站長資訊網如何制定新用戶推薦策略是很多運營人都在思考的問題？本文作者從一個新的角度對這個問題進行了分析：用相親的方法來思考新用戶內容推薦策略。
新用戶，從字面理解，就是全新的用戶，于產品而言，猶如一片白紙。圍繞新用戶所做的一切，稱之為冷啟動。
在實際工作中，我深切感知到新用戶冷啟動與男女相親如出一轍，都是使盡渾身解數給對方（用戶）留下好印象，今天就跟我們的用戶來次相親，目標就是把他（她）留在身邊。
相親三步曲：
- 認識對方（用戶）—知己知彼
- 怎樣滿足對方（用戶）需求—投其所好
- 用什么方式滿足對方（用戶）需求—用對方法
一、認識對方（用戶）—知己知彼
當我們得知要與人相親，前期需要用盡一切方法打聽對方信息，可能一無所獲，也可能有所收獲，如面貌長相、學歷、工作、家庭情況等。
運營新用戶也是如此，前期需要動用一切手段去認識了解用戶。實踐證明，認識他們真不容易呀。
1. 完全不認識，獲取不到用戶信息
產品之于用戶認知為0，系統推薦沒有任何信息可參考，此時就需要做好萬足準備，小心翼翼的試探，避免觸及雷區。或運用通用方法論，投放所有人可能都喜愛的內容。
2. 粗粒度認識，獲取用戶部分信息
（1）利用技術手段獲取
- 利用GPS與IP獲取用戶定位信息，知曉用戶地理位置；
- 獲取用戶手機安裝APP list信息，猜測興趣傾向。
優勢：可信度高，可利用程度高。
劣勢：需要人工梳理整合，操作成本高，如對APP list的人群、興趣映射標準定義。
（2）利用產品卡片，主動收集
1）設置興趣開屏（年齡+性別+興趣品類）卡片，收集用戶主動選擇的信息。
優勢：用戶主動選擇，可利用程度高
劣勢：用戶主動選擇比例低，覆蓋用戶面低；用戶選擇可信度有待評估；
（3）利用渠道來源猜測獲取
用戶來源渠道：根據不同預裝機型用戶粗粒度畫像，對拉新用戶人工建模。如小米的用戶偏下沉、中老年，oppo用戶偏年輕女性，華為用戶偏中高端等。
用戶增長：根據不同投放素材，人工定義拉新用戶模糊畫像。如投放“廣場舞”素材，拉新用戶可能更偏中老年女性；投放“相聲”素材，拉新用戶可能更偏中老年男性。
優勢：對于用戶群認知清晰，實操性強。
劣勢：一旦用戶認知出現偏差，可能出現不可逆后果。
3. 系統獲取用戶行為信息
當用戶進入產品，有了相應行為反饋，系統機器就可快速捕捉利用這些信息，如點擊行為、訂閱行為、搜素行為、評論行為、轉發行為、收藏行為等。
優勢：用戶行為真實反饋，直接反應用戶心理，可利用程度高。
劣勢：是把雙刃劍，若應用不當，可能適得其反。
二、怎樣滿足對方（用戶）需求—投其所好
當我們了解對方（用戶）之后，就該想想怎樣投其所好，送什么禮物能讓她開心。那么對于新用戶來說，就需要根據產品自身定位于調性，提供能讓用戶獲得愉悅感的東西，這種東西可統稱為內容。
1. 不同的產品形態，內容的供給展示形態也會不同
（1）信息流資訊類產品
單圖、三圖圖文+大圖、單圖視頻（短視頻+小視頻）是主流內容形態，也是用戶消費的主流內容，可能對于不同的用戶，對于兩種內容形態偏好有所不同，比如下沉用戶對短視頻消費需求更高。
代表性產品：今日頭條、騰訊新聞、一點資訊等。
（2）社區類產品
短內容是主流內容內容形態，囊括圖文與視頻，輔以評論補充，滿足用戶對內容的消費需求。
代表性產品：最右、皮皮蝦、小紅書等。
2. 不同產品形態下，進行內容整合
（1）利用主題、話題等產品形式，對優質內容進行整合包裝，最大化用戶一次點擊價值。
代表性產品：最右、即刻等
（2）利用不同維度榜單聚合優質內容，提升優質內容曝光與新用戶留存。
代表性產品：嗶哩嗶哩等
三、用什么方式滿足對方（用戶）需求—用對方法
當我們搜集到符合他（用戶）興趣需求的禮物（內容），那么我們需要通過怎樣的方式將其送到對方（用戶）面前，這是值得深究的問題。
在日常工作實踐中，“內容池”這種方式被廣泛應用，它是鏈接用戶與內容的隱形介質，它就像是一座橋，讓合適的內容與合適的用戶見面。針對不同場景的新用戶冷啟動，內容池實際策略運用有所不同。
1. 針對完全不認識的新用戶
思考點：系統機器沒有任何信息可用，那么著重點應該放在內容本身。
什么樣的內容大家都愛看？
廣義上看，就是通常所說頭部內容，普適性內容，如社會熱點、娛樂八卦、搞笑幽默、休閑消遣、歷史文化、情感正能量等等。
細粒度來看，可能更偏通俗、優質精品，如從標題、封面圖、內容調性、豐富性、完整性、可讀性等維度進行區分，摒棄標題黨、涉性低俗低質內容，擁抱好標題、內容豐富、可讀性強的優質內容。
再往深層次思考，內容消費也是滿足人性底層需求的過程，只有透過現象看本質，抓住人性底層需求，才能真正滿足需求?。
我們來看兩個例子：
由此我們再進行重復推演，可將人性底層需求大致分為七種：
- 逐利心理
- 兩性心理
- 懶惰
- 虛榮心
- 共情需要
- 社交貨幣
- 安全感
我們可根據人性的底層需求，結合內容本身質量標準，挖掘優質內容，滿足用戶內容消費需求。（這一塊不詳寫，后續想再單獨寫寫這塊，歡迎大家一起交流）
實際應用案例一：百看不厭內容實驗
我們曾在冷啟動項目中做過一次嘗試，單純從通用精品內容切入，挖掘用戶百看不厭的內容。用內容池進行聚合，借助算法機器按照一定的策略規則推薦到用戶面前。
我們采用保底池的方式，新用戶前10刷生效，一刷出2-3條內容，圖文與視頻按照2:1的比例推薦（因為feed流圖文與視頻有固定坑位比），從數據效果看，人均點擊等過程指標較好，用戶會點擊這部分內容，但是次日留存等結果指標較差，究其原因可能有這么幾點：
1）實驗策略設計：沒有剔除其他干擾因素，用純凈的環境進行實驗測試
feed流中一刷推薦10條左右內容，實驗覆蓋只有2-3條，剩下6-7條被廣告、其他渠道召回內容占據，造成的后果就是，用戶點擊實驗內容池推薦內容，但其他渠道召回推薦內容低質，引起用戶反感，整體用戶體驗差?。
2）內容選材上：孤立看待數據與內容質量，且對內容消費深層需求研究不夠
內容挖掘整體思路與上方如出一轍，從人工經驗視角出發去挖掘優質內容，從實操過程來看，大家在找內容很容易陷入思維局限怪圈。
大家找內容思路沒錯，但在實操過程中，單純依靠編輯經驗，過于關注數據，過于關注文章質量，將二者孤立看待，沒有更深層次思考什么內容能更好滿足底層人性需求。
點擊率等數據好的內容，是機器分發的后驗數據，但它只是抓住了人性一部分弱點，如兩性心理（推薦低俗、色情內容），我們需要跳出機器推薦的局限，更全面的看待人性需求，比如人性共情需求，是體會他人生活中感受，那么滿足此類需求的內容就很多，如人物勵志、逆襲類內容、正能量類內容等等。在內容爆炸的互聯網時代，怎樣抓住人性需求，為其提供高品質內容，這是?決勝王道。
實際應用案例二：興趣試探
興趣試探，顧名思義就是試探性為用戶推薦不同品類內容，這是一種比較通用的冷啟動內容推薦策略。
興趣試探實驗，我們采用保底池+興趣試探池的方式進行，內容池可分為四個狀態，分別是出生、激活、正常、死亡。
出生：內容池初始狀態
激活：當針對不同用戶，不同品類內容被推薦出來時，內容池就進入激活狀態，不斷輸出內容。
正常：當用戶對試探內容有行為反饋（點擊、評論、分享等），內容池開始進入正常狀態，進一步擴大試探品類。
死亡：隨著試探深入，以及機器推薦及時反饋，用戶反饋也越發正向，進入正向循環，內容池也就開始進入死亡狀態，逐漸進入機器個性化推薦序列。
這里有一點需要注意，從激活到正常這個階段，我們實操時采用了激進策略，當用戶點擊試探品類內容，算法機器及時給出點擊反饋，且反饋的內容權重較高，造成用戶興趣逐漸單一化，刷不出其他品類試探內容，也造成實驗結果不達預期。
我們當時研究了今日頭條的試探機制，總結如下：
試探機制可進行拆分理解：
現有試探品類A、B、C、D等頭部品類，1、2、3、4等垂類品類。頭部品類與垂類品類內容覆蓋顆粒度由粗到細，保證內容豐富性。
用戶第一刷：頭部品類內容占比50%、垂類品類內容占比50%（具體比例可根據實際效果靈活調整），先出各品類頭部內容?。
隨著刷新深入，會有兩種用戶行為表現：
1）若用戶有行為反饋，則及時作出點擊反饋，也需繼續試探未推薦品類內容，以及推薦過但用戶未點擊的品類內容。
- 試探未推薦品類內容，保證每刷占比30%-40%左右（具體比例可根據實際效果靈活調整），且試探推薦的內容顆粒度可逐漸由粗到細，?試探用戶的興趣極限。
- 推薦未點擊品類內容，若用戶連續2-3刷未有行為反饋，則需降低推薦權重，甚至停止推薦。
2）若用戶沒有行為反饋，也許用戶刷2-3刷也就走了（根據對新用戶研究，用戶平均只會給2-3刷的機會），所以在前2-3刷做好試探品類配比，以及各品類內容挑選極為重要。
2. 針對用戶有粗粒度認識
人工對獲取到的用戶信息進行加工，將其轉化成可用的信息，比如將拿到的APP list、用戶增長投放素材轉化成人群信息，然后再對人群內容偏好進行研究，可通過市場上研究報告，平臺已有的用戶畫像信息等方式進行梳理收集，然后再進行目標內容聚合，進行策略實驗，效果回歸，通用的實驗流程如下：?
實際應用案例：利用相聲素材投放進行用戶拉新，按照上面的通用實驗流程可以這樣拆解：
信息加工與轉化：愛看相聲相聲小品人群更偏中老年男性
人群內容偏好研究：
1）研究方法—利用平臺已有畫像+市場上人群研究報告進行梳理總結。
- 畫像側可從大小類、關鍵詞、內容源、實體等維度切入
- 研究報告可從具體的信息點總結
2）研究結果：中老年男性人群內容偏好，在內容品類上更偏軍事歷史、健康養生、種花養草、農村生活、社會正能量、社戶熱點、情感婚姻等等。
目標內容聚合：
1）內容池通過各個品類優質內容源、頻道等召回內容
2）內容池分為人群內容池A——聚合喜愛相聲人群可能愛看的內容；相聲強相關內容池B——聚合優質相聲視頻內容。
建設兩個內容池的訴求：
1）相聲強相關內容池用來滿足用戶對相聲視頻的內容消費需求，通過相聲投放素材拉新的用戶，是對相聲有著強需求。
2）當滿足用戶對相聲的強需求后，再用人群內容池進一步滿足對其他內容的需求。
3）兩個內容池在實際策略中，A+B組合推薦，協同滿足用戶內容消費需求。
線上策略實驗：為A+B兩個內容池設定推薦位置，生效刷數等，比如相聲強相關內容池B推薦位置為2、4、6、8，人群內容池A推薦位置為5、7、9、10。針對相聲素材拉新用戶前10刷生效（具體刷數與位置可根據實際效果靈活調整）
數據效果回歸：
1）整體數據表現：重點關注策略實際覆蓋用戶量、人均點擊、人均停留、滲透率、次日、2日、3日等天數留存等。
2）內容池表現數據：重點關注內容池內容實際曝光、點擊、停留時長等。
走通整個流程，根據數據效果，再靈活調整內容池內容，以及線上推薦策略調優，提升新用戶留存。
最后借用我們領導說過的一句話，結束此文，新用戶就是個迷，想要弄懂它，太難了，只有不停摸索總結，在實踐中尋求方法論真理。
我們與人相親也是如此，想要真正弄懂一個人，也很難，得經過長時間相處磨合，不停摸索總結，才能收獲真心。
愿所有人，都能找到真愛！愿所有產品的新用戶，都能穩穩的留住！
