本文深入探討了如何通過細(xì)分場景挖掘、用戶行為分析、智能化模型應(yīng)用等手段實(shí)現(xiàn)業(yè)務(wù)的量變到質(zhì)變的增長。如果你對如何提升業(yè)務(wù)效率、優(yōu)化用戶體驗(yàn)、實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的產(chǎn)品化感興趣，那么這篇文章將為你提供寶貴的參考和啟示。

首先我要先發(fā)表一個我的觀點(diǎn)：今天的增長不再是撬動單點(diǎn)的巨大杠桿，而是通過更多細(xì)分場景的挖掘和提升、組合起來從而量變引發(fā)質(zhì)變的增長。所以今天的增長拼的是效率，效率所形成的杠桿。

數(shù)據(jù)驅(qū)動業(yè)務(wù)基本貫穿我的職業(yè)生涯，大大小小的規(guī)模、階段以及不同的業(yè)務(wù)場景。從早年攜程的業(yè)務(wù)自動化到網(wǎng)易的數(shù)據(jù)中臺與SaaS商業(yè)化再到阿里的ALL in AI，這讓我站在不同視角看到和體會了很多，也沉淀了一些自己的方法和看法。數(shù)據(jù)驅(qū)動業(yè)務(wù)是業(yè)務(wù)數(shù)字化的表現(xiàn)，會有涉及很多板塊。

從不同的視角出發(fā)點(diǎn)和框架也不同：從業(yè)務(wù)的視角下核心就是從用戶和收入出發(fā)；從企業(yè)數(shù)據(jù)的視角下那就是支撐數(shù)據(jù)起作用的各個板塊和環(huán)節(jié)：BI、數(shù)據(jù)采集、數(shù)據(jù)資產(chǎn)（要素）、數(shù)據(jù)服務(wù)以及數(shù)據(jù)智能化。但大多數(shù)人受限于經(jīng)歷往往只會從某個點(diǎn)思考，就會缺失某些對業(yè)務(wù)和數(shù)據(jù)同樣重要的共同點(diǎn)。

早年阿里有句話叫業(yè)務(wù)數(shù)據(jù)化和數(shù)據(jù)業(yè)務(wù)化，標(biāo)語說的很實(shí)在，不會脫離業(yè)務(wù)搞數(shù)據(jù)，數(shù)據(jù)要有業(yè)務(wù)語義的解釋，也不會脫離數(shù)據(jù)搞業(yè)務(wù)。放在2020年前可以大講特講數(shù)據(jù)中臺，但在今天的企業(yè)環(huán)境下中臺黯淡了許多，不是因?yàn)椴恢匾?，而是大家都搞不起了，更多的關(guān)注眼前利益。

所以今天我們從業(yè)務(wù)視角出發(fā)，結(jié)合那些少為人知的數(shù)據(jù)中臺理念，看數(shù)據(jù)驅(qū)動的業(yè)務(wù)該怎么建設(shè)。

我說業(yè)務(wù)核心的是用戶和收入，當(dāng)然收入更多是一個自然而然的結(jié)果，它可以被影響但很難被趨勢性的改變，還是源自產(chǎn)品或商品售賣方式和服務(wù)。

所以俗話說的很有哲理，所謂回歸初心，回歸初心。不單是保持本心，也是一切的源頭，要想改變就要回到初心，改變初心。那我們就從這兩個方面入手來看——對于業(yè)務(wù)建設(shè)的核心要素有這么幾點(diǎn)：

1. 用戶旅程的數(shù)據(jù)化呈現(xiàn)和設(shè)計
2. 用戶行為數(shù)據(jù)采集模型的全局規(guī)范
3. 用戶來源的歸因以及行為偏好
4. 站外培育的用戶識別與站內(nèi)承接
5. 生命周期各業(yè)務(wù)環(huán)節(jié)用戶模型的建立
6. 用戶模型的數(shù)據(jù)快照與流轉(zhuǎn)分析
7. 指標(biāo)和標(biāo)簽的數(shù)據(jù)中間層
8. 各渠道間用戶轉(zhuǎn)化路徑設(shè)計與跟蹤
9. 各場景的單點(diǎn)智能化與模型策略沉淀
10. 單點(diǎn)場景策略的人群放大
11. 數(shù)據(jù)驅(qū)動增長的產(chǎn)品化

我把這些要素歸納總結(jié)為以下幾個板塊：

1. 用戶行為與旅程
2. 用戶模型
3. 業(yè)務(wù)數(shù)據(jù)中間層
4. 智能化與策略模型沉淀、優(yōu)化和放大
5. 產(chǎn)品化

這篇文章可能無法事無巨細(xì)的講清楚，畢竟篇幅太長，所以我通過這幾個大的板塊去來講述這些要素和必要性。

01 用戶行為與旅程

用戶行為是個老生常談的問題，而用戶行為和旅程這里面涉及到2個粒度：一個是細(xì)粒度的用戶行為路徑——關(guān)系路徑和時序路徑；另一個是業(yè)務(wù)各重要節(jié)點(diǎn)的用戶流轉(zhuǎn)關(guān)系。

當(dāng)然用戶路徑呈現(xiàn)的前提是行為數(shù)據(jù)的埋點(diǎn)采集，這里面涉及到一個很重要但卻關(guān)乎數(shù)據(jù)驅(qū)動業(yè)務(wù)整體性增長成敗的問題，就是規(guī)范——也就是說對于埋點(diǎn)和行為數(shù)據(jù)在企業(yè)層面認(rèn)知和話語體系是否統(tǒng)一的問題。

因?yàn)槿绻麤]有規(guī)范就會導(dǎo)致每個人都會不斷地對一個地方進(jìn)行重復(fù)埋點(diǎn)永遠(yuǎn)無法信息對稱，如果你不知道別人埋了什么，憑一個人的力量無法將所有點(diǎn)埋完，那就無法整體性的分析和使用，就無法突破量變引起質(zhì)變。

所以這是一個看似無助實(shí)則巨大又容易被忽略的問題，往往業(yè)務(wù)走到后期陷入困境才發(fā)現(xiàn)這個問題只能回過頭來重構(gòu)。這不是一個中臺問題，這是一個業(yè)務(wù)問題，只是往往中臺去承擔(dān)這個責(zé)任。

那基于用戶行為和旅程必然會梳理和追蹤到各用戶來源渠道，渠道涉及到最核心的問題一個是自然流量、一個是付費(fèi)流量。尤其是付費(fèi)流核心就是投入和ROI的問題，那資源、錢最大化的利用就要涉及到渠道歸因，直白來說基于ROI哪個渠道用戶貢獻(xiàn)最大，資源投入最大。

當(dāng)然不同渠道也有其人群特性和業(yè)務(wù)價值，比如像用戶培育、種草口碑、裂變等，因此還有其他的考量因素。除了資源分配，就是在投流時抓住用戶的作息和興趣偏好等進(jìn)行優(yōu)化來進(jìn)一步提升轉(zhuǎn)化。

當(dāng)今天內(nèi)容種草成為趨勢以及搜索平臺往內(nèi)容平臺轉(zhuǎn)移的趨勢，大大的加強(qiáng)了站外培育的趨勢。你無法阻止用戶在站外了解你、評估你和學(xué)習(xí)你，同時你也不用費(fèi)心去想方設(shè)法的構(gòu)建站內(nèi)的內(nèi)容培育體系，因?yàn)檎就馔鼉?yōu)秀和更接地氣（所謂接地氣就是更能從用戶視角出發(fā)以及痛點(diǎn)的把握）。其實(shí)站外培育這個可以放到用戶模型中來講，會在潛客模型這一側(cè)。

但正是因?yàn)楫?dāng)用戶行為數(shù)據(jù)以及旅程的梳理，會自然而然的發(fā)現(xiàn)這一波奇特的用戶群體——你什么都不用做，這波用戶就會從自然流進(jìn)來直接付費(fèi)。這個就屬于業(yè)務(wù)增長中單點(diǎn)場景的挖掘，量變中的“量”。

所以這就是數(shù)據(jù)驅(qū)動從無到有的優(yōu)勢，如果憑借經(jīng)驗(yàn)?zāi)愫茈y發(fā)現(xiàn)，即使發(fā)現(xiàn)了也無從下手，因?yàn)闆]有行為就無法區(qū)分這些用戶。

當(dāng)這個場景的用戶數(shù)據(jù)模型建立后，就可以不斷優(yōu)化算法模型來更精準(zhǔn)的找到這波人——這叫Look-alike人群放大，我后面會在用戶模型中講這一場景和方法——通過調(diào)研和定性的方式挖掘到一小批用戶樣本，再通過模型訓(xùn)練、人群放大的方式放大場景價值。

02 用戶模型、策略框架與智能化

用戶模型我們聽到的有很多，比如像電商、零售常見的RFM、AIPL、FACT等；App類的活躍留存模型等。對于用戶模型的設(shè)計和分析涉及面很廣，根據(jù)不同的行業(yè)和業(yè)務(wù)模式應(yīng)用方式也不同，即使同一個模型比如RFM在不同的業(yè)務(wù)和場景下應(yīng)用方式和目的也會有很大差異。

當(dāng)然剛才提到的是一些固化的用戶模型方法，這些更多的是在大的業(yè)務(wù)流程中以及用戶生命周期各個環(huán)節(jié)上的用戶模型框架。

比如貫徹整個生命周期的AIPL，又或者在AARRR中——（Revenue）收入環(huán)節(jié)的RFM價值用戶分層。但是這些固化的模型方法往往沒辦法進(jìn)行新的用戶場景挖掘的，只是更好的對用戶進(jìn)行分層管理。

亦或者說，十年前的方式對于今天來講不夠精細(xì)化，今天的精細(xì)化是要在這些用戶模型框架下去挖掘一些新的細(xì)分用戶場景，而這些細(xì)分場景是量變引起質(zhì)變增長的變量。

我們一直在說『用戶挖掘』——其實(shí)這是一件很難的事情，對于大部分人來說無從下手。這個名詞看似是一個完全由數(shù)據(jù)挖掘的，其實(shí)不然。這也是我一直在強(qiáng)調(diào)的——大數(shù)據(jù)不能解決所有問題，單純的數(shù)據(jù)分析無法找到真正的根因。

那對于細(xì)分場景的挖掘，或者說更細(xì)粒度的用戶模型該怎么挖掘？

對于用戶模型來講其實(shí)應(yīng)該有兩層含義：一層就是上面提到的用戶分層模型；另一層其實(shí)是通過模型進(jìn)行細(xì)分場景用戶的識別——比如上面我講到的已經(jīng)進(jìn)行過站外培育的用戶群體。

那對于新場景人群的挖掘和識別，單純靠數(shù)據(jù)是沒法冷啟動的，因?yàn)槟悴恢滥悴恢赖臇|西——也就是新場景是什么。這里就會涉及到一個調(diào)研和定性研究，其實(shí)本質(zhì)上是在發(fā)現(xiàn)一個新的場景以及積累模型種子人群樣本的過程。

在智能營銷投放的領(lǐng)域有一個概念叫Look-alike人群放大——基于種子樣本人群進(jìn)行模型訓(xùn)練后，通過模型在廣泛的人群中找到相似特征的人群。

同樣我們把這個思路放在業(yè)務(wù)場景挖掘上，當(dāng)我們發(fā)現(xiàn)一些具有特殊行為表現(xiàn)的用戶進(jìn)行調(diào)研，或者就單純對用戶進(jìn)行抽樣調(diào)研，會發(fā)現(xiàn)一些新奇的場景——比如說站外培育群體、對你具有濃厚興趣但并非產(chǎn)品設(shè)定的目標(biāo)用戶等。

通過對這些用戶的行為進(jìn)行模型訓(xùn)練后，這就是既定場景人群的挖掘模型——不是為了人群分層管理，而是為了劃分場景制定個性化的策略。

所以我們今天一直在說智能化，所謂智能化不是一個從0到1再到N的過程，而是一個從N到1的過程，是由大量的單場景智能化組成的體系化。

那我們再說回用戶分層，對于用戶分層來講，我們不單單是按照既定用戶模型規(guī)則把人群分好即可——用戶是流動的，為了后續(xù)能對策略進(jìn)行精確的效果分析和歸因，是需要通過人群的靜態(tài)切片去進(jìn)行觀測的——這也是Cohort Analysis（同期群分析）的核心，也就是通過控制變量的方式來看策略的有效性。

當(dāng)然Cohort Analysis是遠(yuǎn)遠(yuǎn)不夠的，因?yàn)槲覄偛耪f到用戶是流動的，如果從整個數(shù)據(jù)閉環(huán)來看，必然要追蹤用戶流轉(zhuǎn)到什么地方以及為什么。

所以這時候我們需要對不同時期通過用戶模型劃分的群體進(jìn)行數(shù)據(jù)快照，通過數(shù)據(jù)快照的對比來發(fā)現(xiàn)和分析用戶在群體間的流轉(zhuǎn)關(guān)系以及發(fā)生了什么和為什么。

這是很多業(yè)務(wù)同學(xué)所忽略的，主要原因在于不懂?dāng)?shù)據(jù)、不知道能做得到以及沒有往深處想，當(dāng)然也很復(fù)雜。我之前的文章有詳細(xì)的講解和案例《深入用戶分層的數(shù)據(jù)應(yīng)用》，在這里就不詳細(xì)贅述了。

對上面所講的用戶模型做個簡單總結(jié)：一類是場景挖掘和拓展的模型——通過固化下來用戶場景的模型后，拓展找到更多相似的用戶群體；另一類是老生常談的分層模型，但需要進(jìn)一步精細(xì)化深挖下去進(jìn)行流轉(zhuǎn)和歸因分析。

當(dāng)然對于用戶分層模型來講，在不同的業(yè)務(wù)環(huán)節(jié)和用戶生命周期階段會有不同的模型應(yīng)用，因?yàn)榉謱拥哪康氖菫榱酸槍π圆呗月涞兀罕热鏏ARRR中潛客獲客、激活活躍、收入等環(huán)節(jié)，那整個生命周期串起來的用戶模型是個大的策略框架，在每個用戶模型下場景挖掘的用戶模型就是策略框架下的細(xì)分場景。

同樣這些細(xì)分場景最終組合起來的其實(shí)是一個影響用戶體驗(yàn)管理的歸因因素框架，當(dāng)然這是一個額外和更高深的話題這里暫且不談。

03 業(yè)務(wù)數(shù)據(jù)中間層

一般說到業(yè)務(wù)數(shù)據(jù)大家常說的是指標(biāo)體系，10個人的簡歷有9個人會寫指標(biāo)體系。但往往大家所指的指標(biāo)體系僅僅是在監(jiān)控和觀測角度的指標(biāo)。

你說重要吧？很重要，但又不那么重要——因?yàn)槌擞^測，其他的什么都不能做。

這里要說的業(yè)務(wù)數(shù)據(jù)中間層不像數(shù)倉的數(shù)據(jù)中間層一樣過于抽象業(yè)務(wù)難以理解，又或是業(yè)務(wù)數(shù)據(jù)集市過于定制不靈活。

當(dāng)然今天我們不講數(shù)據(jù)構(gòu)建，講了大部分人也不感興趣聽不懂，但是有必要來說說為什么要有供業(yè)務(wù)使用的數(shù)據(jù)中間層?！蔷褪菙?shù)據(jù)使用成本、產(chǎn)品化的準(zhǔn)備、業(yè)務(wù)歸因基礎(chǔ)以及老生長談的數(shù)據(jù)一致性、可解釋性以及質(zhì)量等。

想要數(shù)據(jù)驅(qū)動必然先要解決的是業(yè)務(wù)同學(xué)數(shù)據(jù)使用成本的問題，否則取數(shù)過于困難還是拍腦袋靠譜，談什么數(shù)據(jù)驅(qū)動？

對于現(xiàn)在很多運(yùn)營來講，寫個單SQL查詢還是容易的。所以對于中間層來講，可以快速的讓運(yùn)營通過一個簡單的SQL查詢可以聚合不同維度進(jìn)行多個指標(biāo)的查詢。

這就解決了一個找數(shù)據(jù)分析師擠兌取數(shù)的問題，取數(shù)必然是為了策略以及效果驗(yàn)證，排隊(duì)意味著你的策略反饋不及時，永遠(yuǎn)趕不上業(yè)務(wù)變化。當(dāng)團(tuán)隊(duì)越龐大，這種現(xiàn)象越明顯，企業(yè)人效的角度永遠(yuǎn)不會配備充足的數(shù)據(jù)分析師。

這就是很多策略和業(yè)務(wù)節(jié)奏之間總是存在很大的gap，最終策略無論好與壞都是無效的，因?yàn)椴痪邆鋾r效性和及時反饋——從用戶感知的角度就是行為旅程是斷層的，從運(yùn)營的角度就是SOP是割裂的。

因?yàn)椴呗杂肋h(yuǎn)不是單點(diǎn)策略，是需要前后承接的。后面我們要講到的要把數(shù)據(jù)驅(qū)動的過程產(chǎn)品化時很重要的一點(diǎn)就是要有與業(yè)務(wù)語義一致的數(shù)據(jù)體系——指標(biāo)和標(biāo)簽的數(shù)據(jù)、口徑和可解釋性。那最好的方式就是用同一套數(shù)據(jù)源，數(shù)據(jù)一致這也能保證業(yè)務(wù)策略和產(chǎn)品的步調(diào)一致，不會像瀑布一樣因?yàn)槁洳钭兂梢粋€傳遞的過程。

當(dāng)我們通過產(chǎn)品化的方式保證策略自動化和智能化執(zhí)行的時候，數(shù)據(jù)一致性就顯得更為重要，否則事前的分析和執(zhí)行的結(jié)果永遠(yuǎn)無法對齊，這就像聽天由命一樣——你也不知道誰是對的，有沒有效。

上面提到業(yè)務(wù)歸因，歸因本質(zhì)上是一個關(guān)系建立的過程，那業(yè)務(wù)歸因的前提是要建立數(shù)據(jù)之間的關(guān)系。業(yè)務(wù)中間層從場景和數(shù)據(jù)的角度建立了數(shù)據(jù)關(guān)系，所以這個就是具備業(yè)務(wù)歸因可解釋性的基礎(chǔ)。

否則就只能通過像類似異動檢測算法一樣，僅僅通過數(shù)據(jù)表現(xiàn)來尋找關(guān)系。最后我強(qiáng)調(diào)一下，其實(shí)對于業(yè)務(wù)中間層來講包括指標(biāo)和標(biāo)簽的數(shù)據(jù)中間層就夠了。

只不過在標(biāo)簽這一層可能會有好幾套數(shù)據(jù)體系，因?yàn)闃?biāo)簽會有一個主體的概念，在今天 的互聯(lián)網(wǎng)中我們標(biāo)記主體的標(biāo)識很多，所以有了OneID。

但從業(yè)務(wù)的角度不同標(biāo)識其實(shí)對應(yīng)的用戶場景是有區(qū)別的，所以策略的應(yīng)用也會有所差異，比如不同場景下的觸達(dá)策略和渠道對應(yīng)不同的用戶觸達(dá)標(biāo)識等。

對于業(yè)務(wù)數(shù)據(jù)中間層這個部分我相信很多人理解起來有點(diǎn)抽象，因?yàn)楸澈蠛w了太多的數(shù)據(jù)領(lǐng)域的專業(yè)知識沒辦法逐個展開，以及把一個龐大的數(shù)據(jù)體系濃縮后更貼合和適配于業(yè)務(wù)。

所以…其實(shí)也沒什么所以，這就是一個業(yè)務(wù)和數(shù)據(jù)知識、團(tuán)隊(duì)以及資源整合的問題，這里先給大家傳輸一個理念吧。

04 數(shù)據(jù)驅(qū)動的產(chǎn)品化

把數(shù)據(jù)驅(qū)動產(chǎn)品化的核心就是把業(yè)務(wù)目標(biāo)、人群、觸點(diǎn)、內(nèi)容以及自動化流程，包括我上面提到的以及其他業(yè)務(wù)定制的場景產(chǎn)品化。詳細(xì)的在這里我不過多的贅述了，可以去翻我以前寫的所有跟數(shù)字營銷和增長相關(guān)的文章，結(jié)合自身的業(yè)務(wù)場景把產(chǎn)品整合起來就好。

但我想要強(qiáng)調(diào)的是為什么要做這件事，就是在做產(chǎn)品前你要把價值和定位想清楚，而不是一味的我就是要做。做產(chǎn)品化的目的不是要一個營銷增長工具或者數(shù)據(jù)分析工具，在今天SaaS成熟度比較高的情況下，好用的工具遍地都是，更何況AIGC的加持。

從工具層面完全可以利用SaaS的開放去進(jìn)行整合，既省力又省錢，這也是多虧了這么些年來SaaS在開放層面的努力。

產(chǎn)品化的目的是為了固化場景和策略并形成SOP、建立業(yè)務(wù)場景的數(shù)據(jù)聯(lián)系以及自動化與智能化從而實(shí)現(xiàn)量變到質(zhì)變，所以今天的增長拼的是效率，而借助產(chǎn)品化來提升的就是效率和杠桿。

這里的效率不單單是人效，像我前面提到的很多場景挖掘模型是沒辦法靠人做到的。當(dāng)然人在這里最核心的作用變成了探索——也就是說在既定場景的SOP形成前，是需要通過人來挖掘和快速實(shí)驗(yàn)去摸索初步的SOP。

還有一層效率是——當(dāng)積累了場景、數(shù)據(jù)和策略的時候，在智能化上的突破——用戶挖掘、智能投放、用戶路徑優(yōu)化、內(nèi)容生成等。

產(chǎn)品化也是歸因的前提：一方面產(chǎn)品可以強(qiáng)制性約束策略的沉淀；另一方面可以把每個人分散的策略歸集為一個整體并數(shù)據(jù)標(biāo)準(zhǔn)化。否則只是靠單個人的匯報，很難有一個整體性的判斷，并且你也不知道策略互相之間的影響是怎樣的。

當(dāng)然你覺得這個東西可以靠數(shù)據(jù)分析師去完成和統(tǒng)籌，那基本不可能——暫且先不提數(shù)據(jù)分析師與業(yè)務(wù)之間的gap以及對業(yè)務(wù)的理解程度，光我上面提到的業(yè)務(wù)節(jié)奏和數(shù)據(jù)時效性問題，以及對數(shù)據(jù)分析師來講每一個個性化策略背后都是一個獨(dú)立且復(fù)雜的數(shù)據(jù)處理過程。

而對于策略是可以抽象標(biāo)準(zhǔn)化的執(zhí)行動作，就像開始我提到的人群、觸點(diǎn)和內(nèi)容等——這就意味著個性化的策略背后數(shù)據(jù)、評價標(biāo)準(zhǔn)是可以標(biāo)準(zhǔn)化的。以及策略間的相互影響是可以通過數(shù)據(jù)清晰可見的。

當(dāng)然產(chǎn)品化還有一些產(chǎn)品自身的優(yōu)勢，比如便于管理、約束、信息對稱以及提效等——這些是所有產(chǎn)品的共性，不是獨(dú)有的，在這就一略而過了。

05 簡單再提一嘴智能化

上面用戶模型中我提到了一些智能化的場景應(yīng)用，其實(shí)智能化的應(yīng)用方式非常多，本質(zhì)上智能化的應(yīng)用是你對機(jī)器學(xué)習(xí)的理解——比如上面提到可以通過機(jī)器學(xué)習(xí)進(jìn)行用戶挖掘；同樣也可以對用戶樣本數(shù)據(jù)反向進(jìn)行特征的相關(guān)性分析；也可以拋開固有的用戶模型方法通過機(jī)器學(xué)習(xí)進(jìn)行人群聚類分層等。

機(jī)器學(xué)習(xí)過程中的每一個環(huán)節(jié)都可以考慮在不同場景上去應(yīng)用或進(jìn)行策略分析和產(chǎn)出。我提到的量變可以先從單點(diǎn)的智能化開始，但不同場景的目的和解決方式各不相同，所以要好好思考和機(jī)器學(xué)習(xí)的匹配和結(jié)合。如果今天你在做增長不帶點(diǎn)數(shù)據(jù)科學(xué)的話，那就要真的好好思考一下增長的破局方式了。

06 額外提一嘴PLG

PLG是指的產(chǎn)品驅(qū)動增長。PLG是國外環(huán)境下的產(chǎn)物，其實(shí)我認(rèn)為也是國外工程師文化的表現(xiàn)，國內(nèi)的文化環(huán)境差異性較大，所以我想聊聊對國內(nèi)PLG的一些想法。

中國和美國市場差異比較大的是營銷環(huán)境，國內(nèi)充斥著大量營銷所產(chǎn)生的噪聲，其實(shí)你看銷售市場也是這樣——美國注重的是知識型或項(xiàng)目解決方案型的銷售，國內(nèi)注重的是快速成單的電銷。

當(dāng)然對于原因我們不去深究，但呈現(xiàn)出來的現(xiàn)狀確是如此，這也是為什么很多國外知名的產(chǎn)品進(jìn)入國內(nèi)后屢遭碰壁，甚至退出中國市場——Amazon、salesforce等。所以PLG不是沒有營銷屬性，而是不以營銷屬性為主。

營銷在其中核心的是那個鉤子以及最后促使你轉(zhuǎn)化的臨門一腳。你會發(fā)現(xiàn)AIPL模型的核心不是把人劃分成了認(rèn)知、興趣、購買和忠誠，而是人性——是通過各種方式和手段push你進(jìn)入到下一個階段。你看銷售亦是如此。

我覺得在國內(nèi)的環(huán)境下對于PLG來講核心是要從這幾點(diǎn)去思考和建立體系化的常規(guī)策略：

①如何保證免費(fèi)流量的最大化轉(zhuǎn)化；②如何通過付費(fèi)流量去撬動免費(fèi)流量；③在不同階段的用戶鏈路上保持常規(guī)的營銷手段。

對于免費(fèi)流量來講本質(zhì)上如果拋開營銷和權(quán)益的誘惑，主要就是源于品牌知名度和口碑。

所以免費(fèi)流量的規(guī)模和波動是很難直接把控的，所以核心應(yīng)該是保證進(jìn)來的免費(fèi)流量最大化的轉(zhuǎn)化和利用，所以要有清晰的用戶跳轉(zhuǎn)鏈路——通過構(gòu)建用戶在不同外部渠道引流站內(nèi)的路徑來促使用戶更方便的找到你和了解你從而產(chǎn)生興趣，甚至說先產(chǎn)生興趣再來找到你、了解你。

像我們前面提到的站外培育，當(dāng)通過模型識別出用戶后通過一系列觸達(dá)手段提升直接轉(zhuǎn)化率來達(dá)到最大化轉(zhuǎn)化也是一個很好的例子。內(nèi)容種草以及信息搜索方式的轉(zhuǎn)變是用戶付費(fèi)決策的轉(zhuǎn)變——信息檢索的是口碑，口碑代替的是親身體驗(yàn)，所以這應(yīng)該也算是體驗(yàn)經(jīng)濟(jì)下的另一種體驗(yàn)方式。

所以付費(fèi)流量要把流量采買和內(nèi)容種草結(jié)合起來再通過口碑傳播的方式撬動免費(fèi)流量——這也是今天一種比較成熟的達(dá)人經(jīng)濟(jì)模式，你幫我內(nèi)容植入我?guī)湍阃读鞣糯笥绊?，也有一套比較完善的評價體系。

說到免費(fèi)流量，說到PLG，我相信很多人第一個想到的就是裂變，然后就是拼多多。

但拼多多通過裂變帶來的巨大增長我不認(rèn)為是所謂的免費(fèi)流量，因?yàn)榍藙用赓M(fèi)流量背后砍一刀的巨大現(xiàn)金誘惑，實(shí)際上是為這些免費(fèi)流量進(jìn)行了付費(fèi)，只不過付費(fèi)的方式不同于直接的流量采買，和我剛才提到的付費(fèi)的方式去進(jìn)行內(nèi)容植入是一樣的。

所以都是付費(fèi)，這個錢花在哪能帶來更高的杠桿去撬動免費(fèi)流量是很重要的。

對于PLG的營銷手段來講，我們不能完全像國外一樣干干凈凈，因?yàn)閲庥脩艉椭袊脩魧Ξa(chǎn)品價值的感知不一樣?？评盏臓I銷學(xué)原理中有講的一個基礎(chǔ)的理論叫顧客讓渡價值，總而言之就是顧客總價值和總成本之差。

國內(nèi)用戶對產(chǎn)品價值的理解不只是產(chǎn)品本身，大部分用戶的產(chǎn)品價值中是包含著一些蠅頭小利去彌補(bǔ)自身的精神成本，所以常規(guī)的營銷手段是為了補(bǔ)齊產(chǎn)品價值。

以上就是我把我的這些數(shù)據(jù)驅(qū)動業(yè)務(wù)增長的要素和關(guān)鍵方法濃縮提煉出來的一篇深度的希望可以引發(fā)大家思考的文章。最后我想說開源是增長，節(jié)流也是增長。