抖音本地生活沉睡人群分层召回方案

解决什么问题

抖音本地生活业务中，沉睡用户召回常陷入三个困境：

• 数据断层：视频播放、团购点击与到店核销数据分散，难以定位流失节点
• 策略失效：采用“一刀切”发券方式，未区分不同沉睡原因（如价格敏感、体验不佳、需求消失）
• 效果黑洞：核销成本未单独核算，导致ROI计算失真，无法判断召回动作是否真正盈利

核心能力与关键步骤

本技能通过分层召回框架将模糊的运营问题转化为可执行方案：

1. 数据清洗与口径对齐

- 标记视频播放、团购点击、核销记录的缺失项与不可比较口径
- 强制区分购买成本与核销成本，避免用总GMV掩盖真实亏损

1. 沉睡原因分层建模

- 按价值衰减（高价值→流失）、行为间隔（最近30天/90天无行为）、流失诱因（主动取消/被动过期）构建三维分层
- 匹配差异化的触达内容（如价格敏感层推限时折扣，体验不满层推服务升级）

1. 合规触达与效果核验

- 自动排除投诉/退订人群，设置触达频率上限
- 通过核销成本复查表量化每个分层的ROI，支持“继续/调整/停止”决策

适用边界与注意点

• 不承诺效果：仅提供方案设计与效果验证框架，不替代实际运营操作
• 数据最小化：仅处理完成任务所需的最小数据集，敏感信息需去标识化
• 敏感操作授权：涉及真实发券、投放付费流量等操作需用户明确确认
• 合规前置检查：自动识别广告法限制词（如“最优惠”）、个人信息保护条例冲突项

技术实现特点

• 输出结构化表格：分层召回方案表、核销成本复查表，可直接导入运营系统
• 支持证据链追溯：每个分层判断需关联原始数据来源（如视频A在2024Q3的完播率数据）
• 拒绝数据编造：当核销记录缺失时，强制输出“测量口径”而非虚构结果