在當下的環境里，幾乎所有應用都面臨着巨大的用戶增長挑戰。這其中最主要的原因是互聯網的人口紅利衰退、用戶數量以及增速越來越低，甚至在部分垂類里出現了負增長。電商、生活、游戲等行業的競爭也不斷加大，同時，新用戶留存率不斷降低。拉新難、留存低，已成為各類應用的長期困境。
那么，面對增長困境，應該如何破局呢？
一個顯而易見的答案是：以數據驅動為基礎，在用戶全生命周期尋找增長機會點，以精細化運營來達成持續、有效的增長。
精細化運營的第一步是用戶分層，借助華為分析服務，可以將用戶分為新手期、成長期、成熟期、沉默期和流失期。
對於新手期用戶，需要圍繞ROI提升與促活來設計增長策略，保證拉新用戶是產品的目標用戶，從而盡快促進新用戶的活躍，完成新用戶向成長期用戶的轉變。
對於成長期和成熟期用戶，增長的關鍵詞則是提高留存率、提高轉化率，這部分用戶是應用的寶藏，如何挖掘好此類用戶的價值，讓他們在產品內活躍更久、留存更久，對應用有着至關重要的價值。
對於沉默期和流失期用戶，則要考慮防范流失、精准召回、分析流失原因、優化促活策略。
新手期：降低獲客成本，促活、促增長
對於新手期用戶，如何降低獲客成本呢？我們可以通過華為分析的事件分析、對比分析等模型，判斷各類事件發生的整體趨勢，事件來源的機型分布和版本，再通過過濾器，做大量素材的對比測試、甄別最優的投放渠道。
新手期用戶促活、促成長，則可通過用戶的興趣點引導其盡快完成關鍵動作執行。比如視頻應用，引導用戶觀看視頻達到一定時長或購買會員；游戲應用，引導用戶盡快通過基礎關卡；電商應用，引導用戶盡快完成首單等。再通過漏斗和歸因分析，對用戶在應用中一系列關鍵節點的動作分析他們的轉化率，優化流程，優化福利發放方式，或優化某一個環節的UI設計等。
案例：某短視頻App降低獲客成本的運營實踐
這個案例里，該短視頻應用通過多種渠道投放了拉新廣告，但無法准確識別各個渠道的貢獻率，且新用戶流失率較高。
App運營人員通過分析服務的歸因分析模型，確定目標轉化事件為 “新下載使用” ，確定待歸因事件為“各渠道廣告位的點擊” ，根據華為分析生成的報告，發現火山小視頻的拉新貢獻率最高，微博的貢獻率最低，於是取消了對微博的營銷預算投入，分配到火山小視頻中。經過3個月的優化，最后復盤結果顯示該視頻應用的獲客成本下降26%，新用戶留存率提升15%。
成長期、成熟期：促活促留存、提高轉化
對於成長期和成熟期的用戶，除了關注促活促留存，更需要關注提高轉化率。“留存”和“轉化”也是幾乎所有應用都會普遍遇到的問題。對於留存，通過華為分析提供的“路徑分析”功能，可觀察用戶在產品中的實際行為路徑，看與產品設計的路徑是否有出入，並通過運營策略進行干預，引導用戶進入到運營人員希望的路徑上來。同時，也可以通過漏斗分析模型來直觀的看到各個環節的轉化數，轉化率，流失數，流失率等，為產品優化提供方向。對於轉化，通過華為分析強大的過濾器功能結合行為分析，可對用戶進行細分分析，了解不同用戶的行為特征，針對分析結果，使用受眾分析，對用戶進行分群、分層運營及精准觸達，從而提高轉化。
案例：某電商應用提高留存和轉化的實踐
某電商生鮮應用，發現最近2個月用戶的留存率與購買轉化率都比較低，需要盡快找到原因並解決。運營人員先是通過用戶屬性，比如性別、年齡、地域、手機品牌等，以及用戶行為，比如瀏覽商品、加入購物車、購買，將用戶進行了細分，然后針對不同的細分受眾，通過華為分析提供的路徑分析、漏斗分析報告挖掘其不同的行為特征，最后發現提交訂單到付款環節流失最多、沉默用戶的共同特征是購買少於3單、主頁功能區划分不清晰。根據這樣的發現，應用的運營人員制定了優化方案，最終提高了商品的購買轉化率。
沉默期和流失期：防流失、促喚醒，總結經驗
用戶進入沉默期和流失期，是應用的產品、運營人員不願意見到的情景。
沉默期用戶需要重點關注的是防范流失和精准喚醒。借助華為分析服用戶生命周期模型提供的各階段流失風險用戶預測、召回潛力用戶預測，可提前制定運營策略以盡可能的規避用戶流失。還可通過行為分析識別有喚醒價值和喚醒可能性的用戶，進行喚醒活動的消息觸達。而對於流失期用戶，召回的難度可能大於拉新，我們建議將更多精力放在經驗總結和優化上面，避免其他活躍用戶流失。比如通過華為分析提供的漏斗分析、行為分析、對比分析功能，洞察流失用戶的特征，增強流失前的識別能力，讓流失用戶為當前用戶的促活提供優化方向，通過產品優化、運營方案改進等增強活躍用戶的活力和粘性，從而避免流失。
案例：某游戲App的沉默喚醒實踐
這是一個游戲應用的沉默喚醒實踐。首先，運營人員通過研究沉默用戶的行為分析報告、受眾分析報告，定位出了沉默期的易喚醒高價值用戶，他們是前期付費超過3次、闖關大於5關的人群。而后設計喚醒文案不斷測試，進行興趣引導與價值激勵。另一方面，游戲的運營人員通過華為分析用戶生命周期模型提供的各階段流失風險預測用戶群，加強該類用戶在游戲內的任務體驗，並通過應用內消息、push等派發禮物，防范流失。其次，針對已經流失的用戶，進行了詳細的行為、屬性洞察，得到初步的流失原因：流失用戶的游戲好友人數都少於5個；大多數都曾經投訴顧游戲卡頓。於是運營人員設計了方案去驗證，確定了流失原因后進行了產品優化和運營方案優化，例如他們提供了多渠道登錄、每局對戰結束后新增一鍵添加好友按鈕等，並優化了交互邏輯。一系列措施實施后，這款游戲的用戶沉默率降低了12%，流失率降低接近8%。
最后，我們再來回顧一下開發者如何基於HMS Core華為分析服務，實現全生命周期用戶增長。
首先需要集成華為分析服務的SDK（Android、iOS、JavaScript），這樣就可上報用戶屬性和用戶行為數據，這兩類數據聚合在一起可幫您了解哪些用戶在什么時間做了什么事情，從而形成數據分析的基礎。為降低開發工作量，華為分析支持11個用戶屬性和27個事件的自動采集，同時支持自定義用戶屬性以及500種自定義事件，這極大方便了開發者對於應用的優化需求，也為精細化運營提供更多數據支撐。
在這些原子數據的基礎上，華為分析提供了豐富的分析模型。包括事件分析、行為分析、漏斗分析、受眾分析、生命周期分析、歸因分析等，幫助開發者深入洞察用戶增長情況、用戶行為特征、產品功能情況，在這些模型的基礎上，可運用過濾器針對應用類型、用戶屬性、受眾等做細分分析。值得一提的是，HMS Core華為分析支持跨平台，包括Android，iOS，Web，開發者僅需半天時間就可集成成功並發布。正是如此敏捷的開發速度，以及這些強大的分析能力，華為分析已經成為全球開發者最受歡迎的服務之一，歡迎廣大開發者接入使用。
欲了解更多詳情，請參閱：
華為開發者聯盟官網：https://developer.huawei.com/consumer/en/hms/huawei-pushkit
參與開發者討論請到Reddit社區：https://www.reddit.com/r/HuaweiDevelopers/
下載demo和示例代碼請到Github：https://github.com/HMS-Core
解決集成問題請到Stack Overflow：https://stackoverflow.com/questions/tagged/huawei-mobile-services?tab=Newest
原文鏈接：https://developer.huawei.com/consumer/cn/forum/topicview?tid=0203379108668200356&fid=18
作者：胡椒