【东哥答疑】Push你真的会发吗？

今天说一个Push引发的思考！看看你是如何思考的，也看看东哥是如何思考的。

“假设有一个做电商的app，在装可用push触达的设备是1000万，双月活200万。如果每日用push全量触达1000万设备，可带来5万日活。在5万日活中:双月活的200万用户带来4.5万点击，剩下的800万用户只能带来0.5万点击。

如果是你，你会重点提升双月活的点击，还是剩下的800万非双月活用户的点击。”

这是一个非常好的问题，足够的开放，且又是很实际的问题。

先总结一下群里热心小伙伴们家的观点：

① 给效果大的人群发（4个人）

② 需求导向，先确定需求（3个人）

③ 不同用户生命周期，不同运营方式（2个人）

④ AB测试（1个人）

⑤ 优先做提升空间大的（1个人）

⑥ 按照活跃度高低排序（1个人）

⑦ 按照用户价值高低排序（1个人）

⑧ 点击率低的厂商通道是否有问题（1个人）

整体来说，大家还是很厉害的，需求导向、效果评估、生命周期这三个重要的因素都很好。

接下来说一下东哥的思考。

然而实际上这是一个很开放的问题，是说我们选择运营双月活的用户还是非双月活的用户。

收益来说，双月活是200万点击4.5万，点击率2.25%，非双月活800万点击0.5万，点击率0.0625%。

最终运营目标，实际上是缺失的。所以目前给出的内容并不能确定我们要解决什么问题。

确认需求是用数据解决问题的起点！所以这里我们开始假设几个可能的需求，然后根据不同的需求进行方案设计。

1、系统通知

2、提升日活

3、提升活动的收入

在我们确认需求之后，就需要了解我们可以使用的资源以及限制。

一般来说Push过程，需要经过用户包、利益点、触达内容、触达方式。

1、用户包

用户包的获取方式：实时、T+1

用户包数量：全量、兴趣范围

用户对照组：一般来讲很多人考虑是是否干预作为对照，如果是功能型的没有问题，但如果是个性化策略型，需要考虑的是和运营策略对照。

2、利益点

预算：总预算、可覆盖人群

个性化程度：同质、个性化

3、触达内容

是否个性化

是否有个性化落地页

4、触达方式

由于这次已经限制在了Push方式，所以这个部分是确定的，但是依然有要注意的地方。

能够使用的Push量，以及Push的类型（图文、是否有个性化声音），Push的重要程度等。

基于我们设定的三种需求，加上四个影响因素构建解决方案。

1、系统性通知

一般系统性通知，我们希望全员收到。所以我们的方案就是全量发送。且根据通知的重要程度，进行流程优化。

重要的优化点是：

1）通知内容：文案需要突出重点

2）时效性：选择最优先触达

3）触达率：选择最稳定且触达率高的渠道、设置个性化提醒

通知性质的Push，不考虑用户价值，全员Push，考虑的是提升触达率和打开率。

2、提升日活

对于提升日活，用户生命周期和用户价值是非常好的解决方案。

关于用户生命周期和用户价值，根据问题，我们可以简单把两月活用户作为活跃用户，所以要做的就是留存。非双月活用户作为流失用户，所以要做的是挽回。

用户价值角度，高价值用户是我们优先处理的。同时，高价值用户一般来讲召回的难度也相对低，所以我们应该遵从用户价值导向。

接下来我们来说一下留存和挽回方案：

1）留存

我们应该尽可能提高用户的交互次数。

所以，首先根据时效性进行近实时和T+1的Push覆盖。

利益点使用日常促销或者优惠券等就可以。

尽量使用个性化的内容进行Push，且最好有个性化落地内容，可以很好的提升打开率。

由于留存类的内容是日常类的Push，所以不需要进行特殊的提醒设置。

而且由于Push资源在很多大厂都是稀缺资源，所以并不是所有的挽留Push都可以被所有人收到。 

留存类应该尽可能做到实时，以触发式和预测类策略配合，利用一定的利益点，完善的转化联调，提升点击率和消费转化。

2）挽回

一个用户一旦离开，就很难在进行挽回。而拉新也是一个非常难的事情，特别是大厂的App，增量已经很难了，所以如何让用户留存和如何挽回变得越来越重要。而挽回是特别难但很值得做的事情。

由于挽回的用户曾经活跃过，所以要对用户进行精细化管理。

用户包角度要进行用户画像完善和用户画像不完善进行区分。

由于挽回的用户量一般比较大，所以很多时候并不能有足够的资源进行Push，这个时候就要从用户画像完善度和用户价值角度进行排序，然后进行Push。同时，挽回是需要持续做的，特别是在存量阶段尤为重要。

所以挽回需要更好的利益点对用户进行个性化或者常用商品进行Push，并且坚持不懈。

3、提升活动收入

一般来讲，一个平台会有很多的活动并行进行，所以对于某个单一活动Push的资源都是有限的。

活动的商品或者权益都是确定的，所以利益点一般都是固定的，而且都是平台商品或者权益的子集，所以这个时候，就是如何用优先的资源进行活动收入的最大化的问题。（虽然促活和挽回也有这样的问题，但由于是日常的策略型方案，所以对于投入产出比和收入追求的不那么多，所以在这次的讨论中不进行更深入的讨论。）

在这个场景下，我们对用户进行用户画像和活动商品池的匹配。同时要根据历史数据对画像匹配度和用户流失时间进行建模学习到购买概率。同时也要考虑是否需要进行购买过滤。

所以在这里，我们就根据Push资源量和最终用户的购买概率进行用户筛选。

所以提升活动收入，是一个复杂的事情，需要根据用户最终的购买概率进行排序，同时收Push资源的限制。

这里面还要说的就是，建模的时候我们一般不会做到商品，这样需要消耗的资源比较多，所以经常会到最子级别的分类级别。

写到这里，我们已经针对三种不同的需求进行了分析，也给出了相应的解决方案。但是，Push在实际操作中会比今天讨论的更加复杂，这里希望可以给大家一些引导，在实践中不断成长，成为更优秀的Push操盘手。