国内最大社区电商平台小红书，小红书运营在小红书的实践

中国最大的社区电商平台小红书上线不到5年，已成长为全球最大的社区电商平台。最新数据显示，截至2018年6月6日，全球有1亿年轻用户在小红书APP上分享吃、穿、玩、买的生活方式。

11月17日的首席增长官年会上，小红书增长技术负责人詹学良分享了《小红书精细化运营实践》的演讲。上周发表的文章得到了业界的良好反响，并在补充和调整官方细节后重新更新，增加了一些细节和数据。

大家下午好，很荣幸今天有机会和大家分享小红书的成长实践。

我的演讲PPT迟交了，可能是昨天早上5点。因为我花了很长时间思考要分享什么。

本次会议的主题是成长。我想如果谈理论知识，我肯定不如张希盟先生和范冰先生；如果说产品知识，我不是专业的产品制造者，我没有优势；如果说产品知识数据，我对王野和王的理解并不透彻。

所以想了很久，最后还是决定从小红书内部讲一个例子。我想你们都没有意识到这一点，所以我只能告诉你们。

今天给大家分享一下“小红书精细化操作实践”。其中最重要的两个词是实践。还有精炼的操作和一些理论，我想你一定听说过。就像前面张希盟老师提到的AARRR，估计今天80%的参与者都知道这个模型。毕竟这是一个收费很高的会议，会过滤掉一些外人。

前任老师的理论知识在现场得到了很好的认可。我想今天的会议结束了。不仅是韩冰的销售总监，范先生的书也会有更多的买家（笑）。

关于小红书的成长

在开始分享之前，先介绍一下小红书，这是一个泛品类的生活方式分享平台。

截至今年 6 月 6 日，我们拥有超过 1 亿用户。昨天我又拉数据了，现在是1.8亿。这种增长相对较快。回顾我2014年底2015年初刚加入小红书的时候，小红书只有20人左右，而现在1644天用户已经过亿。

好的，让我们继续讨论分享的话题。这是我们公司两周前对年轻用户留存率差的数据分析。

为什么年轻用户留存率低？

刚才，很多客人提到获客成本在不断增加。在 AARRR 模型中，当 A 越来越贵时，我们如何保证最终的利润 R？如何在利润 R 和越来越贵的 A 之间找到平衡点？

比如过去1000元可以吸引100个用户，留存率是10%。结果，有10人留下来；现在，1000元只能吸引50人。如果你想留10个人，怎么办？管理？我们只能将保留率提高到 20%，因此最终剩下 10 人。在流量越来越贵的今天，我们必须更加关注留存问题。

我们的分析团队在研究不同用户群体的留存率时发现，来自信息流等渠道的用户留存率非常低。没了，留存率差。

我们当时做了一个假设：我们认为年轻用户可能还在初中或高中，很多学校不允许带手机上课，只能在周末玩手机，所以年轻用户的留存率可能很差。这个假设听起来合理且合乎逻辑，但这是真的吗？让我们看看数据是如何显示的。

我们提出了三个维度的分析：

不同年轻用户在一、的表现是否存在差异。

在此之前，我们内部对年龄组的划分是18岁以下，但是我们觉得这个划分有点笼统，因为18岁以下包括小学生、初中生和高中生学生。阶段，我们认为差异比较大，所以年龄维度本身需要更加细分。

没有。二、他们来小红书想看什么？他们能看到他们喜欢的东西吗？

每个用户都期待新产品和新平台。当他们下载APP激活注册时，他们总是希望在这个平台上找到对自己有价值的东西。如果没有找到，那么用户流失的概率非常高。

三、 他们的 feed 流是他们想要看到的吗？

小红书产品的首页是由我们的推荐系统生成的两列笔记提要流。新用户注册时，会选择一些自己的兴趣点，然后我们根据用户选择的兴趣点向用户推荐相关的话题。笔记。推荐是否准确直接影响用户体验。举个最简单的例子，我在选择兴趣的时候选择了健身。结果，您向我推荐了一次旅行，这与我的预期相差甚远。用户会觉得这个平台没有我想看的信息，自然会离开。

我认为这三个问题之一一定是导致保留率低下。接下来，我们来看看这三个维度的具体分析。

不同年轻用户的表现是否存在差异？

第一个维度是不同年轻用户的表现是否不同。我们拉了一张表“不同年龄段的用户留存分布”，我们将18岁以下的用户按照学龄重新划分为三类：12岁小学生及以下，初中生13- 15、16-18 岁的高中生，我们研究了这三种用户的次日留存率和周末留存率。

我们惊讶地发现了两种现象：

所以我们得出了两个结论：

我们调出了第二张表，“不同年龄段的新渠道分布”。这种分析的原因很简单。很多年轻用户被我们重金收买。如果我们不能保留它们，那只是浪费金钱。投放部门可以针对年轻用户多的渠道做一些优化，比如增加年龄定位。

从数据中我们发现，百度SEM和广电通的信息流对于年轻用户来说是一个特别大的渠道，占比甚至超过60%。因此，在百度 SEM 和信息流的投放中，应该进行更多的设置。严格的年龄定位。暂时不要给中小学生推送广告，因为他们来了就住不下来了。

他们来小红书想看什么？

第二个问题是这些年轻用户是在看到广告后才来的。他们想看什么？

有两种方法可以解决这个问题：

这个表格一出来，我们基本上就可以知道各个阶段的人关心什么了。我们发现15岁以下的用户主要搜索简笔画、动漫、头像小红书运营，还有很多名人； 16岁开始注意穿衣、护肤、减肥；在 19 岁时，他们开始化妆。

这个数据其实是符合用户使用场景的。中小学生在学校是不允许化妆的，而且大部分都是穿校服的，所以会去搜索动漫、壁纸之类的东西。

我们甚至发现很多年轻用户来小红书下载壁纸和美图作为头像。有这样的需求，作为我这样的中年人，如果不看数据，我可能永远都不会知道。

从初中长大，16岁上了高中，渐渐开始注意打扮，也会化点淡妆。再大一点，结婚的时候就会关心婚姻、菜谱、装饰等等。

好的，我们现在知道我们的年轻用户来小红书想看什么了，那么他们在这里看到了他们想看的内容吗？使用哪些指标来衡量这些信息？做过搜索的同学都知道，搜索点击率是最直接的方法。用户是否点击搜索结果，当然最大程度上代表了对搜索内容的满意度。

因此，我们又提取了两个表格：“没有点击率超过 40% 的搜索频率”和“没有低于 20% 的点击的搜索频率”。

从这两个表中我们发现：

我们对这个结果感到非常惊讶。年轻用户来到小红书，希望看到什么样的明星内容？你想看八卦谣言吗？还是在寻找粉丝俱乐部？这些确实是我们没有的内容。小红书给用户提供的是一些更真实的明星自己工作之外的信息，比如工作之余用什么化妆品，喜欢吃什么零食等等，但似乎这些东西不一定是小孩子想要的今天去看看。

他们的源流是他们想要看到的吗？

好，我们来看第三个问题。

前面两个问题让我们了解了年轻用户对什么感兴趣，他们搜索什么，以及小红书对哪些内容不满意。第三个问题是，当他们被动地接收到 feed 流上的信息时，他们想看这个内容吗？

我又拉了三张桌子。

首先是“用户兴趣特征”的分布表。玩过小红书的同学都知道，新注册用户第一次进入APP时，系统会要求你选择一些有趣的标签作为你的启动数据。一开始，我们推送给你的内容就是基于你选择的这些兴趣标签。

那我们想看看，13-15岁的孩子在选择什么？ 30岁的用户会选择什么？从这张表中可以看出，不同年龄段的用户在标签选择上存在几个差异：

我们知道年轻用户选择什么标签，那么我们如何衡量向年轻用户推荐这些内容是否是他们关心的事情？我们通过两个维度来衡量它：内容饱满度和分布契合度。

内容丰富度是指用户在选择感兴趣的标签时，是否能在该类别中看到足够多的笔记。我们发现，最流行的“时尚装”的笔记曝光率最高，这是合理的。但在音乐、游戏等品类中，选择的人也很多，但曝光量却很少，这说明在音乐品类中，用户看到的内容还不够。

第三张表称为分布匹配度。我在我们的平台上选择了一些内容较多的类别，并以热图的形式展示出来。接下来，我将从曝光分布和偏好分布两个维度进行分析。 .

所谓曝光发布，比如在服装品类中，平台分发曝光内容，13-15岁、19-23岁、34岁及以上用户的曝光量类似。

偏好分布是指用户对平台分发和暴露的内容的偏好。衡量用户点赞的标准是用户有没有点赞、评论和收藏。

这个数字很明显。它也是一个服装类别。分布曝光没有太大差异，但用户偏好差异很大。如果热图中每个块的颜色对比很明显，那么就是分布机制有问题。

这个数据给了我们一些启发：

这其实证明了我们在分配流量的时候需要做精细化的操作。

好，我们总结一下，看看前面提出的三个问题。

Q：首先是不同年轻用户的表现是否存在差异？

A：初中生和15岁以下的小学生留存率较低，这些用户大部分是通过SEM和信息流购买的。营销部门需要更准确地定位投放端的年龄信息。

Q：他们来小红书想看什么？他们能看到他们喜欢看的东西吗？

答：

问：他们的动态流是他们想要看到的吗？

答：

这是一个很简单的案例，所以我们有一个案例，每周做几次不同维度的数据分析。

由于今天时间有限，分享的不是很完整。其实我们也可以从用户的角度来分析，比如用户使用的是iOS还是？如果是安卓，是OPPO、VIVO、华为、小米吗？如果有，你能看出是高端机还是低端机？

我们可以从不同的角度切换进行数据分析。而这些数据分析可以用来指导公司下一步的行为，无论是调整还是落地。

简单介绍一下我们在小红书中常用的数据分析维度。

我们在小红书里会用到两个工具，第一个叫做数据平台。数据驱动增长已经讲过很多次了，那么我们如何才能真正驱动增长呢？也就是从数据中看问题，找到方向。

小红书对所有产品经理一视同仁。当你开始工作时，你会得到一本教你如何编写SQL的书，也会给你一个运行数据的平台。

第二个是实验平台，其实就是前面王野和王老师提到的。这是小红书里面的实验平台。做实验是一种意识。

告诉你很久以前的事，关于手机APP引导用户上传头像的头像框。

制作此功能的工程师在微信上发布了他的头像。后来小红书运营，当我们分析上传头像的用户比例不高时，他们开玩笑说工程师的头像太丑了。刚刚做了一个实验。

我们上传了所有参与该功能开发的工程师、PM、数据分析师的头像进行测试，看看谁的头像作为用户指南会增加上传头像的比例。

这个故事也是小事。但其实，小红书里面，就有这样一种文化。在得到数据之前，没有人知道所有问题的对错，所以让我们做一个实验。

好了，我要分享的就这些了，谢谢。

小红书人才热招：投递简历，请将简历以“职位-姓名-联系方式-工作单位”的形式发送至@.com；更多职位信息请点击.zhiye.com。