制定 App Push 推送策略，真正要解决的不是发什么，而是谁在什么时间、因为什么理由、收到第几条消息。人群、内容、时机、频次是四个相互牵制的变量，单独调优其中任何一项，效果都会被另外三项抵消。从游戏、短剧、直播到电商、新零售，ThinkingAI 服务的 1500 多家企业与 8000 多款产品面对同一个问题，触达量越大，越依赖精细控制。
这篇文章给出一套可以直接落地的制定方法，从定目标开始，依次拆解分群、内容、时机与频次，最后用数据把四件事绑成一张能自我修正的策略表。
一、先定目标，再谈推送
很多团队一上手就写文案、挑时间，做了半年也说不清策略有没有变好。Push 策略的第一步是明确它到底承担什么任务。
不同任务对应不同指标。
- 功能通知类，目标是准确、及时送达
- 内容资讯类，目标是阅读与停留
- 活动转化类，目标是点击与下单
- 沉默召回类，目标是重新打开
再选一个北极星指标，比如 7 日回访率或付费转化率。同时必须配一个护栏指标，比如关闭通知率和卸载率。只看点击率不看护栏指标，短期数据会变好，长期触达能力会被掏空。
二、人群，从标签堆砌走向分群策略
1、三类分群维度
- 属性维度，设备、地域、渠道来源
- 行为维度，最近一次打开、浏览深度、加购、付费
- 生命周期维度，新用户、活跃用户、沉默用户、流失用户
维度不是越多越好。同一批人如果既落在活跃分群里，又落在沉默分群里，分群等于没分。落地前先保证标签口径唯一。
2、用生命周期决定资源分配
新用户侧重引导完成关键行为，活跃用户侧重高频使用场景，沉默用户要控制触达强度，避免加速流失。不同批次用户的留存差异，可以用同期群分析验证，而不是靠经验判断。
3、分群要能复现
合格的分群必须写清条件、口径和时间窗口，否则下周没人能重建同一批人。建议固定三类可复用分群，高价值活跃、待转化、待召回，后续所有策略都从这里取人。
三、内容，一条推送只说一件事
1、三段信息结构
用户在通知栏停留的时间很短，一条消息只回答三个问题就够。为什么是现在，和我有什么关系，点开能得到什么。
2、个性化要落到具体信息
用数据字段替换用户可见内容，比如最近浏览的品类、购物车里未完成的订单、快过期的权益。个性化不是开头加个名字，而是内容本身和这个人有关。
3、文案与落地页必须一致
点击后跳转的页面要和通知内容直接对应。标题夸张、落地页无关，会同时损害转化和用户信任。
四、时机，事件触发优先于固定群发
1、事件触发
用户行为发生后短时间内触达，打开表现通常明显优于统一时段群发。常见场景有下单未支付、加购未结算、连续登录中断、权益即将到期。
2、活跃时段
没有明确事件时，按用户历史活跃时段下发。可以按人群甚至按个体统计活跃高峰，而不是全量在同一分钟群发。同一时段的推送越拥挤，平均打开率越容易被压低。
3、沉默召回
休眠用户不要和其他人群共用同一条策略。触达强度要更低，内容要给一个具体理由，比如新增内容、专属权益，或者用户自己留下的未完成事项。
五、频次，给用户和信息都设上限
1、三层频控规则
- 全局频控，限制单个用户单日或单周的总条数
- 分类频控，营销、内容、通知各自设上限
- 分层频控，活跃用户可适当增加，沉默用户尽量减少
2、疲劳信号要提前看
关闭通知率上升、单条点击率连续下滑、卸载量增加，都是触达过载的信号。常见做法是把这些指标放进后效分析，看消息在下发、到达、展示、点击哪一层折损最多。频次问题往往先体现在关闭通知，随后才体现在卸载。
3、合规与免打扰
监管对推送服务和弹窗有明确要求，推送频次要合理，用户应能方便关闭。夜间免打扰、分类型开关，既是合规要求，也是保护触达通道的做法。
六、四要素怎么配合，一张策略表把四件事绑在一起
四要素不是四个独立模块，而是同一个决策的四个参数。
1、先定场景，再定参数
列出核心场景清单，每个场景写清人群、内容、时机、频次。
- 待支付召回，人群是近 24 小时下单未支付，内容是订单与优惠提醒，时机是行为后 1 小时内，频次是单次
- 活跃促活，人群是近 7 日活跃未转化，内容是新增内容或功能，时机是个体活跃高峰，频次是每周 2 到 3 条
- 低频用户召回，人群是连续 14 日未打开，内容是专属权益或未完成事项，时机是历史活跃时段，频次是每两周 1 条
2、处理冲突与优先级
多个场景同时命中时要有覆盖规则，避免同一天给同一个用户发多条相似消息。高优先级消息可以覆盖低优先级，但总量上限不能被突破。
3、让 Agent 承担执行环节
策略表定好以后，圈选、分发、回收数据这些环节高度重复。ThinkingAI 的智能运营 Agent把用户圈选、策略配置和效果回收放进同一条链路，运营只需要在关键节点做判断。
七、验证与迭代，看漏斗不看单次点击
1、把漏斗拆开看
一条推送的效果至少分五层，发送、到达、展示、点击、转化。到达率异常往往是通道或权限问题，展示率低多与文案和时机有关，点击到转化的落差要回到落地页找原因。把漏斗指标和用户行为数据放在同一张看板里，才能定位问题出在哪一层。
2、用 A/B 实验确认结论
同一批人群随机分组，每次只变一个变量。ThinkingAI 的 A/B 实验 Agent 可以在相同数据口径下比较人群、文案、时机的组合，避免把自然波动当成策略生效。
3、按周迭代
每周保留表现最好的组合，下掉持续低于均值的场景。策略的价值不在一次爆发，而在持续把资源挪到更有效的地方。
八、FAQ 常见问题解答
1、新用户第一次推送什么时候发比较合适？
先让用户完成关键行为再推。还没体验到核心价值就收到营销消息，关闭通知的概率最高。新用户期建议只发引导类和通知类消息。
2、推送打开率多少算正常？
没有统一基准，不同品类差异很大。更有意义的做法是看自己应用的历史均值，以及同类场景的环比变化，而不是对标一个外部数字。
3、用户关闭了通知权限，还能触达吗？
系统级通知关闭后，推送无法直接到达。可以改用应用内消息、站内信或短信补位，同时要分析关闭原因，优先修复触达过载和内容不相关问题。
4、频次上限应该由谁定？
由运营和产品共同定，并写进统一规则。运营关心场景效果，产品关心整体体验和合规，两方各自设限容易出现叠加超发，统一规则才能约束住。
5、四要素里哪一个最值得先投入？
先投入人群。分群不准，内容和时机再讲究也是发给错的人。分群稳定之后，再用 A/B 实验逐步优化内容和时机，频次作为底线始终守住。
