“互联网下半场”的概念在2016年由美团CEO王兴提出。大概意思是，中国互联网人口红利吃了二十多年，也该吃光了。互联网公司的发展的方式已经由上半场的“速度和流量”，转变为“深度和创新”。

如果以2016年作为互联网的上下半场分界线，那么下半场已经到了第5个年头了。好多人到现都还没摸透上半场规则，就被赶鸭子上架般的来到了下半场。

上半场可以追溯至1995年，到2016年已经走过了21个年头，若按照足球比赛来讲，上下半场时间相同，可事实真的如此么？

我们都看过了ofo完成E2-1轮融资8.66亿，也看过了退款人数超过千万；看过了拼多多一夜爆红，也看过了一夜被“盗”千万；人们都认定互联网就是烧钱的行业，烧钱不一定成功，但不烧钱一定不会成功。上半场我们就是这么走过来的，不管孰对孰错，接下来我们关心的是，应该做什么，做才能活下去，不被时代所淘汰。

于是乎，用户增长的概念应运而生。越来越多的人恍然大悟，认识到了用户增长的重要性。

没错，下半场我们的课题就是用户增长。

在我看来，能用钱办到的事那都不叫事儿，也不叫增长，换谁都能做。

但如何用更少的钱甚至是不花钱带来更优质的量，那才叫用户增长，才是技术活，这也是下半场的核心玩法。

要做好用户增长，我们第一个需要理解的，就是。只有做好，增长才能持续。

我认为做渠道难点不在于钱，而在于不了解渠道属性及用户质量。

如何提高流量（用户画像）与产品的（用户画像）匹配度才是高效精细化的流量投放，进而完成用户增长的学问。

一、样量化渠道投放效果？

对于互联网行业来说，获客的步骤基本可以分为三步：投放渠道广告、承接用户、用户付费。

到这一步就结束了吗？当然不是，我们还需要统计每个渠道的投放效果。

因为，我们需要知道钱花得值不值，哪一个渠道的效果最好。

常见的渠道投放效果分析步骤为以下5点：

在进行渠道分析之前，首先要将外部流量转化为内部流量的全流程路径都确认清楚。

然后，就需要给各个环节确定指标。毕竟不确定指标是没有办法衡量每条渠道给产品带来的价值大小的。

后面的步骤，就是收集每个渠道的获客成本和投资回报等数据，计算各个渠道的ROI，然后根据效果进行渠道投放的优化。

以上步骤适用于大部分的常规业务上，大家也都是这么做的。

但是，在存量时代的今天，只做到以上步骤，还远远不够

在上述基础上，我们提出了精细化效果投放的概念。

简单的说，就是如何将数据驱动与产品定位相结合，进行精细化效果投放。

我认为精细化效果投放，总共需要分为四个分析环节：

1、对每条渠道做渠道投放预算的分析，完成降投放成本提高用户付费。

2、拆解渠道转化漏斗，将每个转化环节量化出来，提高各漏斗环节的转化效率，完成高效转化。

3、针对产品用户画像做精细化投放，完成精准高价值人群包投放，不同人群使用不同的投放。

4、针对渠道对于产品的价值做每条渠道的质量评分分析，综合用户行为、数量、质量、价值与成本得出总评分。区别出虚假用户与低价值用户的渠道，进行合理优化效果投放。

下面我们来一一拆解。

二、应该怎么做渠道预算分析？

相信专业做渠道投放的同学可能每天都需要看很多数据或指标。

然而我们负责增长的同学其实在做渠道投放预算时只需要关注下表就可以了。

简单来看，我们需要考虑以下几个指标：

• 投放成本=付费下载消耗金额
• 下载量=付费下载数
• 每新增用户下载成本=付费下载消耗总金额/付费下载新增注册用户数
• 新增用户首单人数=付费下载新增的注册用户数中完成了首单充值的用户数
• 首单每用户获客成本=付费下载消耗总金额/新增用户首单人数
• 预测毛利LTV算法1=用户平均生命周期（1/平均月流失率）*平均每用户收入（每月总收入/每月活）*毛利率（充值/投放成本）
• 预测毛利LTV算法2=新用户平均天数（如7天）*平均每用户收入（每平均日总收入/每平均日活）*毛利率（充值/投放成本）【7*平均每用户收入*毛利率】注：具体怎么求LTV需要结合自己的业务形态来考虑，市面上变现主要为交易/电商类（京东）、订阅类（B站）、免费类（今日头条，通过广告变现），本次主讲交易/电商类模式。
• 预测roi=预测毛利LTV/首单每用户获客成本
• 当前roi=(当前充值金额-当前提现金额)/这批用户对应渠道费用

分析方面主要需要考虑几个方面：

1、不同时期对比是否有各成本的大幅差异，根据差异寻找问题产生的根源来进行优化。

2、当期如果发现ROI小于1的必须想办法提升效率，一方面从投放上完成尽可能精准的人群画像转化，另一方面可以从产品内的付费设计等想办法提高毛利收入。

3、当发现如果有渠道的单用户获客成本比其他渠道低，但LTV反而更高的时候。就需要尽可能将投放成本转入该渠道。

4、每次投放前，建议用262法则控制成本来测试各素材的用户转化效率，尽可能将成本控制在一定范围内，减少无效费用消耗。（262法则指的是，当各渠道和素材的效果不清楚的时候，可以先分配20%资源，等找到好的渠道后，给好的渠道再投60%）

5、投放时，我们可能会遇到如应用商店新增用户量到达一定数值时，会出现成本大幅增加的情况，但也只需要考虑该渠道ROI是否大于1即可，只要大于1就可以投放。

所以，我们要想方设法找到ROI高的新渠道，或尽量提高现有渠道的ROI。

根据ROI的公式，要提高ROI，要么增加用户的LTV毛利，要么降低首单每用户的获客成本。

要做到以上两点，常用的方法，就是优化渠道获客的漏斗，以及获取精准的目标用户画像。

三、如何优化渠道获客漏斗

在讲到渠道获客漏斗分析方法论前，我们需要先对渠道指标定义的方式有一个基本概念。

经常做渠道投放的小伙伴应该很清楚，量化产品内的转化数据口径可能是每次观测数据前都需要经历的一个痛苦过程。

比如想知道的数据，但是产品内没有埋点统计，或者是通过设备码来识别还是新注册的用户来识别都是一个非常痛苦的过程。

特别是拥有游客模式的产品会更加难量化统计。

所以建议在渠道指标定义的时候，将新增设备作为参考来进行漏斗分析，其次才是用户ID。

除了核心指标以外，我们一般还需要辅助指标和反向指标。

辅助指标更多用于辅助判断我们新增的用户是否健康，因为应用商店或多或少都会存在一些虚假用户的情况。

而反向指标主要有三种用途：

• 主要观察核心指标上升后，反向指标是否有同步下降。如果同步提升那就证明产品引导设计出现了问题。
• 反向指标越高，说明渠道的虚假用户量在同步上升。
• 反向指标越高，同时也证明用户投放精准度存在问题。

所以在做渠道转化漏斗时，我们是需要分为核心指标、辅助指标和反向指标三大指标模块来对转化数据进行观察的。

不然很容易得出一些片面的数据结论，无法给到全局的合理论据。

这里要注意的是：考虑APP容易出现单设备多号，建议分为设备维度与用户维度双漏斗结合核心指标漏斗结合分析

在做渠道漏斗时，我们主要用的分析表为下图。

分析视角主要分为以下几种：

• 比对多个渠道的各层级转化率是否符合行业水平。
• 横比已有的渠道我们的转化率是不是有哪一层级不在平均水平。
• 根据我们已有渠道的各层级转化情况排查并给出不同的优化方案。

各层级的优化方法可以参考以下几种：

一、当下载转化率低的情况下，可以考虑针对关键词与广告创意进行优化。

• 使用不同的广告素材或关键词进行测试，更换创意。
• 对展现方式进行更换，如图片内容/图换视频/视频换拍摄脚本。
• 最后对比不同广告的下载率，选择其中数据最好的素材进行投放。

注：由于每个月的转化数据可能都会有波动，所以建议定期对素材进行优化或变更，保持新鲜度进行高转化。

二、当产品打开率低时，我们可以通过针对产品ICON和具体渠道包来测试优化：

• 是否安装包的颜色过深导致用户无法在一众APP中找到你，甚至由于用户手机背景原因导致无法被察觉。
• 是否渠道包针对某些机型存在闪退问题，导致用户无法正常打开。
• 可以优先检查投放的用户画像是否精准？如果人群包不精准很容易浪费投放金额，而且会因为用户可能只是误触了应用商店内的推荐下载按钮而导致产生大量无效下载。

三、当产品注册率低时：

• 建议针对投放关键词优化，有可能是非目标用户下载错了APP导致不愿意进行注册。
• 建议简化注册流程，有些产品的注册流程十分冗长，需要你填写一堆资料后才可以完成注册。解决思路可以从让用户尽可能减少填写非必要信息，减少页面流程进行优化。

四、以直播行业为例子，在业务的核心转化流程上。当产品的进房率低时，可以考虑：

• 是否有在产品内设计新手引导，让用户完成注册后就能快速理解产品的核心功能和如何使用该产品。
• 是否对用户搜索历史关键词进行分析，找出实际用户需要查询的内容，优化搜索切词与展现。
• 针对用户进房路径进行拆解分析，主要观察新用户的进房路径是否符合产品设计预期，能否将入口调整到更明显的位置等进行优化。
• 可以对未进过房的用户进行分析，看看没进入房间的用户是因为不符合产品用户画像，还是使用产品上遇到了困难，还是因为机型问题等方面进行排查。

五、当用户首单转化率低时，可以从以下条件判断：

• 是否有设计新人首充礼包，且在用户落地的第一时间触达提示用户？
• 是否有做新用户的付费引导设计？实际有用户是有付费需求但可能是没有注意到如何完成付费操作？
• 是否有设计免费但又有价值的商品，培养用户养成付费习惯再进行转化。
• 可以针对未付费用户画像分析，针对潜在的付费用户可以指定一些精准定向的策略，让尽可能多的用户完成转化。

四、怎么才能做到精细化效果投放（用户画像）

做精细化效果投放总共为五部曲：

俗话说得好，知己知彼方能百战不殆。

很多流量人在做投放时其实经常忽略了两个问题：

• 我到底在将广告投给谁？
• 真的是渠道质量决定了我的ROI么？

想要花最少的钱，达到最好的效果。

做投放的第一步就需要将目标用户画像先定位出来。

这时候肯定有人会说：不就是用户画像嘛，看看数据是哪些年龄区间的人在用，我不就知道都有谁了么?

如果你真这么想，那就too young too simple。

实际上产品内是有很多不同群体的用户存在的，我们的用户不是一个个“活生生的人”，而只是“一群人”。

其实每个人的使用产品或服务的需求是各不相同的。

就像买咖啡，咖啡本身的作用确实是提神醒脑，但是每个人饮用目的是不一样的。

有的人只是单纯喜欢味道，有的人是为了提神，有的人是为了就着它吃面包，还有的人是为了高级感。

只有将我们产品的用户人群精准的划分并定义出来，根据他们的特征进行投放才能完成真正意义上的精准制导。

以“下厨房APP”为例，结合下厨房APP自己的用户画像数据，基于产品与市场的匹配情况。

我们实际是可以区分出四类不同的用户群体的。

这四个群体使用我们产品得到的爽点和解决他们生活中的痛点，实际上是各不相同的。

当用户画像被区分出来后，我们就可以依据用户画像对用户在平台内的用户数占比进行评估了。

将符合用户画像的用户数统计出来除以平台总人数就能获得一个人群占比。

接着我们可以列一张这样的精细化分析表格出来：

注：每个用户群体都需要列一张这样的表格。

将每个用户群体的平台用户占比与所投放的各渠道首单用户数、首单用户获客成本、ROI都进行罗列。

这样我们就可以结合画像对渠道做精细化效果投放分析。

对外部渠道环节来说：

• 是哪个渠道对于该画像的ROI比较差？能否进行投放策略优化？
• 是否该渠道的人群定向的不够精准，还是本身用户群体的付费能力不足？
• 是否获客过多平台内承接能力不足的画像群体？（可以通过老用户画像占比比对新增用户画像）

注：判断平台内承接能力不足，可以按以下两个标准：

1、可以通过判断对应画像用户的次月留存率是否对比其他用户画像来说低于平均留存率水平。

2、可以对比新增用户画像占比和当前老用户画像占比，是否某画像的新用户占比人数过多，但该类用户实际付费和留存率都不够高，那也可以理解为产品对该类画像新增用户承接能力还是有所不足的。

对产品内部环节来说：

• 用户群体使用的哪个功能留存率较差，是否是这个功能没有解决他们的需求？
• 针对对应用户的商业模式是否没有满足该群体的痛点需求？
• 是否付费服务定价超出了这批用户群体愿意支付的区间？
• 是否缺少针对该群体的付费引导设计？

只有当你能完成了上述分析后，才算是成为了一名优秀的渠道优化师，才能说做到了真正的有理有据的投放，而不在是唯用户下载成本的买量工具人。

五、如何把钱花在刀刃上-渠道用户质量评分体系

做过渠道的同学都知道，现在渠道流量作弊现象十分猖獗，基本像虚拟机、设备重复激活、异常设备等刷量普遍存在，哪怕是应用商店都存在这种情况。

但是我们做渠道的时候除了考虑要将用户ROI作为基本考量外。其实还需要考虑用户获客的其他相关指标，如渠道用户留存率、渠道用户核心功能使用率等。

那我们应该怎么样才能在这种困难模式的大环境下，保证渠道精细化投放，做到用户增长呢？

这就需要我们搭建一套渠道用户质量评分体系，通过多维度的方式评估渠道优劣。

我们先简单的介绍几种常见的渠道投放的结算方式：

CPA：cost per action按用户激活付费

CPC：cost per click按点击收费

CPD：

（1）cost per download 按下载计费

（2）cost per day 按天计费

CPS：cost per sale按销售额计费

CPT：cost per time按时间计费

CPM：cost per mille按千人展示计费

在常见的渠道中，以直播行业为例，主要使用的是CPC\CPA\CPD按下载为结算方式为多。

以CPD下载结算为例，渠道下载都容易出现以下几种情况：

• 花了很多钱，用户只是下载，但没打开过APP
• 花了很多钱，用户下载打开APP，但留存差到爆炸
• 花了很多钱，用户下载打开APP，留存也ok，但没有任何其他有效行为，例如付费
• 花了很多钱，用户下载打开APP，留存有效行为都ok，但是发现是虚拟机。
• 花了很多钱，用户下载打开APP，留存有效行为都ok，机器也ok，但成本翻倍。

上述只是简单的罗列了几种情况，其实实操起来问题更多。

什么是好渠道，什么是坏渠道，不是简简单单的留存高、用户行为好、成本低或者是ROI高就能说这个渠道质量好。

怎样综合考虑渠道质量实际是一个数学问题，所以今天就给大家介绍渠道质量评分体系。

模型指标如何填充内容

模型骨架

骨架结构分为两个层级

第一层级，我们对渠道评分时主要会分为五大类型进行评分：

分别从数量、行为、商业、成本、质量来对一条渠道进行综合评分。

对该层级的指标权重进行评分需要使用AHP层级分析法进行评分，具体的评分矩阵可以使用下面的网址来做：

https://wis-ai.com/tools/ahp

打分的权重如下图：

如相对于价格来说，品牌的重要系数就可以为3，

对于价格来说，颜色的更重要，所以填写了5。

依照该逻辑我们可以对行为和数量等得分进行打分，来得出最后的各指标权重比结果（如下图）

不过在填写完成后注意要通过一致性检查才可以应用噢，不然可能是个不合理的指标权重系数。

其次对第二层级所属类型的指标进行细化。如数量得分可以分为新增设备数与新增的用户人均停留时长。

将所有你认为符合该类型的指标都填入框架，根据你认定指标的重要系数填写一个权重即可，如新增设备数80%权重，进厅停留20%权重，只要总和相加为100%即可。

那么，最后我们要怎么才能计算出每条渠道的最终得分呢？

比如我们有下图的数据，

通过带入了下列公式后就可以获得该列指标的每个得分

假设我们定义数量得分下的新增用户数指标权重为80%，那么就需要将每条得分*80%再加上20%权重后的停留时间得分*100就可以得到数量行为的最终得分拉。

最后计算总得分也像刚刚一样，在通过AHP分析法得出对应模块权重后即可得到每条渠道的评分了。

最后得到的总分就是每一条渠道的总分。

注：

1、统计所有新增的渠道，都需要做分析才能综合评分

2、数据异常无法获取正确信息的渠道不参与评分

3、各项一级指标、二级指标在0到100分范围内打分，无及格分数线

4、对于可获取数据的定量指标，采用标准化的方式打分；若数据量级相差较大，可以先取对数，再进行标准化（减小量级差异造成的影响）

5、从公司角度考虑，设置正向和反向指标，如新增人数为正向指标，成本为反向指标，即成本越高得分越低。（反向归一化即可）

模型的应用价值

模型应用

上图为实际模型应用后的后台数据展示效果。

当我们得到这张模型数据后，我们就可以对不同渠道的数据进行观测，如各渠道近几周（月）的走势、本周得分、上周得分和环比值进行对比。

如：

1、华为应用商店渠道的用户行为得分是否在持续下降，如果是那是由于哪一个数据指标下降了导致整体分数下降？以此来排查针对每个渠道包来说是用户体验出问题了，还是渠道出现了假量。

2、如小米的次日留存率比其他渠道都低，是否也可以定义为该渠道的获客较为不精准？

因为做了简单明了地将渠道最细颗粒度展示出来，我们就可以将劣质渠道关闭或者缩量，将预算转移到好渠道上，最终使得渠道投放的优势最大化。

简单来说，完成这张数据后，我们光看得分排名也可以判断每条渠道谁优谁劣，劣在哪个类型（如用户行为）。

当然，除了渠道总分我们还可向下拆分看一级二级和三级指标情况，以便更好的了解渠道的属性特点，针对不同渠道特性做精细化运营。

要新增量时投什么渠道，因为有些渠道虽然优秀，但新增数量会遇到瓶颈，渠道的同事经常跟我说钱花不出去，就是这么个道理；

要商业转化的时候投什么渠道，有的量够留存也好，但在商业转化这方面表现一般。

这都是渠道的属性，当掌握了这个模型对渠道的投放效果基本上就可以一目了然了。

最后总结最后我们再来总结一下：

1、虽然不同的渠道获客步骤可能不同，但基本都遵循获客三阶段。

2、获客的效果衡量一定要以成功付费转化为终点。

3、获客的衡量除了付费转化外，如果你的是大DAU产品，那么还需要对渠道做用户质量评分体系，才能综合评估渠道给产品带来的用户是否优质，毕竟不优质很难保证长远的转化效益。

4、流量/运营/市场/发行等部门虽然和产品的分工不同，但其实大家都是一条绳上的蚂蚱，你不好我也不会好。

5、在投放时需要注意文案要和用户体验在转化流程中感受是清晰一致的，不然很容易被认为虚假宣传导致无意义导量。