如何通过系统化将这些策略进行高效执行

用户增长是一个系统性工程，3.2介绍了如何基于数据驱动找到增长策略，
本节将重点介绍如何通过系统化将这些策略进行高效执行。

3.3.1 打造自动化的拉新平台

1) 业务背景

拉新即用户的引入，是用户增长中非常重要的一个环节，它的核心是转化率，即如何低成本的获取精准用户。
长期以来，国际站用增团队的重要命题就是通过与国外各渠道媒体的对接，吸引潜在B类买家，引导并优化买家在整体链路上的体验，提升活跃买家规模，降低获取成本。
日常对接的媒体矩阵如下图所示：

为了优化外投广告的成本，支持业务目标的实现，我们在这些渠道的运营工作中面临以下核心挑战：

• 外投规模大、运营成本高：外投业务已经发展多年，覆盖了海外核心媒体渠道。然而，预算设置、文案设置和人群定向等操作成本非常高，同时也无法做到精细化运营。

• 外投场景多且复杂，需要满足多业务目标：除了增长业务外，外投业务还需要支持广告、供应链等横向业务。根据其他团队的业务目标将外投业务能力进行输出，以帮助横向业务发展。不同的业务有不同的目标，如何通过一套解决方案满足多个业务的诉求是我们的核心挑战之一。

• 引流流量结构及转化表现迥异：由于不同端型、不同区域的流量特性存在天然差异，投放策略在针对不同行业、不同区域时会面临很大的不确定性。这些差异导致一些运营策略并不总是有效，增加了业务目标完成的复杂性。因此，如何应对这种复杂性，探索成功的投放策略也是我们的核心难点之一。

2) 解决方案

我们根据业务需求，利用算法和工程能力，打造了一套智能投放系统，集广告投放、预算调控和目标优化为一体，帮助运营更低成本、更精细化地完成日常投放任务。同时，该系统还能让业务运营团队集中精力解决更为复杂和不确定性的业务问题。整体能力如下图所示：

该系统的核心能力包括以下几个方面：

• 核心媒体覆盖能力：我们已经完成了海外主流媒体的全覆盖，包括Google、Facebook、TikTok、Criteo、Twitter、LinkedIn、联盟等，并且通过API网关层做好了对上层的屏蔽，可以快速实现对新渠道的集成。
• API开放服务化能力：根据业务场景抽取出物料同步、效果报告下载、物料优化等三个核心服务化接口。其他业务场景可以根据自身需要进行定制化的模块组装，快速搭建一套自定义的外投体系。
• 全链路自动化优化：我们将投放过程中的各种要素都建成管理及级联优化的能力，包括关键词、选词、创意、转化信号等。实现所有关键要素的自动优化，无人值守。现所有关键要素自动优化，无人值守。
• 业务效果仿真能力：我们基于历史多维度转化效果，实现对整体外投效果进行预估和规划，在整体预算有限的情况下，可对全局进行统筹优化并对决策提供支持。
• 3.3.2 基于生命周期运营的促活系统

• 1）业务背景

• 除了拉新外，用户增长的后半程是用户促活和留存。这一过程需要通过各种手段帮助用户高效onboarding、快速体验到平台的价值以达到“aha时刻”、以利益点透传召回用户，从而提升用户的留存效率和转化效率。国际站用户增长团队基于生命周期运营（新用户→成熟用户→留存用户→流失用户）构建了一套多渠道联动的高效促活系统，提升运营效率和价值。整体思路如下图所示：

• 该系统面临的主要问题和挑战包括：
• B类买家采购周期长且采购链路复杂，如何在全链路建立一体化的运营机制，以长周期和买家动线的精准触达的方式持续影响用户心智？
• B类买家规模小、行业及身份差异的离散度高，如何针对细分买家精准实施有效策略促活、促转化？

2）解决方案

为了解决上述问题，我们重点从下述两方面构筑全链路一体化促活运营系统：

• 构建全链路运营的协同机制：从站外召回延伸到站内运营，打通多渠道联合，建成全链路运营的技术闭环。
• 寻求用户精细化运营的最优策略：从用户动线出发深刻理解用户，挖掘临门一脚的优质策略，构建全局策略赛马和管控机制，寻求运营价值最大化。

核心包含以下几部分的能力：

• 分群促活的个性化疲劳度&赛马机制：以用户画像人群分群矩阵为基础，结合业务域和策略性质的维度细分，以及策略长周期累积的正、负反馈，构建一套基于效果动态和买家意图调节的细分人群差异化的疲劳度调控和赛马分发机制，动态化调节最优策略的分发。
• 全链路一体化策略编排体系：沉淀图形化支撑买家画像、触点、时机、物料4要素的全局策略编排体系，支持多触达通道的联合编排，形成端外（PUSH/EDM/WhatsApp）召回、端内（PopX/资源位）运营的技术闭环，使运营策略从单点运营迈向网格化，从离线迈向实时化，给予运营团队更大的发挥空间。
• 多样化的物料创意定义能力：沉淀了创意模型的开放式设计能力，支持文本框、选择器和数组等多形态、条件变量的定义，满足多样化的物料诉求；在物料层抽象成钩子库，支持多通道物料一体化，降低创意模型的开发成本，有超过90%的需求通过配置化可快速支撑。

3.4 AB实验

在用户增长领域，AB实验已成为一个基础性思维，能做AB实验的地方一定要做，不能做AB实验的地方也要想办法做。AB实验的主要作用是对增长实验进行科学有效的度量，即通过将实验组和对照组进行比较，可以清晰地看到某个改变带来的影响是多少。在国际站，数据科学团队打造了一个从“实验定义->实验调试->实验运行->实验决策”的完善的AB实验平台，现在所有的用户增长实验均通过该平台进行精准有效的评估。