1、目標

精準定位目標用戶，提高平臺資源利用效率；

預判用戶構(gòu)成及規(guī)模，分類運營；

推動平臺資源轉(zhuǎn)化數(shù)據(jù)、用戶分包跟蹤數(shù)據(jù)，在idata自動化展示；

2、基本思路

預研究：問卷調(diào)研，初步判斷用戶規(guī)模

715--813刪檔測試：基于調(diào)研分層提取目標用戶，并分包跟蹤測試，用戶規(guī)模二次驗證

限號不刪檔：基于實測數(shù)據(jù)建模，細分用戶，分包跟蹤，用戶規(guī)模三次驗證。

3、詳細思路：

①預研究：

根據(jù)火影IP和動作格斗兩個維度，通過問卷調(diào)查初步判斷目標用戶構(gòu)成和屬性：定義核心、次核心、潛在和外圍用戶標簽，并根據(jù)各類用戶占比，反推目標用戶規(guī)模。

②刪檔測試分包驗證

投放策略：根據(jù)核心、次核心、潛在和外圍用戶的定義，結(jié)合用戶來源，將目標用戶分成X大類X小類，從每個小類中抽取用戶投放；每個小類，各導入5000安卓用戶，投放量根據(jù)轉(zhuǎn)化率調(diào)整，若導滿5000則停止該小類用戶投放

詳細提包規(guī)則如下：

分包跟蹤：

根據(jù)上述分包，對15小類用戶的新進、留存和付費表現(xiàn)進行跟蹤：

驗證是否符合預判：核心>次核心>潛在>外圍；

根據(jù)各類用戶新進、留存表現(xiàn)，調(diào)整上線后活躍、收入規(guī)模的預估；

根據(jù)平臺資源轉(zhuǎn)化數(shù)據(jù)、用戶分包跟蹤數(shù)據(jù)，在idata自動化展示落地；

數(shù)據(jù)建模精準定位：

刪檔測試后，對刪檔測試用戶，按照留存、付費，劃分核心、次核心、潛在、外圍，分別進行特征學習；

根據(jù)學習到的用戶特征，計算每個用戶屬于火影目標用戶的概率，概率從高到低，重新劃分核心、次核心、潛在和外圍；