0rj
0rj
5月前 · 7 人阅读

本题目来自 PMCAFF 毒舌 App 线下活动报名提问【原文:请点击我

1.社区型产品如何提升用户的粘度 & 频次?

2.怎样的内容社区更适合做社交?

3.如何让用户更快地找到想看的电影?

1.社区型产品如何提升用户的粘度、频次?

先说点题外话,这个问题问的有点宽泛,难以回答。留存、日活全占了。

医学上有句话叫【抛开剂量谈毒性,都是耍流氓】,套用到产品上也依然成立,【抛开需求谈用户,都是耍流氓】。

不同类型的社区,就代表了不同的需求。

比如草榴,他们的产品经理需要提升用户粘度吗?不需要,这可是刚需。再比如汽车之家,他们的用户粘度再高,能高过 Github 吗?

医学上还有句话叫【对症下药】。

【提升用户的粘度】是哪种用户?众所周知,社区型产品有 3 种用户:创造者、传播者、沉默者。

创造者创造内容,传播者传播内容,沉默者阅读内容。三者互相转换,相辅相成。

创造者越多,则吸引更多的传播者,带来更多的沉默者,成为一个良性循环。

沉默者越多,则创造者会越少,流失更多的传播者,成为一个恶性循环。


【提升用户的粘度】是哪种粘度?

打开 App 是一种粘度,浏览文章是一种粘度,分享文章是一种粘度,发表文章也是一种粘度。

普适性提升社区产品的用户粘度策略当然有,不外乎那么几点,而且人人都会,张口就来:提升内容质量啦、激励体系啦、等级体系啦、增加用户的参与感归属感荣誉感啦、给用户物质奖励啦......

但这无异于隔靴搔痒,没有说到点子上。 写下数字 1 很简单,但要写到 80,写到 100 则要花费点精力。


所以我不回答此问题,而是针对毒舌 App 给出答题思路。

1. 产品的合理性

社区型产品,最重要的是用户和内容。那么毒舌用户比例与内容比例是否合理?

题外话中也提到用户比例,在这里详细的举例说明:

比如通过数据发现,沉默者和创造者的比例是 0.01% 或者更细点,科幻类的沉默者和创造者的比例是  0.01%,而爱情类的沉默者和创造者的比例是 0.5%,那是不是要提升科幻类创造者的比例?把每个细分领域的创造者比例提升上去了,总的比例自然也就上去了。

比如通过数据发现, 90% 的文章评论数量都在 3 条以下或者浏览和评论的比例只有 0.05%,那是不是要提升传播者的比例?

再比如通过数据发现,用户的粘性都很好,创造者和传播者比例分布也很均衡,就是用户这个池子太小了,增长速度过慢,那是不是要提升沉默者的比例?(换句话说就是新增)

而产品的定位又影响着新增用户质量比例,而质量比例又进一步影响着内容比例。

比如知乎运营初期,采用邀请码机制,邀请的都是各领域的专家,那产出的文章自然是优秀高质量。开放注册后,涌入大批用户,遇见优秀文章的比例大幅度下降,开始有一般的文章甚至是垃圾文章出现。融了资打了波广告后,用户增长的更快,但优秀文章比例稀释的也很快,同时一般文章、垃圾文章快速增长。

再比如 PMCAFF 和人人都是产品经理,都是社区,都是定位产品经理,但用户质量和内容质量完全是天壤之别。随便写点什么内容都能上人人都是产品经理的首页,但 PMCAFF 可不这样,它还是有点节操的,会筛选,比如我觉得我这篇文章就会上首页。(滑稽. jpg,自行脑补)

造成用户比例和内容比例的不同,就是产品定位。

毒舌准备定位什么人群?是曲高和寡还是喜闻乐见?

毕竟一个喜欢看《百年朝凤》《天水围的日与夜》的用户和一个喜欢看《逐梦演艺圈》《大闹天竺》的用户可没什么共同话题。

你说用个性化定制去解决这件事?抱歉,我不认为现在的 Deep Learning 能解决。

现在的个性化推荐系统还停留在很初级的阶段,都是基于关键词、多维度标签来推荐。

比如我看了一篇《美国民权运动史》,那么接下来会推荐什么呢?大概是:《美国二战史》《美国朝鲜战争》《美国爱情片》《马丁路德金纪念日球鞋 PE,捍卫梦想》。

捍卫梦想?马丁路德金的棺材板都快压不住了啊,我对美国历史、美国爱情片、球鞋可没有丝毫兴趣,而是对社会地位的演进有兴趣。如果系统推荐《风雨商路:中国商人五千年精读》给我,那我肯定会点开阅读,可惜系统不会。

想讨好两边的结果是两边都不讨好。

2. 提升粘度

在产品圈里流传着一个【神话故事】:传说每个产品都有一个魔法数字,当你能找到自己产品的魔法数字时,产品的留存就能大大提高。

Twitter 新用户在 30 天内关注了 30 个好友,留存将会大幅提高。

Dropbox 新用户使用 1 次文件夹功能,留存将会大幅提高。

Linkedln 新用户在 7 天内添加 5 个联系人,留存将会提高 3-5 倍。

那么毒舌的呢?毒舌的魔法数字是什么?

这无疑需要大量的数据。

首先需要知道做的最好的社区型产品次留存、毒舌新用户次留存。

然后找出和毒舌新用户次日留存强相关的功能,并加之优化。

举例(咳咳,现在我就是毒舌的产品了):

目前做的最好的社区型产品是知乎,他们的次留存能达到 60%。我们毒舌目前的次留存是 30%。

现在我们猜测「新用户看 X 篇影评」「新用户对 X 部电影标记为已看」「新用户收到 X 条 Push 消息数」「新用户关注 X 人」和新用户次留存强相关。然后就是噼里啪啦一顿操作,好,我们现在有数据了,有结论了。

结论:新用户看 5 篇影评后,次日留存能达到 60%。

数据:新用户看 0 篇影评的次日留存为 20%         

          新用户看 1 篇影评的次日留存为 25%         

          新用户看 2 篇影评的次日留存为 30%         

          新用户看 3 篇影评的次日留存为 35%         

          新用户看 4 篇影评的次日留存为 50%         

          新用户看 5 篇影评的次日留存为 60%         

          新用户看 6 篇影评的次日留存为 65%

然后怎么做想必就不用多说了,当然是降低阅读门槛,提高新用户的阅读文章数量。(再具体的优化方案我也给不出来,毕竟我是工具产品,不是社区产品,而且把玩毒舌的时间不是太长,随便说只会让同行贻笑大方)

同理,提升老用户的粘度也是如此。

猜测「老用户看 X 篇影评」「老用户看 X 段短视频」「老用户发表 X 次评论」「老用户评论被赞了 X 次」和老用户次留存强相关。

结论:老用户发表了 3 次评论后,次留存能达到 60%。

那优化方案当然就是提高老用户的评论数了。

当然也适用于创造者。

「创造者有 X 个粉丝」「创造者写了 X 篇文章」「创造者写了 X 个字」「创造者文章被转发了 X 次」「创造者文章被赞了 X 次」和创造者写作时间间隔强相关。

结论:创造者的文章被赞了 40 次后,写作间隔为 7 天。

那优化方案当然是给创造者文章花式点赞了。

这是第一种方法,以数据为导向,大胆假设,验证猜想。

第二种方法,目标拆解,进行细分。题外话中也是用了此方法。

【社区型产品如何提升用户的粘度、频次?】

社区,什么社区?社区的定位是什么?核心需求是什么?用哪种方法解决的?有没有更好的解决方法?

用户,什么用户?新用户还是老用户?活跃用户还是沉默用户?

粘度,什么粘度?打开 App 的粘度吗?看影片的粘度?看视频的粘度?

用金字塔原理,一步步的细分下去,不要有遗漏,将现有的方案和可设想的方案全都枚举出来,再进行优先级判断,哪个收益更高就先做哪个,最大化的提升粘度。

3. 最后,我也说点普适性的建议

降低创造者的创造成本,比如文本编辑器是否易用?支持 Markdown 吗?富文本编辑器支持功能多吗?有引用功能吗?文本能添加背景色吗?能加有序列表吗?

再高级一点,编辑器能自动选择素材吗?比如我在写《出租车司机》的影评,编辑器能自动抓取当前《出租车司机》的所有资源吗?(电影截图、海报、剧照、预告片),甚至是视频生成 Gif。

降低沉默者的阅读成本,平均一篇影评打开的时间为几秒?打开时间超过几秒,大部分的沉默者会取消阅读?当影评内的视频为 10M 时,缓冲时间为几秒?当影评内的视频为 20M 时,缓冲时间为几秒?UI 界面是否容易阅读?字体是否容易阅读?(别笑,字体真的很重要)

在内容层面做深挖(当然,毒舌已经在做这件事了),一个做影评的社区,转型做影评 + 电影资讯分享,好像也不怎么违和,而所对应的用户群体则扩大了几倍,那再加上追剧提醒呢?(估计下载是不行了的,版权限制)

多调研竞品,多使用其他的社区型产品。这点很重要,能让我们少走很多弯路。

2.怎样的内容社区更适合做社交?

1. 门槛低

一个音乐社区肯定要比一个电影社区更适合做社交。因为一首歌的时间是 4 分钟,而一部电影的时间可能是 140 分钟(说的就是你,一步之遥)。

一个跑步社区肯定要比一个滑雪社区更适合做社交。因为跑步入门门槛低,而滑雪入门门槛高。

2. 频次高

一个做菜社区肯定要比一个婚纱社区更适合做社交。因为做菜天天有,而婚纱可不能天天穿。

一个美妆社区肯定要比一个电商社区更适合做社交,因为美妆无止境,而电商能天天种草吗?天天种草拔的完吗?

个人想法,不对请拍砖。

3.如何让用户更快地找到想看的电影?

还是用目标拆解法,梳理用户场景。

1. 用户明确电影名称

啥也不说了,自己搜索去吧。

2. 用户不明确电影名称,明确自己想要看的分类

比如我今天就想看科幻类的电影,想看看毒舌科幻电影评分 8.0 以上的有哪些我没看过的,我要看。不过很明显,毒舌没有这个功能。

优化方案 1:增加多维度筛选功能(能同时筛选评分、国家、类型、升降序等)

优化方案 2:增加标签。

Pronhub 有个功能,当搜索关键词达到一定量级时,就会自动生成该关键词的标签。

直接套用到毒舌上可能会水土不服,因为 2 者的使用场景完全不一致(具体的就不说了,大白天的,不能乱开车),但是可以借鉴下,比如人工手动添加更多的标签。

比如我今天就想看励志的电影,打开毒舌一看,好嘛,没有这个标签。你说尴尬不尴尬?

标签的提取可以人工凭判断提取,也可以统计影评、评论中各词组出现的密度进行提取。

3. 用户不明确电影名称,也不明确自己想看的分类

这里又细分 2 种。

第一种:通过电影截图或 Gif 觉得该电影很有意思,想看,但不知道叫什么名字。

解决方案:高级点的,AI 识图。中级点的,成立电影出处互助区,让用户自发解决。低级点的,官方人员解决。

第二种:我今天就是想看电影,但我就是不知道自己想看什么电影

随缘吧,我能怎么办,我也很绝望啊。

个性化推荐系统?前面已经说过了,不靠谱。

拿什么个性化,我历史观看的电影吗?那只是我的历史口味,不代表我今天也想看,如果我今天也想看同样的口味,直接搜索不就好了。而且个性化推荐系统十分需要资源,大量的人力物力时间投下去了,最后的结果却是差强人意。

就让用户多看看影评,多看看短视频吧,也许看着看着就知道自己想看什么电影了。

收藏 0
关键词: 用户 粘度 社区 影评 创造者 留存
评论