小红书增长技术负责人占雪亮：精细化运营在小红书的实践

在增长官研究院举办的的首席增长官年会上，小红书增长技术负责人占雪亮为我们分享了「精细化运营在小红书的实践」。

这家上线不到五年的公司，已经成为全球最大的社区电商平台。截止 2018 年 6 月 6 日，全球有 1 亿年轻用户在小红书 APP 上分享吃穿玩乐买的生活方式。

占雪亮现场的分享干货频频，数据详实。本文经过官方审编，公开发布有所删节。以下，Enjoy~

《精细化运营在小红书》

小红书增长技术负责人占雪亮

大家下午好，很荣幸今天有机会和大家交流分享小红书内部的增长实践。

我的演讲 PPT 给的比较晚，大概是昨天早上 5 点钟才给到。因为我花了很长的时间在想分享什么好。

这次大会的主题是增长，我想如果讲理论知识，我肯定讲的不如张溪梦老师和范冰老师；如果讲产品知识，我也不是专业做产品的，没什么优势；如果讲数据，我也没有王晔王总理解的透彻。

所以我想了很久，最终决定讲一个小红书内部的例子。我想这个你们肯定都不清楚，也只能我来讲了。

今天我给大家分享的是「精细化运营在小红书的实践」，这里面最重要的两个字就是实践。而精细化运营和一些理论，我想你们肯定也听过。就像前面张溪梦老师讲的 AARRR ，估计今天 80% 的参会人员都知道这个模型。毕竟这是一个收费不低的大会，会过滤掉一部分门外汉。

前面几位老师的理论知识在现场的反响都很不错，我想今天这个会开完，不仅韩冰韩总的销量会长，范老师的书也会多一批购买者（笑）。

关于小红书增长之路

在开始分享之前，想先给大家介绍一下小红书。

截止到今年 6 月 6 日，我们的用户数过亿了，昨天我又拉了一下数据，现在是 1 亿 8 千万了，这个增长相对而言还是比较快的了。回想 2014 年年底、 2015年年初我刚加入小红书的时候，当时小红书只有 20 人左右的规模，而现在我们用 1644 天完成了用户数过亿。

不过这些都不重要，重要的是我接下来分享的案例，这是两周前我们公司内部做的一次关于低龄用户留存差的数据分析。

为什么低龄用户的留存比较差？

刚刚很多嘉宾都讲到现在获客成本在不断的提高，在 AARRR 的模型里，当 A 越来越贵的时候，我们该如何保证最后的利润 R ？如何在利润 R 和越来越贵的A之间寻找一个平衡点呢？

就比如说以前 1000 元可以拉来100 个用户，留存率 10 %，结果有 10 个人留下来了；现在 1000 元只能拉来 50 个人了，那这个怎么办，我们只能增加留存率到 20 %，这样最终还是 10 个人留下来了。在流量越来越贵的今天，我们要更加重视留存问题。所以我们就做了一个低龄用户留存差的分析。

我们发现来自信息流等渠道的用户留存率很低，他们有一个特性，就是低龄，大多是看一篇或者点过一篇笔记就走了，留存很差。

我们当时做了一个假设：觉得低龄用户可能还在上初中或者高中，而很多学校上课是不能带手机的，只能周末玩手机，所以可能低龄用户留存比较差。当然，这个假设也需要数据的验证。

然后我们提出来了三个分析的维度：

第一、不同的低龄用户表现是否有差异，因为低龄是一个很笼统的概念；
第二、他们来小红书想要看到什么内容？能看到他们喜欢的内容吗？如果没有看到，那留存差是自然的；
第三、他们的 Feed 流推得是他们想看的内容吗？ Feed 流是小红书 APP 内部的内容分发机制。
- 小红书首页的内容是我们做的一个自动分发的推荐系统，这个内容推荐机制是否符合他们的偏好？
- 新用户注册后会选择自己的标签，然后我们根据他选择的标签给他推送内容，这个标签和内容的匹配是否正确？
- 我们推送的内容是根据用户的行为而选定的，那这个内容是不是他想看的？

我觉得一定是这三个问题里的一个导致留存差。如果用户来了能看到他想看到的的内容，就算是无聊的时候刷到有用的信息，留存率也不会这么差。接下来我们分别来看看这三个维度。

不同低龄用户表现是否有差异？

第一个维度是不同低龄用户表现是否有所差异，我们拉了一张表「不同年龄段用户的留存分布」，因为小于 18 岁是一个太笼统的概念，所以我们将纵轴上 18 岁以下的用户分为三类： 12 岁的小学生、 13 – 15 岁的初中生、 16 – 18 岁的高中生，横轴上的留存差分为：次日留存率、周末留存率等等。

从这个表里我们得出了两点结论：

前面有讲过关于低龄用户留存差我们的假设，学生周内上课不能玩手机，周末才能玩。但从数据上来看并不是这样的。
低龄用户不能单纯按照年龄来划分，要按照学龄要划分。所以之后的用户分析年龄维度，我们都会考虑这一点。

第二个表格是「不同年龄段拉新渠道分布」，这个问题很现实，我们花了很多钱把用户买进来，如果留不住那就是在浪费钱。

投放部门是不是可以做一些优化呢？我们通过数据查看小于 12 岁以及 13 – 15 岁的用户在百度 SEM 和信息流中的表现，得出结论：在百度 SEM 和信息流的投放上要设定更严格的年龄定向。

不要再给小学生初中生推广告了，因为他们来了也留不下来了，纯属浪费钱。

他们来小红书想看什么？

第二个问题是这些低龄用户看到广告后过来了，他们过来是想看什么？想干什么？

解决这个问题有两种方法：

一个是用户访谈，可以抓一百个或者一千个用户问一问，了解他们来到小红书的目的，但是我觉得这个样本量是有限的，可能得出的结果也不能代表所有用户的想法；
另外一个比较好的方式就是看用户的搜索，搜索是一个主动并且强有力行为，他搜什么意味着他想看什么。所以我们做了一个不同年龄用户的搜索画像，分别是 15 岁以下、 16 – 18 岁、 19 – 23 岁以及 29 – 33 岁。

这个表格一出来，我们基本就能知道每个阶段的人关心的是什么了。我们发现 15 岁以下的用户主要搜索画画、动漫、头像、还有很多明星；16 岁就开始关注穿搭护肤减肥了；19 岁就增加了彩妆。这也是一个慢慢递进的过程。

你们想想，这个数据也是有一定道理的。小学生初中生在学校里也不能化妆，大多也都是穿校服，所以会搜索动漫这类。

而且我们还发现，很多这种低龄的用户来小红书会选一些好看的头像，就这个需求我这种老年人如果不看数据的话，可能永远都不会知道。

而初中生长到 16 岁上了高中了，开始注意穿衣打扮搭也画一些淡妆。等再大一点，结婚了就关心菜谱装修等等内容。

他们在小红书能看到他们想看的内容吗？

分析到这一步，我们已经了解低龄用户想看什么，接下来我们要知道「我们有没有提供他想看的内容」。分析到这里我又拉了两个表：「无点击 40 %以上的高频搜索词」和「无点击 20 %以下的高频搜索词」。

这里的「无点击」很好理解，就是用户搜索了但没有点击，这说明用户对搜索结果不满意。高频搜索词也就是用户来小红书的普遍需求，这些词在小红书上的内容相对还是很好的。

从这两张表里可以看出：

搜索无点击的词主要集中在明星、时尚类的词，而且都是年轻用户搜索了没点击；
搜索之后的高点击词，主要集中在减肥、护肤、美甲上。

年轻人来搜明星，搜出来了但是没有点击，肯定有很多原因。我们就大胆猜想一下可能是因为，小红书这方面的内容不是年轻用户真正想看的内容。

我举个例子吧，比如说追星，年轻人去微博上面搜，可能会搜出来明星八卦、传闻、工作信息、还有些粉丝一起追星、到哪接机等等的内容。但小红书没有这些内容，小红书提供给用户的是明星工作之外的一些信息，这些东西未必是现在年轻小朋友想看的。

他们的 Feed 流推的是他们想看的内容吗？

好，我们再来看第三个问题。

前面的两个问题让我们了解了低龄用户对什么感兴趣、搜索什么以及小红书在哪些内容上不能满足他们。第三个问题想了解的是，当他们在 Feed 流上被动接受信息时，这些内容是不是他们想看的？

我又拉了三个表。

第一个是「用户兴趣特征」，玩过小红书的同学都知道，新注册的用户刚进 APP 时，系统会让你选择一些感兴趣的标签作为你的启动数据。刚开始我们给你推送的内容，都是基于这些你选的兴趣标签。

那我们来看一下， 13 – 15 岁的用户选择是什么？ 34 岁的用户选的是什么？从这张表中很明显可以看出：

头部不集中： 13 – 15 岁用户前四名标签占比只有 20 %，而 33 岁以上用户达到 30 % ；
后面不长尾：相对排在后面的综艺、读书、搞笑、舞蹈也只有 2 % 以上，但年长用户的摄影、美甲、汽车已经降低到 1.6 %；
而年轻用户和年长用户的区别则表明用户的兴趣多种多样，在年轻人的表现上是更明显的，这更符合小红书标记我的生活这个思路。

当年轻人头部不集中时，我们该如何衡量推荐给年轻用户这些内容是不是他们关心的。

我们通过第二张表中的两个维度来衡量：内容丰满度和曝光占比。图中灰色部分是用户选的标签占比，橙色部分是用户在首页可以看到的内容曝光占比，当这些内容和标签对比时，他们对应的占比大概是多少呢？

我举个简单的例子，比如说最多人选的「时尚穿搭」曝光也最多，这就是合理的；而音乐，选的人很多，但曝光却很少，这说明在音乐这个品类上用户看不到他喜欢的内容。当然也包括电影、餐厅、游戏。

在音乐、情感、电影、餐厅、游戏、动漫、萌宠、搞笑这些标签上， 13 – 15 岁用户和 29 – 23 岁的用户标签选择相差不大，但曝光方面 13 – 15 岁用户比 29 – 23 岁的用户多很多。

所以我们接下来需要关注那些年轻人更偏好但曝光少的类目，这些类目很大概率是优质笔记不足，就像音乐，游戏，动漫，搞笑。

第三个表我们叫分发匹配度，我选了我们平台上一些内容比较多的品类，用热力图的方式展示出来，接下来我会从曝光分布和喜好分布两个维度来对分析。

所谓的曝光发布，就比如说穿搭这个品类，平台分发曝光的内容，在 13 – 15 岁、 19 – 23 岁、 34 岁以上用户的曝光是差不多的。

而喜好分布，就是用户对平台分发曝光出去内容的喜好程度。衡量用户喜欢程度的标准就是，用户有没有点赞、有没有评论、有没有收藏。这个数字就很明显，同样是穿搭品类，在分发曝光上是没有太大区别的，但用户喜好程度分别很大。如果热力图中每一块的颜色对比很明显，那就说明分发机制有问题。

这个数据给我们一些启发：

头部笔记的曝光几乎是一样的，但是喜好度却差别非常大；
在分发的时候，即使同一品类，在不同的年龄维度上，也需要有不同的分发策略；
这其实也论证了我们在流量分配的时候就需要做精细化运营。

好，我们来总结一下，看一下前面提出的三个问题。

Q：第一个是不同的低龄用户表现是否有差异？

A：真正留存低的是 15 岁以下的初中生和小学生，且这些用户大多数是通过 SEM 和信息流购买来的用户，市场部门在投放侧需要更精准的定位年龄信息。

Q：他们来小红书想要看到什么内容？能看到他们喜欢看的内容吗？

A：

很大部分的年轻人想来小红书看动漫，头像，明星或学习相关的内容。
从搜索表现来看，我们的明星内容并不能很好满足他们的需求，需要调研团队针对这个问题做用户调研，搞清楚他们想看的关于明星的内容是什么？
市场部门投放（特别 SEM ）还是可以多尝试减肥、祛痘、护肤、粉底液这种题材。我想到很久之前我们的投放素材上有一行字是「测测适合你自己的发型」，然后用户就下载来测试发型了，这之后就一群用户反馈找不到测发型的功能，这完全是增加了其他部门的负担。所以说你的广告投放和战略要一脉相承。

Q：他们的 Feed 流推的是他们想看的内容吗？

A：

在音乐、情感、电影、餐厅、游戏、动漫、萌宠、搞笑这些年轻人更偏好的类目上，内容曝光过少，他们并没有很好的被满足，未来运营团队需要重点补充这些类目的内容。当然，内容不足的品类也可以暂时拿走，避免新用户注册选择后期望过高。
在分发侧， global popular （全面大众）的内容对不同的年龄段需要有所区分，算法团队需要调整当前的分发策略。

这是一个很简单的案例，我们每周都会做几次这种从各种维度的数据分析。

今天因为时间有限，分享的也不是很完整。其实我们还可以从用户的角度去分析，比如说用户用的是 iOS 还是安卓？如果是安卓，那是 OPPO 、 VIVO 、华为、小米？如果是这些，可以看是高端机还是低端机？我们可以切换不同角度来做数据分析。而这些数据分析，就可以用来指导企业的下一步的行为，具体到是调整还是落地。

下面我简单介绍下在小红书，我们常用的数据分析维度。

性别（男，女）
新老用户（新注册， 7 天内注册， 28 天内注册，一个月后还会来的存量用户 existing ）
年龄段（<= 15 ， 16 ~ 18 ， 18 ~ 23 ， 23 ~ 28 ， 28 +）
平台（ iOS ， Android ）
机型（ iPhone ， OPPO ， VIVO ，华为，小米，其他，各 Android 设备再 break down 到中高低端）
地域（一二线城市，三到五线城市，其他）
获客来源（ Organic ， SEO ， SEM ，信息流，小程序， Branding ，应用市场等等，SEM，信息流等渠道还可以 break down 到具体是什么投放词拉进来的用户）

我们在小红书里面会用到两个工具，第一个叫数据平台。