由于疫情的影响，我们很多人不得不在家办公上课，“钉钉”、“腾讯会议”等APP在应用程序商店里异军突起。前段时间，大家大规模“讨伐”钉钉的话题冲上微博热搜。大量新用户的涌入以及庞大用户量的高参与度给钉钉等APP的运营带来了挑战，这对于钉钉来说可谓是一种“甜蜜的烦恼”。但是，这种“烦恼”却是很多APP可望而不可即的事情。尤其是对那些收入主要来自应用程序内购买的应用来说，用户的低参与率和高自然流失率一直是移动应用程序面临的巨大挑战。

如何提高用户的参与度？

不知道大家有没有过这样的经历：手机里下载了几十款APP，细细浏览最近一周每款APP的屏幕使用时间，却又发现里面一半以上的APP“不配”拥有姓名，甚至有些APP从下载到手机上之后就没被打开过。对于用户而言，花在一个APP上的时间多了，意味着对另一个APP的投入时间就会减少。这样的现象对于作为用户的我们来说也许平平无奇，可却成了诸多企业面临的难题。是否存在更有效的策略能够帮助APP提高用户的参与度成为企业重点关注的话题。

来自德克萨斯大学达拉斯分校的Yingjie Zhang、卡内基梅隆大学的Beibei Li、天普大学的Xueming Luo以及浙江大学的Xiaoyi Wang几位学者提出了一种新的结构化的前瞻性隐马尔可夫模型（FHMM-Forward-looking Hidden Markov Model），并结合实地实验来探讨基于用户参与阶段的个性化的移动定向策略，以有效的解决移动应用程序参与度低的问题。

学者们提出了新的结构化的前瞻性隐马尔可夫模型，并探讨了基于用户参与阶段的个性化移动定向策略。

移动应用的成功往往取决于消费者的反复购买和长期忠诚度。为了长期留住消费者，应用程序必须了解用户的前瞻性行为以预测他们当前和未来的决策，从而去主动调整定向策略，以提高用户参与度、给与更好的体验和更高的满意度。

此外，消费者在参与活动中的自我选择的可能性也对以往基于观察数据的研究提出了挑战。仅仅观察参与程度与购买活动之间的积极关系既不意味着产生因果影响，也不意味着公司应该针对处于高参与阶段的消费者来提高购买率。在Yingjie Zhang等学者的研究中，他们使用“硬”的历史行为数据而不是“软”的调查感知来自动检测隐性的参与状态。同时，几位学者也证明了用户参与度识别和检测对于设计个性化定向策略是有效的。

如何提高用户的参与度？

作者提出三步研究设计来分析基于参与的个性化定向的有效性。

第一步，利用在一款移动阅读APP上随机实地实验收集的数据，分析不同促销设计的平均因果效应。在这款APP上，每当用户读完一个内容单元，应用程序就会自动跳转到下一个内容单元。如果用户选择不阅读给定的内容单元，应用程序将向她显示一本新书。在每本书中，前几个内容单元对所有用户都是免费的。之后，要继续阅读，用户需要按内容付费或订阅应用程序来访问平台上提供的所有内容。除非使用者退出，否则订阅服务在新月份时自动续费。研究随机将用户分为三组：价格折扣促销组、免费内容促销组和一个对照组。在价格折扣组中，用户可以获得折扣券（总价值为0.60元人民币），用于阅读应用程序中的任何章节；在免费内容促销组中，向用户提供5张章节券（总价值0.60元人民币），供用户阅读任何章节；在对照组中，无任何促销信息，向用户发送通知消息（如，广告）。

第二步，建立结构化隐马尔可夫模型，检测不同用户参与阶段下的定向策略的异质性处理效果。研究将single-agent、动态离散选择模型和HMM相结合构建框架。在该框架中，作者将用户在阅读APP上的参与建模为HMM中的隐状态。具有不同阅读体验的用户在不同时间会处于不同的参与阶段。这些阶段会影响它们的阶段效用，而阶段效用是用来形成对未来价值的期望。最后，根据生命周期期望效用做出决策。与购买漏斗概念类似，如果其他因素保持不变，高层次的参与将导致高概率的购买。作者将此框架命名为前瞻性隐马尔可夫模型（FHMM）。

FHMM 框架

第三步，使用结构性的FHMM模型来模拟和识别最佳的个性化定向策略。作者将上述开发出的基于用户参与的动态个性化定向策略与其他策略进行比较，包括大规模促销、基于历史购买的个性化促销和半动态的基于参与的个性化促销。在模拟实验中，用户群是实地实验中的4586个对照组用户。为了衡量策略干预的效果，研究使用了每个时期用户的总支付额（即订阅金额和每个章节的支付额）来比较每个策略情况下的模拟收入。

使用结构性的FHMM模型来模拟和识别最佳的个性化定向策略。

作者通过比较不同参与阶段数量的几种替代模型，发现最佳的解决方案是确定四个用户参与阶段。研究将这四个阶段分别标记为“意识”（aware）、“探索”（exploring）、“活跃”（active）和“上瘾”（addicted）。

研究发现，基于不同参与阶段的定向策略对用户阅读行为的干预是有效的。具体来说，第一，价格促销可能会导致对应用程序最不熟悉的用户（即处于“意识”阶段）有更高的购买可能性。第二，免费内容促销会导致忠实的用户（即处于“上瘾”阶段）具有较高的可能性来阅读更多的章节。

此外，模拟实验的结果表明，基于参与阶段的定向策略最为有效。与非个性化大规模促销相比，基于用户参与阶段的个性化动态定向策略可以为价格促销增加101.84%的收入，为免费内容推广增加72.46%的收入。

研究将用户参与阶段分别标记为“意识”、“探索”、“活跃”和“上瘾”。

在没有任何额外策略干预的情况下，大多数参与阶段的用户很可能会参与度降低并离开应用程序。但是，促销活动可以帮助缓解这种下降趋势。针对用户参与阶段量身定制的针对性促销活动更加有效。

通过这篇研究我们发现，最不熟悉APP的用户更喜欢价格促销，而沉迷于APP的用户则对免费内容促销更感兴趣。这种差异背后是因为：对于有意识的用户而言，此时应用程序比较陌生，金钱显得更为重要。与其他参与阶段的用户相比，处于“意识”参与阶段的用户更在意自己在陌生APP上的实际支出。对于上瘾的用户而言，他们更关心服务内容本身，所以为处于“上瘾”参与阶段的用户提供更好的内容促销可以使得他们对应用程序服务表现出更高的忠诚度。这些发现向营销人表明，应用程序公司应更多地专注于选择正确的促销策略，避免在不同参与阶段为用户使用相同的促销策略。

此外，通过模拟实验我们可以看到，使用FHMM模型的基于用户参与阶段的定向策略可以有效的增加价格促销和免费内容推广的收入。尤其是与目前行业做法采用的其他定向策略相比（比如，基于购买经验的个性化促销策略），基于用户参与阶段的促销策略可以带来更高的收入，为企业解决APP低参与度的问题提供了有效的解决方案。