觀察App的使用頻次，挖掘新增用戶的更多機會點

如今用戶紅利和流量紅利均已見底，整個市場也從增量市場轉(zhuǎn)為存量市場，靠功能/服務的工具類產(chǎn)品需要在存量用戶身上挖取更多“金礦”。

金融理財APP的應用生態(tài)持續(xù)豐富，用戶對應用的使用依賴逐漸加深，使用粘性進一步提高，此時月人均使用次數(shù)，也就是使用頻次成為了新的北極星指標。

我們對比分析了金融行業(yè)內(nèi)幾個頭部APP的使用頻次數(shù)據(jù)，可以看出不同家產(chǎn)品的頻次差異有點大，平安口袋銀行的頻次高達13.5次，是浦發(fā)銀行的浦大喜奔APP的接近2倍。這2倍的差異，意味著平安口袋銀行有比浦發(fā)銀行多2倍的機會去營銷用戶。

這2倍的差異，意味著平安口袋銀行的用戶與產(chǎn)品聯(lián)系更緊密，更能提前預知用戶的各種動態(tài)和流失風險。?

在看了幾個月的數(shù)據(jù)之后，我們發(fā)現(xiàn)： 

1）每個月用戶的使用次數(shù)分布都比較穩(wěn)定

2）需要下鉆到單月的每天繼續(xù)分析

于是 我們選取了一個月的用戶數(shù)據(jù)進行分析，發(fā)現(xiàn)這樣的事實： 

單月用戶使用次數(shù)均值為6.6次，且在12次之后曲線呈現(xiàn)平緩穩(wěn)定趨勢，數(shù)值較小且分散。

為了更好的細分客群，我們將客戶切分為3個部分，分別是：

• 1）低頻用戶（月使用次數(shù) < 6?)?；
• 2）中頻用戶（月使用次數(shù)約6~12?)；
• 3）高頻用戶（月使用次數(shù) > 12?)。?

接下來根據(jù)劃分好的客群，我們針對用戶的基礎畫像、APP功能使用偏好、用卡行為、究竟是哪些用戶拉低了使用次數(shù)等進行探索發(fā)現(xiàn)了幾個關(guān)鍵點以及可以產(chǎn)生的抓手：

客群畫像僅是數(shù)據(jù)的呈現(xiàn)，若要落地需要向創(chuàng)建用戶標簽。在頻次的需求中，需要創(chuàng)建高中低頻和實時類標簽。

標簽創(chuàng)建后，我們就可通過分群展示為高中低頻用戶打造專屬活動。

一般的，我們通過分析中低頻用戶的功能偏好，發(fā)現(xiàn)簽到、每日消費任務、積分兌換等具有大流量、高使用次數(shù)屬性功能，用戶具備非常明顯的偏好。于是把這些場景整合包裝在一個營銷活動頁面。

同時，為了促使用戶完成頁面中的領(lǐng)獎任務，我們還在頁面里放置了商城和飯票業(yè)務中符合該消費任務門檻且銷量靠前的商品供用戶選擇，最后還加入了能夠用來提升用戶粘性的熱門文章內(nèi)容板塊。在活動上線過程中需要做到對數(shù)據(jù)進行定時監(jiān)控，我們制定以下策略：

1）部分營銷點需要通過賽馬機制實現(xiàn)每周更新甚至每日更新；

2）對于用戶的脫落環(huán)節(jié)進行分析，及時對活動頁面內(nèi)容和排列方式進行調(diào)整更新。

這些做法都是為了促使中低頻用戶更加了解APP，體驗更多的產(chǎn)品功能和活動玩法以達到讓用戶多次使用APP的目的。

最后對活動復盤分析發(fā)現(xiàn)參與用戶的日人均使用次數(shù)提升了51%，并且有35%的中低頻用戶在首次來到整合營銷頁后30天轉(zhuǎn)為了高頻用戶。

后續(xù)，我們對于這種低成本但是效果顯著的整合營銷活動加快洗量，通過例如短信、push、edm這種強觸達的營銷工具吸引更多的中低頻用戶使用APP。

在對目標定位為提升使用次數(shù)的大型營銷活動策劃上，通過特邀活動的方式對高中低頻客群設置個性化的任務以及獎勵，降低中低頻用戶的參與門檻，同時讓高頻用戶貢獻更多價值。在玩法的設置上參考前面發(fā)現(xiàn)的搜索用戶中低頻用戶占比高的情況，設置了在特定日期特定時間的用戶完成制定搜索行為送高價值獎品的任務。

在日期的選擇上也要有一定的策略，應該優(yōu)先選擇用戶活躍度相對較低的時間。若選擇本身活躍度較高的時間，可能會出現(xiàn)用戶正常使用APP然后順帶完成搜索任務的情況，那么對于提升我們的使用頻次效果就會打些折扣。

但是這個方法在用的時候需要做好前期的預熱宣傳和活動開展前的消息推送，否則可能出現(xiàn)用戶不知道有這個活動存在的可能性。?

在以次數(shù)本身拆分客群進行研究和策略落地的同時，我們還按照mau組成拆解使用次數(shù)。通過分開看月新增用戶、上月留存用戶、沉默喚醒用戶的使用次數(shù)等維度信息。我們未來的關(guān)注中心和策略重點還是在新增用戶上。

探索新戶來到APP的行為動線和用卡行為，挖掘更多機會點。

當然，和客群的結(jié)合也不用僅僅局限在MAU上，例如具有明顯人群屬性的Z世代95后客群，具有明顯業(yè)務屬性的金融屬性（理財、保險）客群等可以有業(yè)務切入點的客群都可以進行交叉分析。