欢迎您访问 最编程 本站为您分享编程语言代码,编程技术文章!
您现在的位置是: 首页

机器学习算法岗位:用户增长与推荐系统的区别是什么?

最编程 2024-08-02 11:25:22
...

看到这个问题,不由得想起我当初了解用户增长的时候,在网上一搜,发现用户增长的文章往往伴随漫天的黑话、方法论、金字塔、导图,心灵大受震撼的场景。

两者的差别用一句话来说就是,在用户生命周期的部分阶段两者有重叠,除了推荐算法外,用户增长在别的阶段还有一些不同算法应用

这里从算法角度简单拆解一下用户增长算法的方向,帮助算法同学简单清晰地梳理下用户增长究竟是做什么的。但增长方向内容实在很多,我不能面面俱到,仅做个参考。


做用户增长,顾名思义,岗位负责最核心指标是用户数量。所以用户增长一般做的事情都要能够直接间接影响到 DAU。所以用户增长逻辑上很清晰:围绕用户的生命周期寻找优化点。但是因为链路过长,落实到技术上,会显得有些分散。

一般地,我们把用户的生命周期可以分解成如下几个阶段:

  • APP 外

  • 获客阶段:指如何获取新用户;

  • APP 内

  • 激活阶段:指将新用户从APP视角的空白用户激活成活跃用户;

  • 活跃阶段:用户在APP内处于比较活跃的阶段;

  • 沉默阶段:用户减少使用APP频率至比较低的水平;

  • APP 外

  • 流失阶段:用户卸载或者不再使用APP;

其中,进入到 APP 内阶段以后,用户增长和推荐算法就有比较大的重叠了。简单配张图。

图片

1. 获客阶段

一般 APP 的获客阶段粗略地分,可以分成自然流量和购买的流量。自然流量指的是用户自发地安装产品,成为用户,通常占比较小。购买的流量一般指广告外投或者OEM预装等渠道,通过花钱购买曝光和安装,通常占比较大。

购买效果广告流量的场景,通常是这样的:

  • 需要一些系统中的优秀 item 作为素材去外界平台投放广告,吸引用户点击广告并下载

  • 有多种广告投放平台可选,这些平台的曝光价格(eCPM)不一而足,效果也不尽相同

  • 随着时间增加,种子用户都已经有了广告曝光,剩下的用户点击率和转化率逐渐走低,获客成本逐渐增加

对这样动态的过程,算法是可以有一定介入能力的。算法可以做和需要做的事情包括:

  • 种子 item 的选取:决定什么样的 item 可以作为外投广告的 item。

  • 创意生成:因为效果广告是千人前面的,每个人看到的广告都不一样,因此广告外投的展现形式是什么样子的也需要算法生成,这个样式一般叫创意。有的广告平台有生成创意的功能,有的则由广告主自行生成。下图是京东在某 APP 投放的开屏广告,尚不清楚是广告平台还是京东自己生成的,但可以确定是算法生成的,因为我在京东搜索了一圈,冰箱品类并没有“TC”这个品牌,看起来是 TCL 的品牌识别出了点问题。

  • ROI、留存 和 LTV(lifetime value) 预估:由于外投流量是有成本的,我们需要预估买到新用户的长期留存和 life-time 的收益。当这个收益能够 cover 流量成本的时候,即 ROI > 1 时,我们认为是比较健康的,当 ROI 远小于 1 的时候,意味着外投获客是烧钱行为,不能够长久。这是时间序列问题。

对提升自然流量,算法侧一般的思路是增加 APP 的站外曝光量,如通过算法模型提高站外分享率等。

图片

京东在某APP投放的开屏广告,可惜TCL拼错了

2. 激活阶段

从这个阶段开始,用户就进入到了产品内部,做的事情和推荐算法逐渐一致。激活阶段是用户增长最重要的阶段。它的重要性体现在几个方面:

  • 第一,新用户刚来,几乎一张白纸,给新用户做推荐是极有挑战性的;

  • 第二,新用户的耐心有限,能不能在很短的时间窗口内把 APP 的价值体现给用户,很大程度上决定了用户会不会留下;

  • 第三,给新用户确立完整无偏的用户画像很重要,如果在最开始给用户定性定错了,短期留存必然上不去,许多产品对新用户会更多推热门 item,因为这些 item 的点击率相对更高,但热门 item 有时并不代表兴趣,如果没有考虑这点,新用户的画像就会学偏,这个用户从一开始就走向了流失。

这个阶段算法需要考虑的问题包括:

  • 新用户承接:用户如果通过广告来的,则他进 APP 是带有一定目的性的,需要针对性地进行信用的承接

  • 新用户推荐:

  • 在没有用户画像时如何给新用户做推荐?

  • 如何给新用户做推荐,能够尽快确立无偏的用户画像?

  • 新用户激活:

  • 如何让用户尽快积累点击或者展现,成为活跃用户?

这个阶段的策略和一般推荐算法最大的区别在于,它们不是 ctr 为目标的,而是以新用户的留存为主要目标进行优化的。这也是这一阶段另一个难点,留存不能直接优化,往往需要结合业务的 sense 或代理指标进行优化。

3. 活跃阶段

活跃阶段的用户增长可以看做推荐的一部分。其中最重要的手段就是 Push。Push 的意义不仅仅在于提供个性化推荐,它更增加了 APP 的入口,因此 Push 是用户增长最重要的手段之一。

Push 的内容很多,值得单独写一写。简单地说,Push 可以看做一个 top-1 的推荐系统,在推什么的部分,和推荐算法是基本一样的。

除了推什么的部分,Push 还需要考虑:

  • 什么时候推

  • 每天推几条

  • 个性化和非个性化的推送怎么安排配比

  • 如何提升时效性

  • 要不要给用户个性化条数 quota 和发送时间

  • Push 内容的 landing page 承接

  • Push 的点击能否带来转化,即在 APP 内更多地消费内容,从而给 APP 带来一个 DAU 以外的真金白银的收益

  • ....

等等等等,不一而足。

其他地,根据业务不同,也包括发券等促销相关的算法等。

这一阶段,主要关注用户的拉活率、长期留存和长期卸载,我们的拉活手段希望用户能从一周三次到每天一次,但是同时也希望用户不因我们的拉活手段感到反感,进而卸载 APP。

4. 沉默 & 流失阶段

当用户不再使用 APP,甚至卸载 APP 时,我们对用户的触达能力就收到了极大限制。

倘若用户还没有卸载,可以通过 Push 来进行极限拉活;倘若用户已经卸载了,还剩下一些盘外招可用,比如:

  • 根据用户的注册手机和邮箱,给用户发送短信和邮件:由于短信和邮件也是有成本的,每天发给哪些用户,什么时候发,发什么内容,都可以由算法决定。

  • 广告重投放:当一个用户卸载了APP,悲观主义者将他看做流失用户,乐观主义者将他看做新的种子用户,因此,可以对卸载用户重新投放广告,一般地转化率都比普通广告要高。

图片

随地都能看到产品焦虑感溢出屏幕的拉活短信

但是要注意,一个活跃用户流失的原因一般是因为 APP 不能给用户提供可持续的价值了,此时通过各种方式挽留用户,只能说是亡羊补牢。长期留存主要取决于 APP 的价值,想要更好的用户增长,需要把精力更多放到前面,思考如何给用户提供更多价值,延长用户的生命周期,才是正经道理

总结

从业务角度,DAU是最核心的指标,对应的用户增长是一个相当核心的方向。但从实际工作角度,又有些麻烦。一方面,用户增长是一个十分广泛的领域,各方向应用的可能完全不一样,如,做优惠券分发算法和做新用户 deeplink 承接,是完全不同的思路;此外,部分方向做的内容和其他组可能存在重叠,如,在 Feed 中优化新用户留存/提升分享率,和 Feed 流推荐的同学做的事情又有重叠。

对这个问题,不同企业有不同的方案,一些企业选择把用户增长作为推荐算法下面的子方向。一些企业则会把用户增长中和推荐算法重叠的部分放入推荐组,其他部分整合成用户增长算法组,与推荐组架构上并列,此时推荐组和用户增长不完全解耦,也会背一部分用户增长的指标,如留存、DAU等。

现有的资料,有一些非技术岗总结的方法论如“AARRR”/"RARRA"之流,有兴趣可以学习了解一下,学习下如何创造黑话,可能对写晋升 PPT 大有裨益。

如果觉得有用,就请分享到朋友圈吧!
最后欢迎大家关注我的微信公众号:对白的算法屋(duibainotes),跟踪NLP、推荐系统和对比学习等机器学习领域前沿,日常还会分享我的创业心得和人生感悟。想进一步交流的同学也可以通过公众号加我的微信,和我一同探讨技术问题,谢谢!

推荐阅读