APP求增长离不开对数据的应用，应用程度的深浅决定着增长效果的好坏。

基础的应用是把数据当作验收工具，用来衡量和评价APP增长各个环节的效果；进阶的应用是把数据当作重要信息，对反馈数据进行全面洞察，找到用户真正的需求；更深入的应用则是把数据当作APP增长的重要资源，对数据进行动态的管理和挖掘，建立数据模型将数据背后的价值开发出来，为APP增长各个环节的优化提供数据依据和验证。

本系列文章将通过拆解一个与某共享单车APP合作完成的“增长”全案，解读数据在APP增长全流程中担任的角色，以及如何发挥其作用。

人群洞察科学验证经验预判

策略是APP增长的基石，而人群洞察是帮助APP验证和明确目标人群的“数字导航仪”。

APP在开展人群洞察前不能无的放矢，必须先要有预设的目标人群。APP运营者可以结合行业了解、经验总结和APP自有数据，综合分析拟定目标人群。本案例中的共享单车APP在进行数据洞察之前就将大学生群体作为本次增长的重点目标人群。

APP在拟定了目标人群后，首先要做的是去验证目标人群的发展潜力，是否具有“增长”价值。数据洞察可以从APP的用户画像、用户构成以及线下场景等维度，通过行业对比的方式，进行验证。

案例从共享单车行业整体人群画像、该单车APP用户人群画像两大维度进行对比分析。

通过两组用户画像的对比，得出以下结论：

• 25-44岁人群是共享单车类APP主流人群；18-24岁人群占比达6%，是主流人群之外很有竞争力的人群；
• 该单车APP人群年龄结构中18-24岁人群占比为12.6%，略低于行业人群年龄结构中12-24岁的人群占比，这说明单车APP对18-24岁人群的拓展还有增长空间。

案例在用户人群结构占比洞察中，根据人群标签对共享单车人群进行人群结构分析，得出以下结论：

• 大学生人群是单车行业第二大用户群体；
• 该单车APP用户中大学生人群占比仅为7.3%，远低于行业占比，大学生人群潜在市场空间较大。

线下场景洞察打破空间次元壁

APP对于用户洞察的维度不能仅限于线上行为，还要考量线下场景因素。因为，线下生活场景也会对用户APP使用行为产生影响。

APP在洞察中加入线下场景，可以打破空间次元壁，实现线上、线下的有机联动，助力用户增长。正如电商们追逐的“新零售”概念，其核心在于打通线上、线下场景，通过线下需求线上服务解决的方式促进增长，而这一增长策略的背后需要强大的线下场景洞察。

本案例中，共享单车APP的“增长”策略同样需要线上与线下紧密结合，因此除了线上人群的对比，线下场景洞察同样重要。

案例对于共享单车用户线下场景（样本地：上海、成都）进行人口热力图分析，尤其关注大学城、创业园等学生群体密集区域。热力图通过颜色深浅的色块来显示人群密集程度，颜色越红人群越密集。

如上图所示，无论是上海，还是成都，大学城所在位置都是区域人群高度集中的区域（即红色色块），具有拓展价值。

上述数据洞察发现，大学生人群确实是具有价值的目标人群。共享单车APP将大学生人群作为增长目标用户是可行的。

但是，大学生人群体量有限，也并非共享单车行业的主流用户人群，APP将增长目标人群仅瞄准于大学生人群显然覆盖度不够。APP仍需寻找新的增长目标用户来做补充。

根据先前人群洞察的结果，上班族是共享单车APP的“大户”，共享单车解决了通勤人群最后一公里的问题。基于对行业的理解，案例将洞察的方向转至通勤人群，并结合交通接驳的线下场景，对上海和成都地铁沿线站点进行人群洞察。

此次洞察将用户线上行为偏好和线下场景相结合进行验证，结果显示：

• 早高峰时地铁站点周边单车人群更为密集；
• 晚高峰时期，地铁站点周边单车人群更为活跃；
• 地铁站点半径1km的范围内，单车潜在用户较为集聚。

洞察发现，地点站点周边半径1KM区域是共享单车APP增长新场景，能够覆盖更多的活跃人群。

案例进行到这里，增长策略制定期的数据洞察暂时告一段落。

共享单车APP通过以上数据洞察不但验证了大学生人群是有价值的目标人群，还发现地铁站点周边区域目标通勤人群较为聚集、APP活跃度较高是有效的“增长”线下场景。

接下来，APP可以根据数据洞察的结果对增长策略进行优化，比如对大学城、创业园区等大学生人群密集场景加强推广；在早晚高峰时段，对地铁沿线进行单车调度运营和活动运营等。

构建目标人群模型 动态提升推广精准度

随着增长策略的逐步执行，数据洞察的进程也将不断延续，真正体现数据复合价值的环节才刚刚开始。

我们认为好的数据洞察是贯穿于APP增长推广的全周期，并能够生成数据模型，在增长过程中实时积累和处理数据，不断迭代优化，指导APP增长策略往最优的方向执行。

在案例后续执行和推广过程中，如何定位这些目标人群，如何更广泛地触达目标人群，这就需要APP在投放中使用到目标人群模型。APP想要目标人群模型更精准，就需要有更多维度的数据特征做基础。

案例中，共享单车APP的目标人群模型建立涉及了5大维度：

1. 单车行业用户：单车APP安装与使用特征可用于区分活跃用户和沉默用户，将推广投放人群聚焦在APP新用户以及有唤醒价值的沉默用户上；
2. 大学生人群：在大学生人群标签的基础上，加上年龄段、常住地等能提高区分度的特征，进一步瞄准学生人群；
3. 白领人群：在白领人群标签的基础上，加上工作时间段、职业场景等能提高区分度的特征，进一步筛选白领人群；
4. 地铁人群：利用LBS地理围栏技术圈选地铁站点场景，更精准覆盖通勤人群；
5. 高密度人群：通过APP渗透率和线下场景结合找到单车需求旺盛的地区和人群。

以上五个维度中，单车行业用户、高密度人群从宏观的维度覆盖到了共享单车APP还未触达但有需求的用户；大学生人群、白领人群、地铁人群相对微观，起到锁定目标人群的作用。这样形成的目标人群模型被应用到APP增长推广中既能精准锁定主要目标人群，又能同时兼顾传播的广度，影响更多的人。

目标人群模型并不是一成不变的，需要根据每一个投放环节的数据回流进行不断迭代优化，其精准度才会持续提高。

一次有效的推广需要关注整个转化漏斗的各个环节，每个环节都需要收集数据、分析数据、仔细观察数据背后反应出来的问题。

APP需要以实际投放效果对转化人群特征进行深层次挖掘，更好地加深对目标人群的了解，进一步优化人群定向，为下一次投放做好准备。

设定自然流量对照组 优化效果归因模型

效果归因在增长推广过程中，一方面帮助APP考评推广组合的效果，另一方面帮助APP解决钱要怎么花的“现实问题”。

效果归因最重要的是要了解各种导致转化的跨渠道之间的交互以及应用于每次交互之间的相对权重。效果归因的数据越客观其对最终投放结果的作用就越大。

但是，目前主流的归因逻辑还是存在不够客观的弊端。比如Facebook和Applovin提供的归因模型，都无法去除自然增长流量对推广效果带来的干扰。

本案例将目标人群按照9:1的方式分为推广样本集和对照样本集。

对投放样本集中的人群进行推广，并按照主流归因逻辑进行统计。对照样本集的人群则不进行推广，统计其自然增长的情况。在最终的数据归因阶段，通过去除对照样本集采集到的自然流量增长率来减弱主流归因逻辑中自然流量的干扰，挖掘更优质的推广渠道。

当然,对照样本集的自然安装率是通过抽样样本计算所得，相对于实际的自然安装率存在误差，这就需要APP根据实际情况做一些优化调整。

多元数据洞察 优化APP推广执行细节

在APP增长过程中，还有很多细节是可以通过数据洞察找到最优解决方案的。比如，黑流量识别与防护、寻找最优出价区间、曝光次数与推广效果关联关系、线下推广场景优选等。

本案例中对曝光次数与推广效果的数据洞察帮助共享单车APP以最优的成本获得最佳的推广效应。

洞察发现，曝光5次以下，曝光次数与推广效果成正相关，且CPA成本能控制在6.24元左右；曝光5次及以上，曝光次数与推广效果无直接关系，且CPA价格成倍增长。另一方面，从边际CPA分析得出，每多曝光一次所带来的推广效果并没有发生太大变化。

由此可以得出结论：高成本未必会换回好效果。

APP不需要做过多无谓的曝光，将曝光次数控制在5次以下的方案性价比最高，可以以最少的成本取得最好的效果。

总体来说，随着数据智能在互联网行业的逐步落地，大数据将成为新一代增长“黑科技”。

大厂们在这一方面布局很早，在模型和数据量上都有了一定积累。其他APP开发者也可以通过第三方数据服务商提供的工具和服务，快速实现数据的应用。

在硬件和软件都准备充足的背景下，APP还需要对数据智能更多一点点的耐心，毕竟数据模型的迭代和优化需要慢工出细活

作者：运营派

来源：运营派

APP如何做好用户运营？用户画像是否能更好地助力用户增长和用户留存？在不同阶段具体有什么方法？本文就这些问题进行了分析总结，一起来看看吧~

时至今日，APP从获取目标用户，再转化成自身产品的用户，这一过程的成本已经变得非常昂贵。而在竞争如此残酷的环境下，借助数据智能做好新用户运营已经是行业公认的一大趋势。

但是，怎么使用数据智能技术使增长效果最大化却是一门学问，今天，我们就谈谈如何通过用户画像来解决APP新用户的“增”与“长”？

新用户的增长，包含着三个阶段，新用户获取阶段、新用户转化阶段、持续保活的阶段，用户画像在不同阶段起到的作用也各不相同。

一、获客阶段：用最低的成本获取高价值用户

APP在获客阶段主要依靠精准投放，这里的精准有两层含义：一是指用户的精准触达，另一层含义是如何用最低的成本获取最多的高价值用户。

具体执行起来，目标用户、渠道、内容，三者缺一不可，而用户画像能够将三者的能量聚焦起来，最大限度的发挥作用。

APP精准投放三步走：

1. 圈选高价值的目标用户群；
2. 锁定与目标用户相匹配的渠道；
3. 选择跟目标用户特征相符的创意素材；

在精准投放前，APP需要明确自己的目标用户，了解目标用户群的特征。

APP可以通过用户画像这一工具，对自己APP上最活跃、互动最多、有消费习惯的用户群体进行数据化分析、大数据建模，把抽象的用户定义转化为数据标签和特征，为获客策略制定明确目标。

在渠道筛选上，APP不仅可以使用目标用户画像进行渠道匹配，还可以对以往投放数据进行回溯验证，最终从数量、TA浓度、价格、诚信等多方面优选媒体。

在内容创意上，APP可以通过画像对目标人群进行分组创意，通过定制化内容获取高价值用户的青睐，而不是盲目追求成本低的用户。

比如，资讯类APP很喜欢用猎奇类的素材作为投放内容，因为这类素材很容易产生爆款、10W+，很容易以很低的成本拿到用户。但对于一些有态度、有深度、有洞见的新闻APP就表示不会采用猎奇类素材，因为这些内容无法为其带来对内容深度有要求、愿意为好内容付费的高价值用户。

目前，大厂们纷纷开始重视起自己的画像体系，并以此衍生出更复杂的增长模型，其效果也很显著。

某知名新闻APP就通过模型算法，选择高价值用户浓度高的渠道，选择有深度的报道内容或者独家消息去获取目标用户。根据统计，这一增长策略对该APP整体DAU的贡献提升了10%以上，实现了用同样的钱得到更多有效的用户的获客目标。

二、转化阶段：做好用户冷启动留住新用户

用户使用APP的偏好具有“首因效应”，就像人们点外卖一样，哪家餐厅第一次点的时候味道好、包装精、服务优，那么后续在这家餐厅点外卖的几率就会更高。

因此，如何在新用户第一次来到APP里时，给他们留下一个好印象，让他们喜欢你的产品，是APP运营之间PK的主战场。

首先，要了解每一个进入APP的新用户，这就需要APP尽可能精准的了解新用户画像。

• 第一步，APP通过开屏引导，让新用户填写或者勾选基本信息、兴趣爱好等特征。但这些信息并不能代表用户，一是不够客观准确，二是还远远达不到生成用户画像的信息量。
• 第二步，APP可以借助第三方数据公司的能力，快速补全新用户画像。第三方数据公司数据维度更加全面，对于用户线上行为偏好的沉淀更加深厚，对APP来说是新用户，但在第三方数据库里可能是很熟悉的用户。
• 第三步，APP可以回溯获客渠道以及投放素材的特征，综合这些特征让新用户画像尽可能完整。

这样三步走下来，APP才能充分了解新用户的兴趣偏好，才能给新用户推荐他们需要且喜欢的内容、服务或者商品。

其次，在了解用户画像之后，APP还可以借助算法，将新用户的特征标签化，与已有用户群中有相似特征的人群进行关联，通过协同作用给新用户推荐内容。

比如新用户拥有北京、男性、华为用户等标签信息，就可以跟老用户中同类型男性用户进行协同，将老用户感兴趣的内容推荐给新用户。

在冷启动时，APP也会借助第三方的用户标签来做增补，但是如何将两套标签体系融合起来？

经过实践，我们提出了一个比较不错的解决方案，将第三方标签通过主题模型算法，把新用户聚成一群一群的人，然后开展分群运营。

某资讯类APP在于第三方合作时，将新用户分群，并根据计算结果，进行个性化推荐。比如某新用户群有60%的可能性是时尚娱乐达人，25%的可能性是母婴人群，15%的可能性是网购人群，那么就可以给这一群体推荐时尚娱乐类内容，其次是母婴类内容和消费类内容，并关注其阅读情况，并进行动态调整。

同时，还可以将这群人的聚类特征跟已有的用户数据做一个协同，把已有用户中同类人中点击量最好的内容推荐出去。最终，该APP新用户次日留存率提升了18%。

最后，在内容推荐的部分，APP也不能单纯的依靠数据，人工运营也非常重要。人工运营能够为用户提供有感性、有温度的运营措施。

三、保活阶段：持续用户画像洞察找到用户需求最优解

新用户的冷启动是一个持续的过程，并且需要因势而变、因时而变，才能实现真正意义上的撩动用户，留住用户。

在冷启动过程中，APP还需要通过各种运营手段和产品设计让用户经常回到产品上。比如，在运营上，设置角标未读，激发用户的强迫症，从而点击激活。

在产品功能上，APP需要做好新手引导、积分商城、激励活动等用户激励的设计，让用户获得足够的成就感。

在用户冷启动的过程中，用户画像的迭代需要持续推进。APP可以通过对活跃度上升的用户持续进行画像洞察，将新用户数据与已有的用户数据做好协同，从而更了解用户，并不断做出增长假设、增长策略，持续通过运营内容、商品、活动这些手段，去探测用户的兴趣点，最终找到满足用户需求的最优解。

用户的增与长是整个用户生命周期的“春生”阶段，只有在这个阶段做好用户运营才能为后面的“收获”打下基础。

因此数据智能运营工具在这个阶段的作用越来越受到APP的重视，如何通过用户画像更好地读懂用户、抓住用户心、留住用户也成为了APP运营必备的技能。

作者：个推

来源：个推

如何让我们的APP在大量的竞品中脱颖而出？如何保持APP用户的增长，和活跃度？尤其是公司的推广部门如何运营正确的推广策略？这都是对我们有独立APP的企业和从业人员的一种考验。

现在都说是大数据时代，那么我们通过通过运用数据的价值来实现用户增长？四步核心关键。

第一步，先建立数据指标体系

做为企业管理者我们都会从公司层面分别建立出适合公司运营发展的数据指标，做APP运营者道理其实是一样的，一级指标是APP运营战略层面的，这类指标是代表APP最基础也是最关键的指标，二级指标是APP运营业务层面的，三级指标是APP运营执行层面的。

第二步，不同产品的生命周期数据重点也不一样

1、APP在初期搭建阶段

APP上线初创期间的重点在于验证产品的核心模式，这个阶段可以采用MVP的理念，以小版本测试来验证商业模式的可行性，并根据初期种子用户的反馈进行快速迭代一调整解决方案。

MVP的含义是：假设、执行、验证、迭代的循环模式

核心数据维度—目标人群画像 这个时候通过接入第三方的应用检测SDK来了解初期用户群体的画像，从侧面来证实用户群体与假设的目标用户群体特征的一致性，比如：年龄段、学历、性别、地域、收入等维度。

核心数据指标—APP用户留存率 在APP用户是符合目标用户群的特征时，核心关键指标有这些用户的留存率、使用时长/频次、主要体现出用户粘性。留存率维度划分有很多种形式，可以按照周、双周、月，季度。根据产品的特性来说，通常的留存率低于20%是不太理想的状态。

2、APP成长期阶段

APP在成长期仍要关注用户留存、用户时长、用户画像的数据变化等，开始可以向着侧重点关注在用户的整个生命周期的管理方面，以APP用户的增长、激活等数据维度为主，开始APP应用的用户行为漏洞。

在APP新用户增长策略可以参考下面的几种方式

口碑传播 ，依靠APP核心价值能满足用户核心痛点，进而大家进行相互推荐， 活动策划，是通过分享，活动、奖励等手段进行引导用户下载APP、完成注册。 拼团机制，这就是APP本模式设置问题了，比如拼多多的拼团模式

3、APP城熟期阶段

APP推广后期，随着用户的快速增长，产品和服务的不断完善，APP进入成熟期，做为数据运营的工作者把关注重心开始从用户生命周期前半段（增长、促活、留存）转移到后半段（召回、变现）等重点。

召回与流失 具体分析流失的原因可以对照如下流程：

针对不环节的流失问题，从这个环节进行优化。

4、APP衰退期阶段

在衰退期有两个常用的策略 ①规模化 比如在最近比较流行的新零售中，开一个理发店，在一定范围内获得很好的口碑后，在技术和人员都稳定的情况下，可以采用加盟模式，通过迅速扩大市场形成口碑效应，形成壁垒，减少衰退时的风险。

②生态圈 这个也是比较理想的产品状态，单一的产品和服务很难存活，无法满足不同的用户需求，这个时候用户就容易流失，转移注意力，所以产品和服务直接要才形成依赖的链条，形成生态，

第三步，APP常见的数据分析方法

数据分析方法有很多种，比如多维度时间分析、漏斗分析、回访分析、交叉分析等，

第四步，选定常用的数据分析工具

市场上有很多不用的数据统计工具和APP检测数据，在上一篇文章中做过分享。 在这里给大家分享，比较常见的统计分析工具有友盟数据统计，有数，LeanCloud统计、Flurry Analytics、讯飞开放统计等，每个统计工具都有自己的特点，推荐大家适合自己的习惯和数据统计方法进行选择数据工具。

第五步，总结

APP数据分析是一个动态又复杂的工作，作为一个运营者，必须要具备熟悉的是数据统计与分析的能力，通过数据驱动用户增长，及时调整推广策略，做针对性精细运营，最终实现目标用户群增长和提高转化率。

附赠APP运营核心指标图

当各行业的流量和用户均被巨头垄断，当马太效应越来越强烈，后起APP，该如突破用户难增长的困境？

当用户趋于冷静和理智，产品功能类似，后起的移动APP如何才能实现用户增长？产品又该如何优化贴近用户呢？

分析一款产品，要重点关注三项内容：用户，需求和数据。

大部分人都会关注用户和需求，但会忽略数据。一方面，主观上不重视，不会关注。另一方面，觉得不是份内事，运营小伙伴做就好了。

实际上，数据对产品经理来说很重要。移动APP上线后，关注数据的变化能了解用户的态度，这个比看用户反馈要客观得多。

一、移动App产品关注的数据指标体系

一款产品（特指APP）的数据指标体系一般都可以分为：用户规模与质量、渠道分析、参与度分析、功能分析以用户属性分析。

1、用户规模和质量的分析包括总用户数、新用户数、留存用户、转化率。用户规模和质量是APP分析最重要的维度，其指标也是相对其他维度最多，产品负责人要重点关注这个维度的指标。

2、渠道分析主要是分析各渠道在相关的渠道质量的变化和趋势，以科学评估渠道质量，优化渠道推广策略。渠道分析尤其要重视，因为现在移动应用市场刷量作弊是以及业内公开的秘密。

渠道分析可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据找到最适合自身的渠道，从而获得最好的推广效果。

3、参与度分析主要是分析用户的活跃度，分析的维度主要是包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。

4、功能分析主要包括：

4.1. 功能活跃指标：某个功能的活跃用户，使用量情况；功能验证；对产品功能的数据分析，确保功能的取舍的合理性。

4.2. 页面访问路径：用户从打开到离开应用整个过程中每一步骤的页面访问、跳转情况。页面访问路径是全量统计。通过路径分析得出用户类型的多样、用户使用产品目的的多样性，还原用户目的；通过路径分析，做用户细分；再通过用户细分，返回到产品的迭代。

4.3. 漏斗模型是用于分析产品中关键路径的转化率，以确定产品流程的设计是否合理，分析用户体验问题。用户转化率的分析，核心考察漏斗每一层的流失原因的分析。通过设置自定义事件以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化水平。

5、用户属性分析不管在我们的产品启动初期，还是战略的调整，分析用户画像都有着重要的意义。比如我们在产品设计前需要构建用户画像，指导设计、开发、运营；产品迭代过程需要收集用户数据，便于进行用户行为分析，与商业模式挂钩等等。

用户属性一般包括性别、年龄、职业、所在地、手机型号、使用网络情况。如果对用户的其他属性感兴趣的，可以到自的微信呢公众号后台或者其他诸如头条、uc等后台看用户属性都包含哪些维度。

二、移动App产品优化重点关注领域

移动App在产品优化上的重点关注领域一般有三类：如何提升活跃度、如何提升留存、如何加粗转化漏斗。

以资讯类APP为例，99click商助从用户轨迹角度，简单分析一下如何通过大数据进行用户运营和产品优化：

1、如何提升活跃度

以资讯类APP来说，提升活跃度可以从两个方面考量，一个是每天的启动次数，一个是使用时长。所以，运营者要给不断策划出适合用户调性，满足用户阅读需求的东西。

比如趣头条，在获得腾讯2亿融资以后，将赛道切换到内容创作，希望以此能获得用户长期的关注和支持。

2、 留存用户、留存率

留存用户和留存率是评定一个应用用户质量的重要标准，用户留存率越高，说明应用越吸引用户。

常用的留存指标有：次日留存率、3日留存率、7日留存率、15日留存率等；

开发者在查看留存率时，可以关注留存率在一段时间内的变化趋势，并可以通过对比不同应用版本、不同分发渠道的用户留存率来评估版本和渠道质量或定位应用某些指标值下降的原因。

3、用户行为分析：漏斗模型

漏斗模型是按照一定顺序依次触发流程的量化转化模型。漏斗模型的分析和应用是每一位产品开发和运营者都需要具备的功能，因为它帮助我们发现问题，从而解决问题。

以流量为中心、野蛮的运营时代已经结束，接下来的时代是以科学的数据作为依据，围绕着用户紧紧做精细化的运营时代。

做App推广，裂变营销越来越难做怎么办？

拼命拉新，效果依然不明显，究竟是什么环节出了问题？

用户流失率大，推广中是否存在让用户极度反感的流程？

……

在如今App产品高度同质化的背景下，产品细节和用户体验将成为App在行业竞争里胜出的关键。今天就从用户体验的角度，来详谈App产品在裂变推广中填写邀请码环节带来的用户流失难题，以及它的解决方法。

一、问题：裂变中的用户流失

市场从来不缺增长渠道，但其中用户邀请渠道尤为重要。现在几乎每一款App都会开发邀请功能，意在时刻激励现有用户转化周边的潜在用户。

让每一个个体用户都成为产品的传播媒介，在潜在用户中形成密集传播，这是每一个产品运营人的梦想，但是在实践中，总有产品的邀请注册活动效果不佳，无法形成裂变效应，除了反思活动本身的策划外，繁杂的邀请码环节造成的用户流失也不可忽视，减少邀请步骤，优化用户的操作体验，会让裂变传播起到事半功倍的效果。

在传统的裂变推广中，App产品往往采用填写邀请码的方法来验证信息来源，识别新用户具体是由谁邀请来的，并奖励相关的老用户（邀请人）。

填写邀请码：原理很简单，邀请者生成一个专属的邀请码给到新用户填写即可。为了方便新用户填写，有些开发者甚至发明了自选邀请码等方法。

填写邀请码环节的出现，本质上仅仅是满足开发者和推广人员的统计需求，没有让用户得到流畅的体验，反而让用户安装的旅程多了一步，漏斗多了一层，增加了潜在用户流失的可能。一旦老用户认为奖励的意义不大，新用户又对“填写邀请码”环节的繁琐产生了反感，选择“放弃注册”或者“跳过邀请码”，邀请注册活动就会以失败告终。

为了获取数据，但在一定程度上牺牲了从曝光到安装的转化率，这真的值得吗？

二、方案：免填邀请码安装

事实上，国内已经有相应的技术可以完美解决这一难题。在聊技术之前，我们要先理清一个逻辑：用户体验为什么会在填写邀请码环节戛然而止，主要在于传统填写邀请码的方式是由人工进行的，用户在这一步容易失去耐心。只要让“手工填写邀请码”变成“程序自动完成填写并跳过邀请环节”，问题自然就迎刃而解，这就涉及到渠道来源追踪技术的应用了。

下面大致讲解一下这种渠道来源追踪技术的原理：

1、开发者在分享的h5页面上集成第三方的web sdk，发布分享链接时在url上动态的拼接任意的自定义参数（如推广渠道号，邀请码，游戏房间号等等）。

2、当某一终端访问该h5页面时，第三方的web sdk将同时确定该设备的个性化信息和采集自定义参数，上传至第三方服务器，使用该Android/iOS sdk从第三方服务器再取回暂存的自定义参数。

3、开发者根据各自的需求，在分享链接自定义各种动态参数。比如通过在分享链接url中附带App邀请人的用户id，就可达到免填邀请码的效果。

依据这种原理，App开发人员可以实现在不用渠道分包和不必填写渠道识别码（即邀请码、地推码）的情况下，精准识别每个安装的来源。

三、价值：加速App用户增长

我们知道，在推广中，每多一个步骤都将产生一定的用户流失。只要合理应用这项方法，App推广效果必将更加高效。从用户的角度来看，不必再输入复杂难记的邀请码，操作体验变得快捷流畅，转化率和留存率都将大大提高；对于App开发者而言，程序能自动化实现安装来源的精准追踪，也将节省大量精力。

免填邀请码的实质，是对渠道来源的追踪。既然可以实现邀请来源的追踪，这项技术自然也可以应用到无数领域中，只要有渠道来源监测或识别的需求，都可以满足，如：地推效果统计、广告效果统计等。目前这种使用方法已经在部分市场中得到验证，还有更多潜在的应用场景等待被发掘。

邀请注册有礼一类的裂变式营销，更应该重视用户体验，即便无法给用户制造惊喜，也不应该给用户的操作旅程带来烦恼。设置太多的门槛，只会让更多潜在用户望而却步，提早流失在市场中，运用好这门方法，一定能让活动效果最大化。