由於疫情的影響，我們很多人不得不在家辦公上課，“釘釘”、“騰訊會議”等APP在應用程序商店裡異軍突起。前段時間，大家大規模“討伐”釘釘的話題衝上微博熱搜。大量新用戶的湧入以及龐大用戶量的高參與度給釘釘等APP的運營帶來了挑戰，這對於釘釘來說可謂是一種“甜蜜的煩惱”。但是，這種“煩惱”卻是很多APP可望而不可即的事情。尤其是對那些收入主要來自應用程序內購買的應用來說，用戶的低參與率和高自然流失率一直是移動應用程序面臨的巨大挑戰。

如何提高用戶的參與度？

不知道大家有沒有過這樣的經歷：手機里下載了幾十款APP，細細瀏覽最近一周每款APP的屏幕使用時間，卻又發現裡面一半以上的APP“不配”擁有姓名，甚至有些APP從下載到手機上之後就沒被打開過。對於用戶而言，花在一個APP上的時間多了，意味着對另一個APP的投入時間就會減少。這樣的現象對於作為用戶的我們來說也許平平無奇，可卻成了諸多企業面臨的難題。是否存在更有效的策略能夠幫助APP提高用戶的參與度成為企業重點關注的話題。

來自德克薩斯大學達拉斯分校的Yingjie Zhang、卡內基梅隆大學的Beibei Li、天普大學的Xueming Luo以及浙江大學的Xiaoyi Wang幾位學者提出了一種新的結構化的前瞻性隱馬爾可夫模型（FHMM-Forward-looking Hidden Markov Model），並結合實地實驗來探討基於用戶參與階段的個性化的移動定向策略，以有效的解決移動應用程序參與度低的問題。

學者們提出了新的結構化的前瞻性隱馬爾可夫模型，並探討了基於用戶參與階段的個性化移動定向策略。

用戶參與度

移動應用的成功往往取決於消費者的反覆購買和長期忠誠度。為了長期留住消費者，應用程序必須了解用戶的前瞻性行為以預測他們當前和未來的決策，從而去主動調整定向策略，以提高用戶參與度、給與更好的體驗和更高的滿意度。

此外，消費者在參與活動中的自我選擇的可能性也對以往基於觀察數據的研究提出了挑戰。僅僅觀察參與程度與購買活動之間的積極關係既不意味着產生因果影響，也不意味着公司應該針對處於高參與階段的消費者來提高購買率。在Yingjie Zhang等學者的研究中，他們使用“硬”的歷史行為數據而不是“軟”的調查感知來自動檢測隱性的參與狀態。同時，幾位學者也證明了用戶參與度識別和檢測對於設計個性化定向策略是有效的。

如何提高用戶的參與度？

研究設計

作者提出三步研究設計來分析基於參與的個性化定向的有效性。

第一步，利用在一款移動閱讀APP上隨機實地實驗收集的數據，分析不同促銷設計的平均因果效應。在這款APP上，每當用戶讀完一個內容單元，應用程序就會自動跳轉到下一個內容單元。如果用戶選擇不閱讀給定的內容單元，應用程序將向她顯示一本新書。在每本書中，前幾個內容單元對所有用戶都是免費的。之後，要繼續閱讀，用戶需要按內容付費或訂閱應用程序來訪問平台上提供的所有內容。除非使用者退出，否則訂閱服務在新月份時自動續費。研究隨機將用戶分為三組：價格折扣促銷組、免費內容促銷組和一個對照組。在價格折扣組中，用戶可以獲得折扣券（總價值為0.60元人民幣），用於閱讀應用程序中的任何章節；在免費內容促銷組中，向用戶提供5張章節券（總價值0.60元人民幣），供用戶閱讀任何章節；在對照組中，無任何促銷信息，向用戶發送通知消息（如，廣告）。

第二步，建立結構化隱馬爾可夫模型，檢測不同用戶參與階段下的定向策略的異質性處理效果。研究將single-agent、動態離散選擇模型和HMM相結合構建框架。在該框架中，作者將用戶在閱讀APP上的參與建模為HMM中的隱狀態。具有不同閱讀體驗的用戶在不同時間會處於不同的參與階段。這些階段會影響它們的階段效用，而階段效用是用來形成對未來價值的期望。最後，根據生命周期期望效用做出決策。與購買漏斗概念類似，如果其他因素保持不變，高層次的參與將導致高概率的購買。作者將此框架命名為前瞻性隱馬爾可夫模型（FHMM）。

FHMM 框架

第三步，使用結構性的FHMM模型來模擬和識別最佳的個性化定向策略。作者將上述開發出的基於用戶參與的動態個性化定向策略與其他策略進行比較，包括大規模促銷、基於歷史購買的個性化促銷和半動態的基於參與的個性化促銷。在模擬實驗中，用戶群是實地實驗中的4586個對照組用戶。為了衡量策略干預的效果，研究使用了每個時期用戶的總支付額（即訂閱金額和每個章節的支付額）來比較每個策略情況下的模擬收入。

使用結構性的FHMM模型來模擬和識別最佳的個性化定向策略。

研究結果

作者通過比較不同參與階段數量的幾種替代模型，發現最佳的解決方案是確定四個用戶參與階段。研究將這四個階段分別標記為“意識”（aware）、“探索”（exploring）、“活躍”（active）和“上癮”（addicted）。

研究發現，基於不同參與階段的定向策略對用戶閱讀行為的干預是有效的。具體來說，第一，價格促銷可能會導致對應用程序最不熟悉的用戶（即處於“意識”階段）有更高的購買可能性。第二，免費內容促銷會導致忠實的用戶（即處於“上癮”階段）具有較高的可能性來閱讀更多的章節。

此外，模擬實驗的結果表明，基於參與階段的定向策略最為有效。與非個性化大規模促銷相比，基於用戶參與階段的個性化動態定向策略可以為價格促銷增加101.84%的收入，為免費內容推廣增加72.46%的收入。

研究將用戶參與階段分別標記為“意識”、“探索”、“活躍”和“上癮”。

營銷人，你會怎麼做？

在沒有任何額外策略干預的情況下，大多數參與階段的用戶很可能會參與度降低並離開應用程序。但是，促銷活動可以幫助緩解這種下降趨勢。針對用戶參與階段量身定製的針對性促銷活動更加有效。

通過這篇研究我們發現，最不熟悉APP的用戶更喜歡價格促銷，而沉迷於APP的用戶則對免費內容促銷更感興趣。這種差異背後是因為：對於有意識的用戶而言，此時應用程序比較陌生，金錢顯得更為重要。與其他參與階段的用戶相比，處於“意識”參與階段的用戶更在意自己在陌生APP上的實際支出。對於上癮的用戶而言，他們更關心服務內容本身，所以為處於“上癮”參與階段的用戶提供更好的內容促銷可以使得他們對應用程序服務表現出更高的忠誠度。這些發現向營銷人表明，應用程序公司應更多地專註於選擇正確的促銷策略，避免在不同參與階段為用戶使用相同的促銷策略。

此外，通過模擬實驗我們可以看到，使用FHMM模型的基於用戶參與階段的定向策略可以有效的增加價格促銷和免費內容推廣的收入。尤其是與目前行業做法採用的其他定向策略相比（比如，基於購買經驗的個性化促銷策略），基於用戶參與階段的促銷策略可以帶來更高的收入，為企業解決APP低參與度的問題提供了有效的解決方案。