通过两个案例了解画像平台在用户增长领域可以做什么

用户量级是评估一款产品商业价值高低的核心指标，用户增长业务的主要目标就是提高产品有效用户量。增长的主要思路是“开源节流”，开源即找到更多的新用户源头，借助拉新的方法吸引更多用户进入产品；节流即避免用户的流失，借助各类运营手段降低用户流失率。下面将详细介绍两个用户增长业务与画像平台合作的实际案例。

广告投放新增用户统计分析

需求背景：

广告投放是用户增长业务实现拉新的主要方式之一，对于内容类产品其主要投放渠道包括信息流广告和应用市场。常见的信息流广告投放渠道有腾讯广告、新浪微博、字节巨量引擎、百度信息流、快手磁力引擎等；常见的应用市场包括手机百度助手、360手机助手、华为应用市场、小米应用商店、应用宝、91手机助手等。不论是信息流广告还是应用市场，在通过广告投放进行拉新的过程中都可能涉及多种渠道的混合使用，当产品中有新增用户时便需要通过归因来明确用户来源。用户增长广告投放团队提出了对新用户来源进行统计分析的业务需求，希望借助画像平台的能力辅助其做好新用户归因统计和后续的用户行为分析。

用户归因的实现方式有多种：设备号归因、渠道包归因、剪贴板归因和IP+UA（User Agent，用户代理）归因等。设备号归因主要应用在付费广告投放中，目前在业界使用比较广泛且技术比较成熟，主要根据用户安装时的IMEI/OAID/IDFA等进行归因；渠道包归因将渠道信息打包到安装包中，当用户安装带有渠道号的App时便可以归因到具体的投放渠道，但是由于其在付费投放的流程中容易被拦截和修改，所以渠道包归因主要应用在自然新增用户的渠道归因中；剪贴板归因是在用户安装App之前将相关信息存储在用户剪切板中，安装成功后通过读取剪贴板内容来判断安装渠道，但该方式涉及用户隐私，在用户未授权情况下无法使用和读取剪切板内容，所以一般作为辅助归因方式；IP+UA归因主要对比用户安装前后的IP和UA信息，如果一致便可以确定用户的渠道来源，但是由于IP容易变动，UA的重复性较高，所以使用该方式进行归因的精确度不高。

用户增长业务采用了多种归因方式相结合的方法来确定用户来源，当用户注册并第一次进入App时会将归因信息写入到实时数据流Kafka中，其他业务通过消费该数据流可以了解新增用户的渠道来源。

业务目标：

• 可以实时查看不同广告投放渠道下新增用户量变化趋势。
• 根据新用户归因结果构建“用户来源”标签，使用该标签可以进行人群圈选和画像分析。
• 构建新用户渠道分析看板，支持按时间范围查看各渠道新增用户量变化趋势，支持查看不同渠道新增用户的画像分布。在分析看板上可以配置报警策略，当渠道新增用户量波动超过10%时可以发出报警信息。

合作方式：

画像平台通过事件分析、新增标签和分析看板等功能满足了广告投放新增用户统计分析的需求，增长业务需要提供新用户所在渠道实时数据流并在画像平台进行相关配置。

为了获取不同渠道实时新增用户数据，画像平台需要消费用户增长提供的实时数据流，该数据流中包含了新增用户的UserId、渠道来源和注册时间。画像平台将实时数据消费结果直接写入到ClickHouse明细数据表中，为了方便按日期统计新增用户量，该明细数据表以日期作为分区。借助画像平台事件分析功能可以统计每个渠道下的实时新增用户量，此时便满足了广告投放团队查看不同渠道下实时新增用户量级的需求。

新增用户来源渠道数据最终也会落盘到Hive表中，画像平台数据研发基于该数据表可以生成“用户来源”标签。用户来源标签包含了全量用户的来源信息，需要每日进行离线更新计算，即T日离线生成T-1全量用户数据，此时可以通过合并T-1日新增用户和T-2日全量用户数据的方式实现。该标签数据可以通过标签管理功能注册到画像平台并设置其支持规则圈选和画像分析功能。后续使用该标签可以筛选出指定广告投放渠道下的用户群体并进行人群画像分析，比如找到所有腾讯广告带来的新增用户并分析其男女分布、平均在线时长、累计贡献价值等。

各广告渠道的新增用户事件分析和人群画像分析结果可以汇总到一张分析看板中，该看板中包含了各投放渠道近一个月的新增用户量级变化趋势图，各渠道下用户的性别、常住省分布以及每日贡献价值变化趋势等。增长广告投放人员可以根据业务需求配置合适的指标监控，比如当小米商城新增用户量级同比下降10%时发送短信报警，方便投放人员及时发现问题并进行干预。图8-10展示了广告投放分析看板的内容示意图。

图8-10 广告投放新用户统计分析看板示意图

主要收益：

• 增长广告投放团队可以实时了解各渠道的新增用户量，当用户量级出现波动时可以及时干预来降低投放损失。
• 通过对比不同投放渠道用户群体的平均贡献价值指标，可以找到贡献价值最高的投放渠道，结合渠道投放成本可以选出性价比最高的投放渠道。增长广告投放团队可以针对性地提高该渠道的投放力度，用最小的成本获取到最有价值的用户。

流失用户定期Push拉活

需求背景：

为了实现用户拉活目标，增长业务组建了用户拉活团队，该团队主要依赖的拉活方式包括Push消息、短信和Email拉活、广告投放拉活等，其中性价比最高的Push消息是其主要的拉活手段。

Push消息可以分为常规Push和特殊Push，常规Push比较偏向例行化推送消息，即每日定期给待拉活用户推送消息；特殊Push主要指特殊需求下的Push，比如配合热点事件、大型活动等进行Push推送。常规Push原有工作流程需要先在画像平台创建人群，然后在Push平台配置人群ID以及推送素材后进行消息推送，通过该流程执行一段时间后发现存在以下两个问题。

• 人力成本高。为了实现定期推送，拉活团队每日都需要配置推送内容；有时为了实现精细化推送需要创建大量人群，其配置工作量出现陡增；遇到节假日也需要例行配置推送内容。靠人力解决常规Push需求需要消耗大量的人力成本。
• 配置效率低。Push推送涉及画像平台和Push两个平台，配置人员需要先在画像平台创建人群，等人群创建成功后再跳转到Push平台进行配置，其配置的效率较低，而且当需要配置的Push内容较多时容易出现遗漏或者差错。

为了解决常规Push存在的上述问题，增长拉活团队期望画像平台与Push平台合作，通过技术手段实现自动化的例行Push。画像平台需要支持人群自动更新，Push平台支持自动拉取人群数据并匹配合适素材后自动推送。可以在画像平台集中查看人群历次推送效果以及推送中各阶段的用户画像信息。

业务目标：

• 画像平台新增用户活跃相关标签，可以根据用户活跃情况创建人群并支持自动更新。
• 画像平台人群可自动同步至Push平台，完成素材匹配后可以实现自动投放。
• 在画像平台上可以查看指定人群历次Push效果以及各阶段用户画像信息，根据投放效果可以优化Push内容。
• 用户增长拉活团队借助常规Push保证每日用户拉活量级为N万人。

合作方式：

画像平台通过新增标签、人群自动更新和投放分析满足了流失用户定期Push拉活的需求，Push平台需要支持定期拉取最新人群并匹配素材后进行投放，增长拉活团队需要在画像平台和Push平台上完成相关配置。

判断用户是否需要被拉活主要参考用户近期的活跃情况，比如当用户已经连续15天未活跃，那么其可以划分到待拉活人群中。为了满足灵活的人群圈选需求，在画像平台需要新增“距今最近一次活跃天数”标签，该标签属于离线统计类标签，其标签数值表达了用户最近一次活跃距离当前的天数。画像平台数据研发工程师可以根据用户每日活跃明细数据统计生产出该标签，标签生产完成后注册到画像平台并配置其支持人群圈选功能。该标签支持按数值范围筛选用户，比如筛选出距今最近一次活跃天数在15天到30天内的用户；人群圈选过程中还可以结合其他标签进行精细化筛选，比如找出指定地域、年龄段下最近未活跃的用户。创建的人群需要配置为每日定时更新，画像平台会每天检测人群所涉及的标签数据变更情况，当发现最新标签数据后便会自动更新人群内容。人群在第一次创建完成之后需要在Push平台上进行投放配置，后续便不再需要人工参与。

画像平台所有人群状态更新消息会写入到消息队列中，Push平台通过监听该消息队列可以感知画像人群状态变化。当Push平台检测到相关人群更新成功之后会自动拉取最新的人群数据并进行Push推送。Push平台所有推送行为数据会写入到消息队列中，其中包括消息的推送、到达和点击信息，每一条信息中都包含推送所关联的人群ID。画像平台通过消费Push消息队列可以统计出人群每次Push的效果数据，借助漏斗分析可以统计出推送－到达－点击各环节之间的转化数据，还可以深入分析某个具体环节下所有用户的画像分布。比如对于某人群的某次Push，通过画像平台人群投放分析可以发现最终点击该消息的用户中女性占比超过了80%。图8-11展示了流失用户定期Push拉活的实现逻辑。

图8-11 流失用户定期Push拉活的实现逻辑

主要收益：

• 降低了30%的人力成本。对于例行化常规Push，增长拉活团队无须每日安排人员进行拉活人群配置，释放了大量的人力资源；通过技术手段实现了自动化Push也降低了人工配置的出错率。
• 提高了Push策略迭代效率。借助画像平台可以及时监控Push投放效果，依据效果好坏可以及时调整Push的素材、推送用户范围以及例行化推送时长，通过不断优化最终提高了拉活用户量。

本文节选自《用户画像：平台构建与业务实践》，转载请注明出处。