上周末，人人都是产品经理联合腾讯大讲堂在深圳举办了一场「2024 AI产品经理大会」，阿里巴巴高级产品专家@冯成蹊 老师在现场做了精彩分享。本文为现场分享精华，经人人都是产品经理整理。

很荣幸又被邀请到人人都是产品经理的大会，简单介绍一下，我是亲身经历了从PC互联网到AI产品经理这个过程，和大家大家分享一些我在这个领域里看到的一些产品现象和数据情况。

2010年左右友盟创立，2016年和阿里巴巴的几个产品合并，成为现在的友盟+；主力产品一直没有变，都是做移动互联网开发者的工具，加上智能数据的赋能和智能数据的企业化服务。这么多年主要深耕于移动互联网，帮助大家做好整个数字化应用和数字化转型。今天我从自己的角度，从自己数据上深耕了十多年的经验，和大家分享AI时代来临之后，数据和AI如何做好结合，如何在用户运营上的到一个最好的实践。

我们先来看一些数据：

（左图）这个数据来源于CNNIC（中国互联网数据中心），整个移动互联网从2013、14年到最近四年，国内的增量在逐渐下降，慢慢到一个没有增量的地步。这种情况下，对存量客户的竞争越来越激烈，这也是大家现在比较关注的话题。

先看一下国内整体的情况（右图）。我们做了一个维度的切片：把APP的MAU按照大于1000万、100到1000万、10万到100万区分三个维度，根据我们拿到的数据看，最近三年呈现出一个非常明显的趋势：大量用户被头部的APP（MAU大于1000万）吸走了，形成「马太效应」。

国内不太好做的情况下，出海怎么样？

其实道理是一样。

也就是最近的两三年，除了AI应用的增长还可以，大部分应用，不论是垂直领域还是中小领域，获客都会越来越难。甚至获客之后，大平台出一点点功能，也会把你的用户吸走。

除了这个获客难的问题，如果我们运营存量用户，会不会有问题？

也是一样的，不论是营销还是自己的用户运营，都很难做好消息推送。一个很典型的数据是APP消息推送的到达率和点击率的变化。

我们根据现在比较通用的APP行业的分类，拉取了一些数据。有两个特征：

1. 到达率的变化：半年左右的数据，整个到达率只有不到 1/3的行业是由提升，其他的都在下降。
2. 点击率的变化：即便是到达率上去了，但点击率也是在下降的状态。

国内 Android 的消费通道基本上被厂商管理了，要在厂商通道里发送信息，要遵循厂商消费通道的运营规则；这个规则颗粒度很细——什么行业在什么情况下可以给你的用户发送营销信息。综合这几点，对想要在APP内运营好自己的用户，难度是在直线上升的。

简单总结一下：想要运营好我们的存量用户，方法论其实和营销是相通的。也就是：

我要在 { 什么时间 } 给 { 什么样的人 } 发送 { 什么样的内容 } ，以及发送完后，用 { 什么渠道 } 去下发消息，最后得到 { 怎样的效果 } 。

那么，运营之后的效果如何？

我们从每一个维度碰到一个什么样的问题说起。

企业内部都有建立用户画像，每个画像里面都有自己的精准度。比如消息更新时间、标签更新时长等等，结合个人用户画像，如何通过一个好的运营体系发送给个人，以及发送完之后什么时候触发，什么时候回收效果等。不同的企业、不同的数字化和不同团队的能力不同，效果也不一样。

各个公司、团队都有自己的方法论和经验，但少有在整个角度上把AI结合得很好的，这也是我们今天需要讨论的点。

其实，没必要把整个体系全都做好才有效果。

我们拆开来看，其实就是回到分享主题：如何通过数据和AI打造整个用户运营的智能体系。在不同的维度上，包括不同的人群、内容、时机、渠道，都可以借助AI加上小的突破点进行串联，加上整个数据回流后，就能做好智能用户运营的最佳闭环。

一、智能内容

这是一个电商领域的案例，我们的实验始于产品界面后台的一点小尝试，利用电商行业的数据沉淀，包括不同用户的互动历史和消息的到达点击率。基于这些历史数据，我们开发了一个AI功能，它可以根据用户提供的商品关键词和目标用户群体，快速生成可能引发高点击率的消息。

例如，如果我们选择“100元以下的白酒”作为关键词，并指定了核心用户人群，AI就能帮助我们预测在过往用户群体中，哪些消息能够产生较高的点击和下发量。这种应用场景不仅提高了营销效率，还优化了用户体验，通过精准的消息推送，我们能够更好地满足用户需求，同时提升转化率。

除了基于历史数据的内容生成，我们还探索了将消息转变为实时快速识别人群的方式。这种方法结合了内容生成，允许我们根据消息内容实时判断并推送适合特定人群的消息。例如，我们开发了一种关怀型消息模板，该模板能够将天气数据融合到消息中，通过替换词快速实现基于实时天气数据的个性化推送。

我们通过增加如“forecast”这样的标签，自动整合当天最新的气象数据，以及提供降温、升温等异常天气提醒。这种方法不仅提升了消息的相关性，还增强了用户的参与度和满意度。通过利用历史和实时环境数据，我们帮助企业快速识别本地运营中的消息需求，并实现差异化的消息推送。一个工具型APP通过推送与天气相关的个性化消息，成功地将点击率提升了255%。

在办公领域，我们特别关注了一款主要服务于户外工作人员的办公型APP。这款APP的使用者，如工程师，经常需要外出勘探工地，对实时天气变化的敏感度极高。利用智能时机的概念，我们通过地理围栏技术，结合用户的实际出行数据，实现了对恶劣天气变化的实时预警。

具体来说，当用户进入特定地理区域，系统能够识别出即将到来的快速天气变化，并及时推送预警消息。例如，通过“下雨标签”结合空间数据技术，我们能够在用户即将出行的时间段内，推送关于天气变化的消息，提醒他们注意安全。这种方法不仅提高了消息的相关性和及时性，而且显著提升了消息的点击率，接近50%。

二、智能时机

在不同的数据切片上，我们分了三个维度：微观、中观和宏观。

微观状态，我们通过自己的大数据，观测用户在不同时间段内使用手机的状态，比如是开会，还是休息，基于数据把它包装成用户状态点。

基于这些用户状态点，我们可以更智能地决定何时进行用户接触。例如，如果系统识别出用户正处于打游戏的状态，我们就可以避免在此时进行电话营销或发送推送通知，因为这很可能会干扰用户并导致较低的转化率。相反，如果用户处于休息状态，这时发送的通知或消息可能会获得更高的关注度和响应率。

第二个用户状态点是空间数据。我们给予长时间的数据观察，能预测用户的常住区域，用户是一个正常的上班族，还是一个经常出差的人群，他的空间数据可能会处于一个怎样的状态，基于这个状态，是否可能触发一些营销行为等。

结合一些更宏观的数据，比如历史行为状态——用户出现在某一个城市节点的时候，当前节点的状态有没有变化。比如我们识别出差旅人群，当出现在机场、高铁站附近这些状态点的时候，可以提前半小时、往后半小时左右给他发送一个打车、租车的优惠券，这是一个很好的用户场景。

另一个是浏览器APP的案例。

我们通过结合用户使用习惯和当前使用状态，进行了一系列的AB测试。该APP通过分析用户的多元内容偏好和使用习惯，进行了精细化的推送策略。在测试中，我们特别关注了用户的休闲、学习和浏览重要内容的状态，并为处于这些状态的用户打上了相应的标签。

通过对这些状态标签的分析，我们观察了两个关键指标：首启率和点击率。结果显示，引入状态标签后，这两个指标都有了显著提升，超过了100%。

三、智能算法

前面我们已经通过AI生成了一些智能内容，但还不确定用户的标签是否正确，以及消息推送后的效果是否符合预期。

接下来，我们结合一些已有的智能算法。

我们当时是结合了通义的AI算法，把前面涉及到的不同内容、不同人群，测试时下发5-10条，根据数据快速调整，根据实时的点击数据回流，观测点击率是否符合预期；如果不行就快速调整：换一个AI策略或者动态调整人群标签。从阿里内部大促电商的角度来看，这一套算法已经比较成熟，整体效果能做到平均34%的点击率提升。

四、智能通道

Android当前有两个通道：

1. 厂商设备的消息通道
2. 第三方的消息通道

随着厂商也开始提供付费消息通道，以及各种不同的消息体和用户界面位置，智能通道选择变得更加复杂和多样化。

我们的智能通道策略基于数据回流，能够细分出多种策略玩法。我们可以根据用户在不同通道下的使用行为习惯，选择最合适的消息下发方式。同时，我们还能通过数据策略了解用户对消息通知的敏感度，以及他们对消息频次和量级的接受程度，从而避免触发用户的逆反心理。

我们注意到用户对消息通知的敏感度不同，以及他们对消息频次和量级的接受程度各异。为了避免触发用户的逆反心理，我们采取了智能化策略，根据用户的行为习惯和偏好选择最合适的消息下发方式。

我们实施的一个具体策略是关于消息通知开关的。我们发现，用户关闭消息通知开关后，传统的消息推送方式便不再有效。为了解决这一问题，我们首先分析了这部分用户的行为习惯，然后快速向企业提供了用户画像，并给出了具体的操作建议。例如，我们建议在特定情况下触发补发一个短信，或者转为应用内消息。此外，我们还考虑了这个消息通知开关在其他行业是否是打开的，以及用户希望收到什么样的消息。

基于这些分析，我们能够更精准地营销用户，尤其是在消息通知开关关闭的情况下，通过其他方式下发消息，能够显著提升到达率。这种方法不仅提升了消息的发送效率，还避免了对那些关闭了应用内通知的用户造成打扰，从而保持了用户体验的连贯性和满意度。

例如，我们曾在一个新闻行业的APP中实施了这一策略。通过分析发现，在关闭消息通知开关的用户中，有一部分用户在其他行业的消息通知开关是打开的。我们根据这一发现，调整了消息下发策略，只在关闭消息通知开关的用户中，通过其他方式下发消息，结果发现用户参与度有了显著提升。

在实际操作中，我们通过数据分析，能够识别出哪些消息适合通过设备消息通道下发，哪些适合转为应用内消息。这样的智能化策略，结合了用户行为和AI的快速判断，帮助企业更精准地进行消息运营。

五、回到主题

回到演讲的主题，我们强调了用户运营智能的重要性，这涉及到将数据与AI技术相结合，从人群、内容、时机和渠道等多个维度进行全方位的运营。我们的理念是，通过对每个维度的细致打磨和优化，即便是小的改进也能在整个用户运营体系中产生显著的增长效果。

在AI技术日益成熟的今天，AI产品经理的角色也在发生变化。我们建议AI产品经理应该深入理解并学习AI技术，将其应用到自己的工作场景和流程中，以实现直接的小步提升。这种提升可以体现在工作效率、成本降低或工作流的衔接性能上。

我们认为，AI产品经理应该关注以下几个方面：

1. 识别AI工具的潜在价值：在产品的工作流程中找到AI工具可能带来提升的环节。
2. 数据驱动的决策：将工作流程中的数据输入到AI系统中，利用AI快速建立反馈机制。
3. 寻找落地节点：在整个工作流程中找到不同的小的落地点，无论是通过AI原生方式还是通过Agent方式，都能在用户场景下的不同工作流程中实现提效。

拆解好不同的工作流之后，用工作AI的方式帮他去做好提效。这个提效可以是工作效率上的提效，可以是成本降低的提效，也可以是整个工作流衔接之间的绩效。这本身其实就是一个AI产品经理在这个节点里面非常好的一个工作落地的节点。