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

上周末，人人都是產品經理聯合騰訊大講堂在深圳舉辦了一場「2024 AI產品經理大會」，阿里巴巴高級產品專家@馮成蹊 老師在現場做了精彩分享。本文為現場分享精華，經人人都是產品經理整理。

很榮幸又被邀請到人人都是產品經理的大會，簡單介紹一下，我是親身經歷了從PC互聯網到AI產品經理這個過程，和大家大家分享一些我在這個領域里看到的一些產品現象和數據情況。

2010年左右友盟創立，2016年和阿里巴巴的幾個產品合并，成為現在的友盟+；主力產品一直沒有變，都是做移動互聯網開發者的工具，加上智能數據的賦能和智能數據的企業化服務。這么多年主要深耕于移動互聯網，幫助大家做好整個數字化應用和數字化轉型。今天我從自己的角度，從自己數據上深耕了十多年的經驗，和大家分享AI時代來臨之后，數據和AI如何做好結合，如何在用戶運營上的到一個最好的實踐。

我們先來看一些數據：

（左圖）這個數據來源于CNNIC（中國互聯網數據中心），整個移動互聯網從2013、14年到最近四年，國內的增量在逐漸下降，慢慢到一個沒有增量的地步。這種情況下，對存量客戶的競爭越來越激烈，這也是大家現在比較關注的話題。

先看一下國內整體的情況（右圖）。我們做了一個維度的切片：把APP的MAU按照大于1000萬、100到1000萬、10萬到100萬區分三個維度，根據我們拿到的數據看，最近三年呈現出一個非常明顯的趨勢：大量用戶被頭部的APP（MAU大于1000萬）吸走了，形成「馬太效應」。

國內不太好做的情況下，出海怎么樣？

其實道理是一樣。

也就是最近的兩三年，除了AI應用的增長還可以，大部分應用，不論是垂直領域還是中小領域，獲客都會越來越難。甚至獲客之后，大平臺出一點點功能，也會把你的用戶吸走。

除了這個獲客難的問題，如果我們運營存量用戶，會不會有問題？

也是一樣的，不論是營銷還是自己的用戶運營，都很難做好消息推送。一個很典型的數據是APP消息推送的到達率和點擊率的變化。

我們根據現在比較通用的APP行業的分類，拉取了一些數據。有兩個特征：

1. 到達率的變化：半年左右的數據，整個到達率只有不到 1/3的行業是由提升，其他的都在下降。
2. 點擊率的變化：即便是到達率上去了，但點擊率也是在下降的狀態。

國內 Android 的消費通道基本上被廠商管理了，要在廠商通道里發送信息，要遵循廠商消費通道的運營規則；這個規則顆粒度很細——什么行業在什么情況下可以給你的用戶發送營銷信息。綜合這幾點，對想要在APP內運營好自己的用戶，難度是在直線上升的。

簡單總結一下：想要運營好我們的存量用戶，方法論其實和營銷是相通的。也就是：

我要在 { 什么時間 } 給 { 什么樣的人 } 發送 { 什么樣的內容 } ，以及發送完后，用 { 什么渠道 } 去下發消息，最后得到 { 怎樣的效果 } 。

那么，運營之后的效果如何？

我們從每一個維度碰到一個什么樣的問題說起。

企業內部都有建立用戶畫像，每個畫像里面都有自己的精準度。比如消息更新時間、標簽更新時長等等，結合個人用戶畫像，如何通過一個好的運營體系發送給個人，以及發送完之后什么時候觸發，什么時候回收效果等。不同的企業、不同的數字化和不同團隊的能力不同，效果也不一樣。

各個公司、團隊都有自己的方法論和經驗，但少有在整個角度上把AI結合得很好的，這也是我們今天需要討論的點。

其實，沒必要把整個體系全都做好才有效果。

我們拆開來看，其實就是回到分享主題：如何通過數據和AI打造整個用戶運營的智能體系。在不同的維度上，包括不同的人群、內容、時機、渠道，都可以借助AI加上小的突破點進行串聯，加上整個數據回流后，就能做好智能用戶運營的最佳閉環。

一、智能內容

這是一個電商領域的案例，我們的實驗始于產品界面后臺的一點小嘗試，利用電商行業的數據沉淀，包括不同用戶的互動歷史和消息的到達點擊率。基于這些歷史數據，我們開發了一個AI功能，它可以根據用戶提供的商品關鍵詞和目標用戶群體，快速生成可能引發高點擊率的消息。

例如，如果我們選擇“100元以下的白酒”作為關鍵詞，并指定了核心用戶人群，AI就能幫助我們預測在過往用戶群體中，哪些消息能夠產生較高的點擊和下發量。這種應用場景不僅提高了營銷效率，還優化了用戶體驗，通過精準的消息推送，我們能夠更好地滿足用戶需求，同時提升轉化率。

除了基于歷史數據的內容生成，我們還探索了將消息轉變為實時快速識別人群的方式。這種方法結合了內容生成，允許我們根據消息內容實時判斷并推送適合特定人群的消息。例如，我們開發了一種關懷型消息模板，該模板能夠將天氣數據融合到消息中，通過替換詞快速實現基于實時天氣數據的個性化推送。

我們通過增加如“forecast”這樣的標簽，自動整合當天最新的氣象數據，以及提供降溫、升溫等異常天氣提醒。這種方法不僅提升了消息的相關性，還增強了用戶的參與度和滿意度。通過利用歷史和實時環境數據，我們幫助企業快速識別本地運營中的消息需求，并實現差異化的消息推送。一個工具型APP通過推送與天氣相關的個性化消息，成功地將點擊率提升了255%。

在辦公領域，我們特別關注了一款主要服務于戶外工作人員的辦公型APP。這款APP的使用者，如工程師，經常需要外出勘探工地，對實時天氣變化的敏感度極高。利用智能時機的概念，我們通過地理圍欄技術，結合用戶的實際出行數據，實現了對惡劣天氣變化的實時預警。

具體來說，當用戶進入特定地理區域，系統能夠識別出即將到來的快速天氣變化，并及時推送預警消息。例如，通過“下雨標簽”結合空間數據技術，我們能夠在用戶即將出行的時間段內，推送關于天氣變化的消息，提醒他們注意安全。這種方法不僅提高了消息的相關性和及時性，而且顯著提升了消息的點擊率，接近50%。

二、智能時機

在不同的數據切片上，我們分了三個維度：微觀、中觀和宏觀。

微觀狀態，我們通過自己的大數據，觀測用戶在不同時間段內使用手機的狀態，比如是開會，還是休息，基于數據把它包裝成用戶狀態點。

基于這些用戶狀態點，我們可以更智能地決定何時進行用戶接觸。例如，如果系統識別出用戶正處于打游戲的狀態，我們就可以避免在此時進行電話營銷或發送推送通知，因為這很可能會干擾用戶并導致較低的轉化率。相反，如果用戶處于休息狀態，這時發送的通知或消息可能會獲得更高的關注度和響應率。

第二個用戶狀態點是空間數據。我們給予長時間的數據觀察，能預測用戶的常住區域，用戶是一個正常的上班族，還是一個經常出差的人群，他的空間數據可能會處于一個怎樣的狀態，基于這個狀態，是否可能觸發一些營銷行為等。

結合一些更宏觀的數據，比如歷史行為狀態——用戶出現在某一個城市節點的時候，當前節點的狀態有沒有變化。比如我們識別出差旅人群，當出現在機場、高鐵站附近這些狀態點的時候，可以提前半小時、往后半小時左右給他發送一個打車、租車的優惠券，這是一個很好的用戶場景。

另一個是瀏覽器APP的案例。

我們通過結合用戶使用習慣和當前使用狀態，進行了一系列的AB測試。該APP通過分析用戶的多元內容偏好和使用習慣，進行了精細化的推送策略。在測試中，我們特別關注了用戶的休閑、學習和瀏覽重要內容的狀態，并為處于這些狀態的用戶打上了相應的標簽。

通過對這些狀態標簽的分析，我們觀察了兩個關鍵指標：首啟率和點擊率。結果顯示，引入狀態標簽后，這兩個指標都有了顯著提升，超過了100%。

三、智能算法

前面我們已經通過AI生成了一些智能內容，但還不確定用戶的標簽是否正確，以及消息推送后的效果是否符合預期。

接下來，我們結合一些已有的智能算法。

我們當時是結合了通義的AI算法，把前面涉及到的不同內容、不同人群，測試時下發5-10條，根據數據快速調整，根據實時的點擊數據回流，觀測點擊率是否符合預期；如果不行就快速調整：換一個AI策略或者動態調整人群標簽。從阿里內部大促電商的角度來看，這一套算法已經比較成熟，整體效果能做到平均34%的點擊率提升。

四、智能通道

Android當前有兩個通道：

1. 廠商設備的消息通道
2. 第三方的消息通道

隨著廠商也開始提供付費消息通道，以及各種不同的消息體和用戶界面位置，智能通道選擇變得更加復雜和多樣化。

我們的智能通道策略基于數據回流，能夠細分出多種策略玩法。我們可以根據用戶在不同通道下的使用行為習慣，選擇最合適的消息下發方式。同時，我們還能通過數據策略了解用戶對消息通知的敏感度，以及他們對消息頻次和量級的接受程度，從而避免觸發用戶的逆反心理。

我們注意到用戶對消息通知的敏感度不同，以及他們對消息頻次和量級的接受程度各異。為了避免觸發用戶的逆反心理，我們采取了智能化策略，根據用戶的行為習慣和偏好選擇最合適的消息下發方式。

我們實施的一個具體策略是關于消息通知開關的。我們發現，用戶關閉消息通知開關后，傳統的消息推送方式便不再有效。為了解決這一問題，我們首先分析了這部分用戶的行為習慣，然后快速向企業提供了用戶畫像，并給出了具體的操作建議。例如，我們建議在特定情況下觸發補發一個短信，或者轉為應用內消息。此外，我們還考慮了這個消息通知開關在其他行業是否是打開的，以及用戶希望收到什么樣的消息。

基于這些分析，我們能夠更精準地營銷用戶，尤其是在消息通知開關關閉的情況下，通過其他方式下發消息，能夠顯著提升到達率。這種方法不僅提升了消息的發送效率，還避免了對那些關閉了應用內通知的用戶造成打擾，從而保持了用戶體驗的連貫性和滿意度。

例如，我們曾在一個新聞行業的APP中實施了這一策略。通過分析發現，在關閉消息通知開關的用戶中，有一部分用戶在其他行業的消息通知開關是打開的。我們根據這一發現，調整了消息下發策略，只在關閉消息通知開關的用戶中，通過其他方式下發消息，結果發現用戶參與度有了顯著提升。

在實際操作中，我們通過數據分析，能夠識別出哪些消息適合通過設備消息通道下發，哪些適合轉為應用內消息。這樣的智能化策略，結合了用戶行為和AI的快速判斷，幫助企業更精準地進行消息運營。

五、回到主題

回到演講的主題，我們強調了用戶運營智能的重要性，這涉及到將數據與AI技術相結合，從人群、內容、時機和渠道等多個維度進行全方位的運營。我們的理念是，通過對每個維度的細致打磨和優化，即便是小的改進也能在整個用戶運營體系中產生顯著的增長效果。

在AI技術日益成熟的今天，AI產品經理的角色也在發生變化。我們建議AI產品經理應該深入理解并學習AI技術，將其應用到自己的工作場景和流程中，以實現直接的小步提升。這種提升可以體現在工作效率、成本降低或工作流的銜接性能上。

我們認為，AI產品經理應該關注以下幾個方面：

1. 識別AI工具的潛在價值：在產品的工作流程中找到AI工具可能帶來提升的環節。
2. 數據驅動的決策：將工作流程中的數據輸入到AI系統中，利用AI快速建立反饋機制。
3. 尋找落地節點：在整個工作流程中找到不同的小的落地點，無論是通過AI原生方式還是通過Agent方式，都能在用戶場景下的不同工作流程中實現提效。

拆解好不同的工作流之后，用工作AI的方式幫他去做好提效。這個提效可以是工作效率上的提效，可以是成本降低的提效，也可以是整個工作流銜接之間的績效。這本身其實就是一個AI產品經理在這個節點里面非常好的一個工作落地的節點。