五千字详解消息通知

消息推送泛滥成灾，本文对运营三宝之一的push（其他两宝短信、小红点暂不展开）进行一些梳理，看看如何在合适的时间，把合适的内容推给合适的人，真正发挥push的价值。

本文内容较长，建议先收藏再细读，欢迎指正。

一、push概述

我们看待push这种推送形式时，可以先从其诞生之初的目的来看——即产品往往需要借助一定的设计手段来引导用户进行点击或其他操作，而这种引导需要基于用户诉求以及产品体验等方面进行整体设计的考量，因此滥用push必然违背其初衷，不可取。

同时，push只是用来辅助引导的一种触达手段，直接使用push，不一定能满足引导诉求。

所以，需要先掌握如何正确的选择引导手段，给大家提供两种选择方法，可以参照：

1）基于引导目的的设计模式检索表

2）基于具体需求的设计模式检索表

基于所选的引导手段，制定合适的引导策略，比如按照下面的流程来进行策略制定：

基于所选的引导策略，确定合理的触达手段，可以参照下表进行选择：

经过以上的这些判断，才能真正发挥push的价值。从用户的生命周期来看，push主要有3个价值：

1）提升新用户次日留存

低成本促活，对平台的短期留存率影响显著

2）提升老用户活跃度

push可以在手机锁屏的状态下，通过外部提醒起到拉活的作用。push对DAU的提升贡献可通过「Push当日首次调起App用户数 / DAU」来评估，很多内容平台类App的用户push首次启动占比可达 20%以上，因此push对DAU的增量贡献不容小觑。

3）流失用户召回

当用户流失后，若push权限未关闭，通过利益诱导类活动push或新功能提醒等方式，有可能重新唤醒用户，当然也可能会提醒他卸载。

二、push分类

了解push的分类，有助于帮助我们选定合适的方向进行调优，push大概有4种分类方式。

从自动化程度看，可分为：

• 人工push：由人在后台配置push，下发时间/人群等信息每次下发均需人工干预
• 半自动化push：可以理解为无算法干预的push，比如定时任务push，配置1次后即可在以后按间隔时间下发；或用户群定向push，如用户登录状态变化导致触发提醒等
• 自动化push（也叫个性化push）：即算法可干预推荐的push，在一定程度上可以达到千人千面，比如不同人使用不同文案风格；或使用不同下发时间，像手淘、微博等用户规模巨大的平台，出于推送并发量、流量投放分配、用户活跃时间不同等问题的考虑，会基于个性化的时间进行推送；或使用不同的推荐场景，如运动、办公等

从推送范围看，可分为：

• 全量push：给所有人都发，全量推
• 定向push：针对特定用户群，精准推送

从推送业务类型看，可分为：

该分类方案主要和业务强相关，通常先分类用户，再分类业务。

分类用户只是用户类型的区分，即区分创作者和普通用户，这两类用户群区隔较为明显。

由于不同公司业务架构不同，同时会结合承接内容类型（UGC、PGC、OGC、PUGC）调整，因此分类业务有很多种，实际下发时会给不同类型的push设定优先级，在推送时高优先级的push优先推送（涉及push配额管理系统：每天发送多少条push，各个业务方如何去申请push条数，以及管理各业务应该分配多少条push）。简单举例：

偏运营主导：

• 热点push：热门内容
• 兴趣类(垂直频道)push：由各个垂直类目的运营挑选内容并进行发送
• 产品功能类召回push：产品功能迭代时的通知提醒
• 活动push：通常是承接页为活动的push

偏产品功能本身触发：

• 触发类push：比如位置变化，操作触发等
• 告知类push：比如快递到哪儿
• 互动类push：社交类产品比较多，如转评赞关注

从使用的数据类型看，可分为：

• 离线push：基于离线数据进行推送
• 实时push：基于实时数据推送，较高时效性，开发成本较高

三、push链路及评估指标

此处仅关注截止到push承接页时的链路，进入落地页后的浏览/加购/下单/支付等流程不再详解：

接下来针对每个环节的转化提升，给出一些优化方向。

1. 有效率提升

针对有效率的提升，主要有两种方式：

1）提升通道额度

• 通过商务和厂商谈合作，扩大额度
• 拓展第三方通道，如极光、友盟等，借用第三方的能力增加触达

2）节省通道额度使用

• 控频，减少无效push下发，如减少token失效和通知权限关闭用户下发
• 提效，针对push转化较高的用户下发，转化低用户减少发送频次，节省额度

2. 接收率提升

针对接收率的提升，主要有四种方式：

1. 防卸载：通过减少push对用户的打扰，或通过和厂商合作以获取一些防卸载的手段（如长按app时将卸载操作收缩）
2. 基于网络环境和版本限制调整策略：如检测到用户网络环境较好时才触发push下发
3. 防进程被杀：即提升长链接存活时长，比如出于省电、避免系统卡顿等原因，安卓厂商的操作系统会自动杀死App后台进程，导致push无法触达到用户，可以考虑通过厂商白名单的商务合作、关联启动、自启动、1像素处理、互保联盟等方式进行进程保活。可以通过CSDN技术论坛找到一些进程保活的策略
4. 多通道并发：提升到达几率

3. 展示率提升

针对展示率的提升，主要有两种方式：

1）引导开启通知权限

• 通过app内弹窗等功能进行引导，分两种实现方式：1）app首次下载安装时完成所有权限引导；2）触发需要使用权限的功能时进行引导。注：有时可以通过和厂商合作达到一键直达权限开启页面，不需完成多次操作
• 和厂商合作，默认开启权限

2）敏感词试错

• 不断测试哪些敏感词是厂商禁止的，通过试错排查，防止消息下发后不展示

4. 点击率提升-推送通道

影响点击率的因素就比较多了，主要有推送通道、推送内容、推送场景、用户标签匹配、素材匹配多方面影响。我们来分别看下这几个影响点如何优化。

推送通道：

推送通道对点击的影响，主要源于对push曝光的影响，优化方向主要有：

• 提升通知重要程度：需要通过仔细研究厂商push的机制，如小米对不重要通知会进行收纳折叠，可以通过提升push打开率或加入厂商白名单的方式变为重要通知
• 提升通知展示优先级：比如华为和vivo均有通知智能排序规则，且默认打开该功能，高优先级push有展示在前排的机会，影响因素猜测是白名单和CTR

注：

一定要仔细阅读厂商通道文档、个推极光等第三方的推送技术文档，通过文档我们可以认识到各大推送服务的边界和限制在哪里，并知道如何从技术或者商务角度去解决优化。

同时我们也可以从中了解到各种推送服务有哪些特有的功能优势，能够帮助我们更快地寻找提升推送效率的途径。

5. 点击率提升-内容

内容包含两个方面：

“内”代表内涵，即文案基础，言简意赅，直击人心，文案的产出技巧可参照《内容运营-文案》，关于特定话题或特定风格的文案可参照另一篇《内容运营-治愈系文案》。文案也可以参考阿里妈妈做成AI智能文案，见文章《AI智能文案产品模拟搭建》。

“容”代表容器，即push样式，如：图片、文字、表情、提示音、锁屏通知、悬浮通知等。

针对容器需注意以下几点：

部分样式需要通过透传能力下发，或由厂商开放特殊样式的呈现形式（比如华为的置顶push），而使用透传能力的前提即app进程存活，此时才可以用自定义的push样式进行展示（比如带背景图push），保活策略就自行去CSDN技术论坛来找喽。

• APP权限。权限决定了是否能有锁屏展示、悬浮通知、提示音、状态栏、振动等额外提醒功能。权限越多，则用户收到push时的提醒越强。此类权限可通过商务谈判或权限引导等方式获取
• 折叠情况。push发送后若未被点开会被收进通知栏，各家手机会在通知栏有不同的折叠处理机制，当发送多条push时，若被折叠，需先点击展开按钮才可看到push内容，曝光必然下降。此外有些厂商有push分组能力如ios，通过添加多个push组，可以增加push曝光次数

6. 点击率提升-场景

场景为用户收到push时所处的情境。可分为外部场景及人物内部场景：

• 外部场景：时间、地点、外部网络情况、终端设备情况等。比如监测到用户11点还在工作地可以发送一条提醒注意休息的关怀类push；或是监测到用户常在居住地为河南，五一地点变为云南，可推送景点相关内容。
• 人物内部场景：人物内心状态（放松、紧张等）、身体外部状态（运动、车载、睡眠等）。如车载环境下可推送车载音乐等。

因此针对场景的优化可以有以下几点：

1）push时机优化

区分定时、实时、跨时间间隔下发方式，通过主观挑选用户活跃时间（早中晚），或基于用户历史活跃时间搭建活跃时间计算模型，客观预测用户活跃时间，总之目的是挑选用户活跃的时间进行下发

2）增加场景联动触发机制

用户场景发生变化时自动触发，提升push的智能化水平：

• 用户状态变化自动触发：登录变未登录、浏览wifi/4G/无网联网变化、手机亮屏、app退出/卸载等
• 用户画像变化：地理位置变化、用户偏好变化等
• 用户行为变化：活动参与、浏览等

7. 点击率提升-用户匹配

用户匹配涉及物料标签（电商产品为商品标签）及用户标签的精确匹配。

物料库可以包含内容详情页、信息流页面、专题/频道页、功能页、榜单、H5链接等各种不同类型的承接内容。巧妙的落地页设计，不仅可以传递给用户更丰富的内容信息，还可以有效提升内容业务的分发，一举两得。

优化“用户-内容”匹配，类似于做内容推荐系统，个性化推送的本质也是为用户推荐最满意的内容，以撬动用户活跃。

基本上可以将用户分为3大类：有兴趣偏好标签、无偏好标签但有静态属性标签、无任何标签，这3类用户的内容召回方式各有不同：

1）兴趣偏好标签的用户

通常他们已经在站内表达出对产品和服务的明显诉求，因此系统可以基于内容标签和用户标签之间的匹配关系进行内容召回。

比如微博中经常浏览、搜索、点赞、评论“王一博”实体词的用户，会被微博记录为该实体词的偏好用户，当有“王一博”相关的最新热门资讯产生时，会优先对这批用户群体进行推送。

常见的召回方式有：基于兴趣分类、兴趣Topic、兴趣实体词的召回等。但这种召回方式往往依赖于画像数据的颗粒度，标签体系越丰富，越能命中用户的更多偏好，用户点击推送的概率也就越高。

2）仅有静态标签用户

如果用户的站内历史行为非常稀疏，未沉淀形成任何偏好标签，那么可以基于App List 采集生成的标签、地域标签、社交关系、广告素材类型、设备型号、第三方用户画像等信息进行内容推送。

比如对装有小红书、大姨妈App的用户推送美妆类内容；对北京用户推送北京天气或者热门新闻。

3）无标签用户

可以推送全局热门内容：比如根据CTR、点击量、点赞数等指标表现生成每日内容热榜，同时可以统计出不同内容分类下的实时热点并进行推送。

从海量item库中召回成百上千个item后，该给用户推送哪个item呢？所以召回后紧接着是内容的排序环节，通常先是「召回源间排序」，然后是「召回源内部排序」。

• 「召回源间的排序」：为了让个性化的推送内容占据更多的曝光量，通常会将「基于用户兴趣标签的召回源」优先级设为最高；而「基于地域的热点召回」可以作为仅有静态标签用户的兜底策略，优先级较低。当地域热点无可推内容时，则通过「基于全局热点的召回」内容进行兜底，因此优先级最低。
• 「召回源内部排序」：比如按照item的点击数、CTR、发布时间进行筛选排序，以选出符合条件且表现最好的item推送给用户。

那么具体我们该从哪些角度找到优化“用户-内容”匹配关系的方法呢？

• 扩大兴趣标签用户的覆盖量：可以尝试通过数据分析下当前push目标人群中3类人群的分布占比。如果兴趣偏好标签用户占比不高，可通过优化用户兴趣度模型规则来扩充标签人群的覆盖量。例如，通常会根据用户兴趣度模型（基于用户行为、行为窗口期、行为权重、时间衰减因子）计算用户的 Top N 兴趣偏好，但相比30天窗口期，120天可以覆盖更多的用户。当然，也可以通过丰富用户兴趣标签体系来增加标签用户的覆盖面积。
• 优化冷启动策略：建议可以通过分析站内用户的行为数据、或者经常点击push用户的行为数据，来优化当前的冷启动策略。比如将站内留存很高、且渗透率还不错的内容类型或者页面作为push物料推送给新用户。
• 机器模型召回：尽管人工规则的不断叠加也可以提升推送内容的质量，在表达策略的复杂度和丰富度方面还是机器更擅长些。如果算法资源以及硬件设施资源充足的条件下，可以考虑基于FM、Vector Embedding智能算法进行训练学习，以不断逼近用户的喜好。

以电商产品举例看如何做好用户-素材匹配：

不同的商品有不同的商品画像构建方式。电商类商品画像构建包括：商品分类、sku分类、属性特征等。

用户画像构建在《月活过亿真的有上亿用户吗》中的用户画像模块有详细介绍。

构建后通过一些算法进行匹配：

• 基于统计学的过滤，如基本信息中的性别，年龄，地域等
• 基于用户的协同过滤
• 基于商品的协同过滤
• 决策树模型等

电商类APP可参考以下推荐策略：

• applist：通过读取用户app列表，用app和商品分类进行匹配，了解用户的兴趣点，此策略针对于新用户的兴趣获取，以及老用户的新兴趣挖掘。
• 本地化：实时获取用户地理位置，与用户本地天气，城市层级，生活圈，本地热点等结合进行push推送。此策略为的是提升用户感知，增加推送好感。
• 通勤场景：在通勤中，用户如属于移动网络状态，push和落地页应减少插图或者多图的比例。此策略为的是考虑用户感受，增加用户好感。
• 兴趣试探：对于新用户来说因兴趣爱好信息积累较少，在push推荐时可选取热度高，点击率高，表现好的push进行推送，这样即使用户兴趣不增加，也保证了用户不产生厌恶。
• 负反馈策略：对于用户看到不点击，以及点击即退出的push，应该有负反馈机制，降低此类push在此用户面前出现的频率或者不再出现。
• 季节策略：可根据季节，天气，节气变化，针对性的向用户推送具有此类特征的商品。
• 热点策略：根据近期话题或事件热点，结合相关商品进行推送。

四、小结

本文从push的链接上讲述了一些push的优化方向，主要有以下几点：

1. 提升内容设计能力。优化文案及展示样式（提升APP进程保活能力；开启更多权限；根据场景设计契合的内容）
2. 建立重复发送策略，防止过度打扰用户，可以分次分时间间隔发送，如每隔x小时，发送y条push，每天发送z次
3. 优化落地页设计，与push内容相辅相成
4. 增加push的丰富度。如针对活动和热点事件的全量推送；针对某用户群体的群体推送；针对单个用户历史信息和兴趣爱好的个性化推荐；对用户进行颗粒度更细的分级（可套用RFM等模型或金字塔模型等），比如对价格敏感的用户推送打折文案
5. Push的频控设计，防止过度打扰用户：设定每日推送上限；选择用户空闲时间，如早、中、晚、睡前；通过模型，算出用户一般每日可接受的push条数，以及单个用户可接受的push条例。

作者：小二，微信公众号：瞎学瞎看

本文作者 @小二

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！