优化积分体系,首先需要了解:用户已有的活力值已经积累到什么情况?
既要调动中长尾用户的积极性,也要考虑头部用户兑换的成本。我们先从自有BI系统中导出全部活力值,再通过U-App的事件分析,事件传数值型,选择自定义区间设置,获到用户区间分布。
根据数据梯度可以很直观地看到:目前活力值整体分布很广,有部分用户活力值已经非常高了,而大部分活力值都在1000内,刨除新用户的关系,我们需要将这部分推往更高。
(Ps:为了得到更加真实的活力值(积分)梯度,需要将流失用户剔除之后计算。)
之前做了很多在活力值基础上的任务,我们发现用户积累到这么多活力值时,是分很多渠道来源的。我们针对每一项任务都做了非常详细的了解,比如:每天的视频发布、点赞数、评论数等,用以说明用户真的为了获取积分而点赞评论的。
所以,每天就会跟踪积分是否属于这个来源,最终发现发布、签到、点赞可能积分高一点是用户任务比较客观。还有之前的打赏、分享引导的积分会比较低一点,这部分后来测算出来,形成了用户完成任务获取积分的图表。
根据数据处理结果,我们可以看到:签到(打卡)、发布、点赞等任务居前,更受用户的欢迎。我们在优化的过程中,需要保留这种受欢迎的任务,同时还要鼓励用户跟随我们的引领,要形成一环扣一环的感觉,形成用户习惯。那么,任务相应奖励也会随之调整。