向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店

0 評論 5292 瀏覽 54 收藏 11 分鐘

編輯導(dǎo)語:如今手機里的軟件都比較飽和,需要下載新軟件的場景和機會變少;所以怎么讓用戶能看見那些頭部應(yīng)用變得很重要,要讓應(yīng)用自己去找用戶;本文作者分享了關(guān)于向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店,我們一起來看一下。

2017年iOS11AppStore大變革,將原本的精選項目標(biāo)簽頁替換為今日推薦,去掉了排行榜頁。

重大調(diào)整背后,一方面是用戶難以發(fā)現(xiàn)軟件,除游戲外人們需要下載新應(yīng)用的場景和發(fā)現(xiàn)新應(yīng)用的欲望越來越少;另一方面是在app的下載上,各大應(yīng)用市場現(xiàn)在沒有太大差異競爭點。

如何為用戶挖掘新鮮、獨特的應(yīng)用內(nèi)容,而非在分類中就可以找到的頭部應(yīng)用很關(guān)鍵;應(yīng)用商店本質(zhì)是工具型產(chǎn)品,近年可以發(fā)現(xiàn),應(yīng)用商店在向“工具+內(nèi)容”的方向調(diào)整轉(zhuǎn)型,通過內(nèi)容向用戶推薦優(yōu)質(zhì)獨特的app進而下載,內(nèi)容成為突破點。

本文將從用戶發(fā)現(xiàn)應(yīng)用場景的搭建、精細化內(nèi)容運營、推薦策略方面探討如下三個問題:

向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店

一、應(yīng)用商店如何讓用戶愿意體驗并下載更多app?

Quest Mobile最新調(diào)查顯示全網(wǎng)用戶月人均打開app個數(shù)是25個,用戶對各個分類的需求已被頭部應(yīng)用滿足。

下載更多app需要在等待、安裝、允許權(quán)限開通、熟悉新應(yīng)用上耗費時間,還需要占用更多內(nèi)存,讓本來并不充裕的手機空間更加雪上加霜。

(這里想順便說說蘋果和安卓應(yīng)用權(quán)限申請的差異:蘋果是當(dāng)用戶需要使用某一功能時,系統(tǒng)才會彈出對應(yīng)權(quán)限的彈窗申請,安卓則是安裝打開后逐項申請;從用戶體驗上個人認為蘋果更加合理,每次下載完安卓應(yīng)用,一下子出現(xiàn)四五個彈窗詢問是否允許權(quán)限開通,實在是有些煩躁。)

在內(nèi)存占用上,華為應(yīng)用市場已經(jīng)推出了快應(yīng)用,相當(dāng)于微信小程序,用戶可以在端內(nèi)無需下載,快速打開快應(yīng)用體驗核心功能。

在減輕用戶下載成本方面,手機應(yīng)用市場能做的有限,在增加下載獲得感方面,主要是為用戶推薦合適的app,讓他們下載有所值。

二、應(yīng)用商店如何為用戶提供更加獨特的體驗?

對每一個產(chǎn)品,我們都會分析其用戶畫像,性別、年齡段、階層、城際分布等要素。

應(yīng)用商店是一款特殊的產(chǎn)品,它的用戶范圍更加廣,社會身份和角色更加豐富,可以說是全階層、全地域、全角色的產(chǎn)品。

我們可以從更多維度去了解用戶,是普通用戶還是新機用戶?一二線用戶還是下沉用戶?消費能力如何?用戶畫像的刻畫對精細化內(nèi)容運營、推薦策略,應(yīng)用找用戶有重要的意義。

向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店

想要提供更加獨特的用戶體驗,從工具向和內(nèi)容向兩個方面出發(fā):

1. 工具向:用戶在應(yīng)用商店里是如何下載新應(yīng)用的?用戶場景是怎樣的?

用戶發(fā)現(xiàn)應(yīng)用的核心用戶場景有搜索、分類、瀏覽三種。

根據(jù)艾媒咨詢2018中國移動應(yīng)用商店用戶下載新應(yīng)用的方式調(diào)查,60.5%用戶通過搜索下載新應(yīng)用,45.8%通過分類篩選下載新應(yīng)用。

搜索和分類都是用戶的主動行為,對應(yīng)帶明確目的和半明確目的;當(dāng)用戶場景為明確知道自己想要下載某款應(yīng)用時,搜索為用戶提供直達功能;當(dāng)用戶場景為明確要下載的分類但不確定具體下載哪款時,分類為用戶提供篩選功能。

在這兩個主動用戶場景之外,還有大概10%(統(tǒng)計方式與艾媒報告不同)的用戶通過瀏覽發(fā)現(xiàn)新應(yīng)用,瀏覽是用戶的被動行為,不明確目的,在應(yīng)用商店中的“閑逛”發(fā)現(xiàn)好玩有趣的新應(yīng)用。

1)搜索

搜索入口的設(shè)計,包括搜索框、搜索頁和搜索結(jié)果頁。

搜索框設(shè)計:應(yīng)用商店基本一致,都有做推薦app的提示文字功能。

搜索頁設(shè)計:各大手機應(yīng)用廠商的搜索頁功能對比,icon樣式是用戶對app最直觀的感受,90%以上用戶的注意力會第一時間被icon吸引。

華為和應(yīng)用寶的搜索頁的熱門應(yīng)用都直接以icon樣式吸引用戶,豌豆莢則將游戲和軟件的分類提前到了搜索頁中。

向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店

搜索結(jié)果頁設(shè)計:應(yīng)用寶的搜索結(jié)果頁最為簡潔,應(yīng)用橫條只包含icon、名稱、副標(biāo)題、下載次數(shù)等元素。

華為和豌豆莢在結(jié)果頁做了較多相關(guān)搜索,百度手機助手把應(yīng)用詳情頁的功能(三圖、視頻)提前到結(jié)果列表頁中,吸引用戶關(guān)注,但三圖/視頻卡片對應(yīng)的是更少應(yīng)用能露出;華為應(yīng)用市場除了應(yīng)用標(biāo)簽頁,還有一個內(nèi)容標(biāo)簽頁,聚合各種內(nèi)容,為華為閱讀、華為視頻引流。

向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店

2)分類

分類的痛點在于分類名稱是否準(zhǔn)確可感知、app分類歸屬重復(fù)、分類中app排序不夠權(quán)威。

華為應(yīng)用市場每個一級分類下都會有“熱門”的二級分類,但熱門中的app與其他二級分類頭部應(yīng)用是相同的,造成曝光資源的浪費;可以考慮在熱門曝光過的應(yīng)用,在二級分類外頁中不露出,僅在詳情頁中露出,讓更多app可以獲得曝光機會。

向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店

3)瀏覽

瀏覽雖然占比只有大概10%,但相對于搜索和分類是最能做出差異化的場景,也是內(nèi)容運營的主陣地。

2. 內(nèi)容向:怎樣通過內(nèi)容向用戶推薦應(yīng)用?

應(yīng)用商店的分發(fā)場景越來越向內(nèi)容分發(fā)、社交分發(fā)、娛樂分發(fā)靠攏,內(nèi)容又是時間大殺器,可以提升用戶粘性和留存。

下圖總結(jié)了目前各大應(yīng)用商店通過內(nèi)容向用戶推薦應(yīng)用的方式,針對不同內(nèi)容形式的精細化運營將在第三個問題講到。

向工具內(nèi)容復(fù)合型產(chǎn)品轉(zhuǎn)型的應(yīng)用商店

三、如何從“用戶找應(yīng)用”轉(zhuǎn)變?yōu)椤皯?yīng)用找用戶”?

推薦算法讓傳統(tǒng)的“用戶找應(yīng)用”轉(zhuǎn)變?yōu)椤皯?yīng)用找用戶”成為可能,推薦算法的兩端是物與人,物即判斷內(nèi)容特性,人即識別用戶喜好,對內(nèi)容和用戶貼標(biāo)簽并匹配。

常見的推薦算法是TOP-N、Trending、基于物品的協(xié)同和基于用戶的協(xié)同:

  • TOP-N:排名靠前的熱榜推薦,在召回序列的頭部結(jié)果中優(yōu)中選優(yōu);e.g.榜單。
  • Trending Now:推薦短期熱點,周期性消費或者突發(fā)熱點;e.g.搜索頁的“大家都在搜”、熱點卡。
  • 基于物品的協(xié)同:確定用戶喜歡的物品,推薦相似物品;e.g.某些卡片的推薦理由為“根據(jù)XX應(yīng)用推薦”。
  • 基于用戶的協(xié)同:找到與該用戶某方面口味相似的人群,將這一人群喜歡的物品推薦給該用戶;e.g.某些卡片的推薦理由為“文學(xué)愛好者看過”。

推薦卡片、推薦圖文和短視頻的精細化運營:

  • 推薦卡片:從人出發(fā),設(shè)想場景、用戶群體、興趣愛好等維度下對物(應(yīng)用)的需求,把人與物聯(lián)系起來,組織成應(yīng)用卡片;設(shè)想人在某個場景下可能需要什么,如用戶在通勤時間不方便看,更希望通過聽來獲取資訊,如喜馬拉雅FM、每日英語聽力、36Kr等;設(shè)想某類細分人群的需求,如為寶媽群體推薦寶寶知道、親寶寶等;設(shè)想興趣愛好者的需求,如為攝影愛好者推薦一甜、馬卡龍等。
  • 推薦圖文:圖文的特點是長內(nèi)容,適合深度介紹,主題可選應(yīng)用特色功能,對同類應(yīng)用功能進行比較,功能教學(xué)等。
  • 推薦短視頻:在短視頻的情境下,更多是視頻內(nèi)容與應(yīng)用之間的映射。

參考資料:

閆澤華老師:《內(nèi)容算法:把內(nèi)容變成價值的效率系統(tǒng) 從算法到應(yīng)用》

 

本文由 @RfSr 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于CC0協(xié)議

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!