2011年9月13日星期二

移动互联网应用的推广方法


本期极客攻略由OAKMIKEOAK撰写。
在上期极客活动“百万级应用是怎样炼成的”上,多家百万级应用的拥有者和助力军分享了自己眼中百万级应用的炼就过程。
那么对于实际开发者来说,如何才能在众多的应用中脱颖而出?应该采用什么样的策略呢?本期极客观察问您解惑。
一. 移动互联网应用的现状
1.平台
1
目前,主流移动互联网应用平台包括iOS,Android,Palm,Blackberry,webOS,Windows Mobile六大平台。上线时间都是在08或09年,最早的是08年7月上线的Apple 的iOS。
2.市场
2
从市场份额的角度看,由于“历史原因”,Symbian 和Blackberry 拥有数量庞大的智能机,市场份额相对来说有一定优势,但格局正在改变,以Apple 和Android 为代表的新一代智能机正在迅速缩小和两大巨头之间的差距。
3.开发成本
3
各个平台都有自己的开发“标准”,而这必定会影响到开发成本,进而影响到开发者的平台选择,现在的状况是,Android 相对便宜,而Apple 和Microsoft 相对昂贵,当然,各个开发平台的成熟度也是需要考虑的因素之一。
二. 移动互联网应用推广渠道
4
1.应用商店
应用商店作为应用的“栖息地”扮演着最基础的角色,同时也是应用推广的第一步,作为应用信息的第一来源,在应用描述方面要保证真实而有创意,能够吸引挑选者的眼球,另外,把握好应用的更新及分类也是至关重要的。
关键词:更新 真实 吸引力
2.论坛
论 坛有两大类,第一类的大部分成员由“小白”组成,内容则主要以提问及分享为主,所以在这类论坛做推广更多的是要采用间接推广法,明目张胆的推广往往不很理 想;第二类论坛则是专业人员的集散地,例如CocoaChina,在这类论坛做推广反而应该明目张胆,越显眼越好,当然,发码是必不可少的。
关键词:间接 直接 发码
3.PR
通过PR 做推广效率一般不高,可变因素过多而且不易掌控。
关键词:不靠谱
4.促销
促销推广的效果是立竿见影的,逢年过节是促销的“旺季”,同时,免费版的推出也是一种效果显著的推广方法,毕竟,低价和免费永远是最能吸引消费者眼球的方式。
关键词:低价 免费 节日
5.代理(Publisher)
由知名开发公司代理出品其实是最高效的推广手法,但难度很大,涉及到多方利益,除此之外,如果能直接卖出去也是比较理想的解决方法。
关键词:抱大腿 利益
6.广告投放
广告投放大体分为线上和线下两种。线上投放主要通过搜索投放或网站投放,现在很热门的还有应用内投放,但无论是哪种投放,最关键的还是时间和空间,也就是时机的场合的把握,精准的投放可以事半功倍,而相反则很可能南辕北辙。
关键词:时间 空间 精准
7.Social Networking
在推广方案中Social 要素是一定不能缺少的,无论是Twitter 还是Facebook,这类Social 网络都有着超强的传播效率,可以说是推广的利器,成本上也基本为零,如此高效的推广方法值得所有发布商尝试。
关键词:传播 高效 免费
8.传统互联网渠道
相比前几个推广渠道,传统互联网的推广效率明显不高,但也值得去做,重要的是掌握好传统互联网用户的心理及行为习惯。
关键词:低效 心理 行为
三. 移动互联网应用分类及相关推广方法
5
1.移动UGC
移动UGC 作为移动互联网应用的一支“奇兵”永远是人们关注的焦点,从UGC 的特点出发,论坛推广和社交网络推广是相对比较高效的推广方法,“U”是基础,“C”是重点,只注重一方面的推广是片面而低效的。
2.移动搜索
移动搜索应用的推广可以采用广告投放和传统互联网渠道进行,因为搜索应用基本免费,所以推广的关键应该放在搜索方式和搜索结果上,比如相对传统搜索有哪些变化或者在拥有哪些同类移动搜索没有的功能等等。
3.移动浏览
移动浏览推广和移动搜索推广方式大同小异,基本都是广告投放和传统互联网渠道,不同点在于移动浏览应用基本收费,这就要清楚说明应用的特点和同类之间的区别,同时,免费版的推出也是值得一试的。
4.移动支付
移动支付应用基本都是由官方制作,推广方式可以采用广告投放、社交网络和传统互联网渠道。 推广重点还是放在应用特点上,比如支付的便利性和安全性等等,宣传上要彰显出权威及官方等特点。
5.移动广告
移动广告的推广重点在于介绍应用的认可度,提高潜在买家的信任度,比如着重介绍正在合作的知名应用和厂商等等。推广方式可以采用论坛、广告投放、社交网络,因为其本身具有广告特性所以宣传的方法要特别注意。
6.移动即时信息
IM 应用的推广和移动UGC 应用的推广类似,都可以采用论坛和社交网络进行推广,不同点在于IM 的推广更注重群体性,这就需要在用户聚集上大做文章,比如着重介绍支持的通信协议和分享等功能,使用户感觉能够更加方便的进行沟通。
7.SNS
移动SNS 应用基本上是作为桌面SNS 的一种延伸,推广要重点介绍和桌面版的联系,特别是功能上特点,推广方式当然最好是在社交网络。
8.LBS
LBS 应用作为新兴的移动应用适合在各个渠道进行推广,重点在介绍应用的趣味性和便利性上,比如签到之后有哪些服务,利用LBS 还可以做哪些事情等等,一定要充分吸引用户的眼球并把创意发挥到极致。
9.AR
AR应用相对超前,推广也可选择任意渠道,重点在于宣传其真正的价值和用处,由于硬件方面的限制,最好在推广时进行特别说明。
10.手机网游
手游是比较传统的移动应用了,但随着硬件性能的提升,无论从画面还是互动上都有了很大的发展,推广时要着重展现其“炫”,同时也要重点介绍其社交功能。推广渠道可以采用论坛和社交网络等。
四. 移动互联网应用推广策略与技巧
6
  • 策略篇
    1.确保应用程序有一个独一无二且足够引起人兴趣的名称,最好能带上公司名称或品牌名称。
    2.知己知彼百战不殆,了解您的竞争对手,研究要怎么样用户才会选择你的应用程序而不是竞争对手的。
    3.改变应用程序的获益方式。应用程序免费,通过增值业务(例如:植入广告的方式)获得收益。
    4.使用电子邮件对潜在用户进行推销,并确保每封邮件都有签名档。
    5.良好的客户服务和技术支持有利于应用程序的可持续发展。
    6.视频教程引导用户操作。对于操作复杂的应用而言,视频教程显然比文字教程更具吸引力。
  • 技巧篇
    1.应用商店
    1.1 了解应用商店的排名规则。比如App 的使用频率,评论状态,安装之后是否有被删除。
    1.2 了解不同应用商店的区别。比如苹果的封闭和谷歌的开放。
    1.3 掌握应用商店管理技巧。比如:
    a) 软件提交后“in review”时天天更新available date 到美国的第二天,中国的开发者,写当天就行。这样,软件一审查通过,你的release date 就是当天,排在前面,能多很多下载,如果你的available day 保持缺省的submit day, 你发布的当天就排在几十页之后,基本别人看不到。
    b)如果available day 没来得及改,就”ready for sale“了,那么在二十四小时内改到当天还有效。
    c) 经常update,每次update 就是一次release date 更新的机会,可以排靠前,所以有小毛病先发上去,然后慢慢改。另外,update 时available day 不要乱改,否则审查期间你的应用就看不见了,白损失几天,最好的做法是按a 的做法。
    2.商店之外
    2.1 资源置换
    客户端内置微博分享,并在微博端的重点位置做推荐等。分析用户经常出没的场所,与这些场所做一些资源置换。同时,可以考虑和其它应用和门户网站做资源置换。
    2.2 广告投放
    在目前较为成熟的移动广告平台,如Google Admob 上做一些推广。
    2.3 平台推荐与内置
    在国内有2个用户量较大的移动软件平台:91助手和豌豆荚上做一些客户端推荐。针对Android 的应用,可以考虑与某些厂商进行内置应用的合作。
    2.4 话题与活动营销
    进行话题营销,同时,也可以在一些高端的会议与活动上做一些客户端的推广,或与这些会议做资源的交换。
    2.5 社区营销
    在国内的智能手机论坛和高端社区,如威锋、机锋、178、经纬网上做广告的投放。也可以找一些与应用用户定位较为相似的社区做一些广告投放或进行一些活动营销。
    2.6 用户激励机制
    做 一些让用户有归属感和存在感的事情,比如他的评论能被他人看到,他的评论受到赞赏,他的某些行为能引起他人注意等。同时也可加入积分系统、礼品系统,这可 以有效地对用户进行激励并让用户在使用过程中得到一些“甜头”,以此来增加用户的归属感,让用户会更愿意与周围的人分享这个应用。
五. 推广知识网站 (排名不分先后)

个性化推荐系统综述


个月写过一篇产品推荐的文章,详情请见《我所了解的产品推荐》,内容很泛,多为工作心得。本周读了几篇相关的论文,收获颇多,分享点干货。
以下内容摘自《个性化推荐系统的研究进展》,该文发表于2009年1月的《自然科学进展》专题评述,作者是刘建国、周涛、汪秉宏。
我略去了具体的算法和许多公式,重点看原理、思路和比较。
互联网技术的迅速发展使得大量的信息同时呈现在我们面前,传统的搜索算法只能呈现给所有的用户一样的排序结果,无法针对不同用户的兴趣爱好提供相应的服务。信息的爆炸使得信息的利用率反而降低,这种现象被称之为信息超载。个性化推荐,包括个性化搜索,被认为是当前解决这个问题最有效的工具之一。推荐问题从根本上说是代替用户评估它从未看过的产品,这些产品包括书、电影、CD、网页、甚至可以是饭店、音乐、绘画等等。
个性化推荐系统通过建立用户与信息产品之间的二元关系,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐。高效的推荐系统可以挖掘用户潜在的消费倾向,为众多的用户提供个性化服务。 一个完整的推荐系统由3个部分组成:
1、收集用户信息的行为记录模块
2、分析用户喜好的模型分析模块
3、推荐算法模块
推荐算法模块是最核心的部分。根据推荐算法的不同,推荐系统可以分为如下几类:
协同过滤(collaborative filtering)系统
基于内容(content-based)的推荐系统
基于用户-产品二部图网络结构(network-based)的推荐系统
混合(hybrid)推荐系统
其他
1. 协同过滤系统
第一代被提出并得到广泛应用的推荐系统。如amazon的书籍推荐,Jester的笑话推荐,等等。
1)核心思想:利用用户的历史信息计算用户之间的相似性——》利用与目标用户相似性较高的用户对其他产品的评价来预测目标用户对特定产品的喜好程度——》根据喜好程度来对目标用户进行推荐。
在计算用户之间相似度时,大部分都是基于用户对共同喜好产品的打分。最常用的方法是Pearson相关性和夹角余弦。
协同过滤推荐系统的算法可以分为两类,基于记忆(memory-based)&基于模型(model-based)。前者是根据系统中所有被打过分的产品信息进行预测,注重于预测用户的相对偏好而不是评分绝对值;后者是收集打分数据进行学习并推断用户行为模型,再对某个产品进行预测打分。
2)优点:
发现用户潜在的兴趣偏好,推荐新信息
能推荐难以进行内容分析的产品
3)缺点:
由于是基于用户对产品的评分,所以对新用户进行推荐或者是对用户推荐新产品,精度不高
随着用户量的增多,计算量呈线性增加,影响系统的性能
2. 基于内容的推荐系统
是协同过滤技术的延续与发展。
1)核心思想:分别对用户和产品建立配置文件——》比较用户与产品配置文件的相似度——》推荐与其配置文件最相似的产品。
例如,在电影推荐中,基于内容的系统首先分析用户已经看过的打分较高的电影的共性(演员、导演、风格等),再推荐与这些用户感兴趣的电影内容相似度很高的其他电影。基于内容的推荐算法根本在于信息获取和信息过滤。因为在文本信息获取与过滤方面的研究较为成熟,现有很多基于内容的推荐系统都是通过分析产品的文本信息进行推荐。 在信息获取中,最常用的是TF-IDF方法。
2)优点:
能处理新用户、新产品的问题(冷启动)
实际系统中用户对产品的打分信息非常少,基于内容的推荐系统可以不受打分稀疏性问题的约束
能推荐新出现的产品和非流行的产品,发现隐藏信息
通过列出推荐内容的特征,可以解释为什么推荐这些产品,使用户在使用时具有更好的用户体验
3)缺点:
受到信息获取技术的约束,例如自动提取多媒体数据(图形、视频流、声音流等)的内容特征具有技术上的困难
如果两个不同的产品恰好用相同的特征词表示,这两个产品就无法区分
如果一个系统只推荐与用户的配置文件高度相关的产品,那么推荐的只能是与用户之前购买过的产品非常相似的产品,无法保证推荐的多样性
3. 基于网络结构的推荐算法
仅仅把用户和产品的内容特征看成抽象的节点,所有算法利用的信息都藏在用户和产品的选择关系中。
1)核心思想:建立用户—产品二部图关联网络
对于任意目标用户i,假设i选择过所有的产品,每种产品都具有向i推荐其他产品的能力,把所有i没有选择过的产品按照他喜欢的程度进行排序,把排名靠前的推荐给i。
在同样的用户喜好程度下,推荐冷门的产品要比推荐热门的产品意义更大。在同样精确度下,推荐的产品数量越少越好。
提高精确度的方法还有:
去除重复性
通过引入耦合阈值(即只考虑相似性大于或等于给定阈值的用户以及和这些用户连接的产品)
2)优点:开辟了推荐算法研究的新方向
3)缺点:
同样面临着新用户新产品的问题。新用户或新产品刚进入系统时没有任何选择或被选信息,系统无法与其他用户或产品建立关联网络
受到用户选择关系建立时间的影响,如果把用户与产品的所有关联关系都考虑在内,无法区分出长期兴趣和短期兴趣点,过多地考虑长期兴趣点会使系统无法给出满足用户短期兴趣的产品,大大降低推荐准确度
4. 混合推荐
将上述几种推荐方法有机结合,实际的推荐系统中最常见的是基于协同过滤和基于内容的。
1)独立系统相互结合
独立的应用协同过滤,基于内容和基于网络结构的算法进行推荐,然后将两种或多种系统的推荐结果结合,利用预测打分的线性组合进行推荐。或者,只推荐某一时刻在某一评价指标下表现更好的算法的结果。
2)在协同过滤系统中加入基于内容的算法
利用用户的配置文件进行传统的协同过滤计算,用户的
相似度通过基于内容的配置文件计算得出,而非共同打过分的产品的信息。这样可以克服协同过滤系统中的稀疏性问题,另外,不仅仅是当产品被配置文件相似的用户打了分才能被推荐,如果产品与用户的配置文件很相似也会被直接推荐。
5. 其他方法
1)关联规则分析:关注用户行为的关联模式。如买了香烟的人大多会购买打火机,因此可以在香烟和打火机间建立关联关系,通过这种关系推荐其他产品。
2)基于社会网络分析的推荐算法:如利用用户的购买行为建立他对产品的偏好相似性,依此向用户推荐产品并预测产品的销售情况,从而加强用户黏性。
文章来源:wangxuntian.com/?p=1313