以做到10%以上的曝光点击率。另一方面,对于不允许广告主自主推荐的渠道,我们正在寻求一种更先进的合作方式,即我们通过海量素材服务,赋能渠道推荐系统,实现高效用户触达。这也需要我们和渠道的共同努力。

举个例子

苹果核:淘宝用户增长的5+1个策略

上图展示的就是我们在“抖音”平台上尝试的智能投放案例。图中三张素材图片都是通过工程能力,结合货品和设计师的模板合成而来的。而图示用户所看到的“女士冬装”也是基于算法对用户和素材的认知,进行的个性化推荐。

发表评论,文明发言,遵守法律法规一律通过

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: