天天炫斗修改
SEO顧問_SEM顧問_新媒體顧問服務【四川羽翼互動】加入收藏
全國服務熱線:4000-921-622 E-mail:[email protected]
您當前位置:首頁 > 資訊中心 > 行業資訊 > 網絡營銷 >

今日頭條增長秘密,你知道嗎?

  2018 年,中國移動互聯網用戶增長放緩,上半年僅增長 2 千萬。
  
  但是有一匹黑馬,硬是在這種惡劣的情況下,逆流而上。
  
  今日頭條系獨立 App 用戶使用時長占比,從 3.9% 猛增到 10.1%,增長了1 .6 倍,超過百度系、阿里系穩居總使用時長第 2 名。
  
  更牛逼的是,頭條系產品這種突飛猛進的增長速度還在持續,單今日頭條資訊 App 每天還在保持100 萬+ 的新增。
  
  在頭條系如何做到這般“喪心病狂”的用戶增長的背后,其實有一些不為認知的小秘密。
  
  頭條內部會創新(或者抄襲)孵化產品,并且為每款產品設置留存生死線(RIO),超過生死線的產品就可以頭條系站內流量扶持,快速讓它達到千萬級日活。
  
  今日頭條涉足近 60 個產品
  
  頭條內部有非常強大的數據監控系統(花大價錢買數據),任何產品的日活和增長數據都在它們的監控之下。
  
  另外,為了幫助提升創新產品的成功率,頭條內部甚至研發出了一套增長引擎,在咱們還在糾結功能按鈕排序時,他們就在同時進行幾十組甚至上百組的 A/B 測試, 幫助產品經理和運營們找到最優的方案。
  
  頭條強大的生死線和數據監控系統我們模仿不來,他們的增長引擎我們也暫時研發不出來。但是幫助篩選最優方案的 A/B 測試,我們還是可以進行借鑒學習的。
  
  雖然 A/B 測試過去更多的是在產品領域,通過它來判斷功能的價值。其實到現在 A/B 測試已經滲入到運營, 哪天公眾號能推出小流量打開率測試功能,我想你會開心壞了!
  
  什么是 A/B 測試
  
  A/B 測試,也叫對照實驗和隨機實驗。簡單說,就是為同一個目標設計 A 方案和 B 方案,讓一部分用戶使用 A 方案,一部分用戶使用 B 方案。記錄用戶的使用情況,根據用戶反饋,比較得出哪個方案更佳。
  
  千萬不要以為這里的“A/B測試”真的只會有 A 方案和 B 方案,“A/B 測試”只是習慣性叫法,你還可以有 C、D、E 多種供測試的方案。
  
  看完定義,你可能會覺得“A/B 測試”這個概念已經爛大街了,不就是提出多種方案供選擇,然后選擇效果最好的哪一種嗎?
  
  其實理論講起來很簡單,實際做起來還是需要很多技巧的。我們先來看一看,今日頭條是如何開展 A/B 測試的?
  
  今日頭條的頭條號具有“雙標題”功能,這其實就是 A/B 測試的一種實踐。
  
  也許你會說,這難道不是為了讓用戶有更廣闊的起標題空間嗎?一篇內容可以起兩個標題,那么一個標題廢了,還有另一個標題撐腰。 不像微信公眾號,只有一個標題,一旦標題廢了,閱讀量基本上就完蛋了。
  
  事實上,今日頭條設置“雙標題”功能是為了更精準地了解用戶對于標題的反饋, 從而掌握用戶的行為數據。
  
  當然,今日頭條在 A/B 測試上最牛逼的玩法不是“雙標題”功能,因為只測試標題,就會造成“標題黨”泛濫橫行。基于此,今日頭條 A/B 有一套“動態”的內容推薦機制,這里的”動態“指的是根據反饋結果,實時更新調整。
  
  這套“動態”內容推薦機制是如何運轉的呢?
  
  同樣的方案,今日頭條會先推薦給小范圍的人群:
  
  比如 100 人,如果這 100 人對標題、內容的反饋均不錯,那就把方案推薦給更大范圍的人群,比如 500 人,如果這 500 人對標題、內容的反饋效果很好,再推薦給更大范圍的人群,比如 2000 人,以此類推。
  
  用戶的行為動作會被搜集,據《今日頭條推薦系統原理》介紹,基本上每小時都可以看到用戶對內容的反饋。但因為每小時都有數據上的波動,今日頭條通常以天為時間節點,來查看用戶的行為數據。
  
  將用戶的行為動作進行搜集后,今日頭條會有日志處理、分布式統計,寫入數據庫。
  
  今日頭條系統就可以自動生成:實驗數據對比、實驗數據置信度、實驗結論總結以及實驗優化建議。
  
  這樣看來,是不是覺得 A/B 測試的威力真的很強大,不僅完成了方案調研,還能通過測試掌握用戶口味,實現精細化內容推薦,從而更好地留住用戶。
  
  A/B 測試的應用
  
  可能你會覺得 A/B 測試只有大公司才玩得起,和我們并沒有什么關系。可能你也會覺得這只是產品的事,和我們運營沒什么關系。
  
  那你誤解可就大了。不僅小玩家也能玩,而且和我們運營大大的相關。如果你是一個會做增長的運營,那你很可能就會成為你們公司的扛把子。
  
  舉個例子:
  
  我們之前邀請了「深夜發媸」的主編阿芙,來給我們做微課分享。既然談到微課,那肯定是要打磨微課海報,提升宣傳效果的。
  
  于是我們請我司首席設計師做了一版,結果一出來,編輯部的小姐姐們意見不合吵了起來。
  
  一個人認為“如何寫出用戶喜歡的營銷文案”,這個主題沒有吸引力,應該改成“10 招寫出讓用戶喜歡的營銷文案”。
  
  還有一個人表示贊同,但是應該進一步優化,改為“10 招寫出讓用戶瘋傳的轉化文案”。
  
  這個時候,賢哥很機智的說了一句,你們就不能做 3 版海報嘛?每版海報只讓一個寶寶號,在同一個時間轉發(所有寶寶號均擁有 5000 人好友),這樣不就測出來哪版效果好了嘛?
  
  當時我們沒有想到,其實這就是 A/B 測試的思維。
  
  后來我們實施了賢哥的想法,測試出了 3 個海報的轉發率(轉發海報用戶/新增用戶),分別為:30%,35%,44%, 效果最好的一張是:10 招寫出用戶瘋傳的轉化文案。
  
  接下來,就發動所有寶寶號,公司的全體員工分享海報,最終吸引了 3000 人來聽課,這也是我們目前效果最好的一次微課分享。
  
  除了微課的應用,還有很多地方也可以用到 A/B 測試。
  
  比如 App 的 push 可以做 A/B 測試。 餓了么想要測試,不同的促銷活動,對用戶的留存有多大作用,所以就發生了以下場景。
  
  昨天,小松果興沖沖和我說,餓了么給她發了一條推送:“你有一張 15 元大額券待領取”,結果點進去發現是“滿 40 減 15 ”。盡管這樣,她還是湊單點了很多東西。
  
  根據以往經驗來看,餓了么喜歡在我們吃飯前推送。所以我看了看自己的餓了么推送:“訂單滿 45 可享七五折優惠”。一看我就沒有興趣,起點那么高。
  
  其實這就是餓了么運營給我們做的 A/B 測試。
  
  通過這次測試,他們可以通過訂單率發現,同樣都是優惠 15 元(都花 40 塊的前提下),直接突出數字 “優惠 15 元”,就比“滿 40 減 15”效果好。
  
  總之,通過 A/B 測試,確確實實能夠試出最佳增長方法。除了 App 的推送,微課主題,還有很多場景可以用 A/B 測試,比如付費廣告,應用商店,著陸頁,新用戶引導流程等等。
  
  A/B 測試容易踩的坑
  
  A/B 測試看似簡單,實則隱藏著許多溝溝坎坎,稍不注意就會導致試驗結果偏離科學軌道。
  
  1)忽略測試環境差異
  
  如果真的有一天公眾號開發的標題 A/B 測試的功能,你會用下列哪個方案去測試的你的標題?
  
  a. 將上海地區用戶分成 3 個組,并在同一時間 分別推送 3 個不同的標題。
  
  b. 將上海地區用戶分成 3 個組,并在不同時間點 分別推送 3 個不同的標題。
  
  如果你的是選擇 b 方案的話,恭喜你翻車了!
  
  舉個不太恰當的例子,b 方案的測試方法就好比在電視上投放廣告,分別選取了工作日的下午 3 點鐘和晚間黃金時段進行測試收集。
  
  由于輪流展示時的測試環境不盡相同,所面向的受眾群體更是千差萬別,因此最終試驗結束后的數據結果必然會存在一定偏差 ,也就更不具有說服性了。
  
  2)容易「以全概偏」
  
  在測試結果沒有表現出理想狀態下的數據提升時,如果你直接放棄的話,有可能你又踩坑了。
  
  國際短租平臺,搜索是 Airbnb 生態系統中很基礎的一個組成部分。Airbnb 曾經做過一個關于搜索頁優化的 A/B 測試,新的版本更加強調了列出的圖片,以及房屋所在位置(如下圖所示)。
  
  在等待了足夠長的時間之后,試驗結果顯示新老版本的整體數據相差無幾,似乎這次優化沒有很好的效果。
  
  如果此時,Airbnb 直接根據整體的數據表現放棄了這次優化,那么這個花費了很多精力設計的項目就會前功盡棄。
  
  相反,經過仔細研究,他們發現除了 IE 瀏覽器之外,新版在其他不同瀏覽器中的表現都很不錯。當意識到新的設計制約了使用老版本 IE 的操作點擊 后(而這個明顯為全局的結果造成了很消極的影響),Airbnb 當即對其進行了修補。
  
  至此以后,IE恢復了和其他瀏覽器一樣的展示結果,試驗的整體數據增長了 2% 以上。
  
  通過 Airbnb 的例子,我們能學到正確的做法是:在整體效果不太好的時候,不要一竿子打死,而需要從多個維度細分觀察個體的情況,以避免區群謬誤帶來的決策偏差。
  
  3)只做到了局部最優
  
  避開了上面的 2 個坑之后,你可能得到一個相對不錯的測試結果,在你欣喜若狂時,正準備對外宣布戰果時,可能已經踩入了另外一個坑——“局部最優”
  
  以某金融平臺提升新用戶的注冊率的 A/B 測試為例,運營通過不斷進行注冊按鈕的文案優化,發現相比于“立即注冊”、“免費注冊”等文案而言,“領取 100 元新人紅包”的注冊率是最高的。
  
  但是,如果只是沉迷在文案上做測試,其實他可能就錯過了提升用戶注冊率的其他更效假設。
  
  正確的做法是可以進行用戶調研,了解用戶不注冊的原因在哪, 通常情況下金融平臺讓用戶放棄注冊的原因還在于,注冊流程繁雜、信任問題、無匹配的理財產品等,所以在完成了注冊按鈕的文案測試時,我們還需要在這些方面也進行想要的實驗。
  
  總結
  
  今天的文章,我們通過分析今日頭條,向大家展示了 A/B 測試的強大功效,采用 A/B 測試不僅能夠在眾多方案中選擇出最佳方案,其實更能對產品進行不斷的迭代優化,實現用戶留存。
  
  如今,A/B 測試已經滲透到運營工作中,運營社也在實際工作中感覺到這個理論真的很好用。
  
  1)當有多種方案供選擇,但又產生意見分歧時,可以通過 A/B 測試找出找出最優解。比如文章起標題、裂變海報文案、以及 App 的 Push 等。
  
  2)看似簡單的 A/B 測試,其實有很多坑:
  
  ① 忽略測試環境差異, 沒有進行變量控制(只能有一個變量),造成數據偏差;
  
  ② 以偏概全, 在測試結果沒有實現理想狀態下的數據提升時,就放棄對產品優化,會導致項目前功盡棄;
  
  ③ 只進行局部優化就忽略對其他部分的調整更新, 無法查找出其他方面的漏洞。