3分鐘了解app優化推廣「app優化推廣是什麼意思」

一. 確立與公司目標對齊的推廣指標體系

在進行 App 推廣之前，我們需要明確一個概念：企業需要建立與經營目標對齊的推廣指標體系。

前段時間，某知名餐飲企業因漲價引發熱議，迫於輿論壓力最後發布致歉信，宣布恢復原價。

疫情期間，為什麼企業有如此之重的漲價壓力呢？對此，我們可以利用三基分析法，從企業經營的角度進行拆解。

三基分析法是診斷企業經營健康度的重要手段，通過 3 個基本要素就可以推導出第二年大概的業績增長情況：

用戶量，主要指付費用戶，可拆解成新用戶和老用戶；
人均消費金額，指新、老用戶平均單價；
復購率，用來衡量客戶對企業的粘性。

如上圖的右表中，根據過往兩年的數據，我們能夠制定下一年的戰略目標。在此過程中，留存用戶由前年決定，企業會根據增長目標，定下年拉新量。

還是以之前提到的某知名餐飲企業為例，當受疫情影響，用戶量不可避免的下降時，它選擇了通過漲價來提高人均消費金額，但這條路被證實是十分坎坷的，企業不要輕易嘗試，最好還是通過提升拉新量來達成我們的業績目標。

對於 App 投放來說，提升拉新量是我們的主要目標，那麼我們如何建立圍繞公司經營目標的投放指標體系呢？

如果直接從很細節的指標出發，從下而上地優化投放，這個方法會很難持續下去，核心原因就在於與公司的經營指標脫節了。

我們建議大家按照公司的經營目標，即 CXO 關注的銷售金額和目標增長率，從上至下地拆解一、二、三級指標。

一級指標：部門總監關注的渠道/活動 ROI；
二級指標：部門總監關注的不同渠道/活動新客的規模、質量、轉化、留存等；
三級指標：投放專家通過上圖中的具體指標做優化。

這樣一來，我們就可以從上至下，將數據驅動持續下去，不斷地通過數據推動公司經營目標的達成。

二. 進行全域全購買旅程監測

目前大部分 App 推廣都沒有真正的做到數據驅動。“沒有數據”、”數據不全”、“數據不連貫”等都成為了落地數據驅動的難點，企業也很難科學的衡量 App 推廣的 ROI。

我們可以從三個視角來分析這個問題：

1.用戶旅程視角

在 AARRR 模型中，App 用戶的全生命周期旅程分為了感知價值、下載激活、激活註冊、激活次留、激活付費、深度轉化六個階段。

2.觸點視角

用戶在旅程每個階段的觸點是不一樣的。比如在感知價值階段就有自有渠道推廣、廣告投放、KOL 傳播等觸點。

目前的普遍情況是，大多數 App 推廣 ROI 的衡量都只停留在了第一個或者第二個階段。也就是簡單的各渠道下載數據、App 激活數據等。

沒有真正衡量到“激活付費”和”深度轉化“階段，其實也就沒有衡量到一個用戶是否真的給我們帶來了價值。

為什麼會出現這種情況呢？我們可以從數據視角發現問題。

3.數據視角

結合用戶旅程視角和觸點視角，我們會發現各階段的數據是相互割裂的。主要的難點就在於：

站外：自有渠道或 KOL 的傳播沒有數據，頭條、微信等各平台統計口徑不一致；
站內：用戶在 App 內瀏覽內容等關鍵行為的數據難以被採集；
通常情況下，我們通過業務系統看付費情況，這部分數據是很難與前置業務相連貫的。

結合以上三個視角，我們把營銷監測數字化技術的進化過程分為了三個階段，對應 App 推廣 ROI 的衡量，大家可以評估一下自己目前處在哪個階段。

第一個階段：用來衡量傳播聲量，主要監測點擊、PV、UV；
第二個階段：用來算清用戶獲取情況，主要監測下載、激活；
第三個階段：用來算清市場對營收的影響，主要監測註冊、購買、復購，能將用戶旅程連貫起來，監測整體的投放效果。

那麼，全域全購買旅程監測是如何實現的呢？

這裡給大家簡單科普一下 App 獲客監測的原理：廣告主提供物料、媒體傳播物料、用戶下載 App 並完成關鍵行為是一條完整的投放鏈，在此鏈條中，GrowingIO 與媒體深度合作，會將用戶設備信息回傳給我們；

而對於沒有對接過的媒體，當用戶激活成功後，GrowingIO 的 SDK 會直接採集用戶行為數據，並與其用戶旅程相關聯。

我們會對原本雜亂無章的數據進行排序，轉化成匹配報告，提供給廣告主和媒體。

全鏈條的數據採集完畢後，會以下表的形式可視化，呈現各個獲客渠道的表現。接着，只需用一個簡單的函數就可以算出 ROI。

第一階段：廣告階段的點擊量、到站訪問量；
第二階段：用戶的總量、新增量和回訪量；
第三階段：依據平均 DAU、人均訪問時長/次數、次日/7 日留存等判斷用戶質量的好壞；
第四階段：用戶行為。我們的平台支持用戶自由設置用戶的具體行為。

在此過程中，數據的準確度尤為重要。GrowingIO 與上百家主流媒體深度合作，確保這些回傳的數據以及在 App 採集的數據是準確的。

另外，我們與頭部渠道深度合作，用戶無需開發，便可以在媒體方看到註冊、下單、留存等轉化數據，據此高效調整投放計劃。

三. 優化 App 推廣策略（4 個方法）

接下來，我將分享 3 個方法，幫助大家更好地利用模型、分析數據，從而優化 App 推廣策略。

1.漏斗對比法

在做渠道投放時，我們需要遵循 2/8 法則，即 20% 的渠道承擔者 80% 的獲客量。

舉個例子，下圖是一家企業的投放渠道 A 和 B，這 2 個漏斗清晰地顯示出，渠道 B 的投放效果更好，可以考慮加大投入。

GrowingIO 運用了這一方法，可以一鍵實現全渠道漏斗的對比分析，一張表就能直觀顯示出所有渠道的轉化情況。

2.波斯頓矩陣

這是一個相對來說容易上手的分析方法。我們以流量規模的大小為橫軸、以流量質量的高低為豎軸建立矩陣，快速地劃分出 4 類渠道：優質小渠道、優質渠道、低質小渠道和低質大渠道。

怎樣判斷流量質量呢？我們可以通過註冊、購買、留存、使用關鍵功能等行為數據來衡量這一指標，但不同行業採取的具體方式是不同的，例如：

高頻電商行業以”加購”行為判斷用戶質量；
旅遊行業以”訂單”行為判斷用戶質量；
付費內容&社交行業以”留存”判斷用戶質量；
工具類 App 以”使用關鍵功能”來判斷用戶質量，比如 GrowingIO 會根據用戶是否體驗 demo 來判斷其質量好壞。

在上述 4 類渠道中，我們需要重點優化低質大渠道，也就是獲客成本高但質量差的渠道。這裡也有兩個方法分享給大家：

（1）刨根問底，下鑽分析

第一，我們假設這個渠道低質的原因在於”人群畫像與產品不匹配”，再按照不同的維度去拆解。以地區為維度，如果北區用戶的停留時間、註冊轉化率要優於南區，那麼就是南區拉低了整體的渠道效果，這時我們就要考慮調整南區的投放策略。以此類推，當以廣告創意為維度拆解時，我們就可以根據效果的好壞，採用更好的那個廣告創意。
第二，如果原因在於”落地頁和廣告不匹配”，我們利用熱圖就可以明顯感知到，用戶的點擊是非常散亂的。
第三，如果原因在於”流量承接時出現了故障”，我們可以利用用戶細查找到故障，快速修復。

（2）轉換思路，站外歸因分析

一般來說，我們會用”最終點擊歸因”的方法來分析投放效果，但事實上，用戶在”最終點擊”之前還有很長的一段旅程。

所以，我們需要進行”線性歸因”和”基於位置歸因”，來分析某個渠道的作用是否發生在用戶”最終點擊”之前。