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

The GitHub Blog
The GitHub Blog
博客园 - 三生石上(FineUI控件)
V
V2EX
博客园 - 司徒正美
小众软件
小众软件
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
T
Tailwind CSS Blog
Last Week in AI
Last Week in AI
雷峰网
雷峰网
月光博客
月光博客
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Apple Machine Learning Research
Apple Machine Learning Research
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
S
SegmentFault 最新的问题
美团技术团队
Hugging Face - Blog
Hugging Face - Blog
WordPress大学
WordPress大学
宝玉的分享
宝玉的分享
爱范儿
爱范儿
博客园 - 聂微东
量子位
J
Java Code Geeks
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Vercel News
Vercel News

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,
PUSH项目的策略怎么做
策略产品夏师傅 · 2024-08-09 · via 人人都是产品经理

你是否曾经对广告投放的精准度感到困惑?在广告PUSH的实践中,你更关注准确度还是覆盖度?让我们一起阅读本文探讨如何提升广告投放的效果和用户转化。

广告PUSH是一种非常重要的用户触达手段,也叫推送广告、定向PUSH。推送广告就是媒体在合适的时机 将合适的广告以消息的形式推送给合适的人群。

PUSH的核心目标有两个方面:一个是提升用户活跃度、增加用户访问APP的频次另一方面,推送广告通过丰富的人群定向,实现精准投放,从而提升整个平台的交易。

但是,推送广告的有个非常大的劣势用户意图不明确,也就是投放效率很低,所以相比搜索推荐这类广告,推送广告更需要精准的受众定向,所以在PUSH当中会涉及到受众定向策略的设计。

今天我们就盘一下常见的受众定向策略有哪些。

01 时间定向策略

时间定向策略是指在PUSH广告投放的时候,可以根据营业时间,甚至是季节性活动或特殊事件来进行广告投放。

举个例子,比如理发店,健身店铺在做定向PUSH的时候,因为这些店铺基本上只有白天营业,所以如果定向时间包括晚上非营业时段,那么用户在晚上非营业时间看到广告后,无法通过打电话来预约,这样就没有 转化。

02 用户基础标签定向

用户基础标签定向策略的核心原理是利用人口的基础属性来进行定向推送。比如用户的基础属性(性别、年龄,婚姻状况)、金融属性(收入水平、是否有车),社会属性(职位,任职企业)等等。

通过人口属性标签,可以将广告推送给相关消费者,就是可能购买的人群, 具体选择什么标签主要取决于商家销售的是什么产品。

例如一些母婴类商家会把广告推送给“已婚有娃”的人群进行投放,美甲美睫类商家会选择性别标签为“女性” 的人群进行广告投放。

这些标签里面,基础属性类的标签比较容易拿到,一般是用户在注册APP的自动填写的;而收入水平这种标签需要通过用户在app内的行为数据通过一定的逻辑方法来进行预估和计算。

使用用户基础标签进行定向PUSH的时候,标签既不能过于笼统,也不能太过细分。例如美甲美睫商家选择年龄标签的时候,一方面,不能选择0〜60岁,这种人群太泛了,低年龄段和高年龄段人群可能没有很强烈的美甲美睫需求。

另一方面,也要防止对人群太过细分,例如,尽管最终可能需要选择一个更细化的年龄标签,但却不能仅仅定位为一个具体年龄,若只选择22岁的人 群,这可能导致人群覆盖不完整。时刻记住目标受众,但在定位的时候得找到一个折中的办法。

03 用户偏好定向

用户偏好是指基于过往用户在APP的行为进行用户兴趣的判断,从而进行准确的定向推送。

行为的选取一般会以用户在APP内的点击,浏览,搜索,收藏,关注,加购,下单等等进行计算。通过对不同的行为数据进行合理的权重分配最后获得用户的偏好。

在使用这些行为数据去计算偏好的时候,有个时间窗的概念,也就是选择具体数据日期区间是什么样的,比如对应一周还是一个月。

在定义的“长”和“短”的具体周期时具体需要参考该业务类型以及用户具体行为类型的频率。

1. 从业务类型来说:

电商业务内用户行为频次都很高,那么电商业务内相关数据的时间窗就可以设置的短一些;

对于课程培训行业,用户购课行为频次相对比较低一些,那么培训业务内相关行为的时间窗也可以设置的稍微长一些。

2. 从行为类型来说:

点击浏览的行为频次很高,数据量很大,因此在选择浏览数据时时间窗可以设置的短一点;

但是下单购买的行为频次相对就低,所以在选择订单数据时,时间窗可以设置的长一点,保证拿到足够的数据。

所以一般来讲,拿电商业务距离,时间窗的选择可以参考下面的定义:

  • 高频行为:1天,3天,5天,7天,比如浏览,点击等
  • 中频行为:7天,15天,30天,比如加购,收藏,关注等
  • 低频行为:30天,60天,90天,比如下单,转发,分享等

具体大家可以根据各自业务以及数据的实际情况进行适当的评估和调整。

04 用户协同定向

用户协同定向这个和推荐系统当中的UserCF比较类似,也就是可以基于历史投放的数据,然后去总结广告消费比较好的人群特征规律:比如行为相似性和基础特征相似性。然后基于行为的相似性去进行潜在用户的触达。

这种方式除了可以保证我们的推送是比较精准能够触达到目标用户,同时也能够挖掘出新的潜在用户,从而提升用户的覆盖度。

例如健身房在投放广告的时候,除了本店已经消费的用户,那么同样在其他健身房,体育器材店消费的用户也是目标人群,因为他们都是具有健身兴趣的用户,这个在一定程度上与用户偏好的思路差不多。

05 POI定向策略

POI定向策略指的是根据用户实时或者常在地理位置进行定向投放,这种方式主要用于本地商家触达周边目标用户的一种有效手段。通常包括:基于距离的定向,基于商圈的定向以及基于地区的定向。

基于距离的定向一般是指以一个距离阈值为准,基于商家和用户两个点之间的距离阈值内的进行定向PUSH;

基于商圈的是指基于城市划分的商圈进行定向PUSH,用户poi定位在商圈范围内的均可以收到;

基于地域的定向是指基于区,甚至市级别的定向,适合大规模投放。

以上就是常见的5种定向PUSH策略,那么,如何选取定向PUSH策略,怎么样衡量一个策略的好坏?

主要看两个指标:准确度和覆盖度。

当然理想的情况是两个指标都很高,但是实际情况很难满足双高,所以基于当前的业务预期去定义追求哪个指标的最大化,或者达到一个比较平衡的收益。

以上希望对你有所启发。

本文由人人都是产品经理作者【夏唬人】,微信公众号:【策略产品夏师傅】,原创/授权 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。