感兴趣用现在的流行词来说就是“精准”

一打开手机，通知栏就被各种应用PUSH信息填满。手指惯性地放在手机屏幕的顶部，下拉，几秒钟内从上到下瞄准，看到感兴趣，点击；没有发现感兴趣的，全部删除。我每天都要体验几次这个场景。我也相信这也是大多数手机用户每天必经的场景之一。这一幕，用一句话来描述最合适的：“无求不动，有求则应”。在信息过载的互联网时代，这八字格言也是无数网民对互联网产品信息推送的基本态度。换句话说，只有用户对你的推送信息或活动感兴趣，他才能点击。用现在的流行词来说，感兴趣是“准确”的。今天我们来谈谈app运营如何通过构建用户兴趣模型来推送个性化活动，让用户对活动有所要求。一、用户兴趣模型的构建俗话说，巧妇难为无米之炊。由于它是基于用户兴趣模型的APPUSH信息，因此必须首先存在用户兴趣模型。那么如何构建app用户的兴趣模型库呢？1、收集用户行为信息行为可以反映兴趣。一个男人追上自己喜欢的女人最大的捷径就是多关注女人平时的行为，从而了解她的兴趣爱好，最后尽力而为。同样，如果一个应用程序运营想要做好用户兴趣模型，首先要做的就是使用各种手段收集所需的用户行为信息。用户在网页、网站或app产品上的任何操作统称为用户行为。以购物app为例，用户打开app、登录账户、查找或浏览商品、加入购物车、支付订单、共享商品、收集商品等都属于用户行为信息。另一个例子是，用户在视频应用程序上观看的节目内容、用户观看视频的次数和时间是用户在更改应用程序产品时的行为信息。如何收集用户行为信息，无论是网站还是应用程序，常见的用户行为收集方法主要有以下两种：显示收集：许多新产品用户注册页面收集用户行为信息解释很好，如下图所示，知乎注册页面和每个人都是产品经理注册页面，一个简单的注册页面收集了几个重要的用户信息：手机号码名称。除了用户的注册行为外，用户显示反馈（如卸载软件弹出网页让您填写反馈信息）和表格填写等可以直接获取用户行为信息的方式属于显示收集类别。该方法的优点：简单、粗糙、直观，收集到的用户行为信息可以在很大程度上反映用户的偏好。隐藏收集：通过技术手段记录用户在网站、网页或应用程序上的所有操作行为，并从这些操作行为中提取用户兴趣信息。如下图所示，这是我有一天晚上在淘宝店加了一个宝宝的购物车。第二天早上，我收到了一条短信，提醒我“剩下的交易时间不多”。店里的小二之所以给我发这条短信，是因为他能在后台看到我“加入购物车”的行为。这是用户行为信息隐藏收集的典型案例。该方法的优点：用户不直接参与，用户体验更好。2、用户访问某个页面提取用户兴趣信息，在某种操作背后，很大程度上代表了他们的兴趣爱好，即用户行为信息是用户对产品的真实需求。此外，为了更好地了解用户的兴趣点，我们收集了如此多的用户行为数据。例如，微博、微信和莫莫也是社交软件，但每个用户使用它们的目的是不同的，有些是为了获得新闻热点事件，有些是为了发展潜在客户或机会，有些只是为了加强与其他人的联系。由于每个用户的兴趣点不同，每个用户的行为也会有所不同。因此，在使用图书行为数据后，操作应能够从用户行为信息中提取用户兴趣信息。从用户访问内容和用户浏览行为两个方面提取用户兴趣信息建议。有了行为数据，如何提取用户兴趣信息，并以适当的表达方式描述用户兴趣3、根据用户行为信息成功提取用户兴趣后，显示用户兴趣信息操作应以更恰当的表达方式描述用户兴趣。这样做有两个目的:一是让用户的兴趣信息更直观；二是让以后的用户兴趣建模更加科学。有三种方法可以显示用户的兴趣信息：主题显示：基于主题类别概念集合来表示用户的兴趣点。如下图所示，新用户在下载豆瓣app并打开首页之前，会选择自己感兴趣的主题。优点：用户兴趣信息直观，可操作性强。缺点：显示信息的准确性有待讨论。关键词显示方法：顾名思义，它是通过用户主动提供或使用相关算法筛选出一些能够代表用户兴趣的关键词来显示用户兴趣信息。例如，柏拉图app生成的“个性标签”H5帮助用户生成的个性标签图就是使用的关键字显示法。优点：操作简单快捷。缺点：用户可能需要积极参与，体验不够好。向量空间显示法：通过计算关键字的权重，向量序列由用户的兴趣显示城市的关键字和权重组成。也就是说，向量空间显示法是关键字显示法的升级版本，添加了关键字的权重信息，并将文本表示为具有权重信息的项向量。下图为向量空间显示法的计算公式。W(t,d)：文本d中词T的权重；TF(t,d)：文本d中单词的词频；N：训练文本总数；Nk：T的文本数出现在训练文本集中。优点:用户信息直接从服务端获取，无需人工参与。不足:计算出的用户兴趣文本特征词数量庞大，增加了操作量。4、构建用户兴趣模型，根据之前的用户兴趣信息提取、显示、分析和挖掘，结合用户的实际需求，以用户数据实体为中心规定数据维度类型，以结构化的形式为用户建立兴趣模型。这一环节通常也被称为用户肖像的建立，即标记用户，使用户对信息感兴趣。2、如何根据用户兴趣模型让用户对应用程序活动有要求，应用程序兴趣模型建立后，用户兴趣行为、用户兴趣标签、用户兴趣肖像等关于用户兴趣的数据齐全，后续个性化、准确的活动推送相对简单。基于用户兴趣的个性化活动推送应用程序可以采用两种形式。一是根据用户的实际场景和需求，在应用程序中埋设SDK点，触发准确的活动；二是根据用户兴趣模型主动PUSH相应的应用活动。1.SDK埋点定向触发个性化活动，确定活动场景和用户兴趣信息，确定活动位置，然后在应用程序中的相应位置进行SDK埋点。当用户完成预定操作或满足相应条件（如活动触发行为）时，可触发活动。例如，app活动的主要目的是什么，是为了给app拉新、留存还是为了促进app用户的活动。不同场景的活动在应用程序中有不同的位置。如果您想激活新用户，请将用户可能感兴趣的活动页面放在应用程序用户注册页面后。用户注册成功，新用户抽奖活动立即弹出。另一个例子是购物应用程序。如果您想提高用户的回购率，您可以根据用户浏览商品的偏好，在用户将商品添加到购物车中，或在用户下订单后，根据用户的兴趣推出一些周边产品的折扣活动。下图显示了外卖app下单后分享的触发优惠券活动。2.主动PUSH活动主动PUSH信息是通过用户兴趣模型数据库中的用户兴趣标签智能判断用户对什么类型的活动感兴趣，然后直接向用户推荐相应的活动。在这一点上，以“兴趣阅读”为主的移动新闻app产品做得更好。例如，每日快报和今日头条都采用“智能计算用户兴趣”— “编辑操作”为用户推荐内容，其优点是符合app用户的阅读习惯和喜好，达到个性化阅读推荐的效果。综上所述，个性化推送是一个更好地实现信息匹配用户个性化需求的过程，无论是个性化推送信息还是个性化推送活动。在这个过程中，建立用户兴趣模型是非常关键的，用户的行为或兴趣会随着时间或其他因素而改变。因此，建议app运营定期更新或修改用户兴趣模型。