只有用戶對你的推送信息或活動感興趣，他才有可能會點開。而感興趣用現在的流行詞來說就是“精準”。

一打開手機，通知欄被各種應用PUSH信息塞滿。手指慣性地放在手機屏幕頂端，下拉，幾秒鐘內從上瞄到下，看到感興趣的，點開；沒發現感興趣的，全部刪除。

該場景，我每天都需體驗幾次。我也相信，這也是大多數手機用戶每天必經的場景之一。

此場景，用一句話來描述最適當不過：“無求不動，有求則應”。這8字箴言也是無數網友在信息過載的互聯網時代，對互聯網產品信息推送持有的基本態度。

換句簡單的話來說，只有用戶對你的推送信息或活動感興趣，他才有可能會點開。而感興趣用現在的流行詞來說就是“精準”。

今天，我們來談談app運營如何通過構建用戶興趣模型進行個性化活動推送，讓用戶對活動有求則應。

一、用戶興趣模型的構建

俗話說，巧婦難為無米之炊。既然是以用戶興趣模型為基礎的APP PUSH信息，首先得有用戶興趣模型的存在。那怎么構建起app用戶的興趣模型庫呢?

1、搜集用戶行為信息

行為可以反映興趣。一個男人想要追到自己看上的女人，最大捷徑莫過于多注意女人平時的行為，從而了解她的興趣愛好，最后投其所好。同理，一個app運營想要做好用戶興趣模型，首先要做的就是利用各種利用到的手段搜集想要的用戶行為信息。

什么是用戶行為信息

用戶在一個網頁、網站或app產品上的任意操作統稱為用戶行為。以購物購物app為例，用戶從打開app、登陸賬戶、查找或瀏覽商品、加入購物車、支付訂單、分享商品、收藏商品等都屬于用戶行為信息。再如，一個用戶在某視頻app上觀看過的節目內容，用戶觀看某個視頻的次數和觀看時長等都是用戶在改app產品上的行為信息。

怎么搜集用戶行為信息

不管是網站還是app，常見的用戶行為搜集方式主要有以下兩種：

顯示搜集：很多產品的新用戶注冊頁面把這種搜集用戶行為信息的方式詮釋的很好，如下圖所示知乎注冊頁面和人人都是產品經理注冊頁面，一個簡單的注冊頁就搜集到了幾個重要的用戶信息：手機號姓名。

除了用戶的注冊行為之外，用戶顯示反饋(如卸載某軟件彈出一個網頁讓你填寫反饋信息類)和表單填寫等能夠直接獲得用戶行為信息的方式都屬于顯示搜集范疇。

• 該方式的優勢：簡單粗暴，效果直觀，且搜集到的用戶行為信息能在很大程度上反映出用戶喜好。
• 隱式搜集：通過技術手段在后臺全程記錄用戶在網站、網頁或app上的所有操作行為，并從這些操作行為中提取用戶興趣信息的。

如下圖所示，這是我某天晚上把淘寶某店鋪的一件寶貝加入了購物車，第二天早上就收到了一條提醒“交易剩下時間不多”的短信。該店鋪的小二之所以會發這條短信給我，是因為他在后臺能夠看到我“加入購物車”這一行為。這是典型的隱式搜集用戶行為信息的案例。

該方式的優勢：用戶不直接參與，用戶體驗較好。

2、提取用戶興趣信息

用戶訪問某個頁面，進行某種操作背后在很大程度上代表他們的興趣愛好，即用戶行為信息是用戶對產品較為真實的需求。再者，我們搜集那么多用戶行為數據，也是為了更好的了解用戶的興趣點。

比如微博、微信、陌陌，同樣是社交軟件，但每個用戶使用它們的目的都是不一樣的，有的是為了獲取新聞熱點事件，有的是是為了發展潛在客戶或機會，有的單純是為了加強和還有的聯系等。產生這種結果，是因為每個用戶的興趣點不一樣，所以每個用戶的行為也會不同。

所以，運營在有了用書行為數據后，要能夠從用戶行為信息中提取出用戶興趣信息。用戶興趣信息提取建議從兩方面著手：用戶訪問內容、用戶瀏覽行為。

有了行為數據之后，如何提取出用戶興趣信息并用一種恰當的表示方式描述用戶興趣

3、展示用戶興趣信息

運營根據用戶行為信息成功提取出用戶興趣后，要用一種比較恰當的表示方式對用戶興趣進行描述。這么做的目的有兩個：一是為了能夠讓用戶興趣信息更直觀;二是為了讓之后的用戶興趣建模更具科學性。

用戶興趣信息展示的方法有3種：

主題展示法：

以主題類別概念集合為依據來表示用戶的興趣點。如下圖所示，新用戶下載豆瓣app并打開進入首頁之前，會讓用戶選擇自己感興趣的主題。

優勢：用戶興趣信息直觀，且可操作性強。

不足：展示信息的精準度有待商榷。

關鍵詞展示法：

顧名思義，就是通過用戶主動提供或采用相關算法篩選出一些能夠代表用戶興趣的關鍵詞來展示用戶興趣信息。如柏拉圖app制作的“個性標簽”H5幫用戶生成的那張個性標簽圖就是用的關鍵詞展示法。

優勢：操作簡單快捷。

不足：可能需要用戶的主動參與，體驗不夠好。

向量空間展示法：

通過計算關鍵詞的權重，把用戶的興趣展示城有關鍵詞和權重構成的單個分項組成的一個特征向量序列。也就是說，向量空間展示法是關鍵詞展示法的升級版，加入了關鍵詞的權重信息，把文本表示成帶權重的信息的詞項向量。

下圖為向量空間展示法的計算公式。

• W(t,d)：詞t在文本d中的權重;
• TF(t,d)：詞在文本d中的詞頻;
• N：訓練文本總數;
• Nk：訓練文本集中出現t的文本數。

優勢：不用人工參與，用戶信息直接從服務端獲取。

不足：計算得到的用戶興趣文本特征詞語數量龐大，增加運營工作量。

4、構建用戶興趣模型

根據前面的用戶興趣信息提取、展示、分析和挖掘，結合用戶實際需求，并以用戶數據實體為中心規約數據維度類型，將得到的用戶興趣喜好用結構化的形式為用戶建立一個興趣模型。這個環節通常也被稱之為用戶畫像的建立，即給用戶打標簽，讓用戶興趣信息標簽化。

二、如何根據用戶興趣模型讓用戶對app活動有求則應

用戶興趣模型構建好之后，用戶興趣行為、用戶興趣標簽、用戶興趣畫像等關于用戶興趣的數據都齊全了，后續的個性化、精準活動推送就比較簡單了。

一款app基于用戶興趣的個性化活動推送方式可以采取兩種形式，一是在app內進行SDK埋點，根據用戶實際場景和需求觸發精準活動；二是根據用戶興趣模型，主動PUSH相應的app活動。

1. SDK埋點定向觸發個性化活動

確定好活動場景和用戶興趣信息確定好活動投放位置，然后在app內相應的位置進行SDK埋點，當用戶完成了預定的操作或者符合相應的條件（如活動觸發行為）才能觸發某個活動。

如某次app活動主要的目的是什么，是為了給app拉新、留存還是為了促活app用戶。不同場景的活動在app內的投放位置不同，如你是為了激活新用戶，你就把用戶可能感興趣的活動頁面投放在app用戶注冊完成頁面之后。用戶注冊成功，立即彈出一個新用戶抽獎的活動。

再比如一款購物app,想要提高用戶的復購率，可以根據用戶瀏覽商品的喜好，在用戶將商品加入購物車時投放投放該商品的優惠券活動，或在用戶下單后，根據用戶興趣投放一些周邊產品的打折優惠活動。下圖為外賣app餓了么下單后分享后的觸發優惠券活動。

2. 主動PUSH活動

主動PUSH信息是通過用戶興趣模型數據庫中的用戶興趣標簽智能判斷用戶對什么類型的活動感興趣，然后直接推薦相應的活動給用戶。這一點，現在主打“興趣閱讀”的移動新聞類app產品做得比較出色。

如天天快報、今日頭條等，都是采用“智能計算用戶興趣—+編輯運營”的方式為用戶推薦內容的，這樣做的好處是符合app用戶的閱讀習慣和喜好，達到個性化閱讀推薦的效果。

總結

最后，無論是信息的個性化推送，還是活動的個性化推送，個性化推送都是為了更好地實現信息與用戶個性需求相匹配的過程。在這個過程中，用戶興趣模型的建立是非常關鍵，又因用戶行為或興趣會隨著時間或其他因素而改變。所以，建議app運營有周期性地對用戶興趣模型進行更新或修改。

作者：等待八戒，活動盒子(huodonghezi.com)品牌運營推廣專員，關注互聯網及移動營銷推廣領域。

本文由 @等待八戒 原創發布于人人都是產品經理。未經許可，禁止轉載。