地圖大戰中，大家提到QuestMobile的SDK， 實際是QuestMobile Growth產品矩陣中的增長業務之一，主旨幫助各家企業系統化提升精細運營的能力，通過實時刷量防御，營銷與分發渠道，用戶標簽與事件等精細化分析，幫助APP提高營運效率，實現流量和收入穩定增長。
 

      某在線音樂APP設定了“拉活沉默用戶、召回流失老用戶”這一目標，使用 QuestMobile的“Growth”產品矩陣，對渠道進行實時跟蹤，及時發現水分渠道和轉化最好的獲客途徑，調整推廣策略，提高ROI達32%。同時鎖定高風險流失用戶群，通過對其進行個性化用戶分群，成功幫助一次召回近160萬用戶。
 

      為了便于形象化理解數據運作，QuestMobile通過精分案例的形式展現。
 

      《在線音樂APP激活沉默用戶案例分享》
 

      一、合作背景：
 

      作為中國數字音樂的知名品牌，我們免費向用戶提供方便流暢的在線音樂，生成了豐富的音樂流媒體生態系統。在中國在線音樂排行榜上，作為APP，我們用戶日活躍量超千萬。取得如此傲人成績，很大程度上得益于用戶對自身品牌的認可。
 

       在此基礎上，希望QuestMobile助力其延續在線音樂差異化優勢，在移動端市場日益飽和的情況下，最大限度提高渠道ROI，以及對其長期沉默用戶進行精準分類鎖定，實現用戶體驗最大化召回。
 

      二、我為什么要與QuestMobile發生關系?
 

      在潛心修煉產品，精心維護運營、細心創造內容時，發現用戶粘性就是不見起色(見圖一)，到底是推廣力度不夠?還是存在太多水分?同時花費大量預算通過不同渠道推廣而來的用戶(見圖二)，有多少是屬于高質量用戶，有多少又是低價值用戶?又如何預測和精準鎖定渠道并進行精準的分配推廣費用，獲得最好的ROI?因為只有測算清楚了各渠道的ROI，才能針對實際效果做調整，砍掉ROI過低的渠道，把更多營銷費用放在ROI高的渠道。
 

圖二、渠道轉化漏斗分析數據樣例(QuestMobileTruth渠道版)
 

      另外，對于應用中的大量沉默用戶，如何預判他們的流失風險，并如何制定沉默召回策略?對此需要能夠及時識別用戶生命周期，以及細分用戶特性群。也需要在正確的時間，使用正確的增長工具，甚至合適的場景給該部分用戶呈現驚喜的內容。
 

       三、我與QuestMobile發生了什么關系?
 

      首先，通過“Truth”橫向對比分析行業和競品數據，發現問題真相后，再利用“Growth”運營精分平臺縱向對產品和用戶生命周期的轉化漏斗進行指標拆解(見圖三)，精細化到每一個運營環節，包括：
 

• 用戶獲取階段的假量判別、渠道粘性同期分析和留存轉化效率;

• 用戶活躍階段的用戶事件追蹤和全網用戶標簽聚類;

• 用戶轉化后流轉去向和流失預測，以及拓展性歸因路徑;

• 同時解決方案絕不會止步于數據，還會拓展出新的領域來找到增長辦法，比如通過“Growth”增長網絡，實現精細化鎖定沉默和流失用戶，幫助精準召回等;

 

 

圖三、轉化漏斗指標拆解(部分)
 

       1、刷量防御：通過使用“Growth”渠道精分中刷量防御模塊，快速直接的辨別出哪些新增激活用戶是假量、哪些新增激活用戶是在騙CPA的激活費用。“Growth”采用復合大數據模型進行融合迭代驗證，對每個新安裝的設備進行辨別，通過超過15余種混合標識鎖定不同渠道、版本，以及用戶實際安裝狀態進行秒級實時排查。在該案例中，及時判別出某一渠道的12%假量，并當即識別出某地區的一臺移動設備刷量近萬。

 

圖四、拉新用戶分析數據樣例(部分)
 

      2、渠道質量跟蹤：在各種推廣渠道，以各種方式獲取目標用戶，通過時間、地域、版本和推廣渠道等不同維度來實時監控活躍、留存、貢獻時長、次數、付費等，并拆解分析新增、總數、增長率，組合各種維度來分析營銷渠道的用戶獲取效果以及目標用戶分布，對各種營銷渠道的效果進行評估，從而更加合理的確定投入策略，最小化用戶獲取成本。

 

圖五、渠道活性質量分析 - 新增用戶分析數據樣例(部分)
 

      對渠道價值的評估， 通常通過三個方面綜合評估：渠道有效性、渠道留存度、渠道ROI。好的推廣渠道一定有針對性地圈定目標人群，帶來的用戶和目標人群吻合度比較大，這樣的用戶通常比較容易成為活躍用戶。另外“Growth”的渠道留存度(次日、3日、7日、14日、30日)也是衡量用戶粘性和質量的主要指標，同時也是評判應用能否留下用戶以及活躍用戶規模增長的手段。在“該APP”不斷提升產品優化迭代與滿足用戶需求的產品更新之外，“Growth”幫助精分出效果最佳組合渠道，并有的放矢、持續投入。

 

圖六、渠道粘性質量分析 - 使用次數同期分析數據樣例(部分)
 

      3、沉默與流失召回：“Growth”結合使用歷史行為和事件數據，制定一些定制化算法模型，預測用戶的流失Likelihood，算法將用戶分類出三組Linklihood：高流失風險、中流失風險、低流失風險。同時對高流失風險和中流失風險人群，提供全網用戶畫像模型，挖掘其特征和喜好、生活軌跡和使用場景等，為后續執行召回營銷鎖定最恰當、最契合的用戶群。
 

      最終，“該APP”通過“Growth”運營精分服務平臺，相比使用前，整體渠道ROI提升了32%，同時在最近的推廣活動中，利用鎖定高風險流失用戶群，再結合該人群不同特征和場景網絡，幫助一次性成功召回近160萬用戶。