@郝笑笑 微信号：hao-xiao-xiao。
目前在互联网公司担任数据分析师，并负责DAU流量的增长策略与数据监控。
希望可以和各位一起交流学习。
push是一种低成本促活的方法，对平台的短期留存率影响显著。举个例子：当初我们在分析新用户次日留存时发现， oppo、vivo厂商机型的用户次留低于其他机型。经分析后发现，主要是因为 oppo、vivo厂商操作系统对推送数量限额，且用户默认关闭系统通知权限，而华为、Apple等机型无限制所致。push可以在手机锁屏的状态下，通过外部提醒起到拉活的作用，已经成为越来越多企业实现用户增长的标配手段。push对DAU的提升贡献可通过「Push当日首次调起App用户数 / DAU」来评估 ，很多内容平台类App的用户push首次启动占比可以达20%以上，因此push对DAU的增量贡献不容小觑。一些爆炸性的重磅新闻，比如科比去世、某地爆发新冠疫情等实时资讯，通常会由人工编辑对全量用户推送，目的是希望能够通过大事件的及时报道将大量用户导入App客户端。很多类似于今日头条、一点资讯的新闻资讯平台，为了使得热点新闻的时效性在竞品中处于领先位置，会要求人工内容编辑轮流值班，全网实时地监控国内外突发及热点事件。对于小型的内容平台，由于内容运营人力紧张且内容资源不够，常见的方法是：先搜集来自于微博热搜、百度热搜等第三方的热词，然后机器抓取与这些热词高度相关的最新文章资讯，并作为热门新闻推送给用户。单推是单用户某一状态变更导致的触发式提醒。比如物流状态、内容审核通过提醒、收到评论提醒、被@提醒等。和信息流推荐非常类似，个性化Push可根据用户的喜好自动为用户推送内容。区别点在于信息流会基于实时推荐系统一次性展示多条内容，能够触动用户点击的因素较多（比如是否多图、作者身份标识、评论数、点赞数等）。而个性化Push可展示的信息相当有限（仅有文案），且频繁推送会造成用户体验方面的影响。此外，大部分业务场景下的个性化push推送，不要求太高的时效性，通常是离线计算好用户和推送内容后于固定时段进行推送。当然有些场景例外，例如像手机淘宝、微博等用户规模巨大的平台，出于推送并发量或者流量投放分配等问题的考虑，会基于个性化的时间进行推送。先把最重要的话写在前面：厂商推送技术文档、以及第三方推送技术文档一定要仔细研读，对于优化push流程非常关键！！！讲个真实案例：某天上午负责内容运营的同事增发了6条全量push，个性化push系统照常运行。结果第二天的数据表现十分诡异：Apple的push打开uv显著提升，华为略微提升，而小米、oppo、vivo竟然是降低的。经过对厂商推送文档的一番通读和调研，终于搞明白了。由于 oppo、vivo、小米厂商对每日推送数量有严格限制，而当天上午push推送数量较多，导致推送资源在上午就被耗尽，所以中午之后，oppo、vivo、小米的用户没有收到任何个性化push。相比个性化push，全量push的点击率较低，也就是有限的推送条数资源下，oppo、vivo、小米用户接收到了更多的低质量的推送内容，所以push打开uv降低。而Apple和华为无推送条数限制，它们的push uv总体是提升的。但相比Apple，华为厂商的推送消息，默认无锁屏通知提醒、无响铃提示、且存在推送速率QPS限制，这导致push打开数的增长率没有Apple显著。经过这次案例的复盘，我们决定对推送策略做如下优化：- 对于oppo、vivo、小米用户，将点击率高的个性化推送策略尽量安排在上午推送，保证优质推送内容的到达率；
- 将oppo、vivo、小米厂商的目标下发用户，由“近90日联网用户”替换为活跃度更高的“近30日联网用户”。
push uv的转化链路为“准备下发-到达-展示-点击”，也就是说，push即便推给用户，也不一定能到达用户的手机；即便能到达，也不一定可以用户感知到。从漏斗优化的角度，相比优化下游的“展示-点击”的文案点击转化率，如果可以从技术或者商务角度，排除阻碍上游“准备下发-到达-展示”路径上的绊脚石，将对pushuv的提升产生更为显著的影响。通常push不能到达设备的原因有：安卓厂商通道的推送数量限额、APP激活后默认关闭允许通知权限；不能被用户感知到的原因有：无响铃、无锁屏通知、无悬浮通知、被收纳折叠（小米）、消息智能排序（vivo）、无桌面小红点、后台进程被kill。举个如何优化的例子：比如出于省电、避免系统卡顿等原因，安卓厂商的操作系统会自动杀死App后台进程，导致push无法触达到用户，可以考虑通过厂商白名单的商务合作、关联启动、自启动、互保联盟等方式进行进程保活。一定要仔细阅读厂商通道文档、个推极光等第三方的推送技术文档，通过文档我们可以认识到各大推送服务的边界和限制在哪里，并知道如何从技术或者商务角度去解决优化。同时我们也可以从中了解到各种推送服务有哪些特有的功能优势，能够帮助我们更快地寻找提升推送效率的途径。除了常规的新闻详情页、专题聚合页可作为push落地页外，话题主页、排行榜单、频道页、搜索热词的推荐结果页等都可以作为物料推送。比如36Kr会推送每日热门内容榜单；百度App标题为「北京拥堵情况」的push，打开后是「北京拥堵情况」的搜索结果；微博关于明星八卦的push，打开后并非落地到动态详情页，而是首页-推荐频道页，而该页面的首条feed便是push中提到的动态内容。巧妙的落地页设计，不仅可以传递给用户更丰富的内容信息，还可以有效提升内容业务的分发，可谓是一举两得之事。与内容推荐系统类似，个性化推送的本质也是为用户推荐最满意的内容，所以如何更精准地捕捉到用户的兴趣点，并通过优化“用户-内容”的匹配度以撬动用户活跃，成为了push运营体系优化的重要方向。为了更清晰push推送中“用户-内容”的匹配过程，我们不妨先看下，内容库里的海量item是如何被精挑细选最终抵达用户手机通知栏的？基本上可以将用户分为3大类：有兴趣偏好标签、无偏好标签但有静态属性标签、无任何标签，这3类用户的内容召回方式各有不同：通常他们已经在站内表达出对产品和服务的明显诉求，因此系统可以基于内容标签和用户标签之间的匹配关系进行内容召回。比如微博中经常浏览、搜索、点赞、评论“王一博”实体词的用户，会被微博记录为该实体词的偏好用户，当有“王一博”相关的最新热门资讯产生时，会优先对这批用户群体进行推送。常见的召回方式有：基于兴趣分类、兴趣Topic、兴趣实体词的召回等。但这种召回方式往往依赖于画像数据的颗粒度，标签体系越丰富，越能命中用户的更多偏好，用户点击推送的概率也就越高。如果用户的站内历史行为非常稀疏，未沉淀形成任何偏好标签，那么可以基于App List 采集生成的标签、地域标签、社交关系、广告素材类型、设备型号、第三方用户画像等信息进行内容推送。比如对装有小红书、大姨妈App的用户推送美妆类内容；对北京用户推送北京天气或者热门新闻。可以推送全局热门内容：比如根据CTR、点击量、点赞数等指标表现生成每日内容热榜，同时可以统计出不同内容分类下的实时热点并进行推送。从海量item库中召回成百上千个item后，该给用户推送哪个item呢？所以召回后紧接着是内容的排序环节，通常先是「召回源间排序」，然后是「召回源内部排序」。- 「召回源间的排序」：为了让个性化的推送内容占据更多的曝光量，通常会将「基于用户兴趣标签的召回源」优先级设为最高；而「基于地域的热点召回」可以作为仅有静态标签用户的兜底策略，优先级较低。当地域热点无可推内容时，则通过「基于全局热点的召回」内容进行兜底，因此优先级最低。
- 「召回源内部排序」：比如按照item的点击数、CTR、发布时间进行筛选排序，以选出符合条件且表现最好的item推送给用户。
通过以上的描述，相信大家就已经知晓了当前常见的push内容筛选策略。那么具体我们该从哪些角度找到优化“用户-内容”匹配关系的方法呢？- 扩大兴趣标签用户的覆盖量：可以尝试通过数据分析下当前push目标人群中3类人群的分布占比，理想状态是「兴趣偏好标签的用户」占大头，「仅有静态标签用户」和「无任何标签用户」很少。如果前者占比不够高，可以通过优化用户兴趣度模型规则来扩充标签人群的覆盖量。例如，通常会根据用户兴趣度模型（基于用户行为、行为窗口期、行为权重、时间衰减因子）计算用户的 Top N 兴趣偏好，但相比30天窗口期，120天可以覆盖更多的用户。当然，也可以通过丰富用户兴趣标签体系来增加标签用户的覆盖面积。
- 优化冷启动策略：建议可以通过分析站内用户的行为数据、或者经常点击push用户的行为数据，来优化当前的冷启动策略。比如将站内留存很高、且渗透率还不错的内容类型或者页面作为push物料推送给新用户。
- 机器模型召回：尽管人工规则的不断叠加也可以提升推送内容的质量，在表达策略的复杂度和丰富度方面还是机器更擅长些。如果算法资源以及硬件设施资源充足的条件下，可以考虑基于FM、Vector Embedding智能算法进行训练学习，以不断逼近用户的喜好。
正如上文提到，在push触达用户后，文案是决定用户是否会点击的关键要素。鉴于网络上关于如何写出高点击率的文案的文章很多，这里仅分享下自己在文案AB测试实践中获得的经验。- 文案简练：过长且没有重心的文案会使用户丧失阅读下去的耐心，建议控制push文案长度在屏幕两行以内；
- 突出并前置实体词：比如微博的push文案：「吴昕：xxxx微博标题」；
- 社交提醒类的样式：比如「@你的名字」、「xxx，你有1条未读消息」的push点击率较好；
- 强调价格或者数字：比如 B站的推送文案为：xxx视频标题，【1万播放，1千点赞】。
- push通知内容设置emoji表情、push右侧小图；
- 是否可以增加新的push物料，取决于当前平台内容组织方式的丰富性，以及用户对该内容的需求面积；
- 作为信息流推荐、个性化push、个性化营销等业务共用的基础设施，用户画像等底层数据资产的建设是一本万利的事情。但画像体系的推动需要整合并协调各方资源，推动困难的情况下，建议前期可以将第一优先级放在无标签用户的冷启动策略的优化上；
- 文案优化要考虑用户的疲劳度。可以试想下用户一天收到5条“有人@ 你”的push是什么样的心情，所以建议太炸的文案推送次数要尽量克制。
发表评论 取消回复