思考：应用推广时的获客成本如何预估？

题目：某新闻资讯APP的留存率是这样，想在半年内让DAU达到100万，需要多少获客成本？

这是一道经典的获客成本预估的问题。

在解决题目之前，建议先思考问题的动机和目标，即“做对的事情”

（1）DAU达到100万的动机是什么？现在是否是合适时机？是否有其它路径可以满足诉求？

（2）DAU达到100万的可行性？是否可健康发展？

（3）DAU达到100万，是否别的助力可用，比如产品侧关于留存的优化路径和方法？

针对已有条件来解答问题，即“把事情做对”

获客成本 = 目标所需获客人数 * 单用户获客成本

（1）单用户获客成本

单用户获客成本，受获客渠道选择、渠道定价、投放时间、投放物料、市场竞争等显性影响。

（2）目标所需获客人数，即可以让第180天DAU达到100万的累计新增用户数

Customer_sum = New_Customer(1) + New_Customer(2) + … + New_Customer(180)

New_Customer(n)为第n天的新增用户数。

“单用户获客成本”和“目标所需获客人数”，受诸多因素影响，波动不确定。实操阶段，会“预估、分阶段测试、调整”这样流程循环。预估的话，建议先简化问题，以最简单模型剖析问题，再关注条件的改变。

简化题目，给题目加上假设

假设：每天定额获客，单用户获客成本为固定值A，在第180天到达DAU目标。

在这个假设下，利用日活计算公式，把问题简化为：1000000 = DAU(180) = New_Customer * (1 + R(2) + R(3) + … + R(180))

R(n)为产品第n天的留存率，暂为未知数。

我们需要根据已有的留存数据推算未知的留存数据，这样就可以知道每日定额获客的New_Customer值。

题目说的是新闻资讯的APP，其留存曲线一般用幂函数来拟合，以日为单位计算留存。用已有的留存数据画出折线图，然后用幂函数近似趋势线，推算到留存函数为y = 0.9345 * x^(-1.411)。

据此：NewCustomer = 1000000/(1 + R(1) + R(2) + … + R(179) ) = 1000000/2.6365 = 379291。

所以，总获客成本 = NewCustomer * 180 * A。

关注条件的改变

分阶段关注条件的改变，然后调整策略，比如按月来观察：

（1）产品留存状态的改变，尤其是留存曲线的拟合是否用幂函数，还是多项式来拟合？

留存的改善意味着产品和用户的契合度变高，产品可长期稳定发展的基础，不同的产品留存曲线及留存单位都会不一样，需要根据自己的产品来确定。

（2）获客成本的优化，及定向渠道可获取用户量是否能满足诉求，去调整拉新的策略

严格意义上讲，渠道的拉新策略需要建立在”新用户价值的评估”和“渠道可拉新数量”上，可参考上篇“怎么用“单用户价值模型”，做新用户质量评估？”

根据以上条件的变化，逐步调整下月的策略，以此循环，让目标达成的成本最优化。

作者：何其多多；公众号：何其多多

本文作者 @何其多多

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！