在2018UBDC全域大數據峰會上，友盟+重磅推出U-App AI 版，基於AI和數據能力，在“智能拉新引擎”與“用戶生命週期增長引擎”的雙驅動下，實現一站式用戶洞察與業務增長。
在數據化運營專場中，友盟+CPO呂志國從互聯網下半場新趨勢切入，分享了U-App在數據分析洞察、智能拉新、用戶增長三個環節的AI能力，並宣佈將這些能力開放給開發者使用。
（友盟+CPO呂志國）
以下為分享內容：
互聯網下半場本質是用戶之爭
互聯網已經步入移動時代的下一個階段，用戶成為越來越稀缺的資產。企業經營重心正在重新迴歸用戶。同時，用戶增長的馬太效應明顯，大型企業及應用，會更好地保有自己的用戶群體，而且具備更強有力地拉新策略，變得越來越強。
這就引出一個新問題，迴歸用戶，重點是迴歸什麼？我認為有四點，第一是精細化拉新；第二是以用戶為中心的產品機制。比如新用戶的冷啟動、A/B測試、功能迭代，是不是有嚴格的數據對比，是不是基於用戶產品全流程做優化；第三是用戶全生命週期運營，用戶識別、預測、分層、分析、運營的一體化，讓每個用戶達到最佳效果。第四是超級用戶思維。基於友盟+全域數據，我們發現Top 10%的用戶可貢獻普通用戶5倍的價值，所以我們最應該做的是把有限的資源去投入到超級用戶的獲取和擴大。
U-App AI版重磅上線
基於我們數據能力和對於用戶的洞察理解，友盟+重磅推出了U-App AI版，它的核心使命就是驅動互聯網用戶增長，具體由數據智能、數據賦能與反哺、數據資產三方面。
友盟+作為業內數據體量和客戶數量都領先的企業，我們要做的是讓我們的大數據能力反哺客戶，能夠在下半場幫助企業贏得競爭優勢；我們將8年累計服務165萬App的數據資產以DIP的形式沉澱下來。
U-App AI版的業務大圖，由數據底層到應用場景，我們分為4層。
第一層是數據源。對於友盟+是最為重要的數據資產，這裡包含165萬移動應用、760萬網站、每天觸達活躍設備是16億。
第二層是數據挖掘。在數據源基礎上我們做了非常精細的數據挖掘。
第三層是數據科學。我們進一步利用數據科學和AI技術，做了數據的提煉和加工，形成了數據定向、透視能力以及強大的算法模型。
第四層是能力矩陣。在以上數據體系和數據挖掘的基礎上，U-App AI版將AI能力貫穿整個用戶生命週期，從用戶拉新、業務監測、用戶洞察、用戶管理到用戶觸達，形成由原有的單點基礎數據能力，進化到全鏈路矩陣式能力，核心目的就是促進業務增長與用戶增值。
我們將能力矩陣，歸納成三個核心方向：
（一）分析與洞察
從下半場趨勢切入，U-App提供了三層數據洞察，一個完整且縝密的數據思維和運營邏輯。
1）宏觀層面，看大勢
從片面的看新增、留存等單維數據，看行業看競品數據，縱向看變化，橫向看對比。源自對165萬App以及104個行業的數據分析，AI算法，U-App AI版的Benchmark能力，展示同行業、同規模的數據。
2）中觀層面，結構化思維和用戶分群
其實，每天的DAU是一加一減，用戶是在持續流動和變化的。增加的是新用戶、挽回的流失用戶，喚醒的沉默用戶；減去的是虛假、低質、流失用戶。這一層要實現的是洞察其一加一減的原因。結合U-App用戶分群，按照不同業務視角和邏輯分群，其中一個非常有價值的方式是“按用戶價值分群”，包括超級用戶、高價值用戶、低價值用戶，再針對每一個群體制定運營策略。我們提供了經典的RFM模型，以及非常靈活的自定義能力，幫助App定義和定位超級用戶。
3）微觀層面，細緻入微的用戶洞察
在這一層，洞察每個群體的行為特徵，用戶行為之間的關聯度。我們通過留存、漏斗、自定義留存等，看清用戶每一步轉化，通過用戶路徑分析，找到洞察用戶的抓手。中觀層面的用戶分群，與微觀做用戶洞察，是相互融合的狀態，分群用戶可以做深度洞察，精細化分析之後可以分群。
分群洞察離不開用戶畫像。但沒有場景、沒有目標的用戶畫像是沒有意義的。僅內部畫像，也缺少深度。用戶畫像考量的是人群覆蓋廣度和用戶識別精度，只有真正的大數據公司，才有能力輸出畫像。比如，用500個用戶畫像去指導10000個用戶的運營、使用錯誤的標籤去提取用戶特徵，運營策略都會出現偏差。
友盟+能夠獲得海量的持續動態數據，通過數據技術和算法模型，將7億用戶的畫像能力產品化，並且與數據分析和分群打通，真正實現用戶洞察。
（二）AI拉新引擎
U-App AI版為App開發者打造App增長雙引擎，線上和線下都可以提供拉新方案以及實施。
友盟+旗下有移動廣告和品牌廣告監測產品，每天有數億的廣告監測數據，可以瞭解全網用戶的營銷偏好，包括媒體、創意、時段偏好。
媒介策略，分析App目標受眾分佈在哪些媒體上，而不像之前的或者找“最貴的媒體”或者“跟著競品走”的盲投方式。
人群策略，基於友盟+全網7億用戶畫像，實現種子人群、高潛人群的Look-alike，並智能實現人群細分。我們已經和主流媒體進行對接，包括輸出預算分配，App開發者可以直接實現對細分人群的智能投放。
很多App困惑是到哪裡做地推？我們通過全域數據，包括LBS數據、人群數據實現線下人群的精準定位。首先通過App種子用戶，可以潛在用戶。下一步找到潛在用戶在區域內的密度分佈，根據群密度幫你做最佳地點、最佳時段。
我們最近服務的客戶，七貓精品小說App，通過這套系統進行拉新投放。數據結果反饋，點擊率增長67%、激活率增長294%。拉新的用戶質量，7日留存率提升62.5%，使用時長提升10%。從成本到質量，都有非常明顯的提升。
（三）用戶生命週期運營
新用戶來了，App開發者最怕什麼？快速的沉默和流失。
我們的兩個增長引擎，智能拉新與生命週期運營是一體化的。App新用戶會直接進入到全生命週期運營的引擎中。全生命週期分為新手、成長、沉默和流失，開發者可以清晰看到用戶的每一次流轉和變化。在此之上，識別出最關鍵的群體，再將群體進行分群與洞察，全過程是一體化的，運營效果都可以通過數據進行分析洞察。
（U-App AI版涉及的部分算法）
友盟+是如何實現AI預測的？我們通過對7億真實消費者的全網數據進行深度訓練，產出智能投放模型、用戶價值預測模型、流失風險預測模型，並將其融入到U-App AI版當中，目前模型準確度可達86%以上。
我們將用戶劃分為四個階段：
1）新手階段
通過友盟+全域數據發現，新安裝用戶沉默和流失的概率是最大的。新用戶的冷啟動是留存的關鍵。因為友盟+有全網7億用戶的全域畫像，我們可以為App輸出冷啟動策略。我們每天資源有限，抓兩頭就好，一頭抓有高價值潛力的用戶，重點運營未來貢獻最大的人群；另一頭抓高風險流失用戶，讓新用戶儘可能留下來。
2）成長階段
成長階段的用戶是貢獻最大的用戶群體，這個階段的目標是兩個：一個是避免用戶的沉默和流失，我們通過AI算法，預警流失，並結合Push等方式做好防沉默策略；二個是用戶價值最大化挖掘，我們可以實現用戶價值的自定義分層，接來下做分層用戶運營，直觀地看到用戶價值的變化趨勢和流轉過程。
3）沉默階段
在實際場景中，用戶高頻使用的App不會太多，需要洞察和喚醒。如果大量活躍用戶變成沉默用戶，產品本身存在問題；如果新用戶一註冊就沉默，那說明拉新策略有問題。
4）流失階段
首先是還原真實流失，包括識別和反饋能力。U-App AI版可以識別哪些用戶卸載了App，清晰看到流失情況。進而根據流失的趨勢去判斷業務的健康度。
其實是在卸載用戶中找到高喚醒的用戶群。通過流失趨勢及流失用戶群，判斷哪些用戶需要挽回，制定針對性的喚醒策略。
經過整個生命週期運營，你會發現有很多用戶需要針對性的運營，這就引出了最後一步，個性化+場景化Push，就是我們推送給用戶的信息，我們不僅支持人群標籤打通，實現個性化的標籤界面，還實現用戶畫像為基礎的多場景推送。
通過友盟+全域數據，從業務的宏觀、中觀、微觀不同維度的監測和分析洞察的能力，到拉新策略和用戶生命週期管理，再到一站式的觸達解決方案。友盟+CPO呂志國，友盟+數據智能是真正實現因數據而智能，因智能而增長，U-App AI版開啟用戶增長新時代。
下載演講PDF完整版
↑掃一掃或識別二維碼下載
（可能需要複製鏈接，在瀏覽器中下載）
觀看UBDC完整直播
（可能需要複製鏈接，在PC觀看效果更好）
點擊 “閱讀原文” ，體驗U-App AI版 Demo （PC訪問效果更好~）
閱讀更多 友盟 的文章
