，商业创新进入新阶段。
商业创新快速发展的同时，也伴随着火爆趋势背后的认知沉淀。
和实践的积累。
7月10日，由36氪、《零售老板内参》主办的新商业生态峰会在北京举行。
本次峰会以“品质”为主题，希望新商业企业能够看清新时代商业的本质，最终完成新商业的创新升级。
在昨天举行的“新商业生态峰会”上，个推高级副总裁刘宇以所在行业的移动互联网APP用户生命周期和运营为例，分享了数据和工具在产品生命周期管理中的重要性。
还介绍了如何利用大数据服务于用户生命周期的管理和运营。
会上，刘宇还对移动互联网的用户生命周期进行了详细分析：1、获客期，将潜在客户转变为忠实客户； 2、成长期，让忠诚客户增加参与感； 3、成熟期，客户接受了基础服务后，进入稳定阶段； 4、衰退阶段，客户受到更多诱惑或者需求升级、迁移，慢慢进入衰退阶段； 5. 在流失阶段，了解如何恢复丢失的用户。
以下为刘宇演讲全文： 各位嘉宾下午好，听了一下午的演讲，今天我们稍微换一下思路。
我叫刘宇，来自个推。
个推是一家服务于移动互联网的科技公司。
目前还从事情报业务。
今天我给大家分享一下大数据如何服务于用户生命周期的管理。
和操作。
我刚刚听了很多线下新零售讲各个行业的新服务。
今天我们就以我行移动互联网APP的用户生命周期和操作为例，为大家讲解数据和工具在生命周期管理中的作用。
我们也希望给其他行业的您带来灵感和想法。
个人推送线下零售、地理位置、地理围栏数据，包括线下场景数据，也提供各种服务。
大数据已经谈得很多了，这里我们提炼出几个特征。
首先是数据量极其巨大，数据积累方法的门槛越来越低。
人们越来越关注从现实世界到数据世界的数字化过程。
已经建立了许多数据收集和收据收集的基础设施。
在这个过程中，我们的数据量变得越来越大，这个层面也发展到了一个新的高度。
另一种情况是有多种类型。
大家都在做数据收集、数据分析，类型非常多样。
这些数据通常彼此不相关。
这个时候，如何把数据连接起来，如何让数据在自己的领域内形成一个闭环，就可以形成良性的迭代。
处理速度一定非常快。
如果处理后的数据不能立即生成，商业价值就会丧失。
如何即时提取价值，也是运营用户生命周期时非常重要的一点。
价值密度也较低。
每个人都在谈论大数据。
这些年来，数据越来越多，但是你会发现，在大数据在各个行业的应用中，往往可以得到有用的数据或者积累一定量的数据。
只有这样，数据的价值才能体现出来。
这个密度是非常稀疏的。
除了数据之外，还需要一些模型算法和计算能力。
如果任何人都能用更好的模型算法和合适的模型算力尽快连接到数据和商业价值，这就是成功的关键步骤。
刚才我已经说了，大数据的业务场景就没有必要罗列了。
它们无处不在，在商业应用和广告决策中。
广告如何应用，包括互联网应用、APP服务开发和城市建设应用、一些公共建设基础设施，甚至一些安全都离不开大数据应用场景。
为什么要讲生命周期呢？只要你从事服务行业，就会涉及到用户生命周期，因为用户出生到你这个领域，总有一天要离开。
在这个过程中，他会经历各个阶段，每个阶段都有不同的特点。
有针对性的运营将使各个生命周期的客户能够获得更好的服务，增加其粘性，从而提高团队的运营效率和服务产出。
从移动互联网的角度来看，用户生命周期分为几个阶段。
1、获客期是将潜在客户转变为忠实客户。
2、成长期让客户增加参与感。
3、成熟阶段，客户获得基础服务后，进入稳定阶段。
4、衰退期，他受到更多的诱惑或者需求升级、迁移，慢慢进入衰退期。
此时，客户如何寻找新的服务价值点，如何与所在服务点进行沟通？保持联系。
5、流失期：发现用户流失后如何恢复。
这里只是一个关键问题和流量成本，如何高效利用，包括用户粘性、精细化运营、延长生命周期、提高召回率。
在获客阶段，我们一一开始，让大家快速看一下我们在移动互联网做过的案例。
新零售的理念是相似的。
就像我们今天的主题一样，是关于质量的。
许多本质都是相似的。
这里我们主要讲渠道、网络传播以及通过广告获客。
渠道，现在APP的推广会分为很多渠道。
这些渠道都展示了其独特的能力，可以帮助APP开发商或运营商获得更多客户。
如何评价这些渠道的新增数量、活跃度和质量？通过数据方法进行校准。
除了使用时长、频次、留存、用户质量之外，全渠道渠道让企业管理更加高效，从潜在客户到忠实客户的转变过程变得更快。
社交网络打上大数据标签，让客户沟通更有针对性，社交红利带来广告潜在客户的转化效果。
在广告阶段，每个人都会遇到，包括招客、新用户、用户的时候，都会遇到渠道和广告商之间的博弈。
每个渠道都有自己吸引新客户的方式。
这是正确的吗？广告商的期望是相同的。
广告主或者APP开发者往往希望质量、数量、成本能够达到一个平衡。
随着市场的多元化，大家努力的方向也多元化了。
新的不平衡已经到来。
如果你要数量，我的成本就控制不了。
如果你要质量，我的数量不能满足你。
首先要回归客观本质，冷静思考市场有多大。
不要用太高或极端的想法来高估市场的规模和你能达到的成功率。
线下业务也是如此。
很多连锁餐厅的渗透率取决于市场研究机构和自身运营。
不切实际的广告投资转化率有时会带来麻烦。
如果你片面追求KPI，那是没有办法的。
渠道会把不好的因素带进去。
这个时候，如何在广告主和渠道之间找到一个平衡点，让大家可以根据一个衡量标准来讨论事情，能够对数量、质量、成本进行客观的评估，这个时候就可以利用数据，根据不同的频道频段进行划分。
这也是一个技术问题。
这还包括对后续客户的持续跟踪，包括归因，以及通过大数据进行个人推广的数据。
后来也有一些案例，帮助知名的共享单车APP进行推广，帮助他们做品牌广告，以品牌的方式。
传递曝光，最终归因于APP安装。
我们不缺乏广告渠道。
我们缺少的是平衡三点的最合适的渠道。
多渠道还包括应用商店、DSP、应用内广告位和线下渠道。
各种线下渠道都在做，各有特色。
各自的特点有的是一些深度合作能够带来的客户体验，其生存周期相对较长，有的是短期快速，给下一阶段的运营带来很大的挑战。
渠道新客户的数据验证和模型抽象。
这个时候我们用的是DMP，数据管理平台的概念，而数据管理平台往往有不同的应用场景。
下面简要列出了一些场景。
一是数据验证。
新客户的到来 情况如何？首先，将其数字化并放入DMP中。
看看他的肖像和你预期的晋升范围。
这个范围包括年龄、性别、地区、消费水平以及其他兴趣爱好。
还有一些中级应用程序可以帮助建立典型的用户模型。
通过迭代，你可以更清楚地看到开发出来的用户有什么特征，这些客户的特征会有什么样的聚类。
还有一些高级应用，通过数据迭代直接应用下一轮交付。
数据就是我刚才提到的转瞬即逝的情况。
它的生成非常简单。
在很短的时间内，要把它的价值挖掘出来，然后直接创造价值。
该连接应用于新客户获取。
作为成长阶段，作为从潜在客户到老客户的第一阶段，有几个方向：冷启动、内容推荐、活动运营和内容运营。
当用户来到一个新安装的应用程序时，如果没有深入的交互，大家对他缺乏了解。
这样，使用第三方平台可以帮助APP开发者更好地了解他们应该进行冷启动内容推荐。
在一些APP内容中是这样做的。
有很多，而且都收到了比较好的效果，包括信息流、视频、新闻阅读等。
这也是为了实现千人千面。
事实上，要做到千人千面是非常困难的。
很多时候我们做分组运算，最终实现向量级的分类，然后就可以实现千人千面。
不是一开始就可以做到千人千面之间的平衡。
毕竟几千人、几千张脸，成本会更高。
这是一个循序渐进的过程，不可能一蹴而就。
这实际上是一个分组和聚类模型。
分层聚类会比普通层有更好的适应性，但成本也更高。
对于层次模型，我们做了三层来帮助它确定用户特征。
分析包括老用户的聚类，让新用户应该分成几类进行推广。
与之前相比，它用数据说话。
数据本身就体现了分类，分为几类。
这个时候预算和模型成熟度都是这样的，算力和算法。
成长期的服务包括登录过程、安装APP然后快速登录。
这个过程提供了验证服务和感知服务，这意味着客户可以清楚、简单地了解到后台没有这样的验证服务。
匹配和校对过程完成。
这是基于庞大的数据系统，以及对最终用户对业务判断理解的麻木不仁的验证。
就像现在大家在付款的时候，体验已经非常流畅了。
这些幕后是做早期验证和场景所涉及的风险。
这包括我刚才提到的反欺诈和场景风险评估，个人标签的完成情况，线上场景应用，线下场景应用，线下APP分类，还有手机型号，包括线下场景。
判断与场景之间的交互关系，进入和停留场景的时间，场景之间的紧密程度，进入和退出的频率。
下一阶段，就像我刚才讲的，一个用户进来一天后就会离开，如果发现有下降甚至流失，这个时候需要做什么事情呢？首先，必须进行分析。
分析一下是否被什么样的APP取代了，或者没有这个必要。
在这样做之前，先做一些觉醒动作，确认这个人是否真的迷路了。
这时候就需要在转换的状态下，一个沉默的用户也会被分为高值和低值。
当你尝试与他进一步沟通时，你会进行差异化转换，看看他是高价值沉默用户转为高价值活跃用户，还是低价值用户。
要确定这个值，必须有一个聚类模型或者基于标签的模型来确定我在零流失之前的最后几次应该用什么样的沟通方式与用户进行沟通。
这是非常关键的。
这是你试图拯救一些东西。
包括使用偏好和行业使用情况。
这也是一辆互联网共享单车。
这是没有用的。
这家伙不再骑自行车了吗？他还是不想交押金，也不想用。
或者他已经被另一个行业合作伙伴取代并且其他人更合适。
针对这一人群的计划具有行为特征的动态性，因此我们可以制定计划。
如果你尝试了各方面，发现这是一项毫无价值的活动，那么你就可以放心或者大胆的不再纠缠下去，避免花更多的广告和运营费用，想办法另谋出路。
连接流失用户的价值点。
卸载是一个非常悲伤的话题。
机器换了，不想装回去。
这个时候自然或者主动就会出现这样的情况。
卸载，卸载了多少个，很多应用都不知道这个数字，他们只知道这个人已经很久没有活跃了。
这个人在手机上卸载了这个吗？这是通过第三方平台帮助提供验证数据。
这个时候就是数量，是什么成分，以及卸载用户的成分。
，哪种类型的用户卸载了它？卸载的时候，是否从同一个同行那里得到了另一个APP，或者是否进行了升级，从纯文本升级到短视频的升级，这是根据不同客户的情况而定的。
有不同的群体。
怎么知道这个就需要借助第三方平台来帮助卸载分析，当然还有召回。
回忆起来非常困难。
例如，你和你的前任又恢复了活跃的关系。
，这件事是相当困难的。
如果协商得好的话，会比之前更好。
如果谈判不好，你会发现成本会非常高。
回顾这件事首先必须有一个客观的分析，即使对于流失的用户也是如此。
不同的分类需要做出不同的尝试，尝试的结果在人群中迭代。
我们也帮助一个新闻APP做了这样的尝试，最后做了一些问卷来表达主观态度并收集客观态度来分析卸载用户。
还有一些行业见解。
这包括新用户、活跃用户、保留率和市场份额。
放眼整个行业，当我发现我的用户减少了，是不是整个行业的用户都在减少？我在其中扮演什么角色？现状，是因为大环境，我的小操作问题，还是因为我的服务本身没有跟上？这是有数据依据的，取决于整个市场和市场份额。
这也与您将要做的相反。
我看到一开始有一些比较不正常的KPI带到了各个渠道。
它们是互相造成的。
在很多情况下，它们甚至不是由自己的渠道造成的。
这是一个案例。
这个案例之前已经提到过。
这里面有一个特别的点。
很多时候，在进行分析时，我们会查看平面或低维数。
这提供了一个新的思路。
我们把它铺在一张二维地图上，看一下北京地图。
你看它被分成了几个小格子。
这个小格子的APP在使用的时候，是一个自行车类型，某个颜色的自行车，颜色A的自行车和颜色B的自行车，如果A的活跃度大于B，就会被标注在蓝色，反之，它将标记为红色。
对于离线场景下的App来说，自身操作之间的关联性尤为直观。
可以看到，在左上角的中关村区域，某种类型的自行车投放效率非常高。
可以看到这里的活跃度非常高。
东三环的红色比较多。
这个时候你就会知道，我在操作团队和客户生命周期的时候，观察的时候会有不同的策略。
这时候就可以帮助APP和线下场景进一步进行基于场景的位置相关操作。
然后就是纯在线。
纯线上还需要把握一个转化漏斗，包括比较典型的电商浏览、收藏创建和最终购买。
在这种情况下，最终购买成功率达到了8%，这在电商中也是非常罕见的。
的结果。
最后还有一个广告时间和个人推文，它提供了整个生命周期的各种数据的提供和运营，也包括我们以前的运营经验，包括服务APP、开发者、商业实体和其他合作伙伴的运营。
我们希望通过数据化、智能化的方式，将我们的全生命周期用户运营理念带给大家。