如何做用户拉新，增长？

 

因为不增长，所以增长迫在眉睫！

中国移动互联网QuestMobile报告，BAT用户均超10亿，用户、时长总盘子双停滞，短视频成最大赢家 ，国内移动互联网在社交、视频、电商、理财、出行等几个领域，行业用户规模均已突破5亿。不过，总体的用户、时长也都到了顶峰，2019年至今，活跃用户仅增长了200万，人均单日时长仅增加了18分钟 。

总体看，BAT三系用户都已经突破10亿，BATT（头条）四系占据了全网70%用户时长，存量争夺已经成了新常态；用户端、下沉市场成了唯一高增长突破口；应用端、短视频时长增长占比60%以上，成了唯一赢家。

那么怎么增长呢？大数据AI在增长中能起到哪些作用呢？本文讲一一道来。

5步数智与心智增长法

1. 节日已经数不过来了，不要再造节日了

我们先大致数数全年产品运营的大手笔投入巨资广告的节日已有如下图：

用户也有疲惫的时候，整那么多节日，阿里的都过不过来，还要过别的？靠打造节日搞增长看来有点乏善可陈，所以不建议再造节日。

2. 裂变

5环内人的需求贵里面挑性价比，5环外人的需求便宜里面挑质量。

裂变特别适用于贪小便宜的用户群，换句话说拼多多靠裂变是因为他找对了人群找的是四五线城市和乡镇，所以裂变要做用户群分。

用户群分是指，在买保时捷的群体里分享的是蒂芙尼的爱情故事，在买拼夕夕的群体里分享的是拼夕夕的质量。

在裂变过程中产品运营不妨领悟一下5环内外用户的心智：5环内的需求是在好的里面找性价比高的，5环外的需求是在便宜的里面找质量好的。

你想想，拼多多给你发个活动说给一百个人转这个链接，让大家来帮你砍价，可以获得一个50块钱的产品，5环内的你会干吗？明显不会。因为你的人脉比50块钱值钱，你转发的时间比50块钱值钱。所以裂变其实在你这种人群这里是行不通的，但是如果他是一个5环外的人这件事就成了。

做好用户画像和用户分层，对于5环内的头腰部客户如何去深入挖掘这类用户的需求增加使用深度更重要。例如：你需要的是高品质不费时间的产品服务，所以应该给你的是每日优鲜版京东plus，同时也是一个会员体系，对于贪小便宜的人可以使用裂变。

3. 找出来爆款

做内容和渠道的爆款营销，唯有爆款才好拉新。

例如：每日优鲜等零售平台，今年夏天在微博上推的19块钱三盒小龙虾这个的拉新效果更好。

4. 用爆款代替红包

可以用红包，但红包不是抓手，至少在一线不是。

拿笔者自己举例，不会因为塞给你一个5块钱的红包就去买东西，明显不会。所以现在的app如果主要客群在一二线城市，应该更多的去追求：当用户有这个需求时第一时间想到我即爆款。

5. 做细分领域的电商（可多参考新美大的到综三板斧）

先介绍一下新美大的到综三板斧，即：一清晰的店铺定位；二具有吸引力的产品和三评价闭环。

做电商不论哪种电商包含平台级电商、垂直细分领域电商、新零售电商、社交电商还是短视频电商等都要把用户评价要做起来。

在一线城市商铺里的饭店除非已经是连锁了的店（即被大家共识）不然这个饭店必须明确自己的菜系，不然很难活下去。所以在一线城市，店要开宗明义、产品要吸引人、评价做闭环，比如：你开个店 取名叫白桦林信不信肯定转化差，因为用户都不知道你是做川菜还是做本帮菜的。所以做细分领域的电商一定要学三板斧。

小结以上5步中到综三板斧讲求的是用清晰的用户画像推荐精准的商品帮助用户快速决策下单，从而做到提高客单价的存量增长，爆款用产品的吸引力配合用户画像来拉新用户实现增量增长。

案例分析

下面我们举个每日优先新零售的产品例子：

举这个例子一来时下做下沉市场，做社交电商，做新零售，做大数据赋能零售不仅刚需且属热门。二来电商是汇集了AI大数据的几乎所有元素，包含，数据汇集、数据治理、数据可视化应用等需要用到云计算、算法模型等内容。

我们先看下商品详情页的图：

看完以上两张原图相信从用户心智上判断，用户很难有购物的欲望，从用户心智上推理，以及我们在朋友圈经常能见到晒烘焙的糕点图修改上面两张图。

用户心智促修改步骤：

• 以美名带动佐料，强化圈1中的杨枝甘露，用杨枝甘露等做法来推荐消费者买柚子，即用杨枝甘露临门一脚让客户下单柚子；
• 圈2的推荐内容太粗暴，这种推荐仅限于用户犹豫不决购买哪种柚子的情况，但是推荐不止是为了这个功能，这里推荐真实的目的是增加客单价；
• 圈3的内容从用户心智分析，建议直接删除。

用数智促修改步骤：

现在无论是做下沉市场，无论是做存量用户还是做增量用户都得讲究科学，即用数字化和智能化的手段实现快速可持续的增长。

继续以上面的例子为例：

步骤一，汇集用户画像生成数据集

1. 找到正确的“人” ，例如喜欢柚子的人的性别、年龄层次、消费水平、职业等；
2. 找到正确的“人”，兴趣标签，购物、教育、音影、游戏、金融理财等；
3. 找到正确的“人”，定制化标签，定制标签A、定制标签B等；
4. 找到正确的“场景”，行为标签，近期活跃的应用，近期去过的场景；
5. 找到正确的“场景”，场景标签，机场、商圈、电影院、景区、自定义场景等。

步骤二，数据治理

1. 选择适合的宽表
2. 选择适合的数据库

步骤三，算法模型

1. 从业务功能角度看用聚类找出对同类货有共同偏好的同类用户；
2. 用关联规则类算法挖掘出应该推荐的商品，以智能大数据算法计算上图圈2应该推荐的内容。

步骤四，应用不同的数据集测试算法模型的准确性

1. 测试；
2. 收集数据反馈，改进算法模型。

当用户记不住再造的节日、当红包裂变劳民伤财且拉新低效的时候，我们产品运营技术是不是更应该关注爆款、产品用户群体的心智定位，和用大数据用户画像等技术搭建更细更落地的运营？