伴随着全球范围内的经济下行，以及对尚未到来的通胀的担忧，全球的营销人员几乎都不得不采取较以往更为保守的市场策略。在这一关键节点，主动出击先发制人变得至关紧要。移动端离用户近、可评估及效果导向的特性，使得更多的营销预算向移动端迁移。
根据 Statista 预测，全球程序化广告花费将保持增势，预计在 2023 达到 5575.6亿美元，并将在 2026 达到 7248.4 亿美元。加之全球大流行期间，用户行为习惯的剧烈改变。用户在移动设备上花费的时间也显著上升，根据 Data.ai 的 《State of Mobile 2023》报告，在全球移动为先的前 10 个市场，移动设备 2022 年的平均使用时长为 5 小时 2 分，较 2020 增加了 9%。
竞争的白热化是毋庸置疑的。在您的移动推广策略中整合移动程序化，将有助于您随时随地触达目标用户，助力您跑赢这场拉锯战！
帮助营销人员筛选目标用户
程序化是媒体购买的利器，其本质在于购买合适的受众。其前提离不开用户分组。
用户分组（用户细分）是个常见的营销策略，营销人员根据特定的标准，将不同的受众予以分组。这将为您的广告活动提供过滤层，筛掉不符合目标的用户。这将不仅有助于您节省市场预算，同时有助于提高广告效果。
分组逻辑根据营销目标而有所不同。要保证结果的成功，首先要明确推广的目标。同时，利用机器学习模型解锁第一方用户数据的特征洞察将帮助您更大范围地网罗目标用户，提高定向的精度。
4 种适用于应用营销的用户分组策略
向寻求放松休闲的人群推广硬核射击游戏，又或者向填字游戏爱好者推广 RPG 游戏，这样反其道而行之的策略可能出其不意，但鲜少歪打正着。吸引高生命周期价值的用户的核心要义在于向合适的受众传递恰当的信息。简单来说 —— 相关性是关键，相关性将确保您的信息可以激起目标受众的共鸣。
在开始用户分组之前，您需要了解您的用户画像，正如明确定义您广告活动的首要目标。
行家建议：当您在营销活动中启用机器学习，务必为冷启动预留足够的耐心及时间，因为模型需要经过一个学习期，才能更好地提取用户的行为模式。并同时尽可能避免频繁地调整目标。这些都将确保您最终取得理想结果。
下面让我们带您了解 4 种适用于应用营销的用户分组策略！
-
地理
地理是最为常见的模型之一。其中涵盖了国家/地区、城市、以及语言。通过系统语言和地理定位等设置，您可以轻松跨越文化障碍，向您的受众传递合适的信息。
-
人口统计数据
人口统计数据代表了您的目标受众的特征。年纪多大？月收入多少？又或者他们当前的社会状况。通过分析您手头的第一方数据，DSP 伙伴可以通过相似特征来拓展您的用户基数。
Tips：您可以通过他们的设备型号来粗略判断他们的收入情况。
-
心理状态
心理状态则是关于用户的态度及渴望。无论您的产品是否融合了社交功能，试图了解用户的意图/动机都非常重要。他们是和朋友相互切磋竞技？还是和亲友们保持联络？尝试了解他们不断返回应用的真实动机，有助于素材研发，并激发下一个广告灵感！
理想情况下，您的广告概念应该要能在激起目标受众心中的波澜，应用内事件在设计巧妙的同时需要为用户提供价值。如果活动满足了用户的情感需求，那么用户极有可能在他们的社交媒体上为您进行自发宣传。
-
行为模式
如果您的游戏设计初衷是为了让人快速游戏，还是解决了用户在某一特定场景的痛点（比如购物 or 外卖）？
基于对产品核心机制的了解，结合现有用户群的习惯。在用户最活跃的时候推广您的广告吧！季节性的素材始终非常火爆，但需要尽可能早地着手准备（至少提前一个月为宜）—— 以便为您的合作伙伴预留足够的时间操作。
Tips：可以通过用户的网络环境 & 设备使用时间来大致判断他们是在家还是在工作。
用户分组将为移动应用营销提供良好的洞察，尤其是当您的应用在全球版图上皆有迹可循时。但在应用时，还请确保您已根据自身产品的特性及用户画像做了充分的个性化调整。
帮助营销人员网罗目标用户
相信您此刻对用户分组的理论已经有了充分的了解，您可能会好奇要选择哪个分组。那么您如何进行选择呢？一如既往，我们也在此为您准备了数个再营销广告的Tips！
您的 DSP 伙伴对您的用户了解得越多越好。因此，尽能多地和您的媒介伙伴分享信息，这将有助于他们精准地分析受众。同时这也帮助他们更好地为您定向最佳用户群。
在 Aarki，我们使用广告主提供的数据搭配我们深耕不同垂类所积攒的经验，就各品类的分组及其最佳实践给出建议。通过利用我们团队的专业知识及经验，广告将被不断优化，向着成功的方向前进。
举个例子？让我们来看一款购物 app。这次我们将根据下列事件，从行为模式进行切入：
- 安装
- 打开
- 加入购物车
- 购买
Aarki 团队将根据事件列表为基础，随后甄别每个分组中用于定向的用户群，以给出分组策略意见。如果广告主分享了流失天数 & 花费等级两个用户分组，则可以创建以下定向组：
- 7 天流失【A】
- 花费者
- 花费 $20 - $49.99【B】
- 花费 $50 - $99.99【C】
- 非花费者
- $0 终身价值 IAP【D】
此外，团队还会了解这些分组的交叉情况，以触达不同类型的用户：
- 花费者
- A + B – 非活跃、中等粘性用户
- A + C – 非活跃、高粘性用户
- 非花费者
- A + D – 非活跃、不活跃用户
组【A】及组【C】交叉的部分，是一些非活跃的中等粘性用户（参见下方左侧文氏图）。如果这时加入第三个分组（加入购物车），这将提高定向更多相关用户（非活跃的高粘性用户）的概率。这部分的用户将更有可能进行更多的花费，同时且将在 app 内消耗更多的时间来清理购物车。因此，更多重的分组将会带来更优秀的广告效果，广告回收将更加可观。
 |
 |
写在最后
用户分组对于应用内营销的效率提升来说至关重要。基于对受众兴趣及行为的了解，您可以生产出最容易打动他们的信息，从而提高用户粘性、留存以及营收。通过与先进的 DSP 平台（如 Aarki），您可以利用机器学习作为杠杆，提升分析及最大化手中分组的效能。这将对您的出海事业产生显著影响。
因此，如果您正在找寻优化应用营销策略的方法，并期望能获得更好的表现，尝试进行用户分组吧！如您就次有任何问题，欢迎点击下方的图片与我们联系。
