#宅家的你胖了多少斤#

近年来，人们的运动健康意识不断增强，“马拉松经济”飞速发展。行业中也涌现出了一批具有高便携性、高社交互动性等优势的运动健康类APP，正在引领人们健康生活新风尚。疫情期间，人们更加感受到“生命诚可贵”，也比以往更加注重个人身体健康，不少人选择使用运动健康类APP在家学习健身课程、做拉伸、练瑜伽等。一些运动健康类APP也应景推出了宅家锻炼相关主题的运营活动，为人们在家运动提供了极大便利。这些运动健康类APP目前的运营情况如何，后续该如何做好用户留存和转化？

个推大数据对运动健康类APP春节期间及复工后的表现进行了深入洞察和剖析，希望能从数据角度为此类APP后续进行用户运营提供一些参考思路。

运动健康类APP新增迅猛，用户留存和转化成后续运营工作重点

个推大数据显示，运动健康类APP在春节假期期间（1月24日-2月2日），用户新增最为迅猛；之后，运动健康类APP的用户新增曲线虽有波动，但还是一路保持高水平增长态势。

Keep、薄荷健康、悦跑圈、咕咚等这些运动健康类APP凭借特色的产品定位和优质的服务，收获了大量新增用户，在市场竞争中率先抢占了先机。不过，运动健康服务行业新产品层出不穷，市场竞争非常激烈。

随着天气快速回暖以及线下健身房陆续复工营业，相信不少之前习惯了去健身房运动的用户也会从线上转移到线下进行日常健身活动。如何把大规模新增用户实打实地留存下来，成为运动健康类APP需要着重关注的运营方向。

增留存、促活跃、提转化，运动健康类APP用户运营三部曲

针对运动健康类APP当前的运营痛点，个推从数据洞察结果出发，结合自身用户全生命周期管理理念和工具，提出了“增留存、促活跃、提转化”三步走的解决方案，希望能给运动健康类APP运营人员提供一些帮助。

增留存，从做好新用户冷启动开始

新用户冷启动是APP用户运营的一个重要环节。如何在新用户第一次进入APP时，给他们留下好的“第一印象”，让他们喜欢你的产品？APP需要对新用户进行全面洞察。

目前，一些运动健康类APP会引导用户在注册环节填写一些基本信息，比如性别、年龄、健身诉求（塑形、增肌、减脂）等，以对新用户有简单的了解。如何了解新用户的更多标签属性，从而打造能让他们“一见倾心”的服务体验呢？

运动健康类APP可以使用个推用户画像（个像）这样的第三方画像服务，对新安装注册的用户快速进行标签补全，以全面洞察新用户的需求偏好。「个像」标签维度丰富，可以帮助运动健康类APP在现有基础上，从基本属性、兴趣偏好、线上偏好、线下场景等更多维度，对新用户进行360度的全方位洞察。

运动健康类APP使用个推用户画像服务对新用户进行标签补全，能快速了解到新用户的更多潜在需求。比如，对于以提供热量管理服务为特色的运动健康类APP而言，如果使用个推用户画像服务对现有标签属性为「想要减脂」的新用户进行洞察，分析出这部分用户同时也有较为显著的外卖类APP使用行为偏好，APP就可以给该部分用户精准推荐「健身党的外卖指南」等内容，从而满足他们在饮食管理方面的个性化需求，赢得他们的好感。如此一来，APP的新用户留存率也将大大提升。

促活跃，精准把握用户需求是前提

不过，「用户留存」可不是简单的「让用户留下来」。没有卸载APP但也始终不打开使用APP的那部分沉默用户，同样让运营人员头疼。而APP提升用户活跃度，则需要精准把握目标用户群体的需求，并不断为用户创造价值点。

为了帮助运动健康类APP运营官们了解目标用户群体特征，个推大数据对运动健康类APP的基础用户画像进行了洞察。数据显示，运动健康类APP的女性用户群体占比为56.25%，超过男性用户占比。从年龄上来看，运动健康类APP用户偏年轻化，95后占比最多，达43.37%。

不同的APP产品定位和目标用户群体各有不同。运营人员可以将APP自有数据与「个像」提供的第三方用户画像数据结合起来，构建更立体、全面的用户画像体系，对目标用户群体的需求特征和兴趣偏好进行更深入的分析，以指导后续产品功能优化和运营策略制定。

比如，在个性化推荐方面。运动健康类APP就可以通过个推用户画像的多维度、立体标签体系，突破【男女】这样的大标签分类所带来的局限，构建细分人群，高效开展更加精细化的用户运营。例如，主打线上健身课程的运动健康类APP使用个推用户画像，就能根据女性白领、女大学生、宝妈等细分标签，针对不同女性群体，为她们个性化推荐定制课程：

• 针对女性白领群体，可推荐类似“每天3分钟练出天鹅颈”等能帮助提升职场魅力的课程；
• 针对女大学生群体，可推荐“宿舍瘦腿训练”“宿舍马甲线养成”等课程； 针对宝妈群体，则可以为她们推出“产后修复”课程。

通过个性化服务，让用户感受到APP的贴心和用心，那APP用户粘性和活跃度的提升自然也就水到渠成了。

做好用户洞察，也有利于提升APP的用户触达效果。对于提供打卡功能的运动健康类APP而言，就可以基于对用户行为和画像数据的深入分析，向已经较长一段时间未打卡的用户精准推送消息，进行定向唤醒。同时，天气越来越暖和，像悦跑圈、咕咚等以跑步服务为特色的运动健康类APP，则可以抓住这一契机，使用个推消息推送的「智能标签分组推送」和「场景推送」等功能，针对不同特征偏好和有不同场景需求的跑者们，撰写不同风格调性和内容侧重点的推送文案，进一步提升唤醒效果。

运动健康类APP可以采用的促活技巧和方式有很多。Keep建立了“健身打卡集徽章”机制，还借助代言人“现男友”的明星示范效应提升APP品牌影响力；咕咚增加了“运动团”“小视频”等有社交属性的功能，还会策划“2020喵星人线上跑”等趣味活动，增加用户黏性；悦跑圈开设“约定跑-跑班”，用完成任务即可瓜分奖金池，吸引用户进入APP打卡……

各位运营官们为了增加用户黏性，使出了十八般武艺。花样“促活”的手段背后，实质PK的则是APP精准把握用户需求，为用户提供优质服务的能力。

提转化，用户付费行为预测是关键

目前运动健康类APP商业变现的方式主要有3种：广告变现、内容付费、电商卖货。

对于采用广告变现模式的运动健康类APP来讲，提升用户活跃度很重要。用户活跃度是很多广告主都会关注的数据指标，高活跃度的APP在进行广告变现时，才更有竞争力和话语权。

除了广告变现，内容付费和电商卖货也是运动健康类APP所采用的商业变现方式。而无论是内容付费模式还是电商模式，用户的付费意愿和付费能力都是APP提升商业转化时需要把握的关键点。个推大数据也对运动健康类APP用户的消费水平和城市分布进行了洞察。数据表明，和全量人群相比，运动健康APP用户的中高消费水平的特征更为显著，他们更多地分布在一、二线城市，有较强的付费能力。

那付费意愿呢？如何对用户的付费意愿进行衡量？

运动健康类APP可以借助第三方的成熟产品，比如个推应用统计（个数），对用户历史行为数据进行深度学习分析，构建算法模型，对用户的付费行为进行AI预测。运动健康类APP运营人员通过个推应用统计，了解到有较高付费意愿和可能性的用户后，可以给予这批用户适当的激励，比如发放健身课程免费体验券、赠送VIP会员时长等，从而高效引导用户转化。

此外，运动健康类APP运营人员也可以使用个推应用统计的“0代码埋点统计”功能，通过可视化圈选的便捷方式，对用户行为进行埋点统计。从浏览健身器材商品页面，到加入购物车，再到下单和最终完成支付，哪个环节的用户流失率最高？使用个推应用统计，运动健康类APP运营人员能高效进行深入的漏斗分析，从而更科学地优化用户转化路径，提升用户转化率。

生命不息，运动不止。近两年，“马拉松经济”一路狂奔，运动健身也逐渐成为全民新时尚。个推君相信，运动健康类APP也将成为越来越多用户手机里的必备应用。

除了文中提到的个推用户画像、应用统计、消息推送等产品，个推还面向APP运营人员提供了包括一键认证、用户增长等在内的众多好用的产品服务，希望能够助力广大运动健康类APP在“增留存、促活跃、提转化”的每一步都抢占先机，实现和用户的共赢，获得长远发展。

如今，无论在哪个行业，用户画像的构建都显得尤为重要。只要借助了用户画像，就可以在充分了解和挖掘用户的基础上，做好精准营销从而提高转化。说到用户画像的搭建策略，数据的收集是十分关键的环节 。可能绝大所数的运营者都有相同的困惑，没有数据应该如何做用户画像呢？这就牵扯到如何提取有效数据，如何给用户做标签等等问题。下面我们一起来分析一下用户画像的搭建策略。

1、用户画像与数据的关系

简单来说，用户画像是所有与用户相关的全部数据，包括用户的属性数据、行为数据等。从技术角度来说，是技术的一种重要应用方式。许多公司的用户画像来源都不同，有些是自己做的，有些则是从外部采购的。归纳起来，用户画像里面的数据通常包括两个方面，即公司内部数据和外部数据。通常外部数据是用来弥补内部数据的不足。

2、构建用户画像需要收集什么数据？

数据收集主要包括用户行为数据、用户偏好数据、用户交易数据。以平台为例，收集用户行为数据：比如活跃人数、页面浏览量PV、访问时长、浏览路径等；收集用户偏好数据：比如登录方式、浏览内容、评论内容、互动内容、品牌偏好等；收集用户交易数据：比如客单价、回头率、流失率、转化率和促活率等。收集这些指标性的数据，方便对用户进行有针对性、目的性的运营。我们可对收集的数据做分析，让用户信息形成标签化。比如搭建用户账户体系，可自建立，实现平台数据共享，或打通用户数据。

3、搭建用户画像的策略分析

（1）标签体系设计。开发者需要先了解自身的数据，确定需要设计的标签形式；

（2）多数据源数据融合。在建设用户画像时，个推会整合自有海量数据以及该APP自身的数据；

（3）实现用户统一标识。多数情况下，APP的众多用户分布于不同的账号体系中，个推会将其统一标识，帮助APP打通账号，实现信息快速共享；

（4）用户画像特征层构建。即将每一个数据进行特征化；

（5）画像标签规则+算法建模。两者缺一不可，在实际的应用中，算法难以解决的问题，利用简单的规则也可以达到很好的效果；

（6）利用算法对所有用户打标签；

（7）画像质量监控。在实际的应用中，用户画像会产生一定的波动，为了解决这个问题，个推建设了相应的监控系统，对画像的质量进行监控。

以上就是没有数据如何搭建用户画像的全部策略。总的来讲，用户画像的搭建并不是完全固定的，需要结合行业和产品来进行具体分析。

　　数据区间是2018年2月1日—5月10日，历时两个月，累计260968条。

　　采集过程中，对作者做了去重处理，也就是说每个作者只取了TA的一条视频数据。

　　这也代表着我们拥有26W个作者的数据。

　　数据包含视频描述、发布时间、播放数、点赞数、评论数、转发数、尺寸、清晰度、时长、是否包含商品广告、是否包含水印，以及视频作者的昵称、性别、生日、账号创建时间、是否认证、认证类型等数据。

　　另外，数据均为前端可见数据，未使用任何违规操作。

　　2、首次推荐分水岭是5000，请把赞“刷”到100+

　　做过今日头条自媒体账号的人应该了解，头条的推荐算法是先把文章做小范围推荐，查看文章在该部分人中的阅读数据。

　　如果阅读数据良好，则会扩大文章的推荐范围。数据越好，推荐范围则越大。

　　既然抖音是头条系产品，那肯定采用了同样的推荐逻辑。

　　从用户的方便程度来看，点赞>评论>转发，那么点赞作为推荐算法的指标权重应该会大于其他两个。

　　从头条的推荐算法推测，视频应该会先被推荐给一部分用户，如果点赞数达到某个水平，则会将视频推荐给更多的人；如果没有，那么视频大概率会凉了。

　　经过不断分段统计视频各播放量与点赞之间的关系，得到了下面这张表格：

　　由于采集机制的原因，我们很难采集到没有被推荐的视频，但就现有的1907条播放量在5000以下的视频我们可以清晰地看到，这些视频的点赞量100以下的占到了94%。

　　那么反过来可以推断，想要你的视频被更多的人看到（也就是进入系统推荐的二阶段），那么你视频的点赞量至少应该增加到100以上。

　　我做了几个视频进行了测试，发布后分享出去让好友帮忙点赞（下文会给出方法），那些在1小时内点赞量突破一百的，播放量在几小时内很快破万；

　　而那些点赞量低的，则不再被人问津。

　　即便这个结果在测试中得到了验证，但是我却不能给出实锤结论。

　　首先，目前采集到的低于5000播放量的数据，大都在5月以后发布，传播时间不够长，或许这恰好是点赞量低的原因；

　　其次，与整体的样本量相比，这部分数据只占不到1%，没有达到统计分析的样本数要求。

　　无论如何，视频的点赞量肯定会作为推荐权重的依据，点赞越高自然是越好的。

　　3、看似红红火火，但瓶颈似乎已经到来

　　作者数据包含了账号的注册时间，我把作者的注册时间按照月份统计，发现抖音用户的增长似乎在放缓：

　　从上面的用户注册时间分布来看，抖音用户在2018年1月份达到顶峰，随后开始逐月递减，4月份已经只有3月份的一半！

　　实际上，这个数据仍然存在一些漏洞。

　　毕竟存在一种可能，就是新注册的用户不喜欢发布视频，而是在注册一段时间后才开始发布。

　　或者，新注册用户的视频因为还未得到系统的推荐，被我们采集到的概率也随之降低。

　　如果账号的创建时间不能说明问题，我们来看另一组数据。

　　把视频的发布时间与其相对应的播放量和点赞量结合，我得到了各月发布视频的平均点赞量。

　　为了去除数据传播时长的影响，我去掉了5月以后发布的视频，得到各月平均点赞量分布图：

　　数据显示，各月视频的平均点赞数在逐月降低，4月份视频平均点赞量甚至不足3月份的一半。

　　或许是因为视频越来越堵，用户已经麻木，但无论如何，早期的红利在逐渐降低，想上车的要赶紧了。

　　4、拍满15s不是最好的，10s更受用户欢迎

　　目前抖音未公布获得视频超过15s时长权限的机制，但至少我们知道“优质”是选拔的重要条件，所以在分析视频时长时，我去掉了时长超过15s的视频。

　　对15s以内视频的平均点赞情况作了分析，得到以下分布图：

　　数据并不支持我们把视频拍满15s，10s是最好的，13s也不错，甚至11s都优于15s。

　　由于超过15s的视频数量仅6866条，在样本中占比太少，我就不再给出分析。在相同数量级下（均少于100条），39s、42s、50s和58s看上去效果不错。

　　5、男女比例严重失调，小哥哥的视频更受欢迎

　　统计26W个作者的性别，我发现抖音用户中女性用户数量接近男性的3倍！

　　（注：“无”代表用户没有填写性别信息）

　　从用户组成来看，就很容易理解为什么抖音的带货能力这么强了。

　　从购物能力来看，女性购买力更强，毕竟大部分钱都掌握在女性的手里。

　　把作者性别和其发布视频的平均点赞量结合，我神奇的发现，小哥哥们的视频竟然更受欢迎！

　　难不成是因为女性用户多于男性，异性相吸？

　　注：没有性别信息的用户有多个视频点赞量超过百万（比如用户@安德罗妮、的一个视频点赞量达到600W），造成了该类别用户的平均点赞量过高，不排除这部分用户均为女性的可能性。

　　6、生活化的内容是抖音的主流，年轻人愿意表达爱与喜欢

　　使用新浪微舆情的文本分析功能，把视频的描述文字做了词性和情感方面的分析，发现生活化的内容是抖音的主体。

　　对视频描述文本的词性分析，动词方面除了“喜欢”和“爱”以外，生活化的“想”、“拍”、“吃”是出现频率最高的词；

　　形容词方面“快乐”、“开心”、“好看”和“可爱”是抖音用户最喜欢表达的感情；

　　名词上“小哥哥”和“小姐姐”显然已经成为发抖音的固定搭配。

　　整体词频方面，除了“小哥哥”、“小姐姐”以及“抖音小助手”以外，具备强烈生活色彩的“爸爸”、“我妈”、“弟弟”、“老公”、“我家”这些词同样被高频率使用。

　　福利：一些抖音小技巧

　　1.精细化运营，一些小细节很重要

　　我们来看下面两个视频截图，你发现什么差别了么？

　　如果两个视频都需要视频描述来完善视频的内容，那么后一个视频的效果会更好，因为相比于白色视频背景，纯黑色可以非常清晰的把底部的视频描述凸显出来。

　　除此以外，视频内容和质量相似的情况下，竖向的视频比横向的视频更容易被点赞，不信你横过手机点赞一下试试……

　　2.能不能绕过机器筛选直接被推荐到更大的流量池？

　　随着监管制度的完善，纯机器算法筛选和推荐已经不能满足用户对高质量内容的需求，于是今日头条引入了大量人工审核团队。

　　这些人工除了审核内容是否违规外，还承担发现优质内容、使其提前进入推荐队列的职责（我猜的）。

　　如果我猜对了，那么，如果视频能跨过机器的迭代推荐，直达人工，岂不是会更快速的火起来？

　　这个方法就是在视频描述里加入一些机器识别不准确的敏感词，你们如果胆大可以试一试。

　　你现在在抖音中还会点赞吗？

　　欢迎评论区留言，与大家分享哦。