三本互聯(lián)網(wǎng)相關(guān)的用戶增長書籍，特點為工作實踐總結(jié)。筆記只摘錄了增長工作理論和實踐，其他內(nèi)容比如用戶增長團(tuán)隊搭建，工作流程未涉及。主題閱讀的好處在于能‘兼聽則明’，不同視角也啟發(fā)額外想法。

本來是規(guī)劃了三個內(nèi)容：讀書筆記、工作實踐、研報筆記（產(chǎn)業(yè)相關(guān)）。暫且補(bǔ)完一個坑，后面的內(nèi)容估計要鴿很久了。

01

—

《我在一線做增長》

1.如何定義增長

一句話：讓更多用戶更高頻率地使用核心產(chǎn)品功能。所以有三個關(guān)鍵要素：用戶，高頻，功能

2.增長項目設(shè)計與執(zhí)行

增長項目總結(jié)歸類為4類：漏斗型增長、功能型增長、策略型增長、整合型增長。

• 漏斗型增長：在做漏斗型增長項目時，我們也是把用戶在產(chǎn)品中的體驗流程拆解為一個個細(xì)小的環(huán)節(jié)，通過優(yōu)化每個環(huán)節(jié)的轉(zhuǎn)化效率，提升用戶整體的LTV。以共享單車為例，為了提升用戶從注冊到首次下單的轉(zhuǎn)化率，新注冊用戶可以獲得免押金且免費體驗騎行的特權(quán)，這樣就能極大降低用戶首次騎行的門檻，從而讓更多用戶發(fā)生首次騎行。這么做的核心邏輯是相信自己的產(chǎn)品體驗足夠好，盡可能地降低門檻讓用戶體驗幾次，他們會自然產(chǎn)生復(fù)購行為。
• 功能型增長：功能型增長一般就是給產(chǎn)品增加某種功能，從而帶來用戶的增長或活躍。大家常見的分享功能、給用戶發(fā)紅包、邀請拼團(tuán)享低價等都屬于這類。功能型增長往往要和策略型增長結(jié)合，才能充分發(fā)揮優(yōu)勢。

工作中的確如此，功能上線時主要考慮功能的可用性和覆蓋度。當(dāng)然功能開發(fā)時需要支持策略配置，比如角標(biāo)功能，需要支持AB實驗（人群），支持角標(biāo)樣式&內(nèi)容可配置等，初步上線時可能不需要十分完善，但要有前瞻性，預(yù)想到后續(xù)迭代。

• 策略型增長：疊加在功能上，可以實時調(diào)整功能中的某些元素。比如push：分析用戶數(shù)據(jù)，形成一些用戶標(biāo)簽或畫像，給部分用戶發(fā)某種類型的消息，甚至通過不斷手動篩選用戶群組和更換消息類型，就能找到一部分特別適合推送某種消息的用戶。尋找這種特定的映射關(guān)系就是我們通過測試發(fā)現(xiàn)的一種發(fā)Push消息的策略。紅包：可以隨時調(diào)整，通過特定的算法讓紅包金額、中獎概率、大額紅包發(fā)放時間段等全部可配，后續(xù)再通過訂單數(shù)據(jù)來實時調(diào)整策略。
• 整合型增長：核心是做用戶消費的閉環(huán)體驗，比如o2o類型產(chǎn)品需要做線上線下深度融合。

3.HVA模型（高價值行為）

引導(dǎo)用戶完成高價值行為，可以提升用戶LTV

3.1如何衡量高價值行為的收益？尤其是通過補(bǔ)貼換取

一般來說，針對某個HVA，總是會有部分用戶在某個時間點已經(jīng)產(chǎn)生了這個HVA，我們就可以用已經(jīng)產(chǎn)生了這個HVA的用戶的數(shù)據(jù)去訓(xùn)練一個模型。通過大量的數(shù)據(jù)訓(xùn)練，我們就能得到一個價值預(yù)測模型。這個價值預(yù)測模型可以預(yù)測出用戶如果產(chǎn)生特定的HVA，他們對平臺的價值貢獻(xiàn)會變成多少。把在過去同一時間段內(nèi)沒有產(chǎn)生這個HVA的用戶的數(shù)據(jù)代入這個模型，用模型來預(yù)測，我們就會得到一組價值預(yù)測值。把根據(jù)這一組沒有產(chǎn)生HVA的用戶的數(shù)據(jù)預(yù)測出來的平均用戶價值和他們實際的平均用戶價值比較，就得到一個差值。這個差值就是這個時間段內(nèi)用戶產(chǎn)生HVA帶來的價值差異。

3.2如何找到HVA？

常見的HVA還包括用戶注冊、用戶首單、用戶關(guān)注其他用戶或內(nèi)容等。通過我們的經(jīng)驗、直覺或所謂的手感等，是能夠找到很多HVA。

書里沒有講方法，但這個HVA概念和增長黑客的魔法數(shù)字基本相同，方法可參考，核心是羅列出潛在有價值的用戶行為指標(biāo)，計算其與LTV值的相關(guān)性。

3.2如何完成引導(dǎo)HVA

沒有具體的策略，理論來源于《思考快與慢》這本書

快思考引導(dǎo)邏輯的設(shè)計其實就是信息呈現(xiàn)框架的設(shè)計，常見的策略：引導(dǎo)用戶產(chǎn)生強(qiáng)烈情感；利用默認(rèn)選項引導(dǎo)；將重決策細(xì)化成多個輕決策；利用損失厭惡；利用認(rèn)知引力場，比如光環(huán)效應(yīng)，錨定效應(yīng)等。

聚焦周期重復(fù)性以改變用戶的習(xí)慣案例：ofo‘超級星期5’活動背景：讓日訂單量沖上一個高峰3000萬，一般周五是訂單的高峰，因此決定在周五沖刺這個高峰運營：周五活動，做成周期性，每周5重復(fù)的系列活動，結(jié)合紅包活動，增加驚喜大獎思考點：增長關(guān)注的是長期效能的提升

聚焦于引導(dǎo)用戶產(chǎn)生HVA案例：貝殼找房背景：討論做一個抽獎類游戲，以提升用戶活躍度。但對用戶的長期行為影響不大，不能有效提升LTV。做的一切活動是提升用戶的成單概率，房產(chǎn)交易周期較長，中間環(huán)節(jié)比較多，要讓用戶體驗到產(chǎn)品對于用戶買房有幫助，運營圍繞著引導(dǎo)用戶體驗有價值的功能為主。方法：策略是引導(dǎo)用戶去添加自己的資產(chǎn)或者關(guān)注某個房源，直接模仿添加資產(chǎn)和關(guān)注房源的功能邏輯，把這個過程做成一個游戲。這個游戲的每一步都對應(yīng)了實際功能的每一步。用戶做完這個游戲，也就對產(chǎn)品的實際功能和其帶來的相關(guān)效果有了認(rèn)知

4.高頻產(chǎn)品增長方法

需求特點：短決策，低門檻增長手段：

• 高頻非交易類產(chǎn)品：通過物質(zhì)激勵（紅包現(xiàn)金），常見的有刷新聞賺金幣。
• 高頻交易類產(chǎn)品：主業(yè)優(yōu)惠激勵，比如優(yōu)惠券刺激產(chǎn)生首單消費。各電商APP。

5.低頻產(chǎn)品增長方法：

低頻價格可控性產(chǎn)品：

背景/目標(biāo)：用戶增長要研究如何在給定價格的前提下提升ALTV方法1：通過提供一個一次性的與場景掛鉤的優(yōu)惠體驗價，讓用戶增加對低頻產(chǎn)品使用場景的聯(lián)想案例：滴滴豪華車目標(biāo)：吸引更多的人使用豪華車思路：拓展豪華車的使用場景，除了高端商務(wù)人士的通勤外，拓展人群和場景，比如父母或配偶生日，用豪車接送；約會等場景。措施：1）通過用戶畫像圈定符合一定條件的用戶；2）提供一些特定場景的首次體驗優(yōu)惠。方法2：利用供給端的閑置時間，提升供給端利用效率案例：滴滴豪華車背景：用戶在叫豪華車時，因車輛供給少問題，需要預(yù)約，不然等待時間長。但如果增加車輛，沒有足夠的需求來支撐供給，很難建立一個正向循環(huán)。思路：探索利用豪華車在需求熱點區(qū)域之外的閑置時間，來服務(wù)更多用戶方法：豪車停在需求熱點區(qū)域外，可能長時間沒有訂單，可以通過優(yōu)惠券等方式將專車需求升級體驗為豪車需求。

低頻產(chǎn)品中高客單價情況，比如二手房交易特點：不太可能通過調(diào)整價格來創(chuàng)造新需求；用戶交易后，交易間隔很久，復(fù)購需要很長時間；低價補(bǔ)貼后虧損很難彌補(bǔ)核心：低價高客單產(chǎn)品的核心是用戶的精準(zhǔn)度弱需求用戶：引導(dǎo)用戶體驗產(chǎn)品的核心功能，體驗才能記住，為后續(xù)需求埋下快思考線索。案例：二手交易APP，引導(dǎo)用戶訂閱車型信息強(qiáng)需求用戶：在關(guān)鍵窗口期介入，影響用戶決策。建立用戶成交意愿識別模型，通過逐步迭代提高預(yù)測準(zhǔn)確率

02

—《用戶增長實戰(zhàn)筆記》

1.如何開展用戶增長？找方向

• 提升用戶價值
• 借助宏觀機(jī)會順勢而為
• 商業(yè)模式優(yōu)化點

找切入點

1. 明確增長目標(biāo)，找北極星指標(biāo)，對指標(biāo)進(jìn)行拆解，拆解后的公式即為增長方向。比如日活=新用戶+留存用戶+召回用戶。另外，可以通過對指標(biāo)的分布拆分來確定增長方向，比如月活用戶，可以拆分為高中低活躍天數(shù)，增長方向為提升低活躍天數(shù)用戶的活躍天。
2. 找用戶核心路徑的斷點
3. 找用戶行為與增長目標(biāo)的相關(guān)性， 相關(guān)性分析可以幫助我們找到與增長指標(biāo)高度相關(guān)的用戶行為，從而把策略定位到提升該行為發(fā)生的概率或頻次上。
4. 形成增長假設(shè)，開展增長策略實驗。

2.準(zhǔn)確評估實驗效果

準(zhǔn)確分析的前提：

1.正確選擇目標(biāo)指標(biāo)：要關(guān)注核心結(jié)果指標(biāo)，而非過程指標(biāo)。比如紅點點擊是過程指標(biāo)，紅點點擊人群的次留和消費指標(biāo)提升才是關(guān)鍵。2.實驗組與對照組具有可比性：保證隨機(jī)分流；保證樣本獨立（注意用戶間的干擾和流轉(zhuǎn)）

雙端干擾：比如打車補(bǔ)貼實驗，實驗組給補(bǔ)貼，會提高叫車率，會導(dǎo)致對照組的用戶更不容易打到車。解決方案：選取兩個隔絕但基本一致的市場做實驗組與對照組

組間流轉(zhuǎn)：比如對低活用戶設(shè)計的實驗，當(dāng)策略生效后，用戶從低活轉(zhuǎn)為高活，后面幾天的實驗中會發(fā)現(xiàn)策略影響的人群會越來越低。解決方案：用戶策略生效后，數(shù)據(jù)也同樣記在實驗組內(nèi)。

3.實驗分析三要素：

• 樣本：分析哪群用戶？
• 指標(biāo)：根據(jù)實驗?zāi)康亩?，通常包含整個人群的總體指標(biāo)和人均指標(biāo)兩類，如實驗組總時長、實驗組人群時長
• 維度：時間維度——即統(tǒng)計一天，還是完整的用戶周期；人群維度——僅看當(dāng)日實驗用戶，還是累計實驗用戶等。

4.三類實驗場景：

• 流量型

流量型指從所有流入實驗場景的用戶群中依據(jù)某些條件篩選一部分，隨機(jī)分組下發(fā)不同策略。流量型實驗最為理想的，因為整體樣本可以看成一段時間內(nèi)狀態(tài)穩(wěn)定的群體，由于在實驗前的一段時間樣本也是活躍的，可以得到理想的空跑實驗期數(shù)據(jù)，即分好實驗組和對照組后并不立即下發(fā)策略，而是觀察一段時間以驗證分組的均勻性。拉新或者沉默召回實驗等不會有這樣的條件。

可以不設(shè)置空跑期，而是通過分析人群前一段時間的消費數(shù)據(jù)來確認(rèn)是否均勻。

樣本：進(jìn)入實驗場景的用戶群。其中有些實驗，策略會對進(jìn)入實驗組的用戶全部生效，不存在觸發(fā)條件。

指標(biāo)：因為是全部的活躍用戶，人均類指標(biāo)更可靠。

維度：時間維度-關(guān)注完整的實驗周期指標(biāo)，即累計數(shù)據(jù)。人群維度-當(dāng)天進(jìn)入實驗場景的活躍用戶。

案例：APP首頁功能入口素材實驗，詳情頁布局實驗等。

• 喚醒型

圈定特定人群進(jìn)入實驗。與流量型實驗最大的差異是喚醒型實驗在進(jìn)入實驗前用戶已經(jīng)完成分組。

樣本：喚醒型實驗需要分析所有圈選的用戶，而非僅看活躍用戶。

指標(biāo)：因為實驗組下發(fā)了召回策略，可以預(yù)見實驗組的活躍用戶更多，通過分析總指標(biāo)，比如DAU,總時長的差異，即為實驗效果增量。人均類指標(biāo)，一般是總時長/活躍用戶，因為實驗組召回了很多低活躍用戶，會拉低人均類指標(biāo)，得到實驗效果負(fù)向的錯誤結(jié)論。

維度：時間維度-喚醒類策略效果會持續(xù)一段時間，即便用戶不再處于實驗條件內(nèi)（比如過去7天無活躍），也會有活躍效果。但此時如果僅統(tǒng)計策略命中用戶會漏統(tǒng)計。因此需要看長周期和累計用戶。

案例：沉默用戶召回實驗，APP圖標(biāo)紅點實驗等

• 分享型

分享型實驗涉及到分享者和接受者兩類用戶。比如不同分享文案對分享點擊率的影響實驗中，實驗組和對照組用戶可能存在相同的好友，好友（文案接受者）很可能先后看到實驗組與對照組分享文案。設(shè)計實驗時無法保證用戶分享給誰，也就無法預(yù)先設(shè)置‘分享者-接受者’用戶對。

樣本：實驗樣本取決于實驗?zāi)康?，如果核心指?biāo)為點擊率，點擊率是由接受者產(chǎn)生，樣本則為接受者。如果指標(biāo)是分享率，由分享者產(chǎn)生，則樣本為分享者。

指標(biāo)：分享率，點擊率等比率類指標(biāo)，以及分享次數(shù)等人均類指標(biāo)。

維度：時間維度-通?？磳嶒炛芷趦?nèi)匯總；人群維度-關(guān)注當(dāng)天命中實驗的用戶。

案例：分享圖標(biāo)優(yōu)化

5.如何挖掘?qū)嶒瀮r值

效果好如何乘勝追擊？

案例1：假設(shè)通過素材優(yōu)化，某個入口的點擊率提升了2pp，接下來可以怎么做？有一些思路可以參考：首先，分析素材的優(yōu)化，為什么提升了點擊率，是利益點的吸引力更大了，還是文案更加吸引點擊；其次，究竟?jié)M足了用戶的何種利益點，是淺層的價值，還是觸動了深層次的動機(jī)；最后，基于對前兩個問題的認(rèn)知，判斷是否存在一些相關(guān)的場景、功能、頁面，也可以使用類似的優(yōu)化思路。

案例2：假設(shè)某內(nèi)容消費App，實驗發(fā)現(xiàn)在注冊當(dāng)日引導(dǎo)新用戶完成收藏后，該用戶群的7日留存率相比未做引導(dǎo)的對照組提升了4.5pp。這個提升非?？捎^，值得深挖其中的因果關(guān)系：為什么用戶完成收藏后更愿意留下來。猜想應(yīng)該是收藏后新用戶在App內(nèi)擁有一些“資產(chǎn)”，產(chǎn)生了黏性。但這只是猜測，還需要進(jìn)一步設(shè)計實驗來驗證，例如，可以用更好的交互設(shè)計來強(qiáng)化收藏的感知，引入更多“資產(chǎn)”（如收藏得金幣），進(jìn)一步驗證是不是因為產(chǎn)生了資產(chǎn)而提升了留存（可以參考3.4.3節(jié)提到的邊際效果歸因）。假設(shè)驗證了用戶完成收藏后，因為有資產(chǎn)而增強(qiáng)了黏性，就可以再放開思路：除了收藏以外，還有哪些優(yōu)化可以讓用戶產(chǎn)生更強(qiáng)的黏性。例如，用戶互動、有行為激勵和成就系統(tǒng)等是不是會更好。

效果差如何提煉價值？原因1：策略并沒有觸達(dá)足夠多的用戶。

可以通過漏斗分析找策略無效的根源，即策略下發(fā)到生效過程中各個環(huán)節(jié)，轉(zhuǎn)化率，量級都是怎樣的。

案例：紅點召回——問題點：兩個地方折損點：請求到成功返回，原因是紅點規(guī)則過濾掉很多人；第二是曝光環(huán)節(jié)，原因是與小說紅點沖突，優(yōu)先展示小說紅點。原因2：策略下發(fā)無誤，但整體沒有效果。

下鉆用戶分群的效果，有可能是某一部分人正向，一部分負(fù)向，導(dǎo)致整體無效果。

03

—《如何做用戶增長更有效》

1.用戶增長定義：用戶增長一般指日活增長。

日活：需要區(qū)分前臺日活，后臺日活和行為日活。

2.用戶增長模型：

用戶增長模型=當(dāng)天的新增用戶和此前每一天新增且在當(dāng)天留存的用戶之和。用戶增長的切入點：影響用戶增長的速度和天花板的因素有兩個：新增用戶數(shù)和留存率。

3.如何提升留存率？

用戶為什么會留下來？產(chǎn)品的核心價值達(dá)到或超過用戶預(yù)期。并隨著競爭加劇和用戶需求變化，不斷滿足用戶的新預(yù)期。

3.1如何提升用戶短期留存？

引導(dǎo)用戶形成合理預(yù)期：尋找用戶預(yù)期：1.通過訪談了解用戶需求；2.通過行為路徑拆分，數(shù)據(jù)分析找到對用戶有用的點。將產(chǎn)品預(yù)期傳達(dá)給用戶：廣告素材相關(guān)的優(yōu)化。

滿足用戶預(yù)期。不同渠道用戶有不同的預(yù)期，我們應(yīng)該通過展示與其預(yù)期相對應(yīng)的內(nèi)容來承接，比如通過dp，用戶安裝后，根據(jù)點擊的廣告素材來推內(nèi)容。讓用戶盡可能快地感知核心功能，刪除多余的步驟；優(yōu)化步驟-新手引導(dǎo)。

超出用戶預(yù)期。在滿足用戶需求的基礎(chǔ)上，做到更好更快更準(zhǔn)更多的使用體驗。

3.2如何提升中長期留存率？

隨著用戶使用產(chǎn)品更久，預(yù)期也在不斷提升，要及時關(guān)注預(yù)期變化，符合或超過用戶預(yù)期。

案例：直播平臺

用戶預(yù)期：找到內(nèi)容好看的直播間，輕松與主播互動

留存率下降原因：用戶預(yù)期提高后，我們提供的價值沒有變化，導(dǎo)致用戶感受的價值降低

解決方案：讓用戶關(guān)注更多的主播，形成穩(wěn)定的關(guān)注關(guān)系

3.3如何喚醒沉默用戶和召回流失用戶

核心問題：如何主動觸及用戶，幫助用戶形成使用習(xí)慣。

主動觸及方式：push與桌面角標(biāo)

形成用戶習(xí)慣：圍繞產(chǎn)品自身核心功能的使用，衍生出其他定期激勵。比如簽到系統(tǒng)，每日任務(wù)系統(tǒng)。

4.用戶增長數(shù)據(jù)報表增長儀表盤內(nèi)容：

1. 宏觀數(shù)據(jù)：大盤數(shù)據(jù)，日活，留存，使用時長
2. 關(guān)鍵路徑數(shù)據(jù)：指用戶使用產(chǎn)品時的核心行為，是體現(xiàn)產(chǎn)品核心價值功能的使用行為

• 關(guān)鍵行為滲透率：即日活用戶中，有多少人使用，該行為的發(fā)生率
• 關(guān)鍵行為人均次數(shù)：發(fā)生該行為的用戶，人均會發(fā)生幾次
• 關(guān)鍵行為漏斗數(shù)據(jù)：如果該行為是比較深的，需要搭建一個記錄每一步的行為漏斗，看每一個環(huán)節(jié)的折損

我自己的經(jīng)驗是行為次數(shù)的分布數(shù)據(jù)：比如人均點擊次數(shù)是一個均值類指標(biāo)，很容易掩蓋問題：低發(fā)生次數(shù)的人群占比（1次），是否有極大值導(dǎo)致均值偏差。

5.用戶增長案例:直播產(chǎn)品

5.1問題：如何讓優(yōu)質(zhì)的直播間優(yōu)先被用戶看到？

拆解成兩個問題：

1. 何為優(yōu)質(zhì)直播間？
2. 如何保障優(yōu)先看到？

5.2如何定義直播間是否優(yōu)質(zhì)？優(yōu)質(zhì)的定義：

初步階段，我們希望用戶能夠更多地留在直播間，促進(jìn)用戶與主播之間互動（公屏消息），即能不能留住用戶；能不能讓用戶聊起來。而優(yōu)質(zhì)的直播間應(yīng)該能促成上述目標(biāo)的達(dá)成。指標(biāo)

• 直播間人數(shù)
• X分鐘留存率：x可以選擇為3分鐘或者5分鐘，其實與跳出率類似。以5分鐘留存為例，其定義為在一個5分鐘的時間段內(nèi)，前2分鐘進(jìn)來的用戶數(shù)記為m，在5分鐘時間段過后（3分鐘后）依然在直播間的用戶數(shù)記為n，則5分鐘留存率為r=n/m
• 人均公屏消息數(shù)：發(fā)言總條數(shù)/發(fā)言總?cè)藬?shù)
• 公屏消息率：部分粉絲可能發(fā)布較多消息，還要衡量互動的覆蓋度，發(fā)言人數(shù)/直播間總?cè)藬?shù)

5.3如何優(yōu)先看到？

對直播間的優(yōu)質(zhì)程度打分，分?jǐn)?shù)高的直播間排序更靠前，更容易曝光。

線性加權(quán)：rankvalue=ax+bx+cx。計算時需要注意：

不同因素歸一化方法，從產(chǎn)品業(yè)務(wù)角度進(jìn)行的非線性歸一化：比如人數(shù)，當(dāng)人數(shù)大于閾值后，其過高的人數(shù)重要性已經(jīng)不大了，可以不需要再繼續(xù)加權(quán)。

比例類指標(biāo)加權(quán)：需要注意分母是否過小，比如留存率，當(dāng)僅有一個用戶且持續(xù)消費時，留存率為1，需要對分母最小閾值。

5.4如何迭代上述模型？

首先定義迭代目標(biāo)：

一個好的列表就是讓用戶看到就想去點，然后一直觀看，不停地和主播互動。從成本和收益的角度來看，列表中任何主播的直播間的曝光都是我們的成本，因為用戶（流量）是有成本的，所以我們的收益應(yīng)該就是點擊、觀看時長、公屏消息數(shù)等

指標(biāo)

• 直播間點擊量/列表頁的曝光量
• 直播間的人均觀看時長/列表的曝光量
• 直播間的消息總數(shù)/列表的曝光量

5.5如何解決熱門列表的馬太效應(yīng)

5.5.1問題背景

在進(jìn)行了很多次的熱門列表調(diào)優(yōu)后，我們又遇到了更嚴(yán)重的問題。列表排序主要依據(jù)的是直播間的用戶數(shù)和留存率等因素，加上一些運營策略，諸如置頂、運營內(nèi)容優(yōu)先等，在上線后基本可以滿足挑選出質(zhì)量較高主播的目標(biāo)。但隨著用戶量的增長，頭部集中的問題就慢慢顯現(xiàn)出來了，大部分用戶集中在少數(shù)幾個人的直播間里，其他的直播間很難被看到。這就是我們常說的馬太效應(yīng)。

5.5.2如何衡量流量集中的問題嚴(yán)重度

從成本和收益的角度來考慮，直播間的曝光其實就是平臺的成本，相應(yīng)的轉(zhuǎn)化，比如，點擊、評論、關(guān)注、禮物等就是平臺的收益。我們可以套用計算廣告中的一個數(shù)據(jù)，每1000次曝光帶來的收益，即RPM（RevenuePerMilleImpressions，千次曝光收益）。

平臺排序Top直播間的RPM，特別是一些置頂直播間的RPM，結(jié)果發(fā)現(xiàn)遠(yuǎn)遠(yuǎn)低于平臺均值。這就說明，頭部主播已經(jīng)被過度曝光了，我們給他們的曝光沒有換回相應(yīng)的收益

5.5.3降低馬太效應(yīng)的措施

• 控制置頂行為
• 取消某一些優(yōu)先規(guī)則
• 隨機(jī)抽取主播曝光：我們將排序分成若干段，將主播分為大主播、中主播、中小主播、小主播等幾個級別。然后，從這幾個級別中隨機(jī)抽取部分主播組成一個用戶的列表。這使得每個人看到各種類型的主播的概率增大了。

5.5.4衡量流量打散效果的指標(biāo)如何量化上述措施是否有效？

• 有人看過的直播間比例（有人看過的直播間數(shù)/所有直播間數(shù)）：更多的直播間被看到
• 第一個人進(jìn)直播間的平均耗時

微信公眾號：?回首又見他