上周末，人人都是產(chǎn)品經(jīng)理聯(lián)合騰訊大講堂在深圳舉辦了一場(chǎng)「2024 AI產(chǎn)品經(jīng)理大會(huì)」，阿里巴巴高級(jí)產(chǎn)品專(zhuān)家@馮成蹊 老師在現(xiàn)場(chǎng)做了精彩分享。本文為現(xiàn)場(chǎng)分享精華，經(jīng)人人都是產(chǎn)品經(jīng)理整理。

很榮幸又被邀請(qǐng)到人人都是產(chǎn)品經(jīng)理的大會(huì)，簡(jiǎn)單介紹一下，我是親身經(jīng)歷了從PC互聯(lián)網(wǎng)到AI產(chǎn)品經(jīng)理這個(gè)過(guò)程，和大家大家分享一些我在這個(gè)領(lǐng)域里看到的一些產(chǎn)品現(xiàn)象和數(shù)據(jù)情況。

2010年左右友盟創(chuàng)立，2016年和阿里巴巴的幾個(gè)產(chǎn)品合并，成為現(xiàn)在的友盟+；主力產(chǎn)品一直沒(méi)有變，都是做移動(dòng)互聯(lián)網(wǎng)開(kāi)發(fā)者的工具，加上智能數(shù)據(jù)的賦能和智能數(shù)據(jù)的企業(yè)化服務(wù)。這么多年主要深耕于移動(dòng)互聯(lián)網(wǎng)，幫助大家做好整個(gè)數(shù)字化應(yīng)用和數(shù)字化轉(zhuǎn)型。今天我從自己的角度，從自己數(shù)據(jù)上深耕了十多年的經(jīng)驗(yàn)，和大家分享AI時(shí)代來(lái)臨之后，數(shù)據(jù)和AI如何做好結(jié)合，如何在用戶(hù)運(yùn)營(yíng)上的到一個(gè)最好的實(shí)踐。

我們先來(lái)看一些數(shù)據(jù)：

（左圖）這個(gè)數(shù)據(jù)來(lái)源于CNNIC（中國(guó)互聯(lián)網(wǎng)數(shù)據(jù)中心），整個(gè)移動(dòng)互聯(lián)網(wǎng)從2013、14年到最近四年，國(guó)內(nèi)的增量在逐漸下降，慢慢到一個(gè)沒(méi)有增量的地步。這種情況下，對(duì)存量客戶(hù)的競(jìng)爭(zhēng)越來(lái)越激烈，這也是大家現(xiàn)在比較關(guān)注的話(huà)題。

先看一下國(guó)內(nèi)整體的情況（右圖）。我們做了一個(gè)維度的切片：把APP的MAU按照大于1000萬(wàn)、100到1000萬(wàn)、10萬(wàn)到100萬(wàn)區(qū)分三個(gè)維度，根據(jù)我們拿到的數(shù)據(jù)看，最近三年呈現(xiàn)出一個(gè)非常明顯的趨勢(shì)：大量用戶(hù)被頭部的APP（MAU大于1000萬(wàn)）吸走了，形成「馬太效應(yīng)」。

國(guó)內(nèi)不太好做的情況下，出海怎么樣？

其實(shí)道理是一樣。

也就是最近的兩三年，除了AI應(yīng)用的增長(zhǎng)還可以，大部分應(yīng)用，不論是垂直領(lǐng)域還是中小領(lǐng)域，獲客都會(huì)越來(lái)越難。甚至獲客之后，大平臺(tái)出一點(diǎn)點(diǎn)功能，也會(huì)把你的用戶(hù)吸走。

除了這個(gè)獲客難的問(wèn)題，如果我們運(yùn)營(yíng)存量用戶(hù)，會(huì)不會(huì)有問(wèn)題？

也是一樣的，不論是營(yíng)銷(xiāo)還是自己的用戶(hù)運(yùn)營(yíng)，都很難做好消息推送。一個(gè)很典型的數(shù)據(jù)是APP消息推送的到達(dá)率和點(diǎn)擊率的變化。

我們根據(jù)現(xiàn)在比較通用的APP行業(yè)的分類(lèi)，拉取了一些數(shù)據(jù)。有兩個(gè)特征：

1. 到達(dá)率的變化：半年左右的數(shù)據(jù)，整個(gè)到達(dá)率只有不到 1/3的行業(yè)是由提升，其他的都在下降。
2. 點(diǎn)擊率的變化：即便是到達(dá)率上去了，但點(diǎn)擊率也是在下降的狀態(tài)。

國(guó)內(nèi) Android 的消費(fèi)通道基本上被廠(chǎng)商管理了，要在廠(chǎng)商通道里發(fā)送信息，要遵循廠(chǎng)商消費(fèi)通道的運(yùn)營(yíng)規(guī)則；這個(gè)規(guī)則顆粒度很細(xì)——什么行業(yè)在什么情況下可以給你的用戶(hù)發(fā)送營(yíng)銷(xiāo)信息。綜合這幾點(diǎn)，對(duì)想要在A(yíng)PP內(nèi)運(yùn)營(yíng)好自己的用戶(hù)，難度是在直線(xiàn)上升的。

簡(jiǎn)單總結(jié)一下：想要運(yùn)營(yíng)好我們的存量用戶(hù)，方法論其實(shí)和營(yíng)銷(xiāo)是相通的。也就是：

我要在 { 什么時(shí)間 } 給 { 什么樣的人 } 發(fā)送 { 什么樣的內(nèi)容 } ，以及發(fā)送完后，用 { 什么渠道 } 去下發(fā)消息，最后得到 { 怎樣的效果 } 。

那么，運(yùn)營(yíng)之后的效果如何？

我們從每一個(gè)維度碰到一個(gè)什么樣的問(wèn)題說(shuō)起。

企業(yè)內(nèi)部都有建立用戶(hù)畫(huà)像，每個(gè)畫(huà)像里面都有自己的精準(zhǔn)度。比如消息更新時(shí)間、標(biāo)簽更新時(shí)長(zhǎng)等等，結(jié)合個(gè)人用戶(hù)畫(huà)像，如何通過(guò)一個(gè)好的運(yùn)營(yíng)體系發(fā)送給個(gè)人，以及發(fā)送完之后什么時(shí)候觸發(fā)，什么時(shí)候回收效果等。不同的企業(yè)、不同的數(shù)字化和不同團(tuán)隊(duì)的能力不同，效果也不一樣。

各個(gè)公司、團(tuán)隊(duì)都有自己的方法論和經(jīng)驗(yàn)，但少有在整個(gè)角度上把AI結(jié)合得很好的，這也是我們今天需要討論的點(diǎn)。

其實(shí)，沒(méi)必要把整個(gè)體系全都做好才有效果。

我們拆開(kāi)來(lái)看，其實(shí)就是回到分享主題：如何通過(guò)數(shù)據(jù)和AI打造整個(gè)用戶(hù)運(yùn)營(yíng)的智能體系。在不同的維度上，包括不同的人群、內(nèi)容、時(shí)機(jī)、渠道，都可以借助AI加上小的突破點(diǎn)進(jìn)行串聯(lián)，加上整個(gè)數(shù)據(jù)回流后，就能做好智能用戶(hù)運(yùn)營(yíng)的最佳閉環(huán)。

一、智能內(nèi)容

這是一個(gè)電商領(lǐng)域的案例，我們的實(shí)驗(yàn)始于產(chǎn)品界面后臺(tái)的一點(diǎn)小嘗試，利用電商行業(yè)的數(shù)據(jù)沉淀，包括不同用戶(hù)的互動(dòng)歷史和消息的到達(dá)點(diǎn)擊率。基于這些歷史數(shù)據(jù)，我們開(kāi)發(fā)了一個(gè)AI功能，它可以根據(jù)用戶(hù)提供的商品關(guān)鍵詞和目標(biāo)用戶(hù)群體，快速生成可能引發(fā)高點(diǎn)擊率的消息。

例如，如果我們選擇“100元以下的白酒”作為關(guān)鍵詞，并指定了核心用戶(hù)人群，AI就能幫助我們預(yù)測(cè)在過(guò)往用戶(hù)群體中，哪些消息能夠產(chǎn)生較高的點(diǎn)擊和下發(fā)量。這種應(yīng)用場(chǎng)景不僅提高了營(yíng)銷(xiāo)效率，還優(yōu)化了用戶(hù)體驗(yàn)，通過(guò)精準(zhǔn)的消息推送，我們能夠更好地滿(mǎn)足用戶(hù)需求，同時(shí)提升轉(zhuǎn)化率。

除了基于歷史數(shù)據(jù)的內(nèi)容生成，我們還探索了將消息轉(zhuǎn)變?yōu)閷?shí)時(shí)快速識(shí)別人群的方式。這種方法結(jié)合了內(nèi)容生成，允許我們根據(jù)消息內(nèi)容實(shí)時(shí)判斷并推送適合特定人群的消息。例如，我們開(kāi)發(fā)了一種關(guān)懷型消息模板，該模板能夠?qū)⑻鞖鈹?shù)據(jù)融合到消息中，通過(guò)替換詞快速實(shí)現(xiàn)基于實(shí)時(shí)天氣數(shù)據(jù)的個(gè)性化推送。

我們通過(guò)增加如“forecast”這樣的標(biāo)簽，自動(dòng)整合當(dāng)天最新的氣象數(shù)據(jù)，以及提供降溫、升溫等異常天氣提醒。這種方法不僅提升了消息的相關(guān)性，還增強(qiáng)了用戶(hù)的參與度和滿(mǎn)意度。通過(guò)利用歷史和實(shí)時(shí)環(huán)境數(shù)據(jù)，我們幫助企業(yè)快速識(shí)別本地運(yùn)營(yíng)中的消息需求，并實(shí)現(xiàn)差異化的消息推送。一個(gè)工具型APP通過(guò)推送與天氣相關(guān)的個(gè)性化消息，成功地將點(diǎn)擊率提升了255%。

在辦公領(lǐng)域，我們特別關(guān)注了一款主要服務(wù)于戶(hù)外工作人員的辦公型APP。這款A(yù)PP的使用者，如工程師，經(jīng)常需要外出勘探工地，對(duì)實(shí)時(shí)天氣變化的敏感度極高。利用智能時(shí)機(jī)的概念，我們通過(guò)地理圍欄技術(shù)，結(jié)合用戶(hù)的實(shí)際出行數(shù)據(jù)，實(shí)現(xiàn)了對(duì)惡劣天氣變化的實(shí)時(shí)預(yù)警。

具體來(lái)說(shuō)，當(dāng)用戶(hù)進(jìn)入特定地理區(qū)域，系統(tǒng)能夠識(shí)別出即將到來(lái)的快速天氣變化，并及時(shí)推送預(yù)警消息。例如，通過(guò)“下雨標(biāo)簽”結(jié)合空間數(shù)據(jù)技術(shù)，我們能夠在用戶(hù)即將出行的時(shí)間段內(nèi)，推送關(guān)于天氣變化的消息，提醒他們注意安全。這種方法不僅提高了消息的相關(guān)性和及時(shí)性，而且顯著提升了消息的點(diǎn)擊率，接近50%。

二、智能時(shí)機(jī)

在不同的數(shù)據(jù)切片上，我們分了三個(gè)維度：微觀(guān)、中觀(guān)和宏觀(guān)。

微觀(guān)狀態(tài)，我們通過(guò)自己的大數(shù)據(jù)，觀(guān)測(cè)用戶(hù)在不同時(shí)間段內(nèi)使用手機(jī)的狀態(tài)，比如是開(kāi)會(huì)，還是休息，基于數(shù)據(jù)把它包裝成用戶(hù)狀態(tài)點(diǎn)。

基于這些用戶(hù)狀態(tài)點(diǎn)，我們可以更智能地決定何時(shí)進(jìn)行用戶(hù)接觸。例如，如果系統(tǒng)識(shí)別出用戶(hù)正處于打游戲的狀態(tài)，我們就可以避免在此時(shí)進(jìn)行電話(huà)營(yíng)銷(xiāo)或發(fā)送推送通知，因?yàn)檫@很可能會(huì)干擾用戶(hù)并導(dǎo)致較低的轉(zhuǎn)化率。相反，如果用戶(hù)處于休息狀態(tài)，這時(shí)發(fā)送的通知或消息可能會(huì)獲得更高的關(guān)注度和響應(yīng)率。

第二個(gè)用戶(hù)狀態(tài)點(diǎn)是空間數(shù)據(jù)。我們給予長(zhǎng)時(shí)間的數(shù)據(jù)觀(guān)察，能預(yù)測(cè)用戶(hù)的常住區(qū)域，用戶(hù)是一個(gè)正常的上班族，還是一個(gè)經(jīng)常出差的人群，他的空間數(shù)據(jù)可能會(huì)處于一個(gè)怎樣的狀態(tài)，基于這個(gè)狀態(tài)，是否可能觸發(fā)一些營(yíng)銷(xiāo)行為等。

結(jié)合一些更宏觀(guān)的數(shù)據(jù)，比如歷史行為狀態(tài)——用戶(hù)出現(xiàn)在某一個(gè)城市節(jié)點(diǎn)的時(shí)候，當(dāng)前節(jié)點(diǎn)的狀態(tài)有沒(méi)有變化。比如我們識(shí)別出差旅人群，當(dāng)出現(xiàn)在機(jī)場(chǎng)、高鐵站附近這些狀態(tài)點(diǎn)的時(shí)候，可以提前半小時(shí)、往后半小時(shí)左右給他發(fā)送一個(gè)打車(chē)、租車(chē)的優(yōu)惠券，這是一個(gè)很好的用戶(hù)場(chǎng)景。

另一個(gè)是瀏覽器APP的案例。

我們通過(guò)結(jié)合用戶(hù)使用習(xí)慣和當(dāng)前使用狀態(tài)，進(jìn)行了一系列的AB測(cè)試。該APP通過(guò)分析用戶(hù)的多元內(nèi)容偏好和使用習(xí)慣，進(jìn)行了精細(xì)化的推送策略。在測(cè)試中，我們特別關(guān)注了用戶(hù)的休閑、學(xué)習(xí)和瀏覽重要內(nèi)容的狀態(tài)，并為處于這些狀態(tài)的用戶(hù)打上了相應(yīng)的標(biāo)簽。

通過(guò)對(duì)這些狀態(tài)標(biāo)簽的分析，我們觀(guān)察了兩個(gè)關(guān)鍵指標(biāo)：首啟率和點(diǎn)擊率。結(jié)果顯示，引入狀態(tài)標(biāo)簽后，這兩個(gè)指標(biāo)都有了顯著提升，超過(guò)了100%。

三、智能算法

前面我們已經(jīng)通過(guò)AI生成了一些智能內(nèi)容，但還不確定用戶(hù)的標(biāo)簽是否正確，以及消息推送后的效果是否符合預(yù)期。

接下來(lái)，我們結(jié)合一些已有的智能算法。

我們當(dāng)時(shí)是結(jié)合了通義的AI算法，把前面涉及到的不同內(nèi)容、不同人群，測(cè)試時(shí)下發(fā)5-10條，根據(jù)數(shù)據(jù)快速調(diào)整，根據(jù)實(shí)時(shí)的點(diǎn)擊數(shù)據(jù)回流，觀(guān)測(cè)點(diǎn)擊率是否符合預(yù)期；如果不行就快速調(diào)整：換一個(gè)AI策略或者動(dòng)態(tài)調(diào)整人群標(biāo)簽。從阿里內(nèi)部大促電商的角度來(lái)看，這一套算法已經(jīng)比較成熟，整體效果能做到平均34%的點(diǎn)擊率提升。

四、智能通道

Android當(dāng)前有兩個(gè)通道：

1. 廠(chǎng)商設(shè)備的消息通道
2. 第三方的消息通道

隨著廠(chǎng)商也開(kāi)始提供付費(fèi)消息通道，以及各種不同的消息體和用戶(hù)界面位置，智能通道選擇變得更加復(fù)雜和多樣化。

我們的智能通道策略基于數(shù)據(jù)回流，能夠細(xì)分出多種策略玩法。我們可以根據(jù)用戶(hù)在不同通道下的使用行為習(xí)慣，選擇最合適的消息下發(fā)方式。同時(shí)，我們還能通過(guò)數(shù)據(jù)策略了解用戶(hù)對(duì)消息通知的敏感度，以及他們對(duì)消息頻次和量級(jí)的接受程度，從而避免觸發(fā)用戶(hù)的逆反心理。

我們注意到用戶(hù)對(duì)消息通知的敏感度不同，以及他們對(duì)消息頻次和量級(jí)的接受程度各異。為了避免觸發(fā)用戶(hù)的逆反心理，我們采取了智能化策略，根據(jù)用戶(hù)的行為習(xí)慣和偏好選擇最合適的消息下發(fā)方式。

我們實(shí)施的一個(gè)具體策略是關(guān)于消息通知開(kāi)關(guān)的。我們發(fā)現(xiàn)，用戶(hù)關(guān)閉消息通知開(kāi)關(guān)后，傳統(tǒng)的消息推送方式便不再有效。為了解決這一問(wèn)題，我們首先分析了這部分用戶(hù)的行為習(xí)慣，然后快速向企業(yè)提供了用戶(hù)畫(huà)像，并給出了具體的操作建議。例如，我們建議在特定情況下觸發(fā)補(bǔ)發(fā)一個(gè)短信，或者轉(zhuǎn)為應(yīng)用內(nèi)消息。此外，我們還考慮了這個(gè)消息通知開(kāi)關(guān)在其他行業(yè)是否是打開(kāi)的，以及用戶(hù)希望收到什么樣的消息。

基于這些分析，我們能夠更精準(zhǔn)地營(yíng)銷(xiāo)用戶(hù)，尤其是在消息通知開(kāi)關(guān)關(guān)閉的情況下，通過(guò)其他方式下發(fā)消息，能夠顯著提升到達(dá)率。這種方法不僅提升了消息的發(fā)送效率，還避免了對(duì)那些關(guān)閉了應(yīng)用內(nèi)通知的用戶(hù)造成打擾，從而保持了用戶(hù)體驗(yàn)的連貫性和滿(mǎn)意度。

例如，我們?cè)谝粋€(gè)新聞行業(yè)的APP中實(shí)施了這一策略。通過(guò)分析發(fā)現(xiàn)，在關(guān)閉消息通知開(kāi)關(guān)的用戶(hù)中，有一部分用戶(hù)在其他行業(yè)的消息通知開(kāi)關(guān)是打開(kāi)的。我們根據(jù)這一發(fā)現(xiàn)，調(diào)整了消息下發(fā)策略，只在關(guān)閉消息通知開(kāi)關(guān)的用戶(hù)中，通過(guò)其他方式下發(fā)消息，結(jié)果發(fā)現(xiàn)用戶(hù)參與度有了顯著提升。

在實(shí)際操作中，我們通過(guò)數(shù)據(jù)分析，能夠識(shí)別出哪些消息適合通過(guò)設(shè)備消息通道下發(fā)，哪些適合轉(zhuǎn)為應(yīng)用內(nèi)消息。這樣的智能化策略，結(jié)合了用戶(hù)行為和AI的快速判斷，幫助企業(yè)更精準(zhǔn)地進(jìn)行消息運(yùn)營(yíng)。

五、回到主題

回到演講的主題，我們強(qiáng)調(diào)了用戶(hù)運(yùn)營(yíng)智能的重要性，這涉及到將數(shù)據(jù)與AI技術(shù)相結(jié)合，從人群、內(nèi)容、時(shí)機(jī)和渠道等多個(gè)維度進(jìn)行全方位的運(yùn)營(yíng)。我們的理念是，通過(guò)對(duì)每個(gè)維度的細(xì)致打磨和優(yōu)化，即便是小的改進(jìn)也能在整個(gè)用戶(hù)運(yùn)營(yíng)體系中產(chǎn)生顯著的增長(zhǎng)效果。

在A(yíng)I技術(shù)日益成熟的今天，AI產(chǎn)品經(jīng)理的角色也在發(fā)生變化。我們建議AI產(chǎn)品經(jīng)理應(yīng)該深入理解并學(xué)習(xí)AI技術(shù)，將其應(yīng)用到自己的工作場(chǎng)景和流程中，以實(shí)現(xiàn)直接的小步提升。這種提升可以體現(xiàn)在工作效率、成本降低或工作流的銜接性能上。

我們認(rèn)為，AI產(chǎn)品經(jīng)理應(yīng)該關(guān)注以下幾個(gè)方面：

1. 識(shí)別AI工具的潛在價(jià)值：在產(chǎn)品的工作流程中找到AI工具可能帶來(lái)提升的環(huán)節(jié)。
2. 數(shù)據(jù)驅(qū)動(dòng)的決策：將工作流程中的數(shù)據(jù)輸入到AI系統(tǒng)中，利用AI快速建立反饋機(jī)制。
3. 尋找落地節(jié)點(diǎn)：在整個(gè)工作流程中找到不同的小的落地點(diǎn)，無(wú)論是通過(guò)AI原生方式還是通過(guò)Agent方式，都能在用戶(hù)場(chǎng)景下的不同工作流程中實(shí)現(xiàn)提效。

拆解好不同的工作流之后，用工作AI的方式幫他去做好提效。這個(gè)提效可以是工作效率上的提效，可以是成本降低的提效，也可以是整個(gè)工作流銜接之間的績(jī)效。這本身其實(shí)就是一個(gè)AI產(chǎn)品經(jīng)理在這個(gè)節(jié)點(diǎn)里面非常好的一個(gè)工作落地的節(jié)點(diǎn)。