惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

J
Java Code Geeks
Stack Overflow Blog
Stack Overflow Blog
B
Blog RSS Feed
C
Check Point Blog
D
Docker
Y
Y Combinator Blog
Recent Announcements
Recent Announcements
Google DeepMind News
Google DeepMind News
MongoDB | Blog
MongoDB | Blog
博客园_首页
Apple Machine Learning Research
Apple Machine Learning Research
量子位
有赞技术团队
有赞技术团队
IT之家
IT之家
大猫的无限游戏
大猫的无限游戏
D
DataBreaches.Net
M
MIT News - Artificial intelligence
B
Blog
阮一峰的网络日志
阮一峰的网络日志
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
腾讯CDC
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
V
V2EX
月光博客
月光博客

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
金币任务:流量增长背后的策略拆解
蓝莲花zx · 2023-08-31 · via 人人都是产品经理

为了促进用户活跃、提高漏斗转化效率,现在,不少平台都会推出金币任务,这篇文章里,作者就从金币任务的出现、设计、场景应用、数据收益等维度,对金币任务进行了拆解和分析,一起来看。

一、金币任务为什么出现

短视频流量业务进入平台期,通过投放广告对用户转化有限,即便用户完成下载,来到平台,也会因为内容本身不能满足喜好而造成了流失,真正的漏斗转化极低。

金币任务通过用户之间的拉新把新用户从广告渠道的转化切换为熟人的推荐,又通过“看视频能得到钱”的宣传将用户直接和平台内容产生关联,从而提高了拉新效率,而金币任务的小设计又可以将参与金币的用户变成平台自有价值,提升促活的效率。

二、金币任务解决了什么问题

金币任务在冷启动当中比较好的承担了链接内容与消费者的任务,本质上,现金奖励作为诱导剂很好的将内容曝光跟用户活跃圈在一起。无论用户只是关注于金币的增长,还是有意无意会被内容所吸引,对平台来说,新用户已经成为持续活跃的用户,同时通过策略手段还可以挖掘到线上用户对不同内容的喜好。

一句话概括:在一定补贴力度条件下,以金币作为诱饵,帮助新用户在既定的时间,培养使用平台的习惯

除了内容之外,平台持续复用奖金逻辑,把平台内的其它产品:直播、电商、小游戏、广告、本地生活等业务通过金币推到用户面前,日积月累可以获得用户的兴趣点,这为后续平台的业务扩展服务提供数据基础。

三、金币任务的设计

既然用户来了,就需要按照流量分发的视角,通过金币任务的引导,将目标内容持续投喂给目标用户,用户才有可能持续在平台消费。因此,从流量推荐的视角来看,如何抓住用户,完成将新用户转化为活跃用户,需要依赖一些策略手段,获取新流量的增长优势。

一句话概括:在一定补贴力度条件下,以金币作为诱饵,帮助新用户在既定的时间,培养使用平台的习惯。

奖励是平台综合考虑获客成本的最高上限给实际可以提现的钱,与广告转化漏斗不同之处在于总投目标要分摊在真正转化为用户的身上,金币任务则需考虑所有奖金对活跃每位平台用户的补贴与补贴上限,因此如何通过有效机制在给定的预算之内做到培养好用户的粘性十分重要。

心理学在行为-奖赏方面做过大量的研究,通过对比奖赏-行为;行为-奖赏;行为-定时奖赏;行为-随机奖赏发现,第四种刺激最能保持行为的持续发生。金币任务本质上也复用了这种逻辑,即从用户的视角,持续参与,奖励始终会来。

在这个概念背后平台会拆解出几个视角:

  • 工具:金币、提现的钱、计时器、任务
  • 逻辑:获取信任的基础之上的随机奖赏,持续刺激动机、赌徒心态
  • 价值:通过刷任务将用户转化为平台价值贡献者
  • 工具-逻辑组合可以打造好最小MVP的金币任务体系
  • 工具-价值组合可以为金币任务赋予更有价值的用户体系

下面列举各短视频平台的金币任务基本的框架。

四、金币任务当中的工具-逻辑 花最少的钱或资源去获得更多的流量

想要培养新的习惯,至少需要满足:多次强化、持续的刺激、满足用户需求、实时的反馈。在整个赚取金币的任务当中,每个阶段都要强调这些维度,才可以保障尽可能少的流失用户。

1. 参与初期

用户初次开启金币任务,建立信任是第一步,金额根据平台整体提现额度来定,如果提现额度有较高的门槛,这部分的金额数量可以适度增多,这个时间过得非常短暂。

2. 开始做任务

通俗来说这是蜜月期,钱很容易到账,用户可以尝到甜头,有一些会立马有薅羊毛的心态,邀请朋友也来参与。

3. 做任务中

引入金币的概念,把任务跟赚钱加入中间变量,这个中间变量兑换为钱的汇率可以随着任务阶段不同而调整。加入金币的好处是,缓冲用户从元为单位的前切换成分或者角的失落,作为过渡,这期间的金币奖励最好可以让用户在当日把主要的任务都消费一遍,以此增加用户对平台规则的了解程度。

4. 持续做任务中后期

用户赚取的金币大部分是在这个阶段进行,金币兑换钱的汇率会随着用户消费内容的时长、刷新的频次发生变化。当汇率变低,单个金币更值钱,汇率变高,给用户加足激励权重,用户体感会更好,但是到手的钱差不多。应对用户对汇率变化引发的不确定性,可以生成一些小任务丰富用户的枯燥感;同时在内容界面做助推,比如给滑动、点赞、评价的行为做额外的奖励(注意低质与无效点赞的问题)。

5. 体现冲刺

用户在前几个阶段做任务差距只有0.2元的时候,会进入冲刺阶段,平台可以通过各种方式帮助用户促成提现,但归回本质——习惯需要长时间高强度的重复。整体上不会让用户尽快提现。从目前外部渠道的分析,日均消费时长需要60分钟以上,对平台持续培育用户习惯才会更有收益。

五、金币任务当中的工具-价值 让现有用户资源变得更有价值

回归到本质,金币任务作为拉新促活非常重要的平台补贴手段,服务的目标在于挖掘线上用户的兴趣,把薅羊毛的用户转化为真实内容消费者。因此读到用户的喜好,为后续推荐算法提供有价值的输入,是金币任务另外一项重要任务。

线上常见的探测手段,主要通过计时器、翻页任务来判断。当用户消费内容的时候,主要目标是为了获得金币,当内容不自主的分散注意力时,计时器暂停计分,用户仍然没有划到下一页;翻页任务是相反的,用户在平台推送的页面持续翻页,正常情况下会快速划过,因此这类任务通过播放时长可以推测喜好。

通常来说,量化的手段:

总结下来,即用户注意力在内容,不在金币任务时,对内容喜好较大。

  1. 统计完播的内容
  2. 刨除被快速划过的内容
  3. 在没有互动任务情况下的点赞转发评论
  4. 在这里需要剔除过滤用户有可能只是忘记翻动的场景,这类脏数据表现在想通内容被反复观看没有继续加载下一个推送

质性的分析:

  1. 除了上述通用机制之外,甚至可以做探索用户兴趣的测试。比如,为目标用户随机生成测试内容池,不设置计时器,只需要完成对任务的喜好即可获得相应权益。
  2. 在前期冷启动阶段,也可以在推送期间做NPS,询问用户对内容的满意程度。

六、如何验证金币任务的数据收益

金币任务本身解决的是增长问题,因此下面的两个指标作为动作的拆解分别是前面概括的两类大的维度:

  1. 拉新(流量增量)-花最少的钱或资源去获得更多的流量;
  2. 活跃(流量增值)-让现有用户资源变得更有价值。

综上,从金币任务的数据收益来看,北极星、过程、护栏指标主要关注下面几个维度。

本文由 @蓝莲花zx 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。