阿里巴巴YOS生态运营总监:如何利用大数据做运营?

发布时间 :2022-07-23 17:36

本文整理自鸟哥学院公开课(线下):分享嘉宾:肖睿哲阿里巴巴集团OS事业群商业运营合作事业部运营总监,在互联网次以上创业,包括智能穿戴及手游平台经验

网站代运营如何做

目前担任阿里巴巴集团OS事业群商业运营合作事业部运营总监一职,擅长流量变现与商业模式搭建

网站运营

  阿里YOS推出已经五年,据赛诺数据显示,年YOS智能出货量约占整个国内智能出货量的.%

  YOS去年的出货渠道以深圳的中小厂商为主,这些的销售渠道主要集中在三到六线城市,所以大家的认知度和使用率相对比较低

但年我们有了魅族这一合作伙伴,逐渐发展到现在,我们逐渐和一些更广为人知的大品牌厂商合作,向上去渗透一些更高端的用户群

  其实我刚接手运营业务的时候内心是崩溃的,因为想到即将面对的是三到六线城市的用户,那么想必无论机器的配置,还是用户的消费能力可能都不会太高

但后来我们花了一段时间挖掘信息后,发现其实和我们想象得不一样,低端用户也有他们消费的特点——、在线时间长;、对网络娱乐消费的欲望甚至强于高端用户,因为他们平时可能没有太多的预算来进行线下的娱乐活动,特别是在三到六线的城市,城市的娱乐活动也没有一二线城市丰富

 这是我的第一个观点,我们应该找到我们的目标用户,搞清楚目标用户的需求是什么

儿接下来我们需要做的事情很简单,就是满足他们的需求

  现在我们也在多方向进行一些尝试,在以外,我们也和许多合作伙伴一起推出了智能手表、智能后视镜等等智能硬件

YOS一直在做多端布局,今年我们还将和上汽合作发布全球首款量产互联网汽车

现在很多人在提物联网、在提多端,而在端与端之间大家一定要找到自己的机会

端今天其实已经走到了一个瓶颈,今年国内智能机的出货量预计是亿台左右,增长势头已经到了瓶颈,所以除了以外,大家应该把视野放得宽阔一点,看一看其他端上的机会

 YOS用户画像  当拿到后,我们第一步做的就是研究我们的用户到底是谁,用户画像就非常的必要

我们会研究用户的年龄层分布、区域分布等基本用户构成属性和数据

我们发现数据是非常有意思的,会给我们带来许多惊喜

举个例子,之前在和优酷的人聊天,他们分享了一个优酷平台上非常有趣的例子——当某个区域周末的数据突然出现了比较明显的增涨,基本可以推测该区域在下雨

因为下雨后很多人减少了出行时间,把更多的时间用在以家庭为场景的内容消费上

  我们现在的业务主要集中在传统的应用分发、游戏、广告、搜索、预装

 在应用商店方面,我们的实现了%的流量来自于机器运转,就是说我们的主题中心里面基本上没有什么人工干预的地方,所有的东西都是靠算法去做的,从一个用户进来我们推荐什么内容、到用户的消费,再到最终数据形成闭环,整个过程中我们的商店的自动化运营占比应该是全行业最高的

在广告业务方面,我们提炼了很多不同的维度

例如当你启动应用的时候,会有一次开屏广告;用户进行消费后,也会出现相关广告

但是作为操作系统其实不一样,现在我们和很多A在合作,由我们来帮大家接管一些A上的广告资源,最终我们实现的是按机器设备、也就是按人的维度来展示广告

因为对于每个应用,用户每天启动的次数是有限的,而广告资源的投放基本上是以应用启动为单位的,而作为操作系统的启动服务,是以设备为单位的,例如用户今天不启动天气应用启动音乐应用,或者不启动音乐应用启动视频应用,但是以操作系统来讲,它可以选取一台设备为单位,根据用户使用的业务来展示广告业务,我们会最大化地提升我们的合作伙伴投放广告的曝光量

 在游戏业务方面我们就相对传统一些,除了游戏商店进行一些推荐以外,由于我们的用户群比较低端,我们的有些游戏,从用户产生下载欲望点击下载、下载成功、安装成功、运行成功到持续的运行成功这一条链路里面有很多断层,而配置越差的机器,这其中的链路断得就越短

所以大家可以分析自己的应用从花钱去做推广,抵达用户,到用户去下载、安装、运行成功,其中有多少层链路,其中每一层用户流失的比例和因素,以此来改进自己的产品

所以游戏也是一样的,我们会通过链路分析识别到不同的游戏在不同的设备、不同的人身上游戏安装成功的次数、安装成功的比例,和这个用户在游戏内付费的比例,和游戏的用户在付费阶段的比例

 比如是某些的配置比较低,而某款游戏对设备的要求比较高,用户无法安装这款游戏,那么我们就不会对这些用户推荐该款游戏

此外,你的游戏下载后有没有人愿意玩,有多少人愿意付费玩,可以分析这些数据,然后再把这些人进聚类进行用户行为分析

如果你的用户基本都是短平快的用户,也就是分钟内就会消费的用户,那么可能你的很多游戏关卡和收费的设计、付费点的控制等,就需要进行相应的调整

而这一切,都是基于数据来运算梳理出你想要的结果

 全局搜索也是一样的,以前传统的PC端搜索比较简单,大家在一个框里输入关键词,点击搜索,出现一堆结果,现在很多人说搜索的未来在语音,但我们发现现在上并不是这样的,用户还是习惯于在上输入搜索,语音解决不了什么问题,绝大多数的操作场景还是在手指上

而今天的搜索在移动互联网上的趋势是用户更希望自己搜索出的内容能够直达他想要的结果,不是一个网页、一个相关性的结果,而是直接给我答案,所以我们需要深层次去解析用户的搜索语义,以及有足够多的服务去匹配用户的意图

因此在这方面,YOS和开发者合作把应用里面的内容拿出来,被我们索引到,最终用户在搜索时可以一键直达应用里面的内容,实现应用内搜索需要满足几个条件:第一、应用支持协议;第二、需要你的业务本身有数据的开放经验,也就是你的数据可以被搜索引擎检索到,搜索引擎可以调取到应用里的进程

 C是我们现在做的一个新的业务,是完全用H的框架去写里面的应用,好处是不需要下载和安装,所以这是一个可见即可得的框架

  我们会把用户进行很多维度的分层,例如星座和相关的喜好,数据也是一层层去分级

这些数据从何而来

这些数据的积累来自我们和CP之间的互动

其实用户消费的数据在系统上是比较有限的,操作系统能够拿到的是最基础的数据包括用户的设备配置、用户启动应用的频率、用户安装应用的列表等等,再往后延伸就是用户的行为数据,这些数据就在CP的手里

 例如我们在和一个做新闻集合和推荐的A应用的合作过程中,我们双方是有一个安全的交换数据协议的

比如一个新用户下载了应用A,A应用在他第一次打开应用时也是有用户的数据的,我们把第一次应用启动叫冷启动,因为这个时候所有推荐类的算法都是没有用的,因为它没有积累过用户的阅读数据

而这个时候,系统可以把系统层的数据和开发者去做交换和分享,告诉应用一些用户基本的属性和画像,然后基于他的内容,去一些相应的算法和结果

在类似的我们和几百个CP的合作过程中,我们积累出了一个用户完整的使用行为的链路,也就是我们知道用户在系统里面读过什么内容、看过什么视频、听过什么歌、在淘宝上买了什么商品,其实这些所有的数据都构成了我们整体用户的画像能力,决定我们可以跟开发者一起给用户提供更好的服务

  这是我们数据化的一些手段

我们可以从最底层的标签库实现最上面的千人千面

推荐算法最复杂的地方在于首先你要积累到足够多的数据,并具备相应的数据处理能力,现在我们大概每天要处理亿条用户数据信息,首先是存入库里,然后要清洗数据,其中最重要的是数据要有实时性,也就是用户刚刚消费的一个数据,在另一个地方做推荐的时间能不能很快地响应过来,这要求数据必须达到分钟级的的时效性

 有了这些数据我们可以做什么呢

以应用商店为例,首先,我们可以做到每个人在应用商店找到的东西不一样,就是说不同的人打开应用商店,被推荐的应用不一样

 第二个维度是整合商业类的服务,包括付费推广和合作伙伴等,这些付费的内容进来以后,我们怎么样去收费

一定不是说放一个位置,多少钱就结束了

一个位置的商业价值对于每个人都是有差异的,同一个应用同一个位置,推荐给喜欢的用户就是有商业价值的,推荐给不喜欢的用户就是没有价值的,我们最后会实现千人千面,就是每个人看到的内容,每个人的商业化价值都是不一样的

 第三个维度就是跨域的处理

我们一直在讲每个开发者以前都是孤体,是独立存在的,比如说你打开优酷视频,所有的内容都在应用里面,用户可以进行搜索、跳转、推荐等等,但是这些事情做到最后是会衰减的

我们现在在做全域的推荐,例如你看了优酷上的某个视频之后,我可以在掌阅里向你推荐相关的小说,在虾米音乐里推荐相关的音乐

而这个时候,我们就能让开发者与开发者之间的内容碰撞起来,可以相互的去做推荐和关联,最大化地去提升一个用户的流量及产生的相关价值

  举几个例子,我们拿搜索模块为例,实时计算的好处在于我们可以知道今天我们放了一个应用在A位置的时候当前的转化率是多少

每一个应用的下载转化率都是有衰减值的

当我们发现这个应用的下载量在衰减的时候,我们马上就会把它替换成相同的应用,实现这个A推荐位的应用都在不停地处于上升的趋势,因为不同的时段、不同的位置、不同的应用产生的效果是不一样的

这一点是后台慢慢积累到一定的数据后开始呈现的优化列表

  这个是我们拆分出的新老用户的差异

老用户的界面呈现的列表是比较完整的,有一些推荐等正常的模块

我们设置了一个新用户模型,通过一些值来判定用户是否是新用户

比如说第一次开机七天之内、安装的应用少于几个、打开未安装某些常用应用等条件都可能会被判断识别为新用户

针对新用户我们会推荐不同的专题,最后我们会发现针对新用户的人工安装量可以达到三个,这就是典型的区分用户状态的例子

  我们再拿为例

我们发现通知有很多,系统通知的好处是不会被拦截,其实是到达率和打开率更高

比如推一款游戏,我们会列出一些标签,例如曾经玩过类似游戏的人、通过下载读过一些相关书籍或者相关视频的人等等

如果这是一个大型游戏,我们还会再一条内存容量超过G的用户,最后我们通过几层的筛选,选出目标用户来进行推广,这样会大幅提高用户对和点击率和好感度

如果建立一个用户接受度的模型,我们会发现的次数越多并不见得效果就越好

 以今日头条为例,用户在今日头条里看条新闻的时候,对广告的接受度也是有限度的,大家都是从第一条广告试探起,看还不错,再第二条、第三条、第十条等,它会看用户的新闻阅读轨迹和商业的转化是不是达到了比较饱和的平衡状态,这个其实就是你最佳的商业转化

所以运营的流量和商业化之间的比例是多少,其实取决于你的状态,对于每个应用,每个用户都是不一样的

有的用户耐受度比较高,你会发现投十条广告他是能接受的,那么下次这个ID投十条广告没问题;但有的用户看两条广告就觉得烦

特别是当用户的识别度比较高的时候,可能你应该投相关度比较高的广告,减少投递条数

这个其实是需要你在过程中不断优化而来的

总之,一定要拿捏好这个度

  再举个案例,在YOS和爱阅读合作的过程中,我们把数据接口、数据分析、推荐服务等能力开发给他们

也就是在这个过程中,用户在应用上消费的数据和用户最后接受的数据,我们会有一个交换的过程,最后我们会形成一个完整的数据库,通过数据进行分析,然后结合对方的数据,给爱阅读做相关的定向服务

因为YOS拿到的数据集合是远大于某个单个应用的

  最后我们发现给爱阅读带来的用户价值还是蛮高的,其中我们会去看哪些类的书籍用户的付费率比较高等等

  而在跨域这一块,我们也正在开展很多合作,比如说淘系的数据、友盟的数据等等

友盟今年将在后台接入YOS的数据体系,来帮我们打通所有平台和开发者的数据

  PPT呈现的界面是来自于头条的内容,这是完全用H开发的,无需用户下载安装占用内存,而是以卡片的形式呈现,点开就是内容

这里面所有的推荐和算法都是和YOS合作的

在这个过程中我们可以把用户的行为数据和喜好与合作伙伴的内容做结合,共同放在一个库里面去完成数据的交换、匹配和结果的输出,最后反馈给界面,这个过程我们基本上是屏蔽了第三方可以获取数据的能力,但是最后双方又能够把数据共享到一个平台里面去

  总的来说,YOS的平台核心能力包括:第一是系统的能力,第二是云服务的能力,第三个是开放平台的能力

在数据方面,我们可以帮助大家做冷启动、跨域数据和实时计算,最终可以实现商业化平台,包括流量、变现、支付等等,最后沉浸在我们的端底

在商店里面,我们%的流量来自数据化和商业化的需求,留了%的流量给我们的合作伙伴,我们会找一些新鲜有趣,或者说我们认为有潜力成长的应用作为合作伙伴,帮助他们去把业务发展和成长起来

 YOS真正开始商业化运作是两年前,整个过程是与我们数据能力的成长的

对于大家来说,数据化需要做到什么程度,需要根据自己团队的规模以及能力来,一定要让数据成为大家创业或者工作中不可或缺的事情

数据是反应现状,帮助大家分析问题、解决问题最重要的依据

YOS从两年前一天日活几十万,到今天日活过几千万,我们发现这不是“一个人”能完成的事情,只有靠机器、靠算法、靠数据才能做好

 本文整理自鸟哥学院公开课(线下),转载请注明来源



- END -