新用户，从字面理解，就是全新的用户，于产品而言，犹如一片白纸。围绕新用户所做的一切，称之为冷启动。
在实际工作中，我深切感知到新用户冷启动与男女相亲如出一辙，都是使尽浑身解数给对方（用户）留下好印象，今天就跟我们的用户来次相亲，目标就是把他（她）留在身边。
相亲三步曲：
- 认识对方（用户）—知己知彼
- 怎样满足对方（用户）需求—投其所好
- 用什么方式满足对方（用户）需求—用对方法
一、认识对方（用户）—知己知彼
当我们得知要与人相亲，前期需要用尽一切方法打听对方信息，可能一无所获，也可能有所收获，如面貌长相、学历、工作、家庭情况等。
运营新用户也是如此，前期需要动用一切手段去认识了解用户。实践证明，认识他们真不容易呀。
1. 完全不认识，获取不到用户信息
产品之于用户认知为0，系统推荐没有任何信息可参考，此时就需要做好万足准备，小心翼翼的试探，避免触及雷区。或运用通用方法论，投放所有人可能都喜爱的内容。
2. 粗粒度认识，获取用户部分信息
（1）利用技术手段获取
- 利用GPS与IP获取用户定位信息，知晓用户地理位置；
- 获取用户手机安装APP list信息，猜测兴趣倾向。
优势：可信度高，可利用程度高。
劣势：需要人工梳理整合，操作成本高，如对APP list的人群、兴趣映射标准定义。
（2）利用产品卡片，主动收集
1）设置兴趣开屏（年龄+性别+兴趣品类）卡片，收集用户主动选择的信息。
优势：用户主动选择，可利用程度高
劣势：用户主动选择比例低，覆盖用户面低；用户选择可信度有待评估；
（3）利用渠道来源猜测获取
用户来源渠道：根据不同预装机型用户粗粒度画像，对拉新用户人工建模。如小米的用户偏下沉、中老年，oppo用户偏年轻女性，华为用户偏中高端等。
用户增长：根据不同投放素材，人工定义拉新用户模糊画像。如投放“广场舞”素材，拉新用户可能更偏中老年女性；投放“相声”素材，拉新用户可能更偏中老年男性。
优势：对于用户群认知清晰，实操性强。
劣势：一旦用户认知出现偏差，可能出现不可逆后果。
3. 系统获取用户行为信息
当用户进入产品，有了相应行为反馈，系统机器就可快速捕捉利用这些信息，如点击行为、订阅行为、搜素行为、评论行为、转发行为、收藏行为等。
优势：用户行为真实反馈，直接反应用户心理，可利用程度高。
劣势：是把双刃剑，若应用不当，可能适得其反。
二、怎样满足对方（用户）需求—投其所好
当我们了解对方（用户）之后，就该想想怎样投其所好，送什么礼物能让她开心。那么对于新用户来说，就需要根据产品自身定位于调性，提供能让用户获得愉悦感的东西，这种东西可统称为内容。
1. 不同的产品形态，内容的供给展示形态也会不同
（1）信息流资讯类产品
单图、三图图文+大图、单图视频（短视频+小视频）是主流内容形态，也是用户消费的主流内容，可能对于不同的用户，对于两种内容形态偏好有所不同，比如下沉用户对短视频消费需求更高。
代表性产品：今日头条、腾讯新闻、一点资讯等。
（2）社区类产品
短内容是主流内容内容形态，囊括图文与视频，辅以评论补充，满足用户对内容的消费需求。
代表性产品：最右、皮皮虾、小红书等。
2. 不同产品形态下，进行内容整合
（1）利用主题、话题等产品形式，对优质内容进行整合包装，最大化用户一次点击价值。
代表性产品：最右、即刻等
（2）利用不同维度榜单聚合优质内容，提升优质内容曝光与新用户留存。
代表性产品：哔哩哔哩等
三、用什么方式满足对方（用户）需求—用对方法
当我们搜集到符合他（用户）兴趣需求的礼物（内容），那么我们需要通过怎样的方式将其送到对方（用户）面前，这是值得深究的问题。
在日常工作实践中，“内容池”这种方式被广泛应用，它是链接用户与内容的隐形介质，它就像是一座桥，让合适的内容与合适的用户见面。针对不同场景的新用户冷启动，内容池实际策略运用有所不同。
1. 针对完全不认识的新用户
思考点：系统机器没有任何信息可用，那么着重点应该放在内容本身。
什么样的内容大家都爱看？
广义上看，就是通常所说头部内容，普适性内容，如社会热点、娱乐八卦、搞笑幽默、休闲消遣、历史文化、情感正能量等等。
细粒度来看，可能更偏通俗、优质精品，如从标题、封面图、内容调性、丰富性、完整性、可读性等维度进行区分，摒弃标题党、涉性低俗低质内容，拥抱好标题、内容丰富、可读性强的优质内容。
再往深层次思考，内容消费也是满足人性底层需求的过程，只有透过现象看本质，抓住人性底层需求，才能真正满足需求。
我们来看两个例子：
由此我们再进行重复推演，可将人性底层需求大致分为七种：
- 逐利心理
- 两性心理
- 懒惰
- 虚荣心
- 共情需要
- 社交货币
- 安全感
我们可根据人性的底层需求，结合内容本身质量标准，挖掘优质内容，满足用户内容消费需求。（这一块不详写，后续想再单独写写这块，欢迎大家一起交流）
实际应用案例一：百看不厌内容实验
我们曾在冷启动项目中做过一次尝试，单纯从通用精品内容切入，挖掘用户百看不厌的内容。用内容池进行聚合，借助算法机器按照一定的策略规则推荐到用户面前。
我们采用保底池的方式，新用户前10刷生效，一刷出2-3条内容，图文与视频按照2:1的比例推荐（因为feed流图文与视频有固定坑位比），从数据效果看，人均点击等过程指标较好，用户会点击这部分内容，但是次日留存等结果指标较差，究其原因可能有这么几点：
1）实验策略设计：没有剔除其他干扰因素，用纯净的环境进行实验测试
feed流中一刷推荐10条左右内容，实验覆盖只有2-3条，剩下6-7条被广告、其他渠道召回内容占据，造成的后果就是，用户点击实验内容池推荐内容，但其他渠道召回推荐内容低质，引起用户反感，整体用户体验差。
2）内容选材上：孤立看待数据与内容质量，且对内容消费深层需求研究不够
内容挖掘整体思路与上方如出一辙，从人工经验视角出发去挖掘优质内容，从实操过程来看，大家在找内容很容易陷入思维局限怪圈。
大家找内容思路没错，但在实操过程中，单纯依靠编辑经验，过于关注数据，过于关注文章质量，将二者孤立看待，没有更深层次思考什么内容能更好满足底层人性需求。
点击率等数据好的内容，是机器分发的后验数据，但它只是抓住了人性一部分弱点，如两性心理（推荐低俗、色情内容），我们需要跳出机器推荐的局限，更全面的看待人性需求，比如人性共情需求，是体会他人生活中感受，那么满足此类需求的内容就很多，如人物励志、逆袭类内容、正能量类内容等等。在内容爆炸的互联网时代，怎样抓住人性需求，为其提供高品质内容，这是决胜王道。
实际应用案例二：兴趣试探
兴趣试探，顾名思义就是试探性为用户推荐不同品类内容，这是一种比较通用的冷启动内容推荐策略。
兴趣试探实验，我们采用保底池+兴趣试探池的方式进行，内容池可分为四个状态，分别是出生、激活、正常、死亡。
出生：内容池初始状态
激活：当针对不同用户，不同品类内容被推荐出来时，内容池就进入激活状态，不断输出内容。
正常：当用户对试探内容有行为反馈（点击、评论、分享等），内容池开始进入正常状态，进一步扩大试探品类。
死亡：随着试探深入，以及机器推荐及时反馈，用户反馈也越发正向，进入正向循环，内容池也就开始进入死亡状态，逐渐进入机器个性化推荐序列。
这里有一点需要注意，从激活到正常这个阶段，我们实操时采用了激进策略，当用户点击试探品类内容，算法机器及时给出点击反馈，且反馈的内容权重较高，造成用户兴趣逐渐单一化，刷不出其他品类试探内容，也造成实验结果不达预期。
我们当时研究了今日头条的试探机制，总结如下：
试探机制可进行拆分理解：
现有试探品类A、B、C、D等头部品类，1、2、3、4等垂类品类。头部品类与垂类品类内容覆盖颗粒度由粗到细，保证内容丰富性。
用户第一刷：头部品类内容占比50%、垂类品类内容占比50%（具体比例可根据实际效果灵活调整），先出各品类头部内容。
随着刷新深入，会有两种用户行为表现：
1）若用户有行为反馈，则及时作出点击反馈，也需继续试探未推荐品类内容，以及推荐过但用户未点击的品类内容。
- 试探未推荐品类内容，保证每刷占比30%-40%左右（具体比例可根据实际效果灵活调整），且试探推荐的内容颗粒度可逐渐由粗到细，试探用户的兴趣极限。
- 推荐未点击品类内容，若用户连续2-3刷未有行为反馈，则需降低推荐权重，甚至停止推荐。
2）若用户没有行为反馈，也许用户刷2-3刷也就走了（根据对新用户研究，用户平均只会给2-3刷的机会），所以在前2-3刷做好试探品类配比，以及各品类内容挑选极为重要。
2. 针对用户有粗粒度认识
人工对获取到的用户信息进行加工，将其转化成可用的信息，比如将拿到的APP list、用户增长投放素材转化成人群信息，然后再对人群内容偏好进行研究，可通过市场上研究报告，平台已有的用户画像信息等方式进行梳理收集，然后再进行目标内容聚合，进行策略实验，效果回归，通用的实验流程如下：
实际应用案例：利用相声素材投放进行用户拉新，按照上面的通用实验流程可以这样拆解：
信息加工与转化：爱看相声相声小品人群更偏中老年男性
人群内容偏好研究：
1）研究方法—利用平台已有画像+市场上人群研究报告进行梳理总结。
- 画像侧可从大小类、关键词、内容源、实体等维度切入
- 研究报告可从具体的信息点总结
2）研究结果：中老年男性人群内容偏好，在内容品类上更偏军事历史、健康养生、种花养草、农村生活、社会正能量、社户热点、情感婚姻等等。
目标内容聚合：
1）内容池通过各个品类优质内容源、频道等召回内容
2）内容池分为人群内容池A——聚合喜爱相声人群可能爱看的内容；相声强相关内容池B——聚合优质相声视频内容。
建设两个内容池的诉求：
1）相声强相关内容池用来满足用户对相声视频的内容消费需求，通过相声投放素材拉新的用户，是对相声有着强需求。
2）当满足用户对相声的强需求后，再用人群内容池进一步满足对其他内容的需求。
3）两个内容池在实际策略中，A+B组合推荐，协同满足用户内容消费需求。
线上策略实验：为A+B两个内容池设定推荐位置，生效刷数等，比如相声强相关内容池B推荐位置为2、4、6、8，人群内容池A推荐位置为5、7、9、10。针对相声素材拉新用户前10刷生效（具体刷数与位置可根据实际效果灵活调整）
数据效果回归：
1）整体数据表现：重点关注策略实际覆盖用户量、人均点击、人均停留、渗透率、次日、2日、3日等天数留存等。
2）内容池表现数据：重点关注内容池内容实际曝光、点击、停留时长等。
走通整个流程，根据数据效果，再灵活调整内容池内容，以及线上推荐策略调优，提升新用户留存。
最后借用我们领导说过的一句话，结束此文，新用户就是个迷，想要弄懂它，太难了，只有不停摸索总结，在实践中寻求方法论真理。
我们与人相亲也是如此，想要真正弄懂一个人，也很难，得经过长时间相处磨合，不停摸索总结，才能收获真心。
愿所有人，都能找到真爱！愿所有产品的新用户，都能稳稳的留住！