用户召回推送消息到达率低?用这4问推出最优解

简介: 用户召回推送消息到达率低?用这4问推出最优解 张晓亮 2018-04-11 17:08App后台进程促活, 到达率, 推送消息, 最优解, 用户召回在消息推送这件事上,国内无法使用谷歌官方的GCM,各个ROM厂商对消息推送的实现也存在一定差异,甚至同一厂家开发的不同版本ROM在兼容性上都存在差异。

用户召回推送消息到达率低?用这4问推出最优解

在消息推送这件事上,国内无法使用谷歌官方的GCM,各个ROM厂商对消息推送的实现也存在一定差异,甚至同一厂家开发的不同版本ROM在兼容性上都存在差异。在此局面下,为了尽量提高消息的到达率,大至 ROM 厂商,小至各种提供推送服务平台都在各显神通。

 

▌ 什么是到达率?

我们认为比较公正的计算方式是将收到推送消息的设备数量作为分子,将圈定用户所关联的设备数量作为分母。这样的到达率对业务人员的后续分析更有参考价值。

 

用户转化漏斗模型

用户转化漏斗模型

 

▌什么情况下绝对不可能收到推送消息?

以下三种情况用户将无法收到推送消息:APP 已被删除;没有开启接收通知的权限;设备在推送期间一直没联网,这也是 iOS 平台送达率也无法做到 100% 的原因。

 

而导致到达率低的根本原因是具有应用启动管理功能的 ROM 限制运行在其上的应用自启动。推送服务都是以目标 APP 作为载体,当目标APP 不活跃时,自然就收不到任何的消息了。

 

讨论如何提高安卓的推送消息到达率的文章不胜枚举,其结论普遍如下:

1. 对小米使用小米推送;

2. 对华为使用华为推送;

3. 再选择一个三方服务去覆盖其它品牌;

一些云服务推出的混合推送也遵循上述逻辑。如果这样做,在 APP 中需同时包含至少 3 个推送服务的 SDK。

 

选择小米和华为的推送服务是因为对于小米系及华为系的设备,其官方推送服务会使用系统级服务来接收推送消息,以确保通知栏消息的送达效果,便于下次启动时在 APP 内能看到透传消息。根据实测,官方的推送服务在自家设备的推送到达率上明显优于三方服务。

 

▌透传消息和通知栏消息有什么区别?

透传消息是透明传送消息的简称,是指手机系统不对消息进行处理,而直接转发到 APP上;通知栏消息则是调用系统通知栏进行处理的消息。透传消息的好处显而易见,APP 获得消息后可以进行更灵活的处理,比如可以在通知栏上进行提示,可以设定更丰富的样式等等。但透传消息仍有弊端,一旦 APP 不处于活跃状态,或无法自启动,那么就会错过第一时间触达用户的机会。三方推送服务通常会在一定时间内进行多次推送,但如果用户在这段时间内依然没有启动 APP,消息就无法触达了。

 

传统操作上,大家通常采取保活手段来延长 APP 活跃时间,但随着 ROM 厂商的版本更新,这方面的监控越发严苛,保活的效果也越来差,因此很多厂商选择提供互拉服务。

 

▌ 什么是App后台进程促活?

一个设备上可能存在多款 APP 都包含某个 SDK 的情况,随着设备上嵌入某 SDK 的 APP 数量增多,目标 APP 『处于活跃状态』的时间也会更长。也就是说,即使推送消息的目标 APP 没有活跃,只要某个包含着相同 SDK 的 APP 活跃,其中的 SDK 就能想办法将目标 APP 唤醒,来完成接受透传推送的目的,这就是所谓的APP后台进程促活。

 

基于易观方舟的用户触达(app消息推送)

 

易观利用自己的产品矩阵,整合众多合作伙伴资源,以帮助接入易观方舟的APP实现后台进程的保活,从而提升消息推送的到达率。

 

极力营销和防止过度营销始终是产品和平台之间的博弈,但随着安卓生态体系中权限的日益紧收,互拉作为一种非正常手段可能也会像保活一样逐步淡出。借用业内观点,从根本上提升产品粘性,才是解决问题的终极之道。在后产品时代,运营,以及精细化运营才是我们更该关注的话题。

 

今后,易观方舟将以数据赋能运营,如有更多运营相关问题可联系我们为您解惑。

 

欢迎试用易观方舟

目录
相关文章
|
4月前
|
机器学习/深度学习 算法 Python
动态规划法和策略迭代在扫地机器人中确定状态值和动作值函数的策略评估(python实现 附源码 超详细)
动态规划法和策略迭代在扫地机器人中确定状态值和动作值函数的策略评估(python实现 附源码 超详细)
31 0
|
6月前
|
存储 缓存 开发工具
AppsFlyer 研究(五)延迟深度链接&客户端获取归因数据
AppsFlyer 研究(五)延迟深度链接&客户端获取归因数据
293 0
|
机器学习/深度学习 存储 搜索推荐
连续迁移学习跨域推荐排序模型在淘宝推荐系统的应用
本文探讨了如何在工业界的连续学习的框架下实现跨域推荐模型,提出了连续迁移学习这一新的跨域推荐范式,利用连续预训练的源域模型的中间层表征结果作为目标域模型的额外知识,设计了一个轻量级的Adapter模块实现跨域知识的迁移,并在有好货推荐排序上取得了显著业务效果。
597 0
连续迁移学习跨域推荐排序模型在淘宝推荐系统的应用
|
数据挖掘
呼叫中心怎样做话务量预测才能得到更精准的数据
呼叫中心怎样做话务量预测才能得到更精准的数据
|
算法 Dubbo Java
微信红包业务,为什么采用轮询算法?(二)
微信红包业务,为什么采用轮询算法?(二)
|
机器学习/深度学习 算法 搜索推荐
基于动态背包的多场景广告序列投放算法
电商广告是广告主接触其目标用户的重要手段。普遍的广告目标是在预算约束下,在一定时间范围内最大化广告主累计收入。实际应用中,广告的转化通常需要对同一用户进行多次曝光,直到该用户最终购买为止。但是,现有的广告系统主要关注单次广告曝光的直接收益,而忽略了每次曝光对最终转化的贡献,因此通常属于次优解决方案。在本文中,我们将广告序列投放策略优化转化为一个动态背包问题。为求解此背包问题,我们提出了一个具有理论保证的双层优化框架,该框架在不影响求解精度同时,显着减少了原始优化问题的求解空间。在下层框架的优化中,我们引入强化学习并设计了一种有效的动作空间约减方法,提高了强化学习在实际广告应用中的探索效率。
1741 1
基于动态背包的多场景广告序列投放算法
|
算法 测试技术 C++
【网易算法提前批】平分物品
现在有n个物品,每一个物品都有一个价值,现在想将这些物品分给两个人,要求这两个人每一个人分到的物品的价值总和相同(个数可以不同,总价值相同即可),剩下的物品就需要扔掉,现在想知道最少需要扔多少价值的物品才能满足要求分给两个人。
206 0
|
SQL 搜索推荐
logistic回归用户画像用户响应度预测
logistic回归用户画像用户响应度预测
180 0
logistic回归用户画像用户响应度预测
|
机器学习/深度学习 人工智能 搜索推荐
如何平衡CVR预估中的延迟反馈问题?(内含招聘)
本文主要给出我们CVR模型在线学习的一些思考,并介绍我们被AAAI 2021接收的文章《Capturing Delayed Feedback in Conversion Rate Predictionvia Elapsed-Time Sampling》,以及该方法在淘宝搜索场景下的实践。
如何平衡CVR预估中的延迟反馈问题?(内含招聘)
|
存储 数据采集 缓存