用户增长
文章平均质量分 78
用科学的模式,带来业务的用增
wendaJ
AI产研大佬
展开
-
用户增长全局最优化和评估
说完用户增长整体框架,个体的因果推断预测,接下来是根据个体的预估,求解全局最优解,得到最优决策。1. 干预场景干预变量(比如淘宝的业务场景):push - 整体约束:下行条数、点击率约束;个体周期频控 优惠券 - 约束:核销成本;发放限制 红点/气泡 - 约束:区域展示次数;个体周期频控2. 全局最优决策 [wiki] [kkt]3. 求解-分组背包问题这个线性松弛后的问题我们称为 LMCKP。LMCKP 的求解是很容易的,常见的算法有贪婪算法(复杂度O(Nlog(.原创 2022-04-04 20:29:40 · 541 阅读 · 0 评论 -
用户增长算法视角概述
增长背景用户增长是产品/业务初期核心关注指标,一方面需要打磨好自己的产品,提升产品能力:提升用户留存 提升用户的口碑传播另一方面,还需要利用 用户增长的体系思路,利用专业的手段,提升拉新速度,降低流失,加速用户增长的节,主要的指标有三个:拉新 促活 防流失不同时期的业务关注的指标有所侧重点,比如前期关注拉新,稳定期关注促活和防流失等。需要完成这些指标,常用的抓手:端外 - 优质内容触达,如:文案,权益等;渠道:如短信,互联网广告等 端内:push/入口引导/banner...原创 2022-04-02 18:09:54 · 1285 阅读 · 0 评论 -
用户增长因果推断概念
概念和区别相关性(correlation):两变量在表现上呈现一定的关系,如:夏天用电量很高,夏天冰激凌卖的很好,用电量 和 冰激凌的销量呈现相关性,但没有因果关系 因果性(causality):两变量存在原因和结果的关系,如:夏天温度上升导致冰激凌卖的很好,这是因果性因果性模型因果关系挖掘(causal discovery):研究变量间是否存在因果性,以及谁是因谁是果 因果推断(causal inference):定量地研究原因与结果的变化关系目标对于因果推断,我们的目标是根据观察数据原创 2022-04-02 23:11:31 · 1449 阅读 · 0 评论 -
用户增长因果推断方法
论文:https://arxiv.org/pdf/2002.02770.pdf因果推断的方法包括7个:重新加权方法(Re-weighting methods); 分层方法(Stratification methods); 匹配方式( Matching methods); 基于树的方法(Tree-based methods); 基于表示的方法(Representation based methods); 多任务方法(Multi-task methods); Meta-learning原创 2022-04-03 20:48:09 · 1462 阅读 · 0 评论