在互联网；流量红利日趋减少的情况下，用户增长的重要性越来越突出。同时，如何能够有更少的钱带来更优质的量，是一门大学问。

“互联网下半场”的概念在2016年由美团CEO王兴提出，大概意思是——中国互联网人口红利吃了二十多年，也该吃光了，互联网公司的发展的方式已经由上半场的“速度和流量”，转变为“深度和创新”。

如果以2016年作为互联网的上下半场分界线，那么下半场已经到了第3个年头了，好多人到现都还没摸透上半场规则，我们便赶鸭子上架般的来到下半场了。

上半场可以追溯至1995年，到2016年已经走过了21个年头，若按照足球比赛来讲，上下半场时间相同，可事实真的如此么？

我唯一能够确定的是留给我们的时间真的不多了，艰难程度堪比国足出现。

我们都看过了ofo完成E2-1轮融资8.66亿，也看过了退款人数超过千万；看过了拼多多一夜爆红，也看过了一夜被“盗”千万。

人们都认定互联网就是烧钱的行业，烧钱不一定成功，但不烧钱一定不会成功。

上半场我们就是这么走过来的，不管孰对孰错，接下来我们关心的是——应该做什么，做什么才能活下去，不被时代所淘汰。

于是乎，更多的人恍然大明白，认识到了用户增长的重要性。没错，下半场我们的课题就是用户增长。

个人理解，能用钱办到的事那都不叫事儿，也不叫增长，换谁都能做。但如何用更少的钱（不花钱）带来更优质的量，那才叫用户增长，才叫学问，也是下半场的核心玩法。

今天我们围绕渠道，分享一些用户增长的心得，具体内容如下：

1. 渠道现状
2. 模型概述
3. 模型算法
4. 模型的应用
5. 模型的推广

一、渠道的现状

“下半场”渠道三大难题：

1. 获取用户流量难
2. 投放资金少
3. 用户留存难

现在渠道流量难题可用一句话描述：预算少、求用户、质量差。

更恶劣的是，渠道流量作弊现象十分猖獗，虚拟机、设备重复激活、异常设备等刷量普遍存在。

如何在这种困难模式的大环境下，还能保证渠道投放精细化运营，做到用户增长呢？

我们今天就来聊一下渠道评估模型，通过多维度评估渠道流量质量，把钱花在刀刃上。

在讲模型前，先简单的介绍几种常见的渠道投放的结算方式：

1. CPA：cost per action按用户激活付费
2. CPC：cost per click按点击收费
3. CPD：（1）cost per download 按下载计费（2）cost per day 按天计费
4. CPS：cost per sale按销售额计费
5. CPT：cost per time按时间计费
6. CPM：cost per mille按千人展示计费

通常互金行业用的比较多的方式是CPS，而像汽车之家、易车网等咨询类平台多用CPC、CPD的方式进行结算。

互金行业的拉新相对水分较小（只是相对哈），互金商业模式加上CPS的结算方式，需要用户手机号、身份证等信息，还要进行实际的投资，所以使得渠道新增作弊成本较高。

对渠道后续评分也相对简单，多以转化、首投金额（GMV）、购买产品期限、产品交叉购买、复投率、资金复投率等指标来综合判断渠道拉新用户质量。

咨询类平台多以CPC、CPD结算，相对水分就很大了，因为没有强制用户注册登录，可以用访客身份登录，致使许多用户的关键信息是抓取不到或者抓取不全的。

所以无论是机器刷还是人刷的现象超乎你的想象，加上后期留存、GMV、UGC、有效行为等等问题，需要多维度因素评估渠道质量。

举个简单的例子，某咨询类APP，渠道A的结算方式是CPD，即按下载收费，会出现以下几种情况：

（1） 花了很多钱，用户只是下载，但没打开过APP

（2） 花了很多钱，用户下载打开APP，但留存差到爆炸

（3） 花了很多钱，用户下载打开APP，留存也ok，但没有任何其他有效行为

（4） 花了很多钱，用户下载打开APP，留存有效行为都ok，但是发现是虚拟机、设备异常或者重复激活（卸载APP再重新安装）

（5） 用户下载打开APP，留存有效行为都ok，机器也ok，但花了很多很多钱

上述只是简单的罗列了几种情况，其实实操起来问题更多。

什么是好渠道，什么是坏渠道，不是简简单单的留存高、用户行为好、成本低或者是GMV高就能说这个渠道质量好，怎样综合考虑渠道质量，今天就给大家介绍渠道评估模型。

模型就以困难模式下的咨询类渠道拉新为例讲解，我相信这类渠道评估模型要是玩明白了，其他类型平台应该是得心应手。

二、模型概述

先把成品给大家展示一下，让大家对这个模型有个初步印象，接下来再具体讲解细节。

模型首页展示图

算法页图

算法页放大图

简单的讲就是，模型是通过算法页的不同变量（指标），对渠道进行标准化打分，再根据各项指标不同的权重，汇总一个总得分，各项指标可以向下拆分一级、二级或更多级指标。

在样例模型中：

渠道总得分=数量得分*权重1+行为得分*权重2+商业得分*权重3+成本得分*权重4+质量得分*权重5

大体模型介绍完毕，下面来深入讲解模型算法：

（如果对于算法不感兴趣的朋友，可以跳过第三章，直接看第四部分的模型应用和模型推广）

三、模型算法

纳入评级库标准

（1）所有新增渠道

（2）数据异常无法获取正确信息的渠道不参与评分

打分方法

（1）各项一级指标、二级指标在0到100分范围内打分，无及格分数线

（2）对于可获取数据的定量指标，采用标准化的方式打分；若数据量级相差较大，可以先取对数，再进行标准化（减小量级差异造成的影响）

（3）从公司角度考虑，设置正向和反向指标，如新增人数为正向指标，成本为反向指标，即成本越高得分越低。

以新增得分为例：

其中，Qi为某个渠道的新增人数，Q为库中所有渠道新增人数的最大值，或者Q也可以为预设的上限值。

以成本为例：

其中，Gi为某个渠道的成本，MAX( G )为库中所有渠道人均成本的最大值，或者MAX（G）也可以为预设的上限值。

比如G设定为10，那么高于10元的用户此项得分会被评为0分。

MIN（G）为库中所有渠道人均成本最小值，或者MIN（G）也可以为预设的下限值。

权重确立方法：层次分析法（AHP）

介绍一下层次分析法（AHP），AHP能把复杂系统的决策思维进行层次化，将决策过程中定性和定量的因素相结合。

通过判断矩阵的建立、排序计算和一致性检验得到的最后结果具有说服力，避免由于人的主观性导致权重预测与实际情况相矛盾的现象发生，在多目标规划领域具有广泛的应用价值。

首先我们确立5项一级指标：数量得分，行为得分，商业得分，成本得分，质量得分，计算主要步骤如下：

构造判断矩阵：

（PS：层次分析法的软件也可以从网上下载免费版本）

所以有下图一级指标权重：

权重分配图

二&三级指标筛选（聚类）

1. 盲选：将根据经验得到的、现有的备选聚类变量全部纳入模型，暂时不考虑某些变量是否合适。

2. 贡献量分析：通过方差分析，观察分类是否存在显著差异，踢出对模型聚类没有贡献的变量。

3. 相似矩阵分析：输出相似性矩阵，对相关系数进行分析，若两变量相关系数接近1，说明两个变量可以互相替代，踢出一个变量以达到降维目的。

4. 通过上述3步对变量进行筛选，既能踢出贡献度较低变量，又将相关性将强的变量进行整合，最终输出相互间属性独立的变量。

各项二、三级指标的权重也参照一级指标一样，层次分析法进行权重分配，最终得到指标骨架图，如下图所示。

模型指标骨架

模型指标骨架图

骨架填充与BI展示

将数据填充到骨架中，再按照自己想看的维度去做相应的BI展示，本文按周和月监控渠道，也可以按照日为最细颗粒度进行监控。接下来的第四章讲解一些BI展示与应用。

四、模型的应用

使用模型后，就可以全面评估渠道的优劣，就好比料理要色、香、味俱全，渠道也要数量、行为、商业、成本和质量综合评价。

模型制作完毕，接下来就到了应用环节，俗话说得好，一切不能将策略落地的数据分析都是耍流氓。

下面抛砖引玉的介绍一些基础BI展示及应用，其实可深挖的东西很多，待各位读者继续深究。

最细颗粒度渠道总得分 展示图（一）

各渠道近几周（月）的走势图、本周得分、上周得分和环比值，同时在上方有按月和周切换按钮，可以分不同时间维度观测渠道。

简单明了地将渠道最细颗粒度展示出来，劣质渠道关闭或者缩量，将预算转移到好渠道上，使得优势最大化。

付费渠道大盘 展示图（二）

付费渠道总体走势图，按周和月监控所有付费渠道的情况，可以看出大盘的情况。

比如双十一获客非常难，成本偏高、用户停留时间变短、GMV降低等，都可以从总结得出结论，针对618、双十一、双十二等节日做战略性投放。

渠道总得分拆解图 展示图（三）

除了渠道总分，还可向下拆分看一级二级和三级指标情况，以便更好的了解渠道的属性特点，针对不同渠道特性做精细化运营。

要新增量时候投什么渠道，因为有些渠道虽然优秀，但新增数量会遇到瓶颈，渠道的同事经常跟我说钱花不出去，就是这么个道理；

要商业转化的时候投什么渠道，有的量够留存也好，但在商业转化这方面表现一般。

这都是渠道的属性，摸透了渠道会事半功倍，还能捎带手的把KPI完成，岂止一个“稳”字了得。

付费&自然用户对比图 展示图（四）

付费和自然用户对比画像，可以看得出自然用户的行为A、行为B、留存和传播系数K因子要高于付费用户，而付费用户的行为C、行为D和商业转化高于自然用户。

利用用户增长思维，可以继续挖掘，行为A、行为B是否会影响用户的留存和传播系数；行为C、行为D是否会影响用户的商业转化。

就举个Twitter成功案例，Twitter发现新用户在30天内关注了30个好友，这些用户的留存率会非常高，新增的30天和关注30个好友就成为魔法数字，就是你的行为ABCD或者是还未发现的行为EFG，找到它便打开了用户增长的大门。

五、模型的推广

该模型不只局限于渠道评估，还可以做活动评估、用户质量评估、用户积分评级系统等等。把相应的指标替换，赋予相应权重，便可套用此模型。

用户评分 示例

至此，整个模型流程已经介绍完毕，后续还有许多种分析方法以及策略，在这里只是抛砖引玉，就不多赘述了。

最后我们就把今天分析的过程捋一捋：

流程鱼骨图

1. 模型确立
2. 纳入数据库标准确立
3. 打分标准确立
4. 权重计算
5. 变量指标筛选与调试
6. 结果展示
7. 分析并制定策略

今天给大家介绍的标准化评级模型就到这里，评级模型常用的有本文介绍的标准化模型，除此之外回归模型也有着广泛的应用，今后也会和大家详细的分享另一类模型在实际业务中的使用方法。

写在后面：希望这篇文章可以帮助广大的运营人士，也能够让用户了解平台运营方式，同时欢迎同行与爱好者一起交流学习，提出您宝贵的意见。

作者：姜頔。硕士毕业于日本早稻田大学，前人人贷高级数据分析师，现易车网数据分析专家。主要负责数据运营和用户增长。

本文由 @姜頔 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议