中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

前面我們從推送系統的構建出發，到上一篇觀察數據并優化推送已經把整個系統進行詳細的介紹。而本篇作為系列文章的最后一篇，希望把推送系統作為一個整體，為大家介紹與推送相關的數據。通過本篇的介紹，讓大家了解推送主要影響哪些網站數據，真實的能量到底有多大，有哪些我們不得不看的數據。

網頁數據

我們從小范圍的數據開始介紹，推送最先影響的數據當然是與推送內容密切相關的數據。多數情況下我們推送的網頁是希望獲得推廣效果，推送可以幫助運營者建立與用戶直接溝通的渠道。那么對于單個網頁的數據觀察所，需要關注指標會是網頁瀏覽量、跳出率、停留時間。

1. 網頁瀏覽量

無可厚非，推送是一個強大的推廣渠道。足夠大的曝光量會讓目標網頁的瀏覽量在推送后短時間內蹭蹭上漲，然后在接下來的幾個小時內保持有大量的瀏覽產生，逐漸在天后仍有零星的訪問并一般止步于7天（IOS通知保存7天）。

若未提供通知中心給用戶反復瀏覽推送目標頁，那么對一次推送的目標頁瀏覽量觀察周期為7天比較合適。

網頁訪問量的變化走勢將會如下圖所示：

確實對于這種來的快的訪問量深受運營者喜歡，既然它這么有效，是否任何時候都適合使用呢？

這個時候我們就需要關注與此相關的兩個指標：網頁跳出率、用戶停留時間。

2. 網頁跳出率

關于網頁跳出率我們可以觀察幾種含義的跳出，如PC網頁跳出率，即用戶未與當前網頁進行交互便離開網頁，另一種定義為用戶未訪問同域名下的其他網頁便離開。如APP屏幕退出百分比，即用戶未與當前屏幕進行交互便離開，另一種定義為用戶在此屏幕關閉APP。

不管是上述哪一種觀察指標，相信對于推送的網頁跳出率來說，都會比一般正常渠道訪問的跳出率要稍高一些。類似于投放廣告引薦來的流量跳出率普遍會比正常訪問的跳出率稍高，當然并不是指渠道選擇不好，只是我們從用戶需求的角度來考慮這個問題。

1. 用戶是被推送標題（甚至標題黨）所吸引，點開通知后的目標網頁內容并不是用戶強烈需求，那么用戶跳出的可能性極大。
2. 用戶確實有所需求，網頁內容也確實符合用戶預期，但是由于推送路徑是由站外直接進入，并不是按照正常訪問渠道，那么由于慣性思維，用戶瀏覽完后容易選擇直接返回站外。
3. 用戶由于使用零碎的時間點擊通知，進入查看只是想大致瀏覽，此時用戶的動機與主動啟動APP瀏覽不同，那么用戶極大可能只是隨意看一眼后關閉APP。

所以根據上面的分析，推送的目標網頁跳出率普遍高于正常訪問渠道，如果推送渠道的網頁并未通過渠道標記或者鏈接標記，也就是同時與正常訪問路徑的網頁一同統計，那么運營人員可能就會發現跳出率突然升高。所以在此建議運營童鞋需要把用于推送的網頁進行單獨標記或渠道區分。

3. 用戶停留時間

與上述關于網頁跳出率的分析相同，由于用戶多是通過零碎的時間或被通知標題所吸引進入目標網頁。那么與正常渠道訪問的用戶比起來，用戶的需求、心里預期、所處場景的不同均會讓推送網頁的用戶停留時間普標低于正常訪問渠道。

網站數據

看完單個網頁的數據，我們從網站/APP的整體層面再看看推送對哪些數據會產生的影響，是否能帶給我們意想不到的驚喜呢。首先我們需要確定的是，推送在網站中的‘分量’有多重，這也意味著它對網站數據有多大的影響。

1. 網頁流量

我們做個算術題計算一下推送帶來的流量占網站流量最大可能是多少。假設我們用戶人數代替流量計算，網站/APP一共100個活躍用戶，每人每天產生1個流量，就是每天100個流量。假設給這100個用戶推送，到達率90%且點擊率高達40%，那么相當于36個用戶貢獻了新的流量。那么我們是不是可以假設最夸張的情況下，推送帶來的流量占全站高達26%。

通過推送讓全站流量增長26%已經是非常有價值的免費渠道了，別企圖說通過推送讓網站流量翻倍，畢竟網站人就那么多，不可能憑空造出來。但是需要注意的是，我們上面計算都是基于理想情況下，實際情況會比我們想的復雜的多。

例如：按照GA統計流量的定義，在某個會話時間內的多次訪問均計為1個流量。所以當用戶正常使用過程中點開的推送，此時帶來的流量有可能與正常訪問的那個流量合并為同個流量，那么推送帶來的流量就比我們理想情況下的要少。

又例如說通過推送讓用戶留存增加，讓網站的活躍用戶越來越多，那么推送帶來的間接流量讓網站的自然訪問流量也增加了，那么我們也可以說推送帶來的流量比我們理想情況下要多。所以不管怎么計算都好，如果能發揮推送最大的效果，確實能讓網站流量有所增加，并且能源源不斷的為我們帶來價值。

2. 人均瀏覽量

關于推送對于網站人均瀏覽量的變化也非常有意思，按照我們的理解推送肯定會讓人均瀏覽量增加，但是我對此有不同的觀點，我認為推送并不一定會讓人均瀏覽量有增加，甚至可能會下降。

如何理解這一點呢？

首先我們要注意人均瀏覽量是如何計算的，人均瀏覽量=瀏覽總量(pv）/獨立人數（uv）。

所以想要人均瀏覽量增加無非是讓瀏覽總數增加，或讓瀏覽總數不變的情況下，獨立人數減少，當然我們也并不希望獨立訪問人數減少。而對于推送來說，不用懷疑可以讓瀏覽總量增加，但是需要注意的是獨立人數同時也增加了。如何理解呢？

我們再做一道算術題。假設網站還是有100個活躍用戶，還有100個沉默用戶。這100個活躍用戶每天瀏覽300個網頁，那么此時人均瀏覽量就是300/100=3個/人；此時我針對全站200個用戶推送（含100個沉默用戶）。

假設每個用戶通過推送都增加了1個網頁的瀏覽，那么瀏覽總量為100*（3+1）+100*1=500頁，此時獨立用戶數也因為100個沉默用戶變成活躍了，所以從100變成了200。那么此時的人均瀏覽量為500/200=2.5個/人，確實降低了對吧？！

當然上面的算術題又是個理想情況中的假設，實際情況遠比這個復雜的多，因為那100個沉默用戶可能被喚醒也能多瀏覽幾頁，而且那100個沉默用戶并不能保證全都被喚醒。但是無論如何我們可以知道的是，推送不一定能讓網站的人均瀏覽量有所增加。

3. 活躍用戶數

對于APP來說，我們常常關注的指標是活躍用戶數（日/周/月）。因為這才是APP能貢獻流量的真實有效的用戶數，除此之外還有一群潛伏的沉默用戶。對于活躍用戶來說，可以很明確的講推送會讓APP的活躍用戶數有所增加。因為推送可以讓原本沉默的用戶被激活，原本活躍的用戶仍能保持活躍。

我們常用的推送策略中，有一種為專門針對沉默用戶的推送。即用戶假設連續沉默X天，則嘗試通過推送喚醒用戶。當然這么做存在一定的風險，確實有一定比例的用戶被喚醒，成功的加入活躍用戶的行列。但是也有部分用戶已經沒有需求了，而這種打擾會讓用戶選擇卸載。所以這條策略需要有所權衡才好，千萬不能為了追求短時的效果過于激進。

用戶數據

其實上面活躍用戶數也屬于用戶數據，只是想到對于APP來說，日/月活躍用戶就如同網站的流量一般重要，所以放在上述網站數據進行分析，也便于有個對照。而下面將會剖析推送對用戶數據的有什么影響，下面都以APP為例進行分析。

1. 用戶留存

用戶留存是APP不得不關注的核心指標之一。按照業內流傳已久FB的40-20-10留存定律，分別對應次日、7日、30日留存。用戶留存也是APP運營一直需要優化的重要指標，因為留存率如同經濟學中的復利的概念。

巴菲特是用滾雪球比喻通過復利的長期作用實現巨大財富積累，同樣留存率的提升與復利的作用是相似的。曾經我有通過用戶留存模型做過以下計算，假設留存率為41-25-13 且每天新增1000個用戶。那么一個月后獲得的活躍用戶數為7514人。

上面都在講述用戶留存率的威力，那么推送與用戶留存有什么關系呢？

直接公布答案推送對用戶留存有明顯的提升，并且對次日留存的幫助是最直接的。

可以想象一下這么個場景，今天新增了100個用戶，按照次日留存率40%來算，明天應該只有40個用戶繼續活躍，而其余的60個用戶變為沉默用戶（或卸載）。此時給所有用戶進行推送，那么原本活躍的40個用戶繼續活躍并且沉默的60個用戶中有假設有20個被激活成為活躍用戶，那么此時次日留存率從40%提升至60%。再按照留存率的模型計算，一個月積累下來的活躍用戶將會超過你的想象。

當然我不得不強調的是，確實大規模給用戶推送，并且喚醒沉默用戶能讓用戶留存持續增長，帶來大量活躍用戶。但是請把握好這個閥門，因為推送也同樣會讓用戶選擇與激活相反的路，那就是卸載。

2. 卸載量

這是我最希望大家保持關注的數據，因為上面的數據多數是積極的反饋，并且是我們會持續關注的數據，但是卸載量可能我們日常的關注程度沒有其他數據關注那么多。并且該數據的獲取較難，像itunes connect中并未展示用戶卸載量，那么很多產品運營對自己用戶的卸載量情況是不了解的。

關于卸載量的統計方式，建議可以參考第三方平臺的統計。因為APP卸載后是無法再通過APP把“用戶已卸載”的消息告訴服務端的。而第三方平臺的某些進程卻可以用過別的APP獲取這個消息。

多數情況下，我們會把推送運用的極致，那么難以避免會給用戶帶來干擾，此時卸載量就會飆升，這是一個危險的信號。當卸載量>新增用戶數時，雖然不會立刻失去所有用戶，但是用戶池卻在不斷的減少。這個時候我們需要密切的關注推送頻率、時機、內容是否會對用戶造成干擾，是否與用戶的需求不一致。

如果推送是造成用戶卸載的原因，可能會是以下幾種：

1. 推送時間、時機、頻率打擾了用戶，讓用戶反感
2. 用戶沉默很久，暫時沒有使用APP的需求，推送讓用戶想起卸載掉
3. 推送內容與用戶需求不符，用戶本身對該APP并沒有足夠的依賴

這三種情況中，由于第一種導致用戶卸載的比例最高。也是希望運營人員引起重視，畢竟一個新增用戶的付費成本越來越高，因為推送導致用戶卸載實在不劃算。

后記

至此，推送系統從0到1系列已經全部完成了，雖然整個過程斷斷續續持續了8個月。但是每次寫的過程我都想盡量總結自己的經驗，查找更多的資料，希望給大家呈現更準確更有幫助的文章。

關于推送，可以分析的內容還有太多太多，我也只是盡自己微薄之力，從更多的角度去看待這個系統。網上關于推送的文章確實非常多，但其實可參考的確實不多，這也是我想整理下來的初心。

由于自己文筆不好，也是初次寫文章。文中若有描述不清晰或錯誤的地方歡迎大家留言，我一定仔細回復，也希望大家可以諒解我的寫作經驗不足。

在此感謝支持我的同事、領導，和留言打賞收藏訂閱的小伙伴~

相關閱讀

推送系統從0到1（一）：是系統不是工具

推送系統從0到1（二）：了解你的用戶

推送系統從0到1（三）：推送任務的建立

推送系統從0到1（四）：消息如何到達用戶設備

推送系統從0到1（五）：推送消息如何丟失的

推送系統從0到1（六）：推送的著陸頁設計

推送系統從0到1（七）：推送用戶畫像建立

推送系統從0到1（八）：個性化精準推送的實現

推送系統從0到1（九）：推送的運營策略

推送系統從0到1（十）：從數據上優化推送

本文由 @番茄那只羊 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Pexels，基于 CC0 協議