本文主筆@JaronTam 校對繪圖@Yoki@SUGA |SUGA蘇嘉出海數(shù)字化小組原創(chuàng)文章
2.1.1 ?互聯(lián)網(wǎng)用戶增長衰減2.1.2 規(guī)模性獨(dú)立站（站群）變現(xiàn)2.2.1 用戶價(jià)值指標(biāo)體系2.2.1.1 平均訂單價(jià)值 AOV(Average Order Value)2.2.1.2 產(chǎn)品價(jià)值 Product Value2.2.1.3 用戶價(jià)值 Customer Value2.2.3 客戶生命周期價(jià)值(Customer time Value)2.3 如何實(shí)現(xiàn)用戶價(jià)值模型2.3.1 面試題：把大象裝進(jìn)冰箱，要幾個(gè)步驟？2.3.1.1 關(guān)鍵數(shù)據(jù)指標(biāo)2.3.3DIKW模型用戶價(jià)值創(chuàng)造前言
有件事非常詭異，在和跨境賣家們交流中，發(fā)現(xiàn)大部分朋友都沉迷小學(xué)生算數(shù)題：
一個(gè)水池有一個(gè)進(jìn)水管和一個(gè)排水管。只開進(jìn)水管，2個(gè)小時(shí)可以把水池放滿，之后關(guān)閉進(jìn)水管，只開排水管，需6個(gè)小時(shí)可以把水池排空。問：從空水池開始，同時(shí)打開進(jìn)水管和排水管，多長時(shí)間可以把水池放滿?解：設(shè)水池的體積是“1”，進(jìn)水速度是1/2（1小時(shí)進(jìn)1/2池子的水），排水速度是1/6（1小時(shí)排1/6池子的水）時(shí)間=體積/(進(jìn)水速度-排水速度)=1/(1/2-1/6)=3 (小時(shí))
事實(shí)上，這個(gè)解答并不符合實(shí)際的情況，因?yàn)槲挥谒氐撞康呐潘艿呐潘俣炔⒉皇呛愣ǖ模呛退纳疃扔嘘P(guān)，具體關(guān)系式可以用伯努利定律得出。當(dāng)然本身泳池進(jìn)水題目就非常脫離實(shí)際——畢竟一邊進(jìn)水一邊放水，只有傻瓜才會(huì)做的事然而，更脫離實(shí)際的是，很多賣家都在重復(fù)如此“傻瓜”的行為：用戶走掉了？沒有關(guān)系，繼續(xù)引流唄！（然后發(fā)現(xiàn)，盡管流量增加會(huì)讓營收增加，結(jié)果確實(shí)利潤無法提升甚至開倒車）很多交流會(huì)或者分享上，很多賣家都關(guān)心的問題，基本集中在如何引流，或者說哪里存在流量洼地，流量成本等；所以荒誕而普遍的是，只關(guān)心用戶引入，而漠視自己池子里的用戶流失——過于重視流量，結(jié)果就是“為何我總是增收不增利”——“為何關(guān)不掉那該死的出水口?？”，然后只能陷入不斷加大進(jìn)水口的投入，無限的惡性循環(huán)所以，本番外篇，說的就是，如何關(guān)掉這個(gè)該死的出水口??賣家和用戶的關(guān)系
要理解賣家和用戶的關(guān)系，需要先理解用戶；要理解用戶，需要兩個(gè)學(xué)科：并且，需要的是兩個(gè)學(xué)科的有機(jī)結(jié)合而非單獨(dú)的分開應(yīng)用，才能完成用戶理解
這里簡單敘述蘇嘉SUGA一個(gè)內(nèi)部共識：數(shù)字化獨(dú)立站匹配內(nèi)部流程&用戶需求量化并使用自動(dòng)化方案實(shí)現(xiàn)過程；
用戶價(jià)值數(shù)字化管理
數(shù)字化是一個(gè)偽命題（表面上科學(xué)，實(shí)則忽悠老板）還是實(shí)操可落地的項(xiàng)目&方案，是不可證偽的熱點(diǎn)話題。蘇嘉SUGA的一貫主張：數(shù)字化轉(zhuǎn)型是提升團(tuán)隊(duì)在無Cookies營銷世界中生存能力的必然選擇
而在數(shù)字化轉(zhuǎn)型過程中，聽到或者提及最多的一個(gè)詞：以用戶為中心。為什么呢？因?yàn)椋F(xiàn)代化團(tuán)隊(duì)需要明確“用戶”的概念，同時(shí)必須在數(shù)字化轉(zhuǎn)型中意識到傳遞團(tuán)隊(duì)產(chǎn)品&服務(wù)價(jià)值的重要性。用戶
大部分賣家存在一個(gè)概念誤區(qū)，“我的產(chǎn)品好，就可以好賣”；無論是選品型賣家，還是產(chǎn)品型賣家，都會(huì)存在產(chǎn)品賽道選擇決定獨(dú)立站增長容錯(cuò)空間的觀念：確實(shí)，跨境電商初始階段，ebay/Amazon等電商平臺帶來B2C的現(xiàn)代化電商模式，高效地縮短從外貿(mào)工廠到海外消費(fèi)者的輸出環(huán)節(jié)；此時(shí)賣家的核心驅(qū)動(dòng)是產(chǎn)品沒有錯(cuò)，因?yàn)楦玫漠a(chǎn)品意味更高的市占率。尤其隨著亞馬遜生態(tài)的發(fā)展，Review為產(chǎn)品鏈接主要權(quán)重，讓“產(chǎn)品為王”一度成為每個(gè)Amazon賣家的口頭禪而隨著(獨(dú)立站+Facebook廣告平臺)模式興起，帶來更廣的銷售渠道的同時(shí)，也吸引越來越多競爭者。在這個(gè)階段，鋪貨型賣家的進(jìn)場也加速跨境電商生態(tài)的成熟化，也分化為規(guī)模型賣家和產(chǎn)品型賣家：
- 一方面，隨著跨境電商平臺/獨(dú)立站渠道銷售功能的完整化，運(yùn)營能力更強(qiáng)的鋪貨型賣家替代外貿(mào)型賣家，成為主流賣家是必然的事情
- 然而另外一方面，純生產(chǎn)的工廠賣家開始追趕鋪貨型賣家的運(yùn)營能力，形成獨(dú)特的工貿(mào)一體化
規(guī)模型賣家，選擇上必然是“產(chǎn)品為王”轉(zhuǎn)變?yōu)椤扒罏橥酢蹦Ｊ剑l(fā)展的側(cè)重點(diǎn)也從產(chǎn)品是不是滿足用戶需求轉(zhuǎn)變?yōu)榘l(fā)掘更多盈利向+爆發(fā)性產(chǎn)品，追求顯性回報(bào)(GMV)而非隱性回報(bào)(用戶價(jià)值CLV)
|
|
|
|
營銷費(fèi)用為主（大媒體/搜索引擎廣告，紅人營銷） |
產(chǎn)品研發(fā)為主，營銷費(fèi)用為輔 |
|
|
產(chǎn)品/供應(yīng)鏈開發(fā)周期長 |
|
以廣告投入產(chǎn)出比計(jì)量，確定性明顯 |
以用戶產(chǎn)出價(jià)值衡量，存在不可確定因素 |
|
團(tuán)隊(duì)管理簡單，業(yè)務(wù)規(guī)模化更容易營銷見效迅速，投入產(chǎn)出模式有效復(fù)用
|
|
|
規(guī)模受限于營銷成本/無競爭優(yōu)勢無法獲取產(chǎn)品最大利潤&積累用戶復(fù)利
|
價(jià)值周期長，短線變現(xiàn)空間需時(shí)間沉淀產(chǎn)品規(guī)模化存在沉沒成本(Sunk Cost)組織結(jié)構(gòu)多樣化，需要復(fù)合/專業(yè)人才
|
?互聯(lián)網(wǎng)用戶增長衰減
我們通過上表進(jìn)行了規(guī)模型和產(chǎn)品型賣家的對比，不過在當(dāng)下時(shí)代，兩者遇到的共同難題沒有把列入其中：互聯(lián)網(wǎng)人口高速增長帶來的紅利在消失得益于數(shù)字化時(shí)代增速，互聯(lián)網(wǎng)人口（即社媒用戶，PC/移動(dòng)端等觸點(diǎn)型用戶）快速增長同時(shí)，也讓互聯(lián)網(wǎng)社媒（尤其Facebook應(yīng)用第三方數(shù)據(jù)上）的廣告庫存/廣告算法/廣告效益等發(fā)展進(jìn)入高速道路——規(guī)模型賣家因此利用Dropshopping（長尾產(chǎn)品供給）+Facebook廣告（快速匹配用戶需求）獨(dú)立站模型高效&重復(fù)變現(xiàn)。規(guī)模型和產(chǎn)品型賣家之間的差異，往往體現(xiàn)在獲客、留存、活躍三個(gè)維度。對規(guī)模型賣家來說，快速獲客是買量增長策略成長關(guān)鍵，表觀指標(biāo)為ROAS，細(xì)分拆解還有單用戶創(chuàng)收，然而本質(zhì)是流量競爭平臺下的增長杠桿和成本，意味著用戶規(guī)模的上限取決于流量平臺效能&投入程度。（這也是為何目前站群賣家在Facebook中痛苦的原因，F(xiàn)acebook廣告效能已經(jīng)整體崩盤，原因在我們下文）
- 用戶是需求的集合，因此各細(xì)分產(chǎn)品賽道上可獲取的用戶規(guī)模上限，由產(chǎn)品滿足用戶需求的普適程度決定；
- 其次，不同賽道競爭劇烈程度和產(chǎn)品/品牌護(hù)城河構(gòu)建的難度（產(chǎn)品力）決定了各賽道中可分到的用戶多少。
規(guī)模性獨(dú)立站（站群）變現(xiàn)
凡是談?wù)摰姜?dú)立站，站群模式必然是中國賣家繞不開的話題之一：站群，其實(shí)最開始使用互聯(lián)網(wǎng)術(shù)語，是在SEO工作中，通過建立強(qiáng)大的鏈接資源庫從而推動(dòng)關(guān)鍵詞排名上升，在搜索引擎端獲取到最大規(guī)模的流量；廣告流量時(shí)代的站群，道理其實(shí)是類似的，不過這時(shí)代共享的是——像素(Pixel)對站群賣家而言，在轉(zhuǎn)化鏈條上最接近購買行為的廣告最值錢，因?yàn)檎救旱淖儸F(xiàn)效率取決于：越接近轉(zhuǎn)化的廣告，損耗/測試成本越低，其帶來的流量就可以達(dá)到越高的ROAS因此同步像素(Pixel)有效減少站群網(wǎng)站的因?yàn)橄袼財(cái)?shù)據(jù)不同而造成的測試成本消耗，有效廣告庫存量可提升從而優(yōu)化投放（轉(zhuǎn)化）效率，因此規(guī)模化賣家更傾向利用站群體量打造站群廣告流量飛輪：站群越多，測試廣告體量越大，優(yōu)化廣告效率越高但關(guān)鍵系數(shù)在于——流量變現(xiàn)效率必然存在極限值，導(dǎo)致站群體量亦然，Why？廣告流量的貨幣化
流量變現(xiàn)效率極限取決于廣告平臺的電商廣告貨幣化率上限，即由賣家投廣告ROI/GPM(千次播放/點(diǎn)擊產(chǎn)生的GMV)決定，表面觀察是電商貨幣化率的區(qū)別，本質(zhì)是平臺廣告分發(fā)效率的差異化
- 是，特別是以MAU為核心的流量指標(biāo)是入局互聯(lián)網(wǎng)廣告的核心，在于流量池也是數(shù)據(jù)池，通過沉淀大量用戶數(shù)據(jù)，做算法的優(yōu)化，從而實(shí)現(xiàn)VV和ARPU的雙升
- 也不全是，在貨幣化過程中，流量的變現(xiàn)效率也存在資源稟賦的差距，表面觀察為廣告ARPU的差距，背后則是平臺能容納的廣告數(shù)量上限，以及廣告本身的轉(zhuǎn)化效率問題
用戶總時(shí)長到廣告收入的差距，在表面觀察上是由廣告版位的有效廣告、可容納的廣告量(ad load)和廣告價(jià)格(ECpm)決定的，而本質(zhì)上的差距在于平臺所能容納的有效廣告的量和有效廣告消耗速度能容納的廣告量是由廣告能帶來的經(jīng)濟(jì)效益決定的，廣告(無論有效or無效)消耗速度由廣告平臺用戶濃度決定從2019年到2021年期間，由于眾所周知的原因，社媒廣告用戶呈現(xiàn)爆炸性增長，直觀感受是：但廣告流量因用戶增長而增長，必然也存在廣告用戶增長速度減緩而呈現(xiàn)廣告平臺的極限；而更嚴(yán)重的是，F(xiàn)acebook廣告收入的崩盤不單單因?yàn)锳TT針對，還因?yàn)楦偁帉κ值募尤?Z世代用戶比起Facebook更喜歡停留在TikTok，意味著TikTok已經(jīng)侵蝕Facebook用戶使用時(shí)間，才是Facebook廣告效能下降的最大危機(jī)。PS：某程度上，所謂流量紅利，本質(zhì)是某用戶（社媒/電商）平臺在快速用戶增長狀態(tài)呈現(xiàn)的信息傳播稀缺；
題外話，我們對于新興出海平臺并不看好個(gè)人機(jī)會(huì)，比如，拼多多Temu，TikTok短視頻等出海平臺：TikTok作為內(nèi)容輸出平臺，現(xiàn)階段沒有良好的創(chuàng)作者分成機(jī)制（對比Youtube的創(chuàng)作者廣告分成）；短視頻APP的網(wǎng)絡(luò)效應(yīng)介于梅特卡夫與雙邊效應(yīng)之間，用戶同時(shí)提供內(nèi)容&消費(fèi)內(nèi)容，兼具一定的社交屬性；因此以內(nèi)容為承載的用戶間互動(dòng)連接是短視頻APP的增長引擎；短視頻APPDAU/使用時(shí)長的增長，取決于內(nèi)容創(chuàng)作是否完成用戶數(shù)據(jù)積累和算法優(yōu)化；因此沒有良好的創(chuàng)作者分成機(jī)制，會(huì)導(dǎo)致TikTok平臺上的創(chuàng)作者會(huì)呈現(xiàn)流失嚴(yán)重現(xiàn)狀（轉(zhuǎn)移到其他內(nèi)容平臺）而對于拼多多Temu的不看好，則在于Temu存在非常高的法律風(fēng)險(xiǎn)問題；此外拼多多作為美股上市公司，出海更像維持市值而作出的增量嘗試，不推薦嘗試。
電商行業(yè)，包括其中分支跨境電商團(tuán)隊(duì)本質(zhì)上也屬于互聯(lián)網(wǎng)行業(yè)：很多賣家會(huì)錯(cuò)誤把GMV增長視為北極星目標(biāo)，或者將自身增長公式定義為產(chǎn)品交易價(jià)值公式好處是，管理相對簡單，單/多渠道推廣，細(xì)分渠道標(biāo)準(zhǔn)，考量團(tuán)隊(duì)廣告ROI投入產(chǎn)出即可壞處是：隨著消費(fèi)者在在消費(fèi)廣告追求精神滿足和個(gè)性化推薦，廣告競爭的時(shí)代已經(jīng)朝著用戶競爭時(shí)代發(fā)展(用人話就是，新增用戶獲客成本已經(jīng)高于產(chǎn)品利潤，繼續(xù)應(yīng)用廣告營銷增長模式，利潤空間會(huì)越加稀薄)用戶競爭時(shí)代，賣家和用戶之間需要更接近用戶體驗(yàn)管理的方式，而非強(qiáng)硬的產(chǎn)品推廣交易關(guān)系，而是從用戶習(xí)慣出發(fā)，根據(jù)用戶發(fā)掘信息的路徑設(shè)計(jì)我們產(chǎn)品走進(jìn)用戶方案——體驗(yàn)回報(bào)ROX(Return on Experience)當(dāng)然，問題是，賣家如何保證體驗(yàn)回報(bào)ROX(Return on Experience)實(shí)現(xiàn)并支撐團(tuán)隊(duì)發(fā)展？
用戶價(jià)值
大部分賣家團(tuán)隊(duì)對于用戶價(jià)值難以理解的地方，在于如何量化——尤其對比產(chǎn)品價(jià)值對產(chǎn)品客單價(jià)進(jìn)行拆分：人力成本+產(chǎn)品成本+渠道成本+凈利（提成從凈利中按業(yè)務(wù)階段分不同百分百計(jì)算）以瑞幸Luckin產(chǎn)品結(jié)構(gòu)舉例，量化產(chǎn)品成本結(jié)構(gòu)之后繼而匯總成為整體GMV營銷效果的評估——規(guī)模型賣家優(yōu)勢在于低成本建立巨大的流量池優(yōu)勢，持續(xù)獲取用戶這里的低成本，不單單只有低流量成本，還包括大量的性價(jià)比產(chǎn)品；規(guī)模型獨(dú)立站賣家增長底層，和瑞幸在競爭激烈的咖啡市場跑出來的背后主因其實(shí)一致：——舍棄咖啡館的空間屬性/平臺的質(zhì)量背書后，主打提供高性價(jià)比/高便利性的咖啡，實(shí)現(xiàn)破壞性創(chuàng)新：規(guī)模型賣家在產(chǎn)品主打方案是，大量上架1688/速賣通產(chǎn)品，物美價(jià)廉成為海外消費(fèi)者接觸規(guī)模型賣家推廣廣告后的轉(zhuǎn)化主因：廠家/供應(yīng)鏈：產(chǎn)品得到大量曝光機(jī)會(huì)賣家：使用低成本廣告費(fèi)測試人群數(shù)據(jù)，積累數(shù)據(jù)“像素”，規(guī)模化投放團(tuán)隊(duì)廣告平臺方：廣告費(fèi)/用戶消費(fèi)傾向數(shù)據(jù)但產(chǎn)品價(jià)值營銷存在的局限性，在于低流量成本不可持續(xù)；同時(shí)規(guī)模型賣家也缺少產(chǎn)品開發(fā)，與競爭對手拉不開競爭優(yōu)勢；（規(guī)模型賣和產(chǎn)品質(zhì)量不可兼得，唯一例外是SheIn，高度數(shù)字化供應(yīng)鏈中臺實(shí)現(xiàn)源源不竭的合格產(chǎn)品敏捷響應(yīng)——和抖音/TikTok一樣，使用高敏捷的內(nèi)容中臺&UGC內(nèi)容轟炸用戶心智）；依賴營銷廣告增長不是問題，因?yàn)楸举|(zhì)是投入產(chǎn)出比的精算規(guī)劃——那么用戶價(jià)值和產(chǎn)品價(jià)值的差異在哪里？
從量化的角度，我們對用戶價(jià)值數(shù)據(jù)指標(biāo)&效應(yīng)進(jìn)行解釋：用戶價(jià)值指標(biāo)體系
所謂價(jià)值(Value)，首先直觀量化是我們產(chǎn)品的客單價(jià)：平均訂單價(jià)值 AOV(Average Order Value)
但如何看產(chǎn)品價(jià)格背后的意義，會(huì)形成兩種不同的角度的價(jià)值：產(chǎn)品價(jià)值 Product Value = 用戶數(shù)×平均訂單價(jià)值 AOV(Average Order Value)
用戶價(jià)值 Customer Value = 用戶消費(fèi)頻率(Frequency)×平均訂單價(jià)值 AOV(Average Order Value)
- 從營銷主的角度，產(chǎn)品價(jià)值必然是客觀性的：產(chǎn)品/服務(wù)從開發(fā)到最后被迭代，它能產(chǎn)生的最大價(jià)值必然是產(chǎn)品本身客單價(jià)乘以最大用戶覆蓋數(shù)（產(chǎn)品用戶最大覆蓋數(shù)，往往代表著不同產(chǎn)品對應(yīng)的不同用戶群體）
-
用戶價(jià)值體現(xiàn)則是用戶主觀性，是用戶認(rèn)為產(chǎn)品或服務(wù)能否解決問題的主觀想法：意味著我們不僅需要提供邏輯上幫助用戶解決問題的產(chǎn)品/服務(wù)，并以此量化出用戶了解和認(rèn)可我們的產(chǎn)品/服務(wù)的價(jià)值；用戶價(jià)值的量化邏輯是產(chǎn)品客單價(jià)乘以用戶消費(fèi)頻率；消費(fèi)頻率(Frequency)存在兩種衍生：
獨(dú)立站復(fù)購類型按如下區(qū)分：
- 90天內(nèi)重復(fù)購買率達(dá)到1％～15％：用戶獲取型
- 90天內(nèi)重復(fù)購買率達(dá)到15％～30％：用戶混合型
- 90天內(nèi)重復(fù)購買率達(dá)到30％以上：用戶留存型
獨(dú)立站交叉購——當(dāng)產(chǎn)品類別復(fù)購系數(shù)過低，比如眼鏡/大件家具
- 提升產(chǎn)品/服務(wù)功能性從而提高AOV
- 創(chuàng)造產(chǎn)品生態(tài)——復(fù)購低單價(jià)高產(chǎn)品搭配復(fù)購高單價(jià)低產(chǎn)品從而形成產(chǎn)品矩陣
?RFM指標(biāo)模型
最近一次消費(fèi)(Recency) + 用戶消費(fèi)頻率(Frequency) + 消費(fèi)金額(Monetary) = ？賣家和客戶之間的關(guān)系如同曖昧的情侶，若即若離——該如何量化情侶，不對，如何量化賣家和用戶的親密度呢？客戶消費(fèi)的過程是持續(xù)變動(dòng)的：
- 在距上一次購買時(shí)間滿1個(gè)月之后，在數(shù)據(jù)庫里就成為消費(fèi)為2個(gè)月的客戶
- 反之，同一天，最近一次消費(fèi)為3個(gè)月前的客戶作了其下一次的購買，他就成為最近一次消費(fèi)為1天前的顧客
但如果我們挽回呢？所謂用戶體驗(yàn)(User Experience，簡稱為UX或UE)管理，是根據(jù)用戶的身份/行為/信用數(shù)據(jù)量化用戶的狀態(tài)，以此決策對用戶做或是不做某些動(dòng)作的動(dòng)作(Action)，并得到或是不得到反饋(Feedback)的過程RFM模型，實(shí)則是通過用戶的購物行為監(jiān)測從而量化為用戶心理的量化數(shù)據(jù)，并根據(jù)數(shù)據(jù)排序(Ranking)：只有當(dāng)我們擁有了用戶的排序細(xì)分，才能針對細(xì)分用戶進(jìn)行精細(xì)化的動(dòng)作——而不是簡單粗暴的群發(fā)性營銷比如針對【重要價(jià)值客戶】應(yīng)該維系用戶關(guān)系促使復(fù)購/交叉購持續(xù)，針對【重要保持客戶】則是客戶流失挽回。關(guān)于時(shí)間，有個(gè)非常有趣的地方我們發(fā)現(xiàn)目前大部分獨(dú)立站的研究都不引入時(shí)間的指標(biāo)然而SUGA蘇嘉的角度中，時(shí)間恰恰是最重要的指標(biāo)，如果是從訂閱電商的角度，甚至沒有之一?留存期
一般來說，獨(dú)立站由于產(chǎn)品不同，展開分析需要具體個(gè)案具體分析，但有些指標(biāo)數(shù)據(jù)是相通的，比如用戶周期：
- 新用戶激活期——如產(chǎn)品/服務(wù)使用周期為周，屬于高頻需求類產(chǎn)品，理想激活時(shí)間是1~3天，周期時(shí)長為第0周
- 新用戶留存期——留存率降幅明顯（正常現(xiàn)象），平均留存率差值均大于2%
- 長期用戶留存期——產(chǎn)品/服務(wù)留存率趨于穩(wěn)定且緩慢下滑，每周約以低于1%的速度降低
- 流失召回期——產(chǎn)品的留存率有跌有漲，開始進(jìn)行流失召回策略，測試出成效措施。而當(dāng)留存率下降幅度突然加大，逐漸脫離趨勢輔助線預(yù)測值，需要考慮到此時(shí)用戶已使用產(chǎn)品將近留存期極限，拉回流速度已經(jīng)比不過用戶流失速度。
不同用戶周期對應(yīng)的用戶需求是不一樣，所以才需要RFM模型排序區(qū)分而留存期需要長期時(shí)間觀察，指引效果有兩個(gè)：
- 現(xiàn)金流周期——當(dāng)用戶處于長期用戶留存期的時(shí)候，意味著用戶價(jià)值變現(xiàn)是相對穩(wěn)定的；
- 吸引新客戶的成本是留住現(xiàn)有客戶的 6-7 倍
- 把產(chǎn)品賣給老客戶的概率是賣給新客戶的 3 倍
- 總結(jié)：5％ 的客戶留存率增長往往意味著公司利潤 30％ 的增長
- 根據(jù)美國貝恩公司相關(guān)調(diào)查：
- 而哈佛商業(yè)評論研究提出數(shù)據(jù)導(dǎo)向是，“用戶留存率提升 5% 會(huì)刺激收入增長 25%-95% ”
- 產(chǎn)品迭代周期——當(dāng)用戶留存期縮短（如上圖從40周開始減少），即留存期越加短暫往往意味產(chǎn)品需要迭代
附上客戶留存數(shù)據(jù)指標(biāo)客戶留存指標(biāo)——留存線索、流失率、留存率
符合產(chǎn)品預(yù)期的線索 (PQLs Product-qualified leads)PQL是指帶有體驗(yàn)過產(chǎn)品且感受到價(jià)值的用戶的線索——這個(gè)定義有些復(fù)雜，首先這個(gè)線索是來源于激活用戶，使用產(chǎn)品/服務(wù)傳遞后的用戶體驗(yàn)/反饋價(jià)值：
激活用戶：指在產(chǎn)品/服務(wù)內(nèi)完成關(guān)鍵行為，體驗(yàn)過Aha Moment的用戶Aha Moment：多譯為“頓悟時(shí)刻”，也有譯為“啊哈時(shí)刻”，由德國心理&現(xiàn)象學(xué)家卡爾?布勒(Karl Bühler)首創(chuàng)，對這個(gè)表達(dá)的定義為：在思考之前某個(gè)并不明朗的局面過程中，突然對產(chǎn)生明確或者深入的認(rèn)識后，而產(chǎn)生的一種特殊的&愉悅的體驗(yàn)。
?客戶流失率 (Customer Churn Rate)本期內(nèi)流失客戶數(shù)/上期末客戶數(shù)=(上期末客戶數(shù)-本期末客戶數(shù)+本期內(nèi)新增客戶數(shù))/上期末客戶數(shù)?金額流失率 (Revenue Churn Rate)Revenue Churn Rate一般有兩種口徑：
- 毛流失率 = (本期內(nèi)流失RR+減值RR)/上期末RR
- 凈流失率 = (本期內(nèi)流失RR+減值RR-增值RR)/上期末RR
存在一種理想狀態(tài)“負(fù)凈流失”(Net Negative Churn)：金額凈流失率<0，金額凈留存率>100%由于增值超過流失和減值帶來的負(fù)面影響，已有客戶的總商業(yè)價(jià)值是不斷成長的；所以即使暫緩獲取新客戶，業(yè)務(wù)也可以保持健康運(yùn)轉(zhuǎn)。
?客戶留存率（Customer Retention Rate）(本期末客戶數(shù)-本期內(nèi)新增客戶數(shù))/上期末客戶數(shù)?金額留存率（Revenue Retention Rate）Revenue Retention Rate同樣有兩種口徑
- 毛留存率 = (本期末RR - 本期內(nèi)新增RR - 回流RR - 增值RR)/上期末RR
- 凈留存率 = (本期末RR - 本期內(nèi)新增RR - 回流RR)/上期末RR
金額留存率相比于客戶留存率，額外反映了不同規(guī)模客戶的商業(yè)價(jià)值不同，還反映了客戶商業(yè)價(jià)值在兩個(gè)周期之間的變化（如增加&升級服務(wù)帶來的價(jià)值提升）
凈留存率可以更完整地反映短期趨勢，而毛留存率更好地反映了長期趨勢；背后的邏輯是，產(chǎn)品和服務(wù)的價(jià)值是可長期持續(xù)的，而銷售Upsell是不可長期持續(xù)的。
用戶增長飛輪
在《精益創(chuàng)業(yè)》中，埃里克·萊斯提出了驅(qū)動(dòng)創(chuàng)業(yè)增長的三大引擎，都有各自對應(yīng)的關(guān)鍵績效指標(biāo)（KPI）：
- 黏著式增長引擎——重點(diǎn)是讓用戶成為回頭客，并且持續(xù)使用產(chǎn)品/服務(wù)
- 病毒式增長引擎——指數(shù)性本質(zhì)：如果每個(gè)用戶能帶來1.5個(gè)新用戶，那么用戶數(shù)將會(huì)指數(shù)增長直到飽和
- 付費(fèi)式增長引擎——通常，在確知產(chǎn)品/服務(wù)具有黏著性和病毒性前就啟動(dòng)這一引擎，是過于倉促的行為
- 付費(fèi)式增長，是規(guī)模化飛輪的最好工具——問題在于不單單規(guī)模化體量，成本也同樣規(guī)模化
- 規(guī)模型獨(dú)立站賣家以付費(fèi)式增長引擎規(guī)模化體量之后，才會(huì)發(fā)現(xiàn)成本增長速度遠(yuǎn)高于營收增長速度
- 原因在于：我們前文提及的互聯(lián)網(wǎng)人口高速增長紅利在衰退，從增量市場轉(zhuǎn)為存量市場
- 客戶獲取成本(CAC)在大環(huán)境下，必然只會(huì)越加上揚(yáng)，從付費(fèi)增長變?yōu)楦顿M(fèi)衰退
從某種程度上講，賺錢是識別一個(gè)商業(yè)模式是否可持續(xù)的UOS(終極指標(biāo) Ultimate Oscillator)：如果從客戶身上所賺的錢超過獲取客戶的花費(fèi)，并且在時(shí)間段上維持，增長引擎就是可持續(xù)的；因?yàn)槠髽I(yè)不需要外部投資者的錢，并且每天都在增賺錢；但是，就其本身而言，賺錢本身并不是一種驅(qū)動(dòng)增長的引擎——它只是讓企業(yè)現(xiàn)金流越來越多；只有反過頭來把一部分營收再用于獲取客戶時(shí)，營收才有助于本身增長，找出增長引擎控制器的兩個(gè)調(diào)節(jié)旋鈕；也就是本文的兩個(gè)重點(diǎn)，客戶終生價(jià)值(CLV)和客戶獲取成本(CAC)
如同我們在最開始提出的小學(xué)生水池問題一樣，拉新是企業(yè)增長的手段之一，但永遠(yuǎn)不會(huì)是唯一手段：保留現(xiàn)有用戶群，學(xué)會(huì)利用用戶數(shù)據(jù)并通過個(gè)性化召回策略讓用戶重新啟用產(chǎn)品/服務(wù)，堵住那“該死的出水口”?用戶周期(Lifetime)
用戶生命周期，形容的是從用戶開始接觸產(chǎn)品到離開產(chǎn)品的整個(gè)過程因此對應(yīng)的是用戶消費(fèi)習(xí)慣&行為模型的改變：比如我們常見的海盜模型(AARRR)，理論依據(jù)也是來源于對用戶行為模型&生命周期的研究So，什么是客戶生命周期價(jià)值(Customer time Value)?客戶生命周期價(jià)值(Customer time Value)
從定義解構(gòu)，分為兩部分：①客戶現(xiàn)在已經(jīng)創(chuàng)造的交易/隱形價(jià)值 & ②之后預(yù)期會(huì)創(chuàng)造的交易/隱形價(jià)值用戶狀態(tài)屬性：過去/未來
——從產(chǎn)品價(jià)值衡量來說，產(chǎn)品/服務(wù)只有交易那一刻才能體現(xiàn)價(jià)值，因此獨(dú)立站賣家衡量狀態(tài)，看GMV最簡單——但從用戶價(jià)值觀察，用戶如同英語類似，有現(xiàn)在進(jìn)行時(shí) doing ，也有將來式 will do因此用戶價(jià)值的最大化，是將 will do 確定為 will be going to do ，用一個(gè)簡單的實(shí)踐公式：AOV客單價(jià)=50USD，獲客成本CAC75USD，客戶維護(hù)成本15USD/月，求解如何盈利？
?用戶價(jià)值屬性：交易/隱形
如同我們說過客戶獲取成本CAC由大環(huán)境影響從而居高不下，但并不代表我們對其無能為力，如同我們過去分析過付費(fèi)/自有/被動(dòng)流量的關(guān)系：用戶同意可以分為：付費(fèi)用戶/自有用戶/被動(dòng)用戶，三者區(qū)別在于我們通過Newsletter和社交媒體帳戶分享內(nèi)容，即自有流量(Owned Media)觸達(dá)用戶，以此類推付費(fèi)&被動(dòng)用戶
如果用戶喜歡/認(rèn)同所看到的內(nèi)容，他們中的K因子(K-Factor)會(huì)與他們的親人/朋友(Earned Media)談?wù)撍⑶以谏缃幻襟w(Shared Media)上分享看到的內(nèi)容。若果從用戶的角度出發(fā)，假設(shè)意見領(lǐng)袖/kol被我們的深度內(nèi)容觸動(dòng)，因此分享與他們的粉絲并形成病毒式傳播——下方是來自LinkedIn的一個(gè)例子：
- 一篇帖子在社交媒體(Social Media)上分享并獲得了大量參與(15,000 多條反應(yīng)和 800 多條評論)
- 然后，帖子由另一位意見領(lǐng)袖分享，后者將其推廣給與內(nèi)容互動(dòng)的新受眾(新增的 10,000 多個(gè)反應(yīng)和 400 多個(gè)評論)
- 下一個(gè)意見領(lǐng)袖或者K因子繼續(xù)滾動(dòng)，形成病毒式傳播鏈：所謂病毒式傳播，其實(shí)是使受眾可以在參與信息的制作和傳播過程中，同時(shí)成為信息的發(fā)布者和轉(zhuǎn)發(fā)者，以人際圈席卷的模式，攜帶信息迅速蔓延的傳播方式，即“傳者主動(dòng)傳播——受眾接受——受眾轉(zhuǎn)變?yōu)閭髡咦栽冈賯鞑?/span>”模式。
這其實(shí)也是著名的梅特卡夫定律(Metcalfe'law)：“一個(gè)產(chǎn)品的用戶越多，則此產(chǎn)品對用戶的價(jià)值越大，而且能吸引更多用戶使用此產(chǎn)品”
網(wǎng)絡(luò)的價(jià)值與連接用戶數(shù)的平方（N^2）成正比關(guān)系，每增加一個(gè)節(jié)點(diǎn)都讓網(wǎng)絡(luò)價(jià)值快速增長。同樣也是超線性規(guī)模縮放(Superlinear Scaling)的前置條件——因?yàn)檎鎸?shí)世界存在的網(wǎng)絡(luò)并不是一個(gè)規(guī)則的結(jié)構(gòu)，而是規(guī)模大小不一并且呈群落狀的結(jié)構(gòu)，以家庭/學(xué)校/共同興趣的圈子是相對緊密的結(jié)構(gòu)，每個(gè)小圈子是由中心人物(如女團(tuán)中C位的角色)與更多人聯(lián)系。小圈子用戶達(dá)到一定規(guī)模，必然會(huì)有K因子(K-Factor)或者超級用戶引爆傳播，也就是用戶隱形價(jià)值所在至此，我們已經(jīng)掌握了一個(gè)相對簡單且只涉及單個(gè)用戶購買行為的用戶價(jià)值電商模型（相信我，真的是相對簡單）客戶生命周期價(jià)值 CTV 客單價(jià) AOE ? 消費(fèi)頻率 Frequency ?留存期 time（原圖請關(guān)注飛書專欄或者飛書號或者企微號）
如何實(shí)現(xiàn)用戶價(jià)值模型
字節(jié)嘗試了至少三次，目前看起來勝算都不大。拼多多目前還看不出來，但風(fēng)言風(fēng)語也不少。“黑話大戶”阿里其實(shí)是做的最好的，但近年來趨勢也不樂觀。那這不是很詭異嗎？按理說互聯(lián)網(wǎng)這些組織管理方法論最先進(jìn)，但一復(fù)制到跨境電商就不work了，沒理由這么多北大清華海歸高材生干不過一堆專科生吧？但事實(shí)就是這樣。專科生比北大清華強(qiáng)在哪里？不是英語更好方法論更高級，而是能在一個(gè)很細(xì)分的領(lǐng)域不斷鉆研。比如你讓一個(gè)清華畢業(yè)的同學(xué)去研究列支敦士登這個(gè)國家有啥網(wǎng)紅，他肯定是干不下去的，但是專科生可以。反之你讓一個(gè)專科生去研究人工智能最新技術(shù)他大概率也是干不下去的，但清華畢業(yè)的可以。而且清華畢業(yè)的人普遍“聰明”，精通職場之道，懂得向上管理，他會(huì)知道費(fèi)勁巴拉去一個(gè)個(gè)找列支敦士登網(wǎng)紅不如給領(lǐng)導(dǎo)寫一個(gè)“歐洲各國電商分析”大報(bào)告。所以大廠項(xiàng)目很多做到后面一看，業(yè)務(wù)沒啥起色，每個(gè)人都成了“xxx項(xiàng)目lead".所以小貓一直有種感覺，就是跨境電商的管理優(yōu)勢并不是什么所謂“科學(xué)方法論”的優(yōu)勢，而是充分細(xì)化分工和強(qiáng)執(zhí)行力的配合：因?yàn)槲颐總€(gè)流程都很具體，所以我不需要那些虛的，你把分給你這塊執(zhí)行到位就行。這也可以解釋為什么在大廠里阿里是做的最好的：因?yàn)樵诒桓鞣N黑話洗禮之前，阿里鐵軍一直是以執(zhí)行力著稱的。而天天大喊“組織管理學(xué)”的字節(jié)，是項(xiàng)目最容易半途而廢的。其實(shí)從員工人數(shù)上來看也很有意思，跨境電商的王者Shein大概有小幾萬名員工（相關(guān)報(bào)道中說1-5萬都有，鑒于沒有可靠信息，暫估算2-3萬），銷售額超過200億美金，而互聯(lián)網(wǎng)王者字節(jié)營收600多億美金，有10萬人。怎么理解呢？apple to apple的比較，兩者人效似乎差不多，但字節(jié)大部分的人和營收都來自互聯(lián)網(wǎng)，跨境應(yīng)該只占很小一部分。而shein這么一個(gè)單一板塊已經(jīng)占到了字節(jié)1/3的體量，不得不佩服。
某方面，跨境電商賣家的確更重視執(zhí)行力多于方法論?畢竟你告訴我用戶多有價(jià)值；但如果無法落地，還是等同大家都知道ATM機(jī)柜存有現(xiàn)金，但都無法把錢轉(zhuǎn)化為自己的財(cái)富一樣?所以用戶價(jià)值模型，關(guān)鍵不是如何論證，而是如何實(shí)現(xiàn)？面試題：把大象裝進(jìn)冰箱，要幾個(gè)步驟？
很多人都應(yīng)該有聽到過這個(gè)問題的回答：第一步打開冰箱；第二步，把大象塞進(jìn)冰箱里；第三步，把冰箱關(guān)上。然而這看似一個(gè)冷笑話謎語，本質(zhì)考驗(yàn)的是，答題者有沒有拆分問題細(xì)節(jié)的能力，一個(gè)帶有主謂賓的需求：
但實(shí)際上依然是很模糊需求——大象需要怎么放冰箱了？為什么要放冰箱了呢？需求不清晰，所以真正的第一步，其實(shí)是需要梳理需求，而梳理的最好辦法是通過給主謂賓加上細(xì)分形容詞
而組成以上細(xì)節(jié)的，則是關(guān)鍵數(shù)據(jù)指標(biāo)——我們又該如何判斷，什么是好的關(guān)鍵數(shù)據(jù)指標(biāo)呢？關(guān)鍵數(shù)據(jù)指標(biāo)
常規(guī)的獨(dú)立站數(shù)據(jù)指標(biāo)有哪些？然而以上就是我們最需要關(guān)心的“大象”數(shù)據(jù)嗎？或者說，到底什么是有關(guān)鍵數(shù)據(jù)指標(biāo)標(biāo)準(zhǔn)？從運(yùn)營角度看，什么是關(guān)鍵數(shù)據(jù)指標(biāo)？結(jié)合本文主題——用戶價(jià)值，就會(huì)發(fā)現(xiàn)獨(dú)立站最好的關(guān)鍵數(shù)據(jù)指標(biāo)，更應(yīng)該是客戶體驗(yàn)數(shù)據(jù)（而非流量數(shù)據(jù)）：- 跳出率——意味著產(chǎn)品/服務(wù)與目前測試用戶匹配程度
- 棄購率/轉(zhuǎn)化率/訂閱率——目前測試用戶意愿程度（不跳出但棄購，意味著產(chǎn)品/服務(wù)與用戶匹配，但存在其他因素所以不轉(zhuǎn)化；根據(jù)福格行為模型：動(dòng)機(jī)/能力/促發(fā)場景，三者促發(fā)行為）
- 客訴率/互動(dòng)率——客戶體驗(yàn)管理程度，對客戶來說，響應(yīng)速度及時(shí)不及時(shí)/產(chǎn)品是否送達(dá)，是滿足與否關(guān)鍵
- 觸達(dá)率/復(fù)購率/交叉購率——對客戶從滿足一次到滿足多次，普通用戶導(dǎo)向忠誠用戶，最后打造K因子模型
K因子模型——病毒營銷背后的核心關(guān)鍵點(diǎn)，另外有說法是病毒因子/病毒系數(shù)K-Factor，幾乎所有的增長黑客、用戶裂變和病毒營銷背后，都離不開它表格中和病毒系數(shù)K值相關(guān)的三個(gè)要素和變量分別是：
- Custs(0)，即初始種子用戶Customer；
- i，即每個(gè)用戶發(fā)送的邀請數(shù)量Invitation；
- Conv%，即每個(gè)用戶邀請成功轉(zhuǎn)化率Conversion Rate；
計(jì)算K因子的公式非常簡單：將每個(gè)用戶的邀請數(shù)乘以邀請成功的轉(zhuǎn)換率，即：K = i * Conv%從圖表數(shù)據(jù)可知，在初始用戶量為 10 ，K因子為 2 的情況下，在經(jīng)歷 12 輪增長后，總用戶量從10變成了81910K因子屬于用戶隱藏價(jià)值，某程度也展示我們用戶模型是否存在自增長：0≤K<1：用戶不會(huì)自增長，不存在病毒營銷，因?yàn)槠骄總€(gè)用戶無法帶來另一個(gè)完整用戶，屬于亞線性增長K≥1：用戶將以指數(shù)方式增長，也就是病毒式增長引擎，因?yàn)槠骄總€(gè)現(xiàn)有用戶發(fā)展一個(gè)或者多個(gè)新用戶，實(shí)現(xiàn)線性或者超線性增長
和過去文章不同的是，我們本次文章的示意圖，是從部分圖片拓展為全局，因?yàn)槲覀兿Ｍ麖?qiáng)調(diào)一點(diǎn)：關(guān)鍵數(shù)據(jù)指標(biāo)之間存在耦合現(xiàn)象
- 轉(zhuǎn)化率（訪客中真正發(fā)生購買行為的比例）是和購買所需時(shí)間（客戶需要花多長時(shí)間才能完成購買）相綁定；二者相結(jié)合可以告訴我們更多關(guān)于現(xiàn)金流的信息；
- K因子的另外一個(gè)說法，病毒式傳播系數(shù)（Viral Coefficient，平均每個(gè)用戶邀請來的新用戶數(shù)）和病毒傳播周期（Ciral Cycle Time，用戶完成一次邀請所需的時(shí)間）共同推動(dòng)產(chǎn)品的普及率；
當(dāng)我們開始組合思考獨(dú)立站用戶模型背后的關(guān)鍵數(shù)字時(shí)，就會(huì)注意到關(guān)鍵數(shù)據(jù)指標(biāo)背后隱藏著更重要的數(shù)據(jù)指標(biāo)：GMV、周期性現(xiàn)金流，還有產(chǎn)品普及率（原圖請關(guān)注飛書專欄或者飛書號或者企微號）?用戶體驗(yàn)
數(shù)字化時(shí)代，時(shí)不時(shí)會(huì)蹦出一些新名詞，這是每個(gè)探索數(shù)字化的小伙伴最頭痛的事（也是蘇嘉Tech公眾號接到最多的“投訴”——名詞術(shù)語太多，需要Google理解一下）
比如，什么是客戶體驗(yàn)管理(Customer Experience Management)？
我們在本文中介紹過用戶價(jià)值模型，還有用戶價(jià)值指標(biāo)體系，用戶行為數(shù)據(jù)指標(biāo)，三者是綜合認(rèn)知用戶的方法論+數(shù)據(jù)采集標(biāo)準(zhǔn)，目的是了解用戶是什么樣的群體，存在什么需求，從用戶的角度如何看我們；我們在廣告流量貨幣化中，或者說此前的不同的文章多次提及到一個(gè)觀點(diǎn)的談?wù)摚?strong>營銷能力自帶時(shí)代屬性
- 傳統(tǒng)數(shù)字廣告時(shí)代：用戶追蹤能力差，數(shù)字媒體廣告充當(dāng)廣域廣告角色，提高廣播能力，盈利能力未革新
- 程序化廣告時(shí)代：用戶追蹤能力高，效果性廣告提供ROAS計(jì)算模型， 高效提升廣告主盈利&廣告決策能力
- 隱私廣告時(shí)代：用戶追蹤能力更高，但用戶隱私意識覺醒，從消費(fèi)者數(shù)據(jù)營銷時(shí)代過渡消費(fèi)者數(shù)據(jù)體驗(yàn)時(shí)代
什么是消費(fèi)者數(shù)據(jù)體驗(yàn)時(shí)代？提出的ROX(Return on Experience)衡量公式的黃峰老師，在他的著作《全面體驗(yàn)管理》中是這樣解讀客戶體驗(yàn)如何影響增長的：
- 更高額購買：溢價(jià)方面，低價(jià)競爭升級為體驗(yàn)增值；
- 更深度認(rèn)同：在轉(zhuǎn)化上，心智占領(lǐng)升級為心智認(rèn)同；
- 更多自然傳播：在獲客/信息傳播上，品牌應(yīng)從買流量轉(zhuǎn)為聚合傳播，注重自然流量的累積，同時(shí)依靠心智認(rèn)同人群的自發(fā)分享，用優(yōu)秀體驗(yàn)為品牌帶來增量；
- 更長期關(guān)系：在復(fù)購上，品牌應(yīng)從單向營銷轉(zhuǎn)為關(guān)系共建。
消費(fèi)者數(shù)據(jù)體驗(yàn)時(shí)代，通過散布在不同體驗(yàn)觸點(diǎn)的零散數(shù)據(jù)實(shí)現(xiàn)結(jié)構(gòu)化分析，對用戶體驗(yàn)定量，繼而商業(yè)優(yōu)化：從用戶體驗(yàn)的角度，用戶價(jià)值則是用戶主觀判斷能否幫助自己解決特定問題：
- 用戶體驗(yàn)的主體是用戶，只有用戶說有價(jià)值，才是真的有價(jià)值，用戶說差，不管運(yùn)用多強(qiáng)大的理論都沒意義
- 用戶價(jià)值是在用戶體驗(yàn)時(shí)產(chǎn)生的，用戶需求必然被真實(shí)場景約束，因此沒有使用產(chǎn)品卻聲稱的價(jià)值，沒有意義
- 用戶體驗(yàn)是主觀感受，哪怕我們的產(chǎn)品/服務(wù)實(shí)現(xiàn)用戶問題的解決方案，但用戶自己認(rèn)為并沒有解決，或者解決得不好，同樣會(huì)降低用戶對產(chǎn)品價(jià)值的判斷。
狹義上的用戶體驗(yàn)，是網(wǎng)頁設(shè)計(jì)/互動(dòng)，產(chǎn)品設(shè)計(jì)/使用，用戶交互但實(shí)際上的用戶體驗(yàn)，是我們整體和用戶交互的過程是否足夠絲滑用戶的廣告/社媒/內(nèi)容/站點(diǎn)/郵件/PWA等虛擬觸點(diǎn)交互，延伸整個(gè)產(chǎn)品/服務(wù)過程中的所有用戶真實(shí)物流感知，從廣告文案是否引起用戶不適，到背后的訂單分配系統(tǒng)是否能合理地滿足用戶的需求，都屬于用戶體驗(yàn)品牌需要克制
因此用戶價(jià)值創(chuàng)造，除了需要關(guān)注影響用戶本身需求的因素，重點(diǎn)還在于我們?nèi)绾螌?shí)現(xiàn)：當(dāng)從我們本身視角關(guān)注用戶價(jià)值時(shí)，需要專注自己產(chǎn)品/服務(wù)的場景和領(lǐng)域頭部賣家可能會(huì)覆蓋到方方面面，大多數(shù)獨(dú)立站賣家團(tuán)隊(duì)需要的是，選擇自己關(guān)注的目標(biāo)用戶的需求或者價(jià)值，而不是替用戶完全實(shí)現(xiàn)全鏈路的價(jià)值。用一句白話說，就是“不是用戶需要什么（什么好賣），我們就都要滿足他們（就賣什么）”。這跟在討論用戶需求時(shí)提到的“我們不需要考慮所有用戶的需求”是一個(gè)道理。在品牌星球討論會(huì)過程中，有個(gè)句給我印象非常深刻：品牌需要克制以程序化廣告為例子，重復(fù)多次的廣告信息固然可以加深消費(fèi)者的記憶，但不是同樣的廣告重復(fù)得越多越好；
- 當(dāng)網(wǎng)站上有其他競爭對手的產(chǎn)品同時(shí)存在時(shí)，重復(fù)同樣的廣告是有效的；
- 但重復(fù)推送廣告次數(shù)太多，用戶會(huì)失去新鮮感，從而成為衰退用戶；
-
此外，如果網(wǎng)站的內(nèi)容與廣告中的產(chǎn)品一致性太低，轉(zhuǎn)場絲滑度太低，必然導(dǎo)致用戶流失。
DIKW模型用戶價(jià)值創(chuàng)造
人與人知識水平在拉大，思考/整理方法也是知識，很多人只學(xué)了收集，但不學(xué)習(xí)邏輯，歸納，總結(jié)，判斷
結(jié)合一下ChatGPT熱度， 說下SUGA蘇嘉對于“思考”的思考：有一個(gè)研究人工智能的朋友在自媒體里面寫了，這次ChatGPT實(shí)現(xiàn)了一個(gè)非常厲害的閉環(huán)：、優(yōu)化生成模型 -> 采樣用戶Prompt -> 人工標(biāo)注答案排序 -> 訓(xùn)練更契合當(dāng)前用戶群體的RM -> RM優(yōu)化生成模型意味著ChatGPT的學(xué)習(xí)速度和訓(xùn)練速度是已經(jīng)足夠能力自我提升迭代——我們不覺得這是一件恐怖的事情，人工智能會(huì)不會(huì)毀滅人類，很難說——但人工智能必然比人類會(huì)積累數(shù)據(jù)所以真的可能發(fā)生的事情，是人與人的知識“貧富差”會(huì)越來越大DIKW（data 數(shù)據(jù) info信息 know知識 wisdom智慧）金字塔模型本來形容的就是，大量的數(shù)據(jù)經(jīng)過梳理之后形成信息，并從中總結(jié)出邏輯完成知識積累，最后蛻變成為預(yù)測性的智慧
https://zhuanlan.zhihu.com/p/140338649
- Information：我找到一個(gè)菜譜，可以用手頭有的東西做一盤番茄炒蛋；
- Knowledge：我不斷實(shí)踐，做出來自己滿意的番茄炒蛋；
- Wisdom：我專門寫了一本書講番茄炒蛋的歷史、不同國家的做法、營養(yǎng)價(jià)值、適合搭配的主食等。
從馬太效應(yīng)來說，強(qiáng)者越強(qiáng)，所以會(huì)發(fā)現(xiàn)數(shù)據(jù)信息甚至知識的存儲和搜索越來越方便的時(shí)候，智慧反而會(huì)越來越成為“富人”的專利——懂得使用思考工具的人或者形成了自己的邏輯閉環(huán)的原因，他們的思考速度會(huì)如ChatGPT一樣會(huì)越來越快
信息差是現(xiàn)代化商業(yè)提及頻率非常高的黑話（術(shù)語），側(cè)面反映的問題是大部分商業(yè)團(tuán)隊(duì)學(xué)習(xí)停留在信息層積累但隨著科技手段的越來越進(jìn)步，信息收集能力差距在拉平，意味著在未來能自我歸納總結(jié)并且推導(dǎo)的團(tuán)隊(duì)才是贏家很多時(shí)候，一個(gè)智庫最關(guān)鍵的東西不是如何去累積數(shù)據(jù)/信息/知識體量，而是有沒有從 Data ? Wisdom 的能力（ChatGPT目前看起來非常優(yōu)秀，原因在于已經(jīng)完成了良好的學(xué)習(xí)閉環(huán)，學(xué)習(xí)能力可以飛輪增速）大部分人或者團(tuán)隊(duì)沒有整理，歸納和推導(dǎo)的習(xí)慣，對團(tuán)隊(duì)積累還是很漠然的，或者說更多集中于戰(zhàn)術(shù)實(shí)踐拓展有朋友也好奇過為何SUGA蘇嘉為什么要去做公眾號和飛書留言板？為什么要去寫?yīng)毩⒄綧arTech知識的文章，以及運(yùn)營一個(gè)獨(dú)立站內(nèi)容的知識星球？本質(zhì)上這是SUGA蘇嘉 Data → Info → Know → Wisdom 的進(jìn)化步驟
SUGA蘇嘉在數(shù)字化獨(dú)立站如何選擇SaaS工具提及到在訂閱電商中應(yīng)用的數(shù)字化管理手段總結(jié)的三大手冊，其實(shí)也是我們在DIKW模型下，如何總結(jié)(訂閱)電商過程中創(chuàng)造用戶價(jià)值的思考過程：
- Data：通過買量/自然流量/用戶自發(fā)分享，不同觸點(diǎn)獲取用戶，同時(shí)獲得用戶的初始數(shù)據(jù)——身份/行為/信用
- 用戶增長團(tuán)隊(duì)在數(shù)據(jù)團(tuán)隊(duì)統(tǒng)一的數(shù)據(jù)指標(biāo)中，選取用戶數(shù)據(jù)并設(shè)計(jì)埋點(diǎn)方案，工具團(tuán)隊(duì)配置自動(dòng)化采集
- Information：根據(jù)數(shù)據(jù)歸類，對用戶個(gè)體圖計(jì)算(Graph Computing)，形成基于知識圖譜的用戶畫像；
- 工具團(tuán)隊(duì)在全團(tuán)隊(duì)整體工作流程，實(shí)現(xiàn)應(yīng)用工具之間數(shù)據(jù)打通，并以此為基礎(chǔ)，進(jìn)行流程挖掘(PM，Process Mining)
- 流程挖掘（PM，Process Mining）則是基于客觀數(shù)據(jù)的自下而上的流程優(yōu)化技術(shù)，核心在于業(yè)務(wù)系統(tǒng)中真實(shí)流程的挖掘和可視化呈現(xiàn)
- 因此流程挖掘作用于全團(tuán)隊(duì)整體工作，呈現(xiàn)不同視角下的流程路徑，直觀地展示瓶頸和異常點(diǎn)，提供分析改進(jìn)的有力依據(jù)
- 此處，我們說的流程挖掘是應(yīng)用于客戶數(shù)據(jù)分析以及敏捷響應(yīng)用戶需求
- 數(shù)據(jù)團(tuán)隊(duì)/用戶團(tuán)隊(duì)需要對用戶數(shù)據(jù)ETL(抽取 extract 、轉(zhuǎn)換 transform 、加載 load )，將不同觸點(diǎn)收集的數(shù)據(jù)歸納并整理為統(tǒng)一格式，并以此為基礎(chǔ)上對用戶歸因/分層
- 用戶歸因（術(shù)語是，單一客戶視圖 Single Customer View ，SCV）：收集有關(guān)潛在客戶和已轉(zhuǎn)化客戶的所有數(shù)據(jù)，并將其合并到單個(gè)記錄中
- 用戶分層：Marketing is not for everyone，尤其不同觸點(diǎn)習(xí)慣的用戶——有些喜歡郵件交互，有些更習(xí)慣簡單溝通，因此針對不同習(xí)慣，用戶采購層級等不同方面對用戶分層，并設(shè)置對應(yīng)方案
https://wiki.swarma.org/index.php/%E6%B6%8C%E7%8E%B0
- 用戶價(jià)值模型也好，客戶旅程分析也好，本質(zhì)是發(fā)掘出單一用戶群體化的涌現(xiàn)特征，將用戶群體行為量化
- 用戶價(jià)值模型——從全團(tuán)隊(duì)角度審計(jì)業(yè)務(wù)模式，根據(jù)客戶生命周期價(jià)值決策推廣/運(yùn)營/內(nèi)容/數(shù)據(jù)支出
- 用戶旅程分析——從用戶角度出發(fā)，反思和用戶交互過程是否需要優(yōu)化，提供更優(yōu)質(zhì)的互動(dòng)
- Wisdom：有些時(shí)候，用戶也未必能說清楚他們本身的真實(shí)需求（包括我們都一樣），好比說iPhone民主化，最后給到用戶手上必然是各種功能大雜燴，不倫不類的怪物
-
用戶預(yù)測，本質(zhì)是讓用戶生活更高效、更有趣所以喬布斯和蘋果團(tuán)隊(duì)預(yù)知到并實(shí)現(xiàn)的是
PS：預(yù)測能力不需要每個(gè)賣家團(tuán)隊(duì)都具備，因此不深入展開討論
總結(jié)
學(xué)習(xí)，本身是一件需要“學(xué)習(xí)”的事情很多時(shí)候，大家都會(huì)以為收集數(shù)據(jù)/信息就是學(xué)習(xí)，然而從數(shù)據(jù)結(jié)構(gòu)來說，只是用應(yīng)用層面采集半結(jié)構(gòu)化的數(shù)據(jù)比方說，知道競品使用某個(gè)投放技巧，于是就“學(xué)習(xí)”了，實(shí)際應(yīng)用才發(fā)現(xiàn)場景不能適配使用，直接生搬硬套反而讓整體ROI崩掉（所以有時(shí)我們不太懂為何大家都對競品那么關(guān)心）
所以，很多時(shí)候我們更建議先整理學(xué)習(xí)的方法和思路，形成團(tuán)隊(duì)良好的學(xué)習(xí)邏輯2022 WE 全球出海增長圖書館 |Webeye的飛書知識庫（沒有廣告）https://webeyeug.feishu.cn/wiki/wikcnWGFOSe9Hz9ClKit8xHcURf
（SUGA蘇嘉廣告時(shí)間）很多朋友都問過為何SUGA蘇嘉從事知識星球的運(yùn)營，答案就是以費(fèi)曼學(xué)習(xí)法打造SUGA蘇嘉本身的DIKW金字塔
- 費(fèi)曼學(xué)習(xí)法，所見即所得，輸出倒逼輸入，把學(xué)到的知識講給別人聽；
- 芒格式學(xué)習(xí)法，反過來總是反過來，學(xué)習(xí)失敗的案例是為了輸出成功的決策；
-
馬斯克學(xué)習(xí)法，第一性原理，解耦合，學(xué)習(xí)是為了創(chuàng)造；
Whatever 云圖書數(shù)據(jù)報(bào)告庫——Data級別的文檔輸入/歸納輸出，收集可用參考的文檔，報(bào)告，信息片段，并標(biāo)簽數(shù)字化出海研討會(huì)/SUGA蘇嘉知識庫目錄 /數(shù)字化獨(dú)立站手冊——Info/Know級別的思考總結(jié)知識星球也好，飛書文檔也好，還有我們總結(jié)?SUGA蘇嘉出海小組內(nèi)容合集
https://identitygraph.feishu.cn/base/bascn6ugiVAu22dtQHggUIbxXVg
我們分享的不單單是數(shù)據(jù)處理/運(yùn)營方案/自動(dòng)化工具操作等Info，還包括如何總結(jié)的方法，也就是How to Know邏輯本身就能解決問題，我們所要做的，就是觀察它是如何做到的。——維特根斯坦《邏輯哲學(xué)論》此外，SUGA蘇嘉攜手Shopify官方，聯(lián)合舉辦關(guān)于Shopify Plus如何提效降本的數(shù)字化出海圓桌派，時(shí)間目前商定，最快會(huì)在12月，地點(diǎn)位于廣州深圳，如果有對Shopify Plus以及數(shù)字化出海有興趣的小伙伴參與：https://wenjuan.feishu.cn/m?t=sIZgDJhzekIi-o6we
如對Shopify Plus大賣家服務(wù)大禮包感興趣的小伙伴，請聯(lián)系飛書號@JaronTam 或者企微號了解更多（12月23號深圳首發(fā)一場，SUGA蘇嘉目前有2位名額隨行，我們也會(huì)分享如何使用Shopify Plus搭建訂閱電商的過程）
文章為作者獨(dú)立觀點(diǎn)，不代表DLZ123立場。如有侵權(quán),請聯(lián)系我們。( 版權(quán)為作者所有，如需轉(zhuǎn)載，請聯(lián)系作者 )
網(wǎng)站運(yùn)營至今，離不開小伙伴們的支持。 為了給小伙伴們提供一個(gè)互相交流的平臺和資源的對接，特地開通了獨(dú)立站交流群。
群里有不少運(yùn)營大神，不時(shí)會(huì)分享一些運(yùn)營技巧，更有一些資源收藏愛好者不時(shí)分享一些優(yōu)質(zhì)的學(xué)習(xí)資料。
現(xiàn)在可以掃碼進(jìn)群，備注【加群】。 ( 群完全免費(fèi)，不廣告不賣課！)
