前言
在目前的移動網際網路生態中，推送是App運營人員&App開發者觸達使用者的主要方式。
在「精益化運營」的理念實踐中，我們已經見到了很多通過推送達到使用者活躍度提高的經典案例。
那麼對於出於上升期的中小團隊，如何快速的搭建起整個推送運營體系呢？
細分使用者群體
搭建精益化的推送策略體系，需要從「細分使用者群體」開始。將你的使用者群體進行劃分之後，為不同的人群置頂專屬的策略，將更加有偏好和側重，達到最理想的促活效果。
使用者群體的劃分，主要依據有如下幾種：
- 按照業務目標來劃分
- 按照活躍度劃分
- 按照使用者新增時期劃分
- 按照使用者等級劃分
- ….
舉個簡單的例子：
1、按照使用者新增時期劃分，可以將使用者劃分為「新增當天」「新增1-7天」「老使用者」。
新增當日是給到使用者的最重要的第一印象，每個細節都足以影響產品的「格調」，直接影響使用者的次日留存。
而新增的1-7天，則是使用者留存的關鍵時期。如果使用者在這個時期能夠有儘可能多的連續登陸，有深度使用核心功能，有更長的使用時長，使用者就會留下來。
逐漸在之後的時期轉化為老使用者。
備註：這里的老使用者定義是靈活的，根據業務而定的，並不是說大於7天就是老使用者
2、按照使用者等級劃分，拿最近在大火的全民手遊「王者榮耀」舉個例子。可以將玩家分為「白銀段位」「黃金段位」「鉑金段位」…「最強王者」。
在完成使用者群體的劃分之後，我們就可以著手製定精細化的推送策略了。
制定推送策略
我們繼續用「王者榮耀」舉個例子。
白銀段位的選手大多不熟悉遊戲的機制，可以推送相應的入門文章，讓使用者了解更多樣新奇的玩法，並且在傳送獎勵的時候以「銘文」「雙倍經驗卡」「雙倍金幣卡」等初級玩家需要的裝備為主。
當這樣的Push到達使用者側時，能夠非常有效的提高遊戲頻率和遊戲時間。
而對於最強王者的玩家，則可以更多的推送職業電競相關的文章，這部分玩家對於更高水平的競技更加關注。普通的遊戲裝備已經不再能夠對這些使用者產生吸引。如果需要對玩家獎勵促活，則更多的給予「限量皮膚」「限量英雄」會更能激發高階玩家的收集慾望。
在這裡，我們想要說的是：一旦完成了使用者群體的劃分，自然而然我們就能根據運營經驗，得到「使用者畫像」。我們也就自然而然的知道了使用者的「需求」究竟是什麼，使用者口味是如何的。
Tips：
- 在制定策略時思考這些問題有助於理清思路：
- 特定使用者群體有什麼特點？
- 他們關注什麼？喜歡什麼？
- 作為運營者，我想讓使用者實現什麼目標？
- 特定的使用者群體偏好使用什麼功能？
通過這些思考，就能得到最初版本的推送策略。
進行推送
在制定完推送策略之後，我們就可以對使用者進行推送啦！在這裡我們用到了「騰訊移動推送（信鴿）」進行舉例。騰訊信鴿可以實現秒級延時的精準全量推送，並且產品經理和運營只需要通過業務化的推送後臺，就可以輕鬆完成配置了！
像這樣即可完成一條推送的設定，輕鬆觸達目標使用者。
此外，騰訊移動推送（信鴿）還提供的一鍵接入的功能，開發者可以0成本的搭建起觸達使用者的通道，也免去了推送任務搭建初期，頻繁溝通技術問題的時間&人力成本。
效果分析
在推送完成之後，我們需要做的就是通過資料分析的方法，來優化推送的策略。對於一條推送來說，主要有以下的鏈路：
預計傳送→實際傳送→到達裝置→推送被展示→使用者點選→轉化目標
這樣一來，其實我們得到了一個關於推送的「漏斗」，我們需要將每一個「箭頭」的轉化率做到儘可能的高。作為運營/產品，我們最需要關注的是後幾部，即：
推送被展示→使用者點選→轉化目標
從展示到點選，考驗的是「推送內容」對「目標使用者」的吸引程度。點選率太低，有可能是內容不好，也有可能是推給了錯的使用者。這一部分的優化需要很深的對使用者的理解，運營小夥伴可以多下下功夫。
而從使用者點選→轉化目標，則考驗的是使用者進入產品之後，如何對使用者進行引導，以達成使用者的推送目標。用上面的「王者榮耀」的例子，如果使用者開啟之後，並沒有購買百里玄策，說明我們在促進轉化方面還需多做努力。
而「預計傳送→實際傳送→到達裝置→推送被展示」運營小夥伴就不比擔心了，「騰訊移動推送（信鴿）」深度的技術積澱，以及信鴿聯盟的使用者保活機制，能夠保障相當高的到達率。
結合目標調整推送策略
在完成資料分析之後，我們對「推送策略」以及「目標使用者」有了更為深刻的認識。這時候需要做的，就是調整推送策略，再次進行效果驗證。在不斷的迭代過程中找到推送運營的最優解。
快速迭代策略的過程中，常用的方法就是進行A/B測試。通過調整策略和使用者的匹配關係，來找到效率更高的推送方式。在A/B測試中常用的思路有：
- 對相同的使用者推送不同的內容
- 對不同的使用者推送相同的內容
第一種測試方式更適用於針對使用者群體做策略優化，而第二種則更適用於瞭解使用者群體的偏好。
兩種方式可以很好的結合在一起。通常情況下，在策略制定的初期，線上同時正在進行的A/B測試能夠達到40個之多。
在不斷測試過程中留下來的，就是比較適合業務的推送策略。