在 11 月 17 日的首席增長官年會上，小紅書增長技術負責人占雪亮在現場為我們分享了「精細化運營在小紅書的實踐」的演講。上周推送的文章收獲業界良好反響，經過與官方的細節補充調整后重新更新，增加了若干細節和數據。

《精細化運營在小紅書》

小紅書增長技術負責人 占雪亮

大家下午好，很榮幸今天有機會和大家交流分享小紅書內部的增長實踐。

我的演講 PPT 給的比較晚，大概是昨天早上 5 點鐘才給到。因為我花了很長的時間在想分享什么好。

這次大會的主題是增長，我想如果講理論知識，我肯定講的不如張溪夢老師和范冰老師；如果講產品知識，我也不是專業做產品的，沒什么優勢；如果講數據，我也沒有王曄王總理解的透徹。

所以我想了很久，最終決定講一個小紅書內部的例子。我想這個你們肯定都不清楚，也只能我來講了。

今天我給大家分享的是「精細化運營在小紅書的實踐」，這里面最重要的兩個字就是實踐。而精細化運營和一些理論，我想你們肯定也聽過。就像前面張溪夢老師講的 AARRR ，估計今天 80% 的參會人員都知道這個模型。畢竟這是一個收費不低的大會，會過濾掉一部分門外漢。

前面幾位老師的理論知識在現場的反響都很不錯，我想今天這個會開完，不僅韓冰韓總的銷量會長，范老師的書也會多一批購買者（笑）。

關于小紅書增長之路

在開始分享之前，想先給大家介紹一下小紅書，小紅書是一個泛品類的生活方式分享平臺。

截止到今年 6 月 6 日，我們的用戶數過億了，昨天我又拉了一下數據，現在是 1 億 8 千萬了，這個增長相對而言還是比較快的了?；叵?2014 年年底、 2015 年年初我剛加入小紅書的時候，當時小紅書只有 20 人左右的規模，而現在我們用 1644 天完成了用戶數過億。

好，接下來我們進入分享的主題。這是兩周前我們公司內部做的一次關于低齡用戶留存差的數據分析。

為什么低齡用戶的留存比較差？

剛剛很多嘉賓都講到現在獲客成本在不斷的提高，在 AARRR 的模型里，當 A 越來越貴的時候，我們該如何保證最后的利潤 R ？如何在利潤 R 和越來越貴的A 之間尋找一個平衡點呢？

就比如說以前 1000 元可以拉來 100 個用戶，留存率 10 %，結果有 10 個人留下來了；現在 1000 元只能拉來 50 個人了，如果還想留下 10個人，那怎么辦？我們只能把我們的留存增加到 20 %，這樣最終還是 10 個人留下來了。在流量越來越貴的今天，我們要更加重視留存問題。

我們的分析團隊在研究不同用戶群留存率的時候，發現來自信息流等渠道的用戶留存率很低，他們有一個特性，就是低齡，大多是看一篇或者點過一篇筆記就走了，留存很差。

我們當時做了一個假設：覺得低齡用戶可能還在上初中或者高中，而很多學校上課是不能帶手機的，只能周末玩手機，所以可能低齡用戶留存比較差。這個假設聽起來很合理，也符合邏輯，但真實情況是不是這樣呢？我們看看數據是怎么顯示的。

我們提出來了三個分析的維度：

第一、不同的低齡用戶表現是否有差異。

在此之前，我們內部對年齡段的劃分是 18 歲以下算低齡，但我們覺得這個劃分有點太籠統，因為 18 歲以下包含了小學生，初中生和高中生 3 個學齡，不同的學生階段，我們覺得是差異比較大的，所以年齡維度本身需要更加細分。

第二、他們來小紅書想要看到什么內容？能看到他們喜歡的內容嗎？

每個用戶對一個新產品，新平臺都是有所期待的。當他們去下載了這個 APP 激活并注冊的時候，總會希望在這個平臺能找到對自己有價值的東西。如果沒找到，那用戶流失的概率就很高了。

第三、他們的 Feed 流推得是他們想看的內容嗎？

小紅書產品的首頁是我們的推薦系統生成的雙列筆記 Feed 流，新用戶注冊的時候會選擇一些自己的興趣點，然后我們根據用戶選擇的興趣點，給用戶推薦相關主題的筆記。 推薦是否準確，直接影響用戶的體驗。舉個最簡單的例子，我挑選興趣的時候選了健身，結果你給我推薦了個旅行，那跟我的預期就會差很遠，用戶會覺得這個平臺沒有我想看的信息，自然就會離開。

我覺得一定是這三個問題里的一個導致留存差。接下來我們分別來看看針對這三個維度的具體分析。

不同低齡用戶表現是否有差異？

第一個維度是不同低齡用戶表現是否有所差異，我們拉了一張表「不同年齡段用戶的留存分布」，我們將 18 歲以下的用戶按學齡重新劃分為三類： 12 歲及以下的小學生、 13 - 15 歲的初中生、 16 - 18 歲的高中生，同時，我們看了下這三類用戶的次日留存和周末留存。

我們很驚訝的發現了兩個現象：

• 第一個現象叫做真正次日留存差的其實是 12 歲及以下的小學生和 13 - 15 歲的初中生，高中生群體的留存率和我們大盤用戶留存率其實并沒有太大的區別；

• 第二個叫做次日留存差的用戶，在周末的留存同樣很差，并不會出現周末反彈的情況。

因此我們得出了兩點結論：

• 前面我們關于低齡用戶留存差是因為工作日上學不能使用手機的假設并不成立，即使到了周末能使用手機的時間段，他們也沒有回來。

• 低齡用戶不能單純按照年齡來劃分，要按照學齡來劃分。所以之后所有的數據分析，當需要按年齡 breakdown 的時候，我們都會考慮這一點。

我們又拉了第二個表格，是「不同年齡段拉新渠道分布」，做這個分析的原因很簡單，很多低齡用戶都是我們花了很多錢買進來的，如果留不住那就是在浪費錢，投放部門可以針對低齡用戶特別多的渠道做一些優化，比如增加針對年齡的定向。

從數據中我們發現，百度 SEM 和廣點通的信息流是低齡用戶拉新特別多的渠道，占比甚至超過了 6 成，因此在百度 SEM 和信息流的投放上要設定更嚴格的年齡定向。暫時不要再給小學生初中生推廣告了，因為目前他們來了也留不下來了。

他們來小紅書想看什么？

第二個問題是這些低齡用戶看到廣告后過來了，他們過來是想看什么？

解決這個問題有兩種方法：

• 一個是用戶訪談，可以抓一百個或者一千個用戶問一問，了解他們來到小紅書的目的，但是這個樣本量是有限的，可能得出的結果也不能代表所有用戶的想法，而且執行起來很麻煩，要花費很多的人力成本；

• 另外一個比較好的方式就是看用戶的搜索，搜索是一個主動并且強有力行為，他搜什么意味著他想看什么。所以我們做了一個不同年齡用戶的搜索畫像，分別是 15 歲以下、 16 - 18 歲、 19 - 23 歲以及 29 - 33 歲。 

這個表格一出來，我們基本就能知道每個階段的人關心的是什么了。我們發現 15 歲以下的用戶主要搜索簡筆畫、動漫、頭像、還有很多明星；16 歲就開始關注穿搭護膚減肥了；19 歲就增加了彩妝。

這個數據其實也是很符合用戶使用場景的。小學生初中生在學校里也不能化妝，大多也都是穿校服，所以會搜索動漫，壁紙這類東西。

我們甚至發現，很多低齡的用戶來小紅書就是為了下載壁紙和精美的圖片當頭像的， 就這種需求，作為我這種中年人，如果不看數據的話，可能永遠都不會知道。

而初中生長到 16 歲上了高中了，就會慢慢開始注意穿衣打扮，也會畫一些淡妝。等再年長一點，結婚了就會關心結婚，食譜，裝修等等。

好，我們現在已經知道我們的低齡用戶來小紅書是想看什么的了，那他們有沒有在這里看到他們想看的內容呢？用什么指標來衡量這個信息呢？做過搜索的同學都知道，搜索點擊率是最直白的方式，用戶有沒有點擊搜索結果，當然最大程度上代表了對搜索出來的內容的滿意度。

因此，我們又拉了兩個表：「無點擊超過 40 %的高頻搜索詞」和「無點擊低于 20 %的高頻搜索詞」。

從這兩張表里我們發現：

• 范冰冰，迪麗熱巴這樣的明星名字、搜索的點擊率不高，而且年輕用戶沒點擊的比例相對比較高；

• 搜索之后的高點擊詞，主要集中在減肥、護膚、美甲上。

我們對這個結果還蠻意外的，低齡的用戶來小紅書想看關于明星的什么內容呢？難道是想看八卦傳聞？還是尋找粉絲團？這些的確是我們沒有的內容，小紅書提供給用戶的是明星工作之外的一些更關于明星自身真實的信息，比如在工作外他們用什么化妝品，喜歡吃什么零食等等，但看起來這些東西未必是現在年輕小朋友想看的。

他們的 Feed 流推的是他們想看的內容嗎？

好，我們再來看第三個問題。

前面的兩個問題讓我們了解了低齡用戶對什么感興趣、搜索什么以及小紅書在哪些內容上不能滿足他們。第三個問題想了解的是，當他們在 Feed 流上被動接受信息時，這些內容是不是他們想看的？

我又拉了三個表。

第一個是「用戶興趣特征」分布表，玩過小紅書的同學都知道，新注冊的用戶剛進 APP 時，系統會讓你選擇一些感興趣的標簽作為你的啟動數據。剛開始我們給你推送的內容，都是基于這些你選的興趣標簽。

那我們想看一下， 13 - 15 歲的用戶選擇是什么？ 30 歲的用戶選的是什么？從這張表中很明顯發現不同年齡段的用戶，在標簽選擇上有這么幾個不同：

• 頭部不集中： 13 - 15 歲用戶前四名標簽占比只有 20 %，而 30 歲以上用戶達到 30 % ；

• 尾部不長尾：相對排在后面的 4-5 個標簽，總量加起來也只有 2 % 以上，但年長用戶最少需按照的 4-5 個標簽，總量加起來低于 1.5 %；

• 年輕用戶的興趣選擇相對多種多樣，這更符合小紅書標記我的生活這個思路。

我們知道了我們的年輕用戶選了什么標簽，那我們該如何衡量推薦給年輕用戶這些內容是不是他們關心的呢？我們通過兩個維度來衡量：內容豐滿度和分發匹配度。

內容豐滿度是指當用戶選了感興趣的標簽，那能不能看到足夠的這個品類的筆記。我們發現最多人選的「時尚穿搭」，筆記曝光也最多，這就是合理的；但音樂，游戲等品類，選的人也挺多，但曝光卻很少，這說明在音樂這個品類上用戶看不到足夠他喜歡的內容。

第三個表我們叫分發匹配度，我選了我們平臺上一些內容比較多的品類，用熱力圖的方式展示出來，接下來我會從曝光分布和喜好分布兩個維度來對分析。

所謂的曝光發布，就比如說穿搭這個品類，平臺分發曝光的內容，在 13 - 15 歲、 19 - 23 歲、 34 歲以上用戶的曝光是差不多的。

而喜好分布，就是用戶對平臺分發曝光出去內容的喜好程度。衡量用戶喜歡程度的標準就是，用戶有沒有點贊、有沒有評論、有沒有收藏。

這個數字就很明顯，同樣是穿搭品類，在分發曝光上是沒有太大區別的，但用戶喜好程度分別很大。如果熱力圖中每一塊的顏色對比很明顯，那就說明分發機制有問題。

這個數據給我們一些啟發： 

• 頭部筆記的曝光幾乎是一樣的，但是喜好度卻差別非常大；

• 在分發的時候，即使同一品類，在不同的年齡維度上，也需要有不同的分發策略；

這其實也論證了我們在流量分配的時候就需要做精細化運營。

好，我們來總結一下，看一下前面提出的三個問題。

Q：第一個是不同的低齡用戶表現是否有差異？

A：真正留存低的是 15 歲以下的初中生和小學生，且這些用戶大多數是通過 SEM 和信息流購買來的用戶，市場部門在投放側需要更精準的定位年齡信息。

Q：他們來小紅書想要看到什么內容？能看到他們喜歡看的內容嗎？

A：

• 很大部分的年輕人想來小紅書看動漫，頭像，明星或學習相關的內容。

• 從搜索表現來看，我們的明星內容并不能很好滿足他們的需求，需要調研團隊針對這個問題做用戶調研，搞清楚他們想看的關于明星的內容是什么？ 

• 市場部門投放（特別 SEM ）還是可以多嘗試減肥、祛痘、護膚、粉底液這種題材。因為這些題材的內容在小紅書搜索點擊率還比較高。廣告投放要和產品屬性要一脈相承。

Q：他們的 Feed 流推的是他們想看的內容嗎？

A：

• 在多個年輕人更偏好的類目上，內容曝光過少，他們并沒有很好的被滿足，未來運營團隊需要重點補充這些類目的內容。當然，內容不足的品類也可以暫時拿走，避免新用戶注冊選擇后期望過高，進而流失。

• 在分發側， global popular （全面大眾）的內容對不同的年齡段需要有所區分，算法團隊需要調整當前的分發策略。

這是一個很簡單的案例，這樣從各種維度做數據分析的案例我們每周都會發生幾次。

今天因為時間有限，分享的也不是很完整。其實我們還可以從用戶的角度去分析，比如說用戶用的是 iOS 還是安卓？如果是安卓，那是 OPPO 、 VIVO 、華為、小米？如果是這些，可以看是高端機還是低端機？

我們可以切換不同角度來做數據分析。而這些數據分析，就可以用來指導企業的下一步的行為，具體到是調整還是落地。

下面我簡單介紹下在小紅書，我們常用的數據分析維度。

• 性別（男，女）

• 新老用戶（新注冊， 7 天內注冊， 28 天內注冊，一個月后還會來的存量用戶 existing ）

• 年齡段（<= 15 ， 16 ~ 18 ， 18 ~ 23 ， 23 ~ 28 ， 28 +）

• 平臺（ iOS ， Android ）

• 機型（ iPhone ， OPPO ， VIVO ，華為，小米，其他，各 Android 設備再 break down 到中高低端）

• 地域（一二線城市，三到五線城市，其他） 

• 獲客來源（ Organic ， SEO ， SEM ，信息流，小程序， Branding ，應用市場等等，SEM，信息流等渠道還可以 break down 到具體是什么投放詞拉進來的用戶）

• Etc.

我們在小紅書里面會用到兩個工具，第一個叫數據平臺。數據驅動增長，這句話已經說過很多次了，那怎么樣才能真正的驅動增長？那就是從數據中看到問題找到方向。

小紅書對所有的產品經理都一視同仁，入職就送一本教你怎么寫 SQL 的書，跑數據的平臺也給你，大家自己動手豐衣足食。

第二個是實驗平臺，這其實也是王曄王總前面講到的內容，這是小紅書內部的實驗平臺。做實驗是一種意識。

我給大家講個很久之前的事，關于手機 APP 引導用戶上傳頭像的那個頭像框的事情。

當時做這個功能的工程師把自己的微信頭像貼上去，后面大家在分析上傳頭像的用戶比例不高時，開玩笑說是不是那個工程師的頭像太難看了，然后大家為了證明是不是這樣，就做了個實驗。

我們把所有參與這個功能開發的所有工程師、 PM 、數據分析師的頭像分別上傳上去測試了一遍，看看誰的頭像做用戶引導會提升上傳頭像的比例。

這個故事也是個小事情。但其實在小紅書內部是有這樣一種文化的，所有的問題在沒拿到數據之前沒有人知道對錯，那就做個實驗唄。

嗯，我的分享差不多就這些，謝謝大家。