关于APP消息推送，七大必考知识点！（二）

Part4：消息推送的内容

这是消息推送机制的重中之重，能否第一时间抓住用户的注意力，吸引用户打开APP，一个好的标题显得至关重要。关于标题文案的设计，有以下几点建议和参考：文案要简洁，直击重点，与用户自身强关联，刺激用户触发。aso刷榜公司

标题设计要遵循「AIDA法则」。

（何谓AIDA法则：attention-引起注意，interest-产生兴趣，desire-唤起欲望，action-点击或购买行为）

标题可以采用「数字+表情」的形式，数字的表现力要远远大于文字本身，表情则能够提升用户的新鲜感和愉悦感，吸引用户打开查看。

内容要与产品属性，业务形态相关，注意别盲目轻易蹭政治敏感，八卦新闻热点。

形成场景化文案范式，比如小红书：「场景+关联用户+数字+判定词=一条小红书push」

场景：国名、交通工具等地域环境或状态，如澳洲、飞机上、约会前···

关联用户：与用户有关的名词、代词等，如女人、你、吃货···

数字：普通数字、排名、百分数等一切与数字有关的词…

判定词：如等于、就该、就够了等词（注意：新广告法规定，极限词不可用）…

定义好 push 落地页

用户打开消息去往哪个页面，这个要定义好。该去首页的去首页，该去详情页的去详情页，该去活动页的就去活动页。

如果你一开始期望用户去的是活动页，结果你定义错了 push 落地页，实际上用户去的是首页。这就比较尴尬了，不仅你的预期目的达不到，而且用户会觉得莫名其妙，也反射出你做事不够细心和专业。app品牌推广

Part5：消息推送的策略

消息推送频率在讲策略之前，首先说下消息推送的频率。那么如何把握推送的频率才不会引起用户反感呢？有下面几点建议和参考：

坚守「克制」

记住一点，喜欢才会放肆，爱才是克制啊。反反复复给推送消息给用户，并不是什么好事啊。

根据用户使用频次决定消息push频率

产品形态决定使用频次，使用频次决定消息push频率。比如工具类APP（如高德地图），一般是在用户出门的时候才会打开，频次普遍会比较低；再比如通讯类APP，比如微信，你想想你一天得打开多少次你就明白啦。

所以，根据用户使用 APP 的频次去反推消息 push 的频率，从中摸索出一定的规律，提高消息推送在时间维度的精准度，不至于频繁打扰用户。

参考：一般保持一周 3-5 条

消息推送策略

在消息推送的运营过程中不断总结规律，分析用户行为数据，建立和完善一套比较规范的推送策略，可以起到事半功倍的效果。具体如何做，有以下几点建议和参考：

标签推送

即给人打标签。基础的用户标签分类主要有设备信息、用户信息、行为信息、优惠信息、其他信息···给每一个用户打上各种不同的标签，再按标签将用户分类，对不同类标签的用户进行差异化消息推送。

账号体系推送（alias推送）

利用平台方掌握的姓名、性别、年龄、受教育程度、地域等人口学属性特征，构建用户数据库。对数据库中的用户进行筛选与分类管理，并做针对性推送。app刷榜刷量刷评论

多维度推送

有以下几个维度，供参考：1.APP版本，分发渠道，地理位置（目前通过ip定位，支持精确到省，直辖市）；

2.消费力、购买力，群组（华中华南，高富帅，白富美，矮矬穷，单身贵族，屌丝一族等）；

3.用户活跃度（x天活跃，x天不活跃），机型（包含热门机型与全部机型），性别（男或女）；

4.多维度组合，取交集或并集推送。

对沉默用户的推送

可以专门设计内容针对沉默用户推送，唤醒沉默用户，提高用户留存，又可以降低对其他用户的打扰。

升级版本的推送

当产品发布新版后，推送消息给到老版本用户，提醒用户更新版本，体验更多新功能。

限制发送速度

一次推送一般量比较大，高达几十万几百万甚至上千万条。为了减少服务器压力，避免高并发，推送时可以限制发送速度，每秒钟发送多少条。

A/B test

实际工作中，我们常常会有多种方案可供选择，但是我们无法确定到底哪个方案更合理。于是，我们可以针对不同人群做A/B test。包括两个维度——人口结构数据与历史行为数据。凡是 A/B test类测试，操作手法都是类似的。控制好其中一个变量即可。此处不赘述。

push人群

push人群包括定向push和全量push。其中定向 push 虽然覆盖面窄一些，但可以大幅度提高push匹配度；而全量 push 则覆盖面大，但精准度低。积分墙平台

可谓是各有千秋，具体怎么做，运营同学需要在日常工作中慢慢摸索，及时调整。

定义多类push优先级

上面提到了消息有多种类型，对应到实际工作中，我们也会有多种消息需要 push 到用户侧。那么怎么去评估这些消息的优先级呢。参考：一般系统功能类>营销活动类（有例外，如电商大促）

文案赛马机制

另一种形式的 A/B test。具体怎么做呢？

运营写出若干条文案（如5条），然后提前抽取部分实验用户出来（比如用户总量的10%），每一条文案发送实验用户中的一部分（10%÷5=2%，即每条文案发送给实验用户量的2%），观察一段时间内每一条文案的点击率，点击率最高的文案胜出，然后这条优胜文案再发送给剩余的用户（90%）。免费APP优化全案