無Cookies營銷番外篇1??用戶/價值/品牌

1827 閱讀 0 評論 1 點贊

本文主筆@JaronTam 校對繪圖@Yoki@SUGA |SUGA蘇嘉出海數字化小組原創文章

1 前言

1.1 ?賣家和用戶的關系

2 用戶價值數字化管理

2.1 用戶

2.1.1 ?互聯網用戶增長衰減

2.1.2 規模性獨立站（站群）變現

2.1.3 廣告流量的貨幣化

2.2 用戶價值

2.2.1 用戶價值指標體系

2.2.1.1 平均訂單價值 AOV(Average Order Value)

2.2.1.2 產品價值 Product Value

2.2.1.3 用戶價值 Customer Value

2.2.2 RFM指標模型

2.2.2.1留存期

2.2.2.1.1 客戶留存指標

2.2.2.1.2 用戶增長飛輪

2.2.2.1.3 用戶周期(Lifetime)

2.2.3 客戶生命周期價值(Customer time Value)

2.2.3.1 用戶狀態屬性

2.2.3.2 用戶價值屬性

2.3 如何實現用戶價值模型

2.3.1 面試題：把大象裝進冰箱，要幾個步驟？

2.3.1.1 關鍵數據指標

2.3.2 用戶體驗

2.3.2.1品牌需要克制

2.3.3DIKW模型用戶價值創造

3 總結

前言

有件事非常詭異，在和跨境賣家們交流中，發現大部分朋友都沉迷小學生算數題：

一個水池有一個進水管和一個排水管。只開進水管，2個小時可以把水池放滿，之后關閉進水管，只開排水管，需6個小時可以把水池排空。
問：從空水池開始，同時打開進水管和排水管，多長時間可以把水池放滿?
解：設水池的體積是“1”，進水速度是1/2（1小時進1/2池子的水），排水速度是1/6（1小時排1/6池子的水）
時間=體積/(進水速度-排水速度)=1/(1/2-1/6)=3 (小時)
答：需要3小時可以放滿

事實上，這個解答并不符合實際的情況，因為位于水池底部的排水管的排水速度并不是恒定的，而是和水的深度有關，具體關系式可以用伯努利定律得出。

當然本身泳池進水題目就非常脫離實際——畢竟一邊進水一邊放水，只有傻瓜才會做的事

然而，更脫離實際的是，很多賣家都在重復如此“傻瓜”的行為：

用戶走掉了？沒有關系，繼續引流唄！

（然后發現，盡管流量增加會讓營收增加，結果確實利潤無法提升甚至開倒車）

很多交流會或者分享上，很多賣家都關心的問題，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；

然而在數字化獨立站的無Cookies時代營銷（中）ETL篇，我們解構過流量的本質，是用戶鏈接我們(站點)形式，流量背后關鍵是用戶，而不只是表面的流量數據。

所以荒誕而普遍的是，只關心用戶引入，而漠視自己池子里的用戶流失

——過于重視流量，結果就是“為何我總是增收不增利”

——“為何關不掉那該死的出水口?？”，然后只能陷入不斷加大進水口的投入，無限的惡性循環

所以，本番外篇，說的就是，如何關掉這個該死的出水口?

?賣家和用戶的關系

要理解賣家和用戶的關系，需要先理解用戶；要理解用戶，需要兩個學科：

并且，需要的是兩個學科的有機結合而非單獨的分開應用，才能完成用戶理解

這里簡單敘述蘇嘉SUGA一個內部共識：數字化獨立站匹配內部流程&用戶需求量化并使用自動化方案實現過程；

也就是

用戶價值數字化管理

數字化是一個偽命題（表面上科學，實則忽悠老板）還是實操可落地的項目&方案，是不可證偽的熱點話題。

蘇嘉SUGA的一貫主張：數字化轉型是提升團隊在無Cookies營銷世界中生存能力的必然選擇

而在數字化轉型過程中，聽到或者提及最多的一個詞：以用戶為中心。為什么呢？

因為，現代化團隊需要明確“用戶”的概念，同時必須在數字化轉型中意識到傳遞團隊產品&服務價值的重要性。

讓我們開始論證以用戶為中心為何那么重要：

用戶

大部分賣家存在一個概念誤區，“我的產品好，就可以好賣”；

無論是選品型賣家，還是產品型賣家，都會存在產品賽道選擇決定獨立站增長容錯空間的觀念：

“七分靠選品，三分靠運營”

確實，跨境電商初始階段，ebay/Amazon等電商平臺帶來B2C的現代化電商模式，高效地縮短從外貿工廠到海外消費者的輸出環節；此時賣家的核心驅動是產品沒有錯，因為更好的產品意味更高的市占率。

尤其隨著亞馬遜生態的發展，Review為產品鏈接主要權重，讓“產品為王”一度成為每個Amazon賣家的口頭禪

而隨著(獨立站+Facebook廣告平臺)模式興起，帶來更廣的銷售渠道的同時，也吸引越來越多競爭者。在這個階段，鋪貨型賣家的進場也加速跨境電商生態的成熟化，也分化為規模型賣家和產品型賣家：

一方面，隨著跨境電商平臺/獨立站渠道銷售功能的完整化，運營能力更強的鋪貨型賣家替代外貿型賣家，成為主流賣家是必然的事情
然而另外一方面，純生產的工廠賣家開始追趕鋪貨型賣家的運營能力，形成獨特的工貿一體化

規模型賣家，選擇上必然是“產品為王”轉變為“渠道為王”模式，發展的側重點也從產品是不是滿足用戶需求轉變為發掘更多盈利向+爆發性產品，追求顯性回報(GMV)而非隱性回報(用戶價值CLV)

	規模型賣家	產品型賣家
投入	營銷費用為主（大媒體/搜索引擎廣告，紅人營銷）	產品研發為主，營銷費用為輔
周期	營銷端回報周期短	產品/供應鏈開發周期長
量化	以廣告投入產出比計量，確定性明顯	以用戶產出價值衡量，存在不可確定因素
有利	團隊管理簡單，業務規模化更容易營銷見效迅速，投入產出模式有效復用	競爭可持續性優勢用戶/品牌價值沉淀
不利	規模受限于營銷成本/無競爭優勢隱性測試成本過高，讓利于渠道/廣告方無法獲取產品最大利潤&積累用戶復利	價值周期長，短線變現空間需時間沉淀產品規模化存在沉沒成本(Sunk Cost) 組織結構多樣化，需要復合/專業人才

?互聯網用戶增長衰減

我們通過上表進行了規模型和產品型賣家的對比，不過在當下時代，兩者遇到的共同難題沒有把列入其中：

互聯網人口高速增長帶來的紅利在消失

得益于數字化時代增速，互聯網人口（即社媒用戶，PC/移動端等觸點型用戶）快速增長同時，也讓互聯網社媒（尤其Facebook應用第三方數據上）的廣告庫存/廣告算法/廣告效益等發展進入高速道路——規模型賣家因此利用Dropshopping（長尾產品供給）+Facebook廣告（快速匹配用戶需求）獨立站模型高效&重復變現。

規模型和產品型賣家之間的差異，往往體現在獲客、留存、活躍三個維度。

對規模型賣家來說，快速獲客是買量增長策略成長關鍵，表觀指標為ROAS，細分拆解還有單用戶創收，然而本質是流量競爭平臺下的增長杠桿和成本，意味著用戶規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，Facebook廣告效能已經整體崩盤，原因在我們下文）

對產品型賣家來說：

用戶是需求的集合，因此各細分產品賽道上可獲取的用戶規模上限，由產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品/品牌護城河構建的難度（產品力）決定了各賽道中可分到的用戶多少。

規模性獨立站（站群）變現

凡是談論到獨立站，站群模式必然是中國賣家繞不開的話題之一：

站群，其實最開始使用互聯網術語，是在SEO工作中，通過建立強大的鏈接資源庫從而推動關鍵詞排名上升，在搜索引擎端獲取到最大規模的流量；

廣告流量時代的站群，道理其實是類似的，不過這時代共享的是——像素(Pixel)

對站群賣家而言，在轉化鏈條上最接近購買行為的廣告最值錢，因為站群的變現效率取決于：

? 有效廣告庫存

? 投放效率

越接近轉化的廣告，損耗/測試成本越低，其帶來的流量就可以達到越高的ROAS

因此同步像素(Pixel)有效減少站群網站的因為像素數據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化投放（轉化）效率，因此規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，優化廣告效率越高

但關鍵系數在于——流量變現效率必然存在極限值，導致站群體量亦然，Why？

廣告流量的貨幣化

流量變現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/點擊產生的GMV)決定，表面觀察是電商貨幣化率的區別，本質是平臺廣告分發效率的差異化

一個問題：廣告平臺是流量的生意嗎？
是，特別是以MAU為核心的流量指標是入局互聯網廣告的核心，在于流量池也是數據池，通過沉淀大量用戶數據，做算法的優化，從而實現VV和ARPU的雙升
也不全是，在貨幣化過程中，流量的變現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量上限，以及廣告本身的轉化效率問題

用戶總時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)和廣告價格(ECpm)決定的，而本質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濟效益決定的，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，社媒廣告用戶呈現爆炸性增長，直觀感受是：

廣告消耗速度↑/賣家廣告收入↑

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廣告平臺的極限；

而更嚴重的是，Facebook廣告收入的崩盤不單單因為ATT針對，還因為競爭對手的加入:

Z世代用戶比起Facebook更喜歡停留在TikTok，意味著TikTok已經侵蝕Facebook用戶使用時間，才是Facebook廣告效能下降的最大危機。

PS：某程度上，所謂流量紅利，本質是某用戶（社媒/電商）平臺在快速用戶增長狀態呈現的信息傳播稀缺；

題外話，我們對于新興出海平臺并不看好個人機會，比如，拼多多Temu，TikTok短視頻等出海平臺：
TikTok作為內容輸出平臺，現階段沒有良好的創作者分成機制（對比Youtube的創作者廣告分成）；
短視頻APP的網絡效應介于梅特卡夫與雙邊效應之間，用戶同時提供內容&消費內容，兼具一定的社交屬性；
因此以內容為承載的用戶間互動連接是短視頻APP的增長引擎；
短視頻APPDAU/使用時長的增長，取決于內容創作是否完成用戶數據積累和算法優化；
因此沒有良好的創作者分成機制，會導致TikTok平臺上的創作者會呈現流失嚴重現狀（轉移到其他內容平臺）
而對于拼多多Temu的不看好，則在于Temu存在非常高的法律風險問題；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，包括其中分支跨境電商團隊本質上也屬于互聯網行業：

很多賣家會錯誤把GMV增長視為北極星目標，或者將自身增長公式定義為產品交易價值公式

好處是，管理相對簡單，單/多渠道推廣，細分渠道標準，考量團隊廣告ROI投入產出即可

壞處是：隨著消費者在在消費廣告追求精神滿足和個性化推薦，廣告競爭的時代已經朝著用戶競爭時代發展

(用人話就是，新增用戶獲客成本已經高于產品利潤，繼續應用廣告營銷增長模式，利潤空間會越加稀薄)

用戶競爭時代，賣家和用戶之間需要更接近用戶體驗管理的方式，而非強硬的產品推廣交易關系，而是從用戶習慣出發，根據用戶發掘信息的路徑設計我們產品走進用戶方案——體驗回報ROX(Return on Experience)

當然，問題是，賣家如何保證體驗回報ROX(Return on Experience)實現并支撐團隊發展？

答案是，用戶價值

用戶價值

大部分賣家團隊對于用戶價值難以理解的地方，在于如何量化——尤其對比產品價值

產品價值量化相對簡單：

對產品客單價進行拆分：人力成本+產品成本+渠道成本+凈利（提成從凈利中按業務階段分不同百分百計算）

以瑞幸Luckin產品結構舉例，量化產品成本結構之后

繼而匯總成為整體GMV營銷效果的評估——規模型賣家優勢在于低成本建立巨大的流量池優勢，持續獲取用戶

這里的低成本，不單單只有低流量成本，還包括大量的性價比產品；

規模型獨立站賣家增長底層，和瑞幸在競爭激烈的咖啡市場跑出來的背后主因其實一致：

——舍棄咖啡館的空間屬性/平臺的質量背書后，主打提供高性價比/高便利性的咖啡，實現破壞性創新：

規模型賣家在產品主打方案是，大量上架1688/速賣通產品，物美價廉成為海外消費者接觸規模型賣家推廣廣告后的轉化主因：

廠家/供應鏈：產品得到大量曝光機會

賣家：使用低成本廣告費測試人群數據，積累數據“像素”，規模化投放團隊

廣告平臺方：廣告費/用戶消費傾向數據

買家：物美價廉的產品

但產品價值營銷存在的局限性，在于低流量成本不可持續；

同時規模型賣家也缺少產品開發，與競爭對手拉不開競爭優勢；

（規模型賣和產品質量不可兼得，唯一例外是SheIn，高度數字化供應鏈中臺實現源源不竭的合格產品敏捷響應——和抖音/TikTok一樣，使用高敏捷的內容中臺&UGC內容轟炸用戶心智）；

依賴營銷廣告增長不是問題，因為本質是投入產出比的精算規劃——那么用戶價值和產品價值的差異在哪里？

從量化的角度，我們對用戶價值數據指標&效應進行解釋：

用戶價值指標體系

所謂價值(Value)，首先直觀量化是我們產品的客單價：

**平均訂單價值 AOV(Average Order Value)**

但如何看產品價格背后的意義，會形成兩種不同的角度的價值：

**產品價值 Product Value = 用戶數×平均訂單價值 AOV(Average Order Value)**

**用戶價值 Customer Value = 用戶消費頻率(Frequency)×平均訂單價值 AOV(Average Order Value)**

從營銷主的角度，產品價值必然是客觀性的：產品/服務從開發到最后被迭代，它能產生的最大價值必然是產品本身客單價乘以最大用戶覆蓋數（產品用戶最大覆蓋數，往往代表著不同產品對應的不同用戶群體）
用戶價值體現則是用戶主觀性，是用戶認為產品或服務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品/服務，并以此量化出用戶了解和認可我們的產品/服務的價值；用戶價值的量化邏輯是產品客單價乘以用戶消費頻率；

消費頻率(Frequency)存在兩種衍生：

獨立站復購類型按如下區分：

90天內重復購買率達到1％～15％：用戶獲取型
90天內重復購買率達到15％～30％：用戶混合型
90天內重復購買率達到30％以上：用戶留存型

獨立站交叉購——當產品類別復購系數過低，比如眼鏡/大件家具

提升產品/服務功能性從而提高AOV
創造產品生態——復購低單價高產品搭配復購高單價低產品從而形成產品矩陣

品牌案例Outer：從極致單品到一種戶外家居生活的想象｜BrandStar專訪

?RFM指標模型

最近一次消費(Recency) + 用戶消費頻率(Frequency) + 消費金額(Monetary) = ？

親密度

賣家和客戶之間的關系如同曖昧的情侶，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？

客戶消費的過程是持續變動的：

在距上一次購買時間滿1個月之后，在數據庫里就成為消費為2個月的客戶
反之，同一天，最近一次消費為3個月前的客戶作了其下一次的購買，他就成為最近一次消費為1天前的顧客

但如果我們挽回呢？所謂用戶體驗(User Experience，簡稱為UX或UE)管理，是根據用戶的身份/行為/信用數據量化用戶的狀態，以此決策對用戶做或是不做某些動作的動作(Action)，并得到或是不得到反饋(Feedback)的過程

RFM模型，實則是通過用戶的購物行為監測從而量化為用戶心理的量化數據，并根據數據排序(Ranking)：

只有當我們擁有了用戶的排序細分，才能針對細分用戶進行精細化的動作——而不是簡單粗暴的群發性營銷

比如針對【重要價值客戶】應該維系用戶關系促使復購/交叉購持續，針對【重要保持客戶】則是客戶流失挽回。

關于時間，有個非常有趣的地方

我們發現目前大部分獨立站的研究都不引入時間的指標

然而SUGA蘇嘉的角度中，時間恰恰是最重要的指標，如果是從訂閱電商的角度，甚至沒有之一

?留存期

一般來說，獨立站由于產品不同，展開分析需要具體個案具體分析，但有些指標數據是相通的，比如用戶周期：

新用戶激活期——如產品/服務使用周期為周，屬于高頻需求類產品，理想激活時間是1~3天，周期時長為第0周
新用戶留存期——留存率降幅明顯（正常現象），平均留存率差值均大于2%
長期用戶留存期——產品/服務留存率趨于穩定且緩慢下滑，每周約以低于1%的速度降低
流失召回期——產品的留存率有跌有漲，開始進行流失召回策略，測試出成效措施。而當留存率下降幅度突然加大，逐漸脫離趨勢輔助線預測值，需要考慮到此時用戶已使用產品將近留存期極限，拉回流速度已經比不過用戶流失速度。

不同用戶周期對應的用戶需求是不一樣，所以才需要RFM模型排序區分

而留存期需要長期時間觀察，指引效果有兩個：

現金流周期——當用戶處于長期用戶留存期的時候，意味著用戶價值變現是相對穩定的；

吸引新客戶的成本是留住現有客戶的 6-7 倍
把產品賣給老客戶的概率是賣給新客戶的 3 倍
總結：5％的客戶留存率增長往往意味著公司利潤 30％的增長
根據美國貝恩公司相關調查：
而哈佛商業評論研究提出數據導向是，“用戶留存率提升 5% 會刺激收入增長 25%-95% ”

產品迭代周期——當用戶留存期縮短（如上圖從40周開始減少），即留存期越加短暫往往意味產品需要迭代

附上客戶留存數據指標

客戶留存指標——留存線索、流失率、留存率

符合產品預期的線索 (PQLs Product-qualified leads)

PQL是指帶有體驗過產品且感受到價值的用戶的線索

——這個定義有些復雜，首先這個線索是來源于激活用戶，使用產品/服務傳遞后的用戶體驗/反饋價值：

激活用戶：指在產品/服務內完成關鍵行為，體驗過Aha Moment的用戶
Aha Moment：多譯為“頓悟時刻”，也有譯為“啊哈時刻”，由德國心理&現象學家卡爾?布勒(Karl Bühler)首創，對這個表達的定義為：在思考之前某個并不明朗的局面過程中，突然對產生明確或者深入的認識后，而產生的一種特殊的&愉悅的體驗。

?客戶流失率 (Customer Churn Rate)

本期內流失客戶數/上期末客戶數=(上期末客戶數-本期末客戶數+本期內新增客戶數)/上期末客戶數

?金額流失率 (Revenue Churn Rate)

Revenue Churn Rate一般有兩種口徑：

毛流失率 = (本期內流失RR+減值RR)/上期末RR
凈流失率 = (本期內流失RR+減值RR-增值RR)/上期末RR

存在一種理想狀態“負凈流失”(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面影響，已有客戶的總商業價值是不斷成長的；
所以即使暫緩獲取新客戶，業務也可以保持健康運轉。

?客戶留存率（Customer Retention Rate）

(本期末客戶數-本期內新增客戶數)/上期末客戶數

?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 - 本期內新增RR - 回流RR - 增值RR)/上期末RR
凈留存率 = (本期末RR - 本期內新增RR - 回流RR)/上期末RR

金額留存率相比于客戶留存率，額外反映了不同規模客戶的商業價值不同，還反映了客戶商業價值在兩個周期之間的變化（如增加&升級服務帶來的價值提升）

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，產品和服務的價值是可長期持續的，而銷售Upsell是不可長期持續的。

用戶增長飛輪

在《精益創業》中，埃里克·萊斯提出了驅動創業增長的三大引擎，都有各自對應的關鍵績效指標（KPI）：

黏著式增長引擎——重點是讓用戶成為回頭客，并且持續使用產品/服務
病毒式增長引擎——指數性本質：如果每個用戶能帶來1.5個新用戶，那么用戶數將會指數增長直到飽和
付費式增長引擎——通常，在確知產品/服務具有黏著性和病毒性前就啟動這一引擎，是過于倉促的行為

付費式增長，是規模化飛輪的最好工具——問題在于不單單規模化體量，成本也同樣規模化
規模型獨立站賣家以付費式增長引擎規模化體量之后，才會發現成本增長速度遠高于營收增長速度
原因在于：我們前文提及的互聯網人口高速增長紅利在衰退，從增量市場轉為存量市場
客戶獲取成本(CAC)在大環境下，必然只會越加上揚，從付費增長變為付費衰退

從某種程度上講，賺錢是識別一個商業模式是否可持續的UOS(終極指標 Ultimate Oscillator)：
如果從客戶身上所賺的錢超過獲取客戶的花費，并且在時間段上維持，增長引擎就是可持續的；
因為企業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動增長的引擎——它只是讓企業現金流越來越多；
只有反過頭來把一部分營收再用于獲取客戶時，營收才有助于本身增長，找出增長引擎控制器的兩個調節旋鈕；
也就是本文的兩個重點，客戶終生價值(CLV)和客戶獲取成本(CAC)

如同我們在最開始提出的小學生水池問題一樣，拉新是企業增長的手段之一，但永遠不會是唯一手段：

保留現有用戶群，學會利用用戶數據并通過個性化召回策略讓用戶重新啟用產品/服務，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品到離開產品的整個過程

因此對應的是用戶消費習慣&行為模型的改變：

比如我們常見的海盜模型(AARRR)，理論依據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值(Customer time Value)

?客戶生命周期價值(Customer time Value)

從定義解構，分為兩部分：①客戶現在已經創造的交易/隱形價值 & ②之后預期會創造的交易/隱形價值

用戶狀態屬性：過去/未來

——從產品價值衡量來說，產品/服務只有交易那一刻才能體現價值，因此獨立站賣家衡量狀態，看GMV最簡單

——但從用戶價值觀察，用戶如同英語類似，有現在進行時 doing ，也有將來式 will do

因此用戶價值的最大化，是將 will do 確定為 will be going to do ，用一個簡單的實踐公式：

AOV客單價=50USD，獲客成本CAC75USD，客戶維護成本15USD/月，求解如何盈利？

?用戶價值屬性：交易/隱形

如同我們說過客戶獲取成本CAC由大環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/自有/被動流量的關系：

用戶同意可以分為：付費用戶/自有用戶/被動用戶，三者區別在于

我們通過Newsletter和社交媒體帳戶分享內容，即自有流量(Owned Media)觸達用戶，以此類推付費&被動用戶

如果用戶喜歡/認同所看到的內容，他們中的K因子(K-Factor)會與他們的親人/朋友(Earned Media)談論它，并且在社交媒體(Shared Media)上分享看到的內容。

若果從用戶的角度出發，假設意見領袖/kol被我們的深度內容觸動，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 多條反應和 800 多條評論)
然后，帖子由另一位意見領袖分享，后者將其推廣給與內容互動的新受眾(新增的 10,000 多個反應和 400 多個評論)
下一個意見領袖或者K因子繼續滾動，形成病毒式傳播鏈：所謂病毒式傳播，其實是使受眾可以在參與信息的制作和傳播過程中，同時成為信息的發布者和轉發者，以人際圈席卷的模式，攜帶信息迅速蔓延的傳播方式，即“傳者主動傳播——受眾接受——受眾轉變為傳者自愿再傳播”模式。

這其實也是著名的梅特卡夫定律(Metcalfe'law)：

“一個產品的用戶越多，則此產品對用戶的價值越大，而且能吸引更多用戶使用此產品”

網絡的價值與連接用戶數的平方（N^2）成正比關系，每增加一個節點都讓網絡價值快速增長。

同樣也是超線性規模縮放(Superlinear Scaling)的前置條件

——因為真實世界存在的網絡并不是一個規則的結構，而是規模大小不一并且呈群落狀的結構，以家庭/學校/共同興趣的圈子是相對緊密的結構，每個小圈子是由中心人物(如女團中C位的角色)與更多人聯系。

小圈子用戶達到一定規模，必然會有K因子(K-Factor)或者超級用戶引爆傳播，也就是用戶隱形價值所在

至此，我們已經掌握了一個相對簡單且只涉及單個用戶購買行為的用戶價值電商模型（相信我，真的是相對簡單）

補上完整公式：

客戶生命周期價值 CTV 客單價 AOE ? 消費頻率 Frequency ?留存期 time

（原圖請關注飛書專欄或者飛書號或者企微號）

問題是，如何實現？

如何實現用戶價值模型

我們轉載的獨角喵喵老師文章，隨便說說：為何大廠做不好跨境電商？，當中有提及到跨境電商不相信方法論

文章節選：
一，跨境電商不相信方法論
字節嘗試了至少三次，目前看起來勝算都不大。拼多多目前還看不出來，但風言風語也不少。“黑話大戶”阿里其實是做的最好的，但近年來趨勢也不樂觀。
那這不是很詭異嗎？按理說互聯網這些組織管理方法論最先進，但一復制到跨境電商就不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？
但事實就是這樣。專科生比北大清華強在哪里？不是英語更好方法論更高級，而是能在一個很細分的領域不斷鉆研。比如你讓一個清華畢業的同學去研究列支敦士登這個國家有啥網紅，他肯定是干不下去的，但是專科生可以。反之你讓一個專科生去研究人工智能最新技術他大概率也是干不下去的，但清華畢業的可以。
而且清華畢業的人普遍“聰明”，精通職場之道，懂得向上管理，他會知道費勁巴拉去一個個找列支敦士登網紅不如給領導寫一個“歐洲各國電商分析”大報告。所以大廠項目很多做到后面一看，業務沒啥起色，每個人都成了“xxx項目lead".
所以小貓一直有種感覺，就是跨境電商的管理優勢并不是什么所謂“科學方法論”的優勢，而是充分細化分工和強執行力的配合：因為我每個流程都很具體，所以我不需要那些虛的，你把分給你這塊執行到位就行。
這也可以解釋為什么在大廠里阿里是做的最好的：因為在被各種黑話洗禮之前，阿里鐵軍一直是以執行力著稱的。而天天大喊“組織管理學”的字節，是項目最容易半途而廢的。
其實從員工人數上來看也很有意思，跨境電商的王者Shein大概有小幾萬名員工（相關報道中說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，而互聯網王者字節營收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，但字節大部分的人和營收都來自互聯網，跨境應該只占很小一部分。而shein這么一個單一板塊已經占到了字節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行力多于方法論

?畢竟你告訴我用戶多有價值；但如果無法落地，還是等同大家都知道ATM機柜存有現金，但都無法把錢轉化為自己的財富一樣?

所以用戶價值模型，關鍵不是如何論證，而是如何實現？

面試題：把大象裝進冰箱，要幾個步驟？

很多人都應該有聽到過這個問題的回答：第一步打開冰箱；第二步，把大象塞進冰箱里；第三步，把冰箱關上。

然而這看似一個冷笑話謎語，本質考驗的是，答題者有沒有拆分問題細節的能力，一個帶有主謂賓的需求：

主語：你
謂語：放冰箱
賓語：大象

但實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分形容詞

為XX原因
放XX樣的大象
XX樣的冰箱

而組成以上細節的，則是關鍵數據指標——我們又該如何判斷，什么是好的關鍵數據指標呢？

關鍵數據指標

常規的獨立站數據指標有哪些？

然而以上就是我們最需要關心的“大象”數據嗎？或者說，到底什么是有關鍵數據指標標準？

從運營角度看，什么是關鍵數據指標？

結合本文主題——用戶價值，就會發現獨立站最好的關鍵數據指標，更應該是客戶體驗數據（而非流量數據）：

跳出率——意味著產品/服務與目前測試用戶匹配程度

棄購率/轉化率/訂閱率——目前測試用戶意愿程度（不跳出但棄購，意味著產品/服務與用戶匹配，但存在其他因素所以不轉化；根據福格行為模型：動機/能力/促發場景，三者促發行為）

客訴率/互動率——客戶體驗管理程度，對客戶來說，響應速度及時不及時/產品是否送達，是滿足與否關鍵

觸達率/復購率/交叉購率——對客戶從滿足一次到滿足多次，普通用戶導向忠誠用戶，最后打造K因子模型

K因子模型——病毒營銷背后的核心關鍵點，另外有說法是病毒因子/病毒系數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K值相關的三個要素和變量分別是：

Custs(0)，即初始種子用戶Customer；

i，即每個用戶發送的邀請數量Invitation；

Conv%，即每個用戶邀請成功轉化率Conversion Rate；

計算K因子的公式非常簡單：將每個用戶的邀請數乘以邀請成功的轉換率，即：K = i * Conv%
從圖表數據可知，在初始用戶量為 10 ，K因子為 2 的情況下，在經歷 12 輪增長后，總用戶量從10變成了81910
K因子屬于用戶隱藏價值，某程度也展示我們用戶模型是否存在自增長：
0≤K<1：用戶不會自增長，不存在病毒營銷，因為平均每個用戶無法帶來另一個完整用戶，屬于亞線性增長
K≥1：用戶將以指數方式增長，也就是病毒式增長引擎，因為平均每個現有用戶發展一個或者多個新用戶，實現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，因為我們希望強調一點：

關鍵數據指標之間存在耦合現象

轉化率（訪客中真正發生購買行為的比例）是和購買所需時間（客戶需要花多長時間才能完成購買）相綁定；二者相結合可以告訴我們更多關于現金流的信息；
K因子的另外一個說法，病毒式傳播系數（Viral Coefficient，平均每個用戶邀請來的新用戶數）和病毒傳播周期（Ciral Cycle Time，用戶完成一次邀請所需的時間）共同推動產品的普及率；

當我們開始組合思考獨立站用戶模型背后的關鍵數字時，就會注意到關鍵數據指標背后隱藏著更重要的數據指標：GMV、周期性現金流，還有產品普及率

（原圖請關注飛書專欄或者飛書號或者企微號）

?用戶體驗

數字化時代，時不時會蹦出一些新名詞，這是每個探索數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”——名詞術語太多，需要Google理解一下）

比如，什么是客戶體驗管理(Customer Experience Management)？

我們在本文中介紹過用戶價值模型，還有用戶價值指標體系，用戶行為數據指標，三者是綜合認知用戶的方法論+數據采集標準，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觀點的談論：營銷能力自帶時代屬性

傳統數字廣告時代：用戶追蹤能力差，數字媒體廣告充當廣域廣告角色，提高廣播能力，盈利能力未革新

程序化廣告時代：用戶追蹤能力高，效果性廣告提供ROAS計算模型，高效提升廣告主盈利&廣告決策能力

隱私廣告時代：用戶追蹤能力更高，但用戶隱私意識覺醒，從消費者數據營銷時代過渡消費者數據體驗時代

什么是消費者數據體驗時代？

提出的ROX(Return on Experience)衡量公式的黃峰老師，在他的著作《全面體驗管理》中是這樣解讀客戶體驗如何影響增長的：

更高額購買：溢價方面，低價競爭升級為體驗增值；
更深度認同：在轉化上，心智占領升級為心智認同；
更多自然傳播：在獲客/信息傳播上，品牌應從買流量轉為聚合傳播，注重自然流量的累積，同時依靠心智認同人群的自發分享，用優秀體驗為品牌帶來增量；
更長期關系：在復購上，品牌應從單向營銷轉為關系共建。

消費者數據體驗時代，通過散布在不同體驗觸點的零散數據實現結構化分析，對用戶體驗定量，繼而商業優化：

從用戶體驗的角度，用戶價值則是用戶主觀判斷能否幫助自己解決特定問題：

用戶體驗的主體是用戶，只有用戶說有價值，才是真的有價值，用戶說差，不管運用多強大的理論都沒意義
用戶價值是在用戶體驗時產生的，用戶需求必然被真實場景約束，因此沒有使用產品卻聲稱的價值，沒有意義
用戶體驗是主觀感受，哪怕我們的產品/服務實現用戶問題的解決方案，但用戶自己認為并沒有解決，或者解決得不好，同樣會降低用戶對產品價值的判斷。

狹義上的用戶體驗，是網頁設計/互動，產品設計/使用，用戶交互

但實際上的用戶體驗，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/內容/站點/郵件/PWA等虛擬觸點交互，延伸整個產品/服務過程中的所有用戶真實物流感知，從廣告文案是否引起用戶不適，到背后的訂單分配系統是否能合理地滿足用戶的需求，都屬于用戶體驗

品牌需要克制

因此用戶價值創造，除了需要關注影響用戶本身需求的因素，重點還在于我們如何實現：

當從我們本身視角關注用戶價值時，需要專注自己產品/服務的場景和領域

頭部賣家可能會覆蓋到方方面面，大多數獨立站賣家團隊需要的是，選擇自己關注的目標用戶的需求或者價值，而不是替用戶完全實現全鏈路的價值。

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提到的“我們不需要考慮所有用戶的需求”是一個道理。

在品牌星球討論會過程中，有個句給我印象非常深刻：品牌需要克制

以程序化廣告為例子，重復多次的廣告信息固然可以加深消費者的記憶，但不是同樣的廣告重復得越多越好；

當網站上有其他競爭對手的產品同時存在時，重復同樣的廣告是有效的；
但重復推送廣告次數太多，用戶會失去新鮮感，從而成為衰退用戶；
此外，如果網站的內容與廣告中的產品一致性太低，轉場絲滑度太低，必然導致用戶流失。

DIKW模型用戶價值創造

人與人知識水平在拉大，思考/整理方法也是知識，很多人只學了收集，但不學習邏輯，歸納，總結，判斷

結合一下ChatGPT熱度，說下SUGA蘇嘉對于“思考”的思考：

有一個研究人工智能的朋友在自媒體里面寫了，這次ChatGPT實現了一個非常厲害的閉環：、

優化生成模型 -> 采樣用戶Prompt -> 人工標注答案排序 -> 訓練更契合當前用戶群體的RM -> RM優化生成模型

意味著ChatGPT的學習速度和訓練速度是已經足夠能力自我提升迭代

——我們不覺得這是一件恐怖的事情，人工智能會不會毀滅人類，很難說

——但人工智能必然比人類會積累數據

所以真的可能發生的事情，是人與人的知識“貧富差”會越來越大

DIKW（data 數據 info信息 know知識 wisdom智慧）金字塔模型本來形容的就是，大量的數據經過梳理之后形成信息，并從中總結出邏輯完成知識積累，最后蛻變成為預測性的智慧

引用知乎看到的舉例：
https://zhuanlan.zhihu.com/p/140338649

Data：我手頭有雞蛋、西紅柿；

Information：我找到一個菜譜，可以用手頭有的東西做一盤番茄炒蛋；

Knowledge：我不斷實踐，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、營養價值、適合搭配的主食等。

從馬太效應來說，強者越強，所以會發現數據信息甚至知識的存儲和搜索越來越方便的時候，智慧反而會越來越成為“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的原因，他們的思考速度會如ChatGPT一樣會越來越快

信息差是現代化商業提及頻率非常高的黑話（術語），側面反映的問題是大部分商業團隊學習停留在信息層積累

但隨著科技手段的越來越進步，信息收集能力差距在拉平，意味著在未來能自我歸納總結并且推導的團隊才是贏家

很多時候，一個智庫最關鍵的東西不是如何去累積數據/信息/知識體量，而是有沒有從 Data ? Wisdom 的能力（ChatGPT目前看起來非常優秀，原因在于已經完成了良好的學習閉環，學習能力可以飛輪增速）

大部分人或者團隊沒有整理，歸納和推導的習慣，對團隊積累還是很漠然的，或者說更多集中于戰術實踐拓展

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？為什么要去寫獨立站MarTech知識的文章，以及運營一個獨立站內容的知識星球？

本質上這是SUGA蘇嘉 Data → Info → Know → Wisdom 的進化步驟

SUGA蘇嘉在數字化獨立站如何選擇SaaS工具提及到在訂閱電商中應用的數字化管理手段總結的三大手冊，其實也是我們在DIKW模型下，如何總結(訂閱)電商過程中創造用戶價值的思考過程：

如同知乎Up主的例子：
Data：通過買量/自然流量/用戶自發分享，不同觸點獲取用戶，同時獲得用戶的初始數據——身份/行為/信用

用戶增長團隊在數據團隊統一的數據指標中，選取用戶數據并設計埋點方案，工具團隊配置自動化采集

Information：根據數據歸類，對用戶個體圖計算(Graph Computing)，形成基于知識圖譜的用戶畫像；

工具團隊在全團隊整體工作流程，實現應用工具之間數據打通，并以此為基礎，進行流程挖掘(PM，Process Mining)

流程挖掘（PM，Process Mining）則是基于客觀數據的自下而上的流程優化技術，核心在于業務系統中真實流程的挖掘和可視化呈現

因此流程挖掘作用于全團隊整體工作，呈現不同視角下的流程路徑，直觀地展示瓶頸和異常點，提供分析改進的有力依據

此處，我們說的流程挖掘是應用于客戶數據分析以及敏捷響應用戶需求

數據團隊/用戶團隊需要對用戶數據ETL(抽取 extract 、轉換 transform 、加載 load )，將不同觸點收集的數據歸納并整理為統一格式，并以此為基礎上對用戶歸因/分層

用戶歸因（術語是，單一客戶視圖 Single Customer View ，SCV）：收集有關潛在客戶和已轉化客戶的所有數據，并將其合并到單個記錄中

用戶分層：Marketing is not for everyone，尤其不同觸點習慣的用戶——有些喜歡郵件交互，有些更習慣簡單溝通，因此針對不同習慣，用戶采購層級等不同方面對用戶分層，并設置對應方案

Knowledge：我們在訂閱品牌：品牌的數字孿生探討過涌現現象

https://wiki.swarma.org/index.php/%E6%B6%8C%E7%8E%B0

用戶價值模型也好，客戶旅程分析也好，本質是發掘出單一用戶群體化的涌現特征，將用戶群體行為量化

用戶價值模型——從全團隊角度審計業務模式，根據客戶生命周期價值決策推廣/運營/內容/數據支出

用戶旅程分析——從用戶角度出發，反思和用戶交互過程是否需要優化，提供更優質的互動

Wisdom：有些時候，用戶也未必能說清楚他們本身的真實需求（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

用戶預測，本質是讓用戶生活更高效、更有趣
所以喬布斯和蘋果團隊預知到并實現的是

去掉繁雜的鍵盤

提供方便操作的觸屏

塞進電腦級別的計算能力

提供多任務處理的系統

讓通信功能退居二線，提供娛樂模塊

PS：預測能力不需要每個賣家團隊都具備，因此不深入展開討論