系统产品和算法概述丨产品杂谈系列

本文主要是对近所学的系统的总结，将会简单概述非个性化范式、群组个性化范式、完全个性化范式、标的物关联标的物范式、笛卡尔积范式等5种常用的范式的设计思路。

电商冷启池是什么意思 电商冷启动是什么意思

电商冷启池是什么意思 电商冷启动是什么意思

电商冷启池是什么意思 电商冷启动是什么意思

电商冷启池是什么意思 电商冷启动是什么意思

许多产品的算法都依赖于三类数据：标的物相关的描述信息（如鞋子，则包括鞋子的版型、适用对象、材质等信息、用户画像数据（指的是用户相关数据，如性别、年龄、收入等）、用户行为数据（例如用户在淘宝上的浏览、收藏、购买等）。这三类数据是模型的主要组成部分，除此之外一些人工标注的数据（例如为商品人工打上标签）、第三方数据也能够用于补充上述的三类数据。

服务端在有以上数据的基础上，就可以从三个维度进行：

根据个性化的颗粒度，我们可以将基于用户维度的分为非个性化、群组个性化及完全个性化三种类型。

非个性化指的是每个用户看到的内容都是一样的 在互联网产品中，我们常见的非个性化的例子是各种排行榜，如下图是酷狗音乐的排行榜，通过各个维度计算各类榜单，不管是谁看到这个榜单，上面的排序和内容都是一致的。

群组个性化指的是将具有相同特征的用户聚合成一组，同一组用户在某些方面具备相似性，系统将为这一组用户一样的内容 。这种方式是很多产品进行用户精细化运营时会采用的方式，通过用户画像系统圈定一批批用户，并对这批用户做统一的运营。例如音乐软件的播放，若以摇滚乐为基准将一批用户聚合成组，则为这些用户提供的每日歌单是相同的内容和顺序，但与另一组爱听民谣的用户相比，两组用户看到的每日内容将是不同的。

完全个性化指的是为每个用户的内容都不一样，是根据每一位用户的行为及兴趣来为用户做，是当今互联网产品中常用的一种方式 。大多数情况下我们所说的就是指这种形式的，例如淘宝首页的“猜你喜欢”就是一个完全个性化的，千人千面，每个人看到的尚品都不一样。

完全个性化可以只基于用户行为进行，在构建算法时只考虑到用户个人的特征和行为 ，不需要考虑其他用户，这也是常见的内容方式。除此之外， 还可以基于群组行为进行完全个性化，除了利用用户自身的行为外，还依赖于其他用户的行为构建算法模型 。例如，用户属性和行为相似的一群用户，其中90%的用户买了A商品后也买了B商品，则当剩下的10%用户单独购买B商品时，我们可以为该用户商品A。

基于群组行为进行的完全个性化可以认为是全体用户的协同进化，常见的协同过滤、基于模型的等都属于这类形式。

基于标的物的指的是用户在访问标的物详情页或者退出标的物详情页时，可以根据标的物的描述信息为用户一批相似的或者相关的标的物，对应的是开始提到的“标的物关联标的物范式” 。如下图酷狗的相似歌曲，

除了音乐产品外，视频网站、电商、短视频等APP都大量使用基于标的物维度的。如下图便是YouTube基于标的物关联标的物的。在YouTube上我观看一个周杰伦的音乐视频时，YouTube在该页面下方为我更多与周杰伦有关的视频。

基于用户和标的物交叉维度的指的是将用户维度和标的物维度结合起来，不同用户访问同一标的物的详情页时看到的内容也不一样，对应的是开头提到的笛卡尔积范式。 拿酷狗音乐对相似歌曲的来举例，如果该采用的是用户和标的物交叉维度的的话，不同用户看到的“没有理想的人不伤心”这首歌曲，下面的相似歌曲是不一样的。拿淘宝举例的话，一样是搜索“裤子”这一，不同的人搜索得到的搜索结果和排序是不同的，可能用户A搜索出来优先展示的是牛仔裤，而用户B优先展示的是休闲裤，淘宝将结合搜索与用户个人的历史行为特征展示对应的搜索结果和排序。

对于基于笛卡尔积范式设计的系统来说，由于每个用户在每个标的物上的列表都不一样，我们是没办法是先将所有组合计算出来并储存（组合过多，数量是非常巨大的），因此对于系统来说，能否在用户请求的过程中快速地为用户计算个性化的标的物列表将会是一个比较大的挑战，对于整个系统的架构也有更高的要求，因此在实际应用中，该种方式用的比较少。

非个性化范式指的是为所有用户一样的标的物列表，常见的各种榜单就是基于此类规则，如电商APP中的新品榜、畅销榜等。排行榜就是基于某个规则来对标的物进行排序，将排序后的部分标的物给用户。例如新品榜是按照商品上架的时间顺序来倒序排列，并将排序在前列的产品给用户。而畅销榜则是按照商品销量顺序降序排列，为用户销量靠前的商品。

根据具体的产品和业务场景，即使同样是非个性化范式，在具体实施时也可能会比较复杂。例如在电商APP中畅销榜的可能还会将地域、时间、价格等多个维度纳入考虑范围内，基于每个维度及其权重进行终的排序。

大部分情况下，非个性化范式可以基于简单的计数统计来生成，不会用到比较复杂的机器学习算法，是一种实施门槛较低的方式。基于此，非个性化范式算法可以作为产品冷启动或者默认的算法。

完全个性化范式是目前的互联网产品中常用的模式，可用的方法非常多。下面对常用的算法进行简单梳理。

该算法只需要考虑到用户自己的历史行为而不需要考虑其他用户的行为，其核心思想是：标的物是有描述属性的，用户对标的物的作行为为用户打上了相关属性的烙印，这些属性就是用户的兴趣标签，那么我们就可以基于用户的兴趣来为用户生成列表。还是拿音乐来举例子，如果用户过去听了摇滚和民谣两种类型的音乐，那么摇滚和民谣就是这个用户听歌时的偏好标签，此时我们就可以为该用户更多的摇滚类、民谣类歌曲。

基于内容的个性化在实中有以下两类方式。

种是基于用户特征标识的。

标的物是有很多文本特征的，例如标签、描述信息等，我们可以将这些文本信息基于某种算法转化为特征向量。有了标的物的特征向量后，我们可以将用户所有作过的标的物的特征向量基于时间加权平均作为用户的特征向量，并根据用户特征向量与标的物特征向量的乘积来计算用户与标的物的相似度，从而计算出该用户的标的物列表。

第二种是基于倒排索引查询的。

如果我们基于标的物的文本特征（如标签）来表示标的物属性，那么基于用户对该标的物的历史行为，我们可以构建用户画像，该画像即是用户对于各个标签的偏好，并且对各个标签都有相应的偏好权重。

在构建完用户画像后，我们可以基于标签与标的物的倒排索引查询表，以标签为，为用户进行个性化。

举个粗暴的例子，有歌曲A、B、C分别对应摇滚、民谣、古风三个音乐标签，我听了歌曲A、B，则在我身上打了摇滚和民谣的标签，又基于我听这两个歌曲的频率，计算了我对“摇滚”和“民谣”的偏好权重。

在倒排索引查询表中，摇滚和民谣又会分别对应一部分歌曲，所以，可以根据我对摇滚和民谣的偏好权重从查询表中筛选一部分歌曲并给我。

基于倒排索引查询的方式是非常自然直观的，只要用户有一次行为，我们就可以据此为用户进行。但反过来，基于用户兴趣给用户内容，容易局限范围，难以为用户新颖的内容。

基于协同过滤的算法，核心思想是很朴素的”物以类聚、人以群分“的思想。所谓物以类聚，就是计算出每个标的物相似的标的物列表，我们就可以为用户用户喜欢的标的物相似的标的物，这就是基于物品的协同过滤。所谓人以群分，就是我们可以将与该用户相似的用户喜欢过的标的物(而该用户未曾作过)的标的物给该用户，这就是基于用户的协同过滤。

常见的互联网产品中，很多会采用基于标的物的协同过滤，因为相比之下用户的变动概率更大，增长速度可能较快，这种情况下，基于标的物的协同过滤算法将会更加的稳定。

协同过滤算法思路非常简单直观，也易于实现，在当今的互联网产品中应用广泛。但协同过滤算法也有一些难以避免的问题，例如产品的冷启动阶段，在没有用户数据的情况下，没办法很好的利用协同过滤为用户内容。例如新商品上架时也会遇到类似的问题，没有收集到任何一个用户对其的浏览、点击或者购买行为，也就无从基于人以群分的概念进行商品。

基于模型的算法种类非常多，我了解到的比较常见的有迁移学习算法、强化学习算法、矩阵分解算法等，且随着近几年深度学习在图像识别、语音识别等领域的进展，很多研究者和实践者也将其融入到模型的设计当中，取得了非常好的效果。例如阿里、京东等电商平台，都是其中的佼佼者。

由于该算法涉及到比较多的技术知识，在下也处于初步学习阶段，就不班门弄斧做过多介绍了，有兴趣的朋友可以自行进行学习。

群组个性化的步是将用户分组，因此，采用什么样的分组原则就显得尤为重要。常见的分组方式有两种。

先基于用户的人口统计学数据（如年龄、性别等）或者用户行为数据（例如对各种不同类型音乐的播放频率）构建用户画像。用户画像一般用于做精准的运营，通过显示特征将一批人圈起来形成同一组，对这批人做针对性的运营。因为前头已经提到此算法，这里不再重复介绍。

聚类是非常直观的一种分组思路，将行为偏好相似的用户聚在一起成为一个组，他们有相似的兴趣。常用的聚类策略有如下两类。

标的物关联标的物就是为每个标的物一组标的物。该算法的核心是怎么从一个标的物关联到其他的标的物。这种关联关系可以是相似的（例如嘉士伯啤酒和喜力啤酒），也可以是基于其他维度的关联（例如互补品，羽毛球拍和羽毛球）。常用的策略是相似。下面给出3种常用的生成关联的策略。

这类方式一般是利用已知的数据和标的物信息来描述一个标的物，通过算法的方式将其向量化，从而根据不同标的物向量之间的相似度来急速标的物之间的相似度，从而实现相识标的物的。

在一个成熟的产品中，我们可以采集到的非常多的用户行为，例如在电商平台中，我们可以手机用户搜索、浏览、收藏、点赞等行为，这些行为就代表了用户对某个标的物的某种偏好，因此，我们可以根据用户的这些行为来进行关联。

例如，可以将用户的行为矩阵分解为用户特征矩阵和物品特征矩阵，物品特征矩阵可以看成是衡量物品的一个向量，利用该向量我们就可以计算两个标的物之间的相似度了，从而为该用户相似度高的其他产品。

再例如， 采用购物篮的思路做，这种思路非常适合图书、电商等的 。 以电商为例，我们可以把用户经常一起浏览(或者购买)的商品形成一个列表，将过去一段时间所有的列表收集起来。对于任何一个商品，我们都可以找到与它一起被浏览或者购买的其他商品及其次数，并根据次数来判断其关联性，从而进行关联。

我们可以对用户进行分组，同样，我们也能够对标的物进行聚类分组。通过某位参考维度，我们将一些列具有相似性的标的物分成一组，当我们为用户进行的时候，便可以将同一组内的其他标的物作为对象，给用户。

笛卡尔积范式的算法一般是先采用标的物关联标的物范式计算出待的标的物列表。再根据用户的兴趣来对该列表做调整（例如根据不同兴趣的权重重新调整列表的排序）、增加（例如基于个性化增加对象）、删除（例如过滤掉已经看过的），由于其复杂程度较高在实际业务场景中应用较少，这边不再详细介绍。

好了，本次的介绍就到此为止了。本次主要是做了一个非常简单的算法概述，在实际的业务场景中，还经常需要与产品形态或者更多的未读（如时间、地点等）相结合，是一个很有意思的领域，有兴趣的朋友可以进一步了解。

电子商务系统现在有什么问题

电子商务系统定义为：利用电子商务网站向用户提供商品信息和建议，帮助客户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。它是一个基于客户网上购物的以商品为对象的个性化系统，为客户符合其兴趣爱好的商品。分析客户的消费偏向，向每个客户具有针对性地的产品，帮助客户从庞大的商品目录中挑选真正适合自己需要的商品。电子商务系统在帮助了客户的同时也提高了客户对商务活动的满意度,从而换来对电子商务站点的进一步支持。

电子商务系统主要起到了三个方面的作用：首先，极大地增加了客户，可以把网站的浏览者转变为购买者，提高主动性；其次，可以提高网站相关系列产品的连带销售能力；后，可以提高、维持客户对网站的满意度和信任度。

电子商务系统具有良好的发展和应用前景。在日趋激烈的竞争环境下，电子商务系统能有效保留客户，提高电子商务网站系统能大大提高企业的销售额。成功的电子商务系统将会产生巨大的经济效益和效应。

电子商务技术

目前,电子商务系统中使用的主要技术有基于内容,协同过滤,基于知识,基于效用，基于关联规则,混合等等。

1.基于内容的。它是信息过滤技术的延续与发展，项目或对象通过相关特征的属性来定义，系统基于商品信息, 包括商品的属性及商品之间的相关性和客户的喜好来向其。基于商品属性主要是基于产品的属性特征模型。

内容技术分析商品的属性及其相关性可以脱机进行，因而响应时间快。缺点是难以区分商品信息的品质和风格，而且不能为用户发现新的感兴趣的商品，只能发现和用户已有兴趣相似的商品。

2.协同过滤。协同过滤是目前研究多、应用广的电子商务技术。它基于邻居客户的资料得到目标客户的,的个性化程度高。利用客户的访问信息,通过客户群的相似性进行内容,不依赖于内容仅依赖于用户之间的相互,避免了内容过滤的不足,保证信息的质量。协同过滤优点有:能为用户发现新的感兴趣的商品;不需要考虑商品的特征,任何形式的商品都可以。缺点是:稀疏性问题,用户对商品的评价矩阵非常稀疏;可扩展性问题,随着系统用户和商品的增多,系统的性能会越来越低;冷启动问题,如果从来没有用户对某一商品加以评价,则这个商品就不可能被。

3.基于知识的。在某种程度上可以看成是一种推理技术，各个方法因所用的知识不同而有明显区别。基于知识的提出了功能知识的概念。简单的说，功能知识是关于某个项目如何满足某个特定客户的知识，它能解释需要和之间的关系。在基于知识的看来，可以是任何能支持推理的知识结构，并非一定是用户的需要和偏好。

4.基于效用的。它是根据对客户使用项目的效用进行计算的，核心问题是如何为每个客户创建效用函数，并考虑非产品属性，如提供商的可靠性和产品的可用性等。它的优点是能在效用函数中考虑非产品因素。效用函数通过交互让用户指定影响因素及其权重对于大多数用户而言是极其繁琐的事情，因而限制了该技术的应用。

5.基于关联规则的系统往往利用实际交易数据作为数据源，它符合数据源的通用性要求。以关联规则为基础，把已购商品作为规则头,对象作为规则体,其中关联规则的发现关键且耗时,但可以离线进行。其特点是实现起来比较简洁,效果良好,并能动态地把客户兴趣变化反映到结果中。

6.混合技术。混合系统整合两种或更多技术以取得更好的实际效果。常见的做法是将协同过滤技术与其它某一种技术相结合。例如,结合基于协同过滤和基于内容这两种技术,尽量利用它们的优点而避免其缺点,提高系统的性能和质量。比如,为了克服协同过滤的稀疏性问题,可以利用用户浏览过的商品预期用户对其他商品的评价,这样可以增加商品评价的密度,利用这些评价再进行协同过滤,从而提高协同过滤的性能。

电子商务系统，一方面有助于电子商务网站内容和结构自适应性的实现，另一方面在帮助客户快速定位感兴趣的商品的同时也为企业实现了增值。电子商务系统作为有利的分析工具和促销手段，已成为电子商务网站的竞争工具，必将获得广泛的应用和发展。本文对电子商务系统进行了介绍，并对技术进行了概述。目前国内的电子商务网站在这方面的实践处在快速发展的阶段，因此还需要继续研究出更智能、更优化的电子商务技术。

咦，从零开始做电商？！（一）：供货模式

老板近想做电商，就以这个方向折腾了一段时间，想将这段时间的经验和心得总结下来。

清楚目的和特点后，可以从电商的四个关键环节来展开思考，其实就是常说的“进销存”。

从上述内容可看出，这四个关键环节是相互关联的，对其综合考虑，构成了供销模式。

这里要说的是冷启动时期的供销模式，随着业务发展，业务关系各方情况的变化，模式有可能不断调整（当然不排除，一开始就定下业务模式，以后基本保持不变的情况。）

从供货商处采购商品，自主销售、自行负责仓储和物流。

无需提前采购商品，仓储和物流由供货商负责，只需考虑销售环节。

3.其它模式

如果供货商在开拓新的渠道，但并没有相关经验，供货商本身在该渠道也有售卖商品（配有仓储物流），可以和供货商商讨，以进货格结算，但由供货商负责仓储物流。

不同供货商规模和现状不同，可商讨的余地也不同。

根据新消息，老板应该是选择了可控成本内的压货，对方的仓储支持多个渠道的销售，也不具备锁库存的条件，所谓锁库存也就是压货。

下一篇预计讲讲，我们是如何做选品的！

实体玩具店转型电商成功关键要素有哪些？

线上转型，是趋势也是必然，但对于缺乏电商经验的实体门店，需要做哪些准备工作呢？其实，很多企业为我们提供了参。

在爆发期间，国民女装品牌茵曼和传统护肤品牌林清轩，通过“小程序+社群运营”、“直播”“线上导购”等方式，进行“闭门营业”。深耕私域流量，借助直播、拼团、抢购等营销方式，不仅挽回了线下门店的损失，甚至还实现了正向盈利。他们的转型，无非做到了这三点：

1、粉丝的线上引流；

2、尝试多样的营销方式；

3、做精细化的运营，为用户提供更周到的服务。

实体店应从销售商品向注重体验转身

零售业是服务业，零售的价值应该来自于服务。

过去，零售业在努力做一件事，那就是让消费者的物质需求得到满足。他们要买什么，我们提供什么。随着经济的发展，广大消费者不再满足于物质的需求。特别是随着零售行业从价格型消费向价值类消费、体验式消费、个性化消费的转变，消费者更需要的是一种关怀，这种关怀需要面对面的交流与触觉才能体现。因此，那些能够提供视觉体验、个性化服务的店铺，更能在激烈的市场竞争中占据主动，赢得先机。

为什么有时候网上的东西比实体店便宜，顾客还是愿意在实体店买？因为在实体店购物有体验感。比如，你想买一件服装，在网上看了许多店铺，看了许多款式，却不能看到自己穿上的效果。而到实体店，导购员热情地为你服务，把你中意的服装拿给你试穿，立体的效果一下子就显现出来，这就是线下购物的体验。

在满足购物的基本需求时，消费者希望商家能提供各种感官、人文、情怀、创新等新的体验。而能做到这些的店铺，则更受消费者的青睐。

注重体验首先要以顾客购买欲望为主旨，通过体验互动顾客消费。为此，要积极创造条件让顾客参与，让消费者深度体验商品价值和服务价值，增加顾客黏性。其次，还必须有自己的品牌主张，让顾客有品牌体验感。比如，在向消费者卷烟新品的时候，先让消费者免费试吸，让他们亲自体念品牌的性味，感受新品的魅力。变“你听我说”为“你来品吸”，这比自己说多少话，苦口婆心地推介要强得多。

电商的重要目的是在互联网上找到目标客户的渠道，或者说怎么样让目标客户在互联网上找到自己的产品。玩具店所销售的玩具是怎样类型的，而这一部分玩具的目标用户是哪些。首先要明确这两个问题，然后目标用户的互联网行为一般是怎样的，比如说喜欢使用微信购买的话，互联网营销策略可以选择微信渠道为主，其他辅助来进行营销就可以了。

总之，电商成功的关键在于精准的互联网营销渠道的定位，要知道自己的目标用户是在哪些互联网平台上获得产品信息并达成成交的。

有很多的实体电商，因为获客成本的问题，首单是很难盈利的，一般的盈利周期都是在复购阶段，所以培养回头客成了重中之重，在这些方面，你可以给网店打造一个会员日，在会员日里举行一些诸如买赠，满减的小活动，通过这些小恩小惠可以不断的培养用户忠诚度，保持用户和自家店铺的粘度，另外也可以通过这类小型的促销把积压，滞销的库存商品都清理掉，而且一不小心，还有可能会变成爆款。

首先你要有一个稳定的货源，第二你要有一个稳定的销售渠道，第三你要有一个专业的拍图团队，第四你要有一个专业的人员。稳定的货源，并且质量高的货，可以保证你的好评率，稳定的销售渠道可以保证你的利润，专业的人员可以保证你的服务质量。

千川投放是什么意思

巨量千川到底该怎么投？正确的投流方式是什么？

从投放的底层算法，从0到1拆解，如何专业化、系统化的逐步完成千川系统的成熟化运营。

99%的人对千川技能的渴望，实际是对策略的渴望，那么什么是策略？作为一名真正的投手，如果不想清楚策略这个词，那么大体上都不是一名合格的投手，事实上投手不只是账户优化者，而更应该具备通盘的掌控能力，熟知账户优化指示工作中的任何一个重要环节。

即能够在对投放平台的系统和用户充分熟悉的前提下，知道什么样的投放方式和选择，能化满足持续盈利的需求。要想作出有效的投放策略，深入理解广告投放的底层机制就很有必要。

我们首先从用户角度来看投放机制。作为一名用户，滑到广告视频时，一个广告位置即将展现，这次展现机会，就是一条广告请求，而每次广告请求都会同时有N广告创意在争抢着给你展现的机会，但终成功展现的只有一条广告创意。

决定谁能展现的就是背后的投放逻辑，系统对每条符合如上几个步骤的广告给您展现后，对您点击广告的概率，点击产生转化的概率、出价来计算每条广告的一个值，然后从高到低排序。通过公式不难发现，影响ecpm值的三个关键指标就是预估点击率、预估转化率以及你设置的出价。

如同在讲直播流量的底层指标，在千川投放中，我们同样需要将计算投放数据的底层指标抽离，然后执行刨根问底，预估点击率受什么影响？怎么提高点击率？预估转化率受什么影响？如何提高转化率？出价在的不同阶段？应该如何去合理的设置？只有想清楚这个问题，搭建的广告投放模型才具备现实意义。预估点击率来源用户看到投放创意的视感与听感。即呈现给用户的整体内容效果，直接决定点击率成败，通过细分影响点击率的因素，如果是直投模式，不难发现直播场景的打造、主播的即视感、话术、直播间氛围、热卖商品等因素都深度影响点击率，而想要实现很好的点击突破，这些要素的优化组合就尤为重要。

如果是创意素材模式，视频的商品、展示模式、话术卖点的提炼、拍摄场景、拍摄模式及剪辑模式又构成要素组合影响点击率，特别对于千川的素材创意，如果经历过几轮投放的投手不难发现，以往二类的爆流素材在feed可不断复用，而一旦投放在千川就会出现水土不服。

产生这种现象的本质化原因，在于千川对投放素材的去广告化，相比较以往feed刀枪直入的硬性广告，千川更欢迎带有优质内容的投放素材，这也跟兴趣电商的战略不谋而合。我们拿预估点击率做了举例，预估转化率、出价的要素拆分同样如此，没有一个比喻会比下面来形容千川投放再合适不过。

我们把预估点击率、预估转化率、出价作为驱动广告的三架马车，但三家马车的硬件构成不一样，投手就是一名马夫，想要马车跑的长远，你重要做的就是将零部件做到比组装，这时候马车就能顺利跑起来，但如果想跑的更快，就会出现另一个词——改装，也就是投放界的优化。

了解到千川投放的底层逻辑，我们来高屋建瓴的拆分投放的三个阶段：学习期阶段、增速投放阶段、衰减阶段。学习期阶段又分为冷启动期和建模期，说到冷启动，这里普及一下冷启动通过的定义，在冷启动阶段积累有效转化数超过二十个，冷启动核心是转化数，不是转化成本，因为成本只要不是别过大，通过后期的模型跑量，价格也会出现回落，因此尽可能快的让新投放出去，积累转化数是关键。

过了冷启动期的仍然还需要继续建模，一方面系统进一步尝试摸索、扩大流量，另一方面投手衡量、预测后期带来的转化比，一旦过了学习期阶段，整个就会一个比较稳定的阶段，以三到五天为一个参考标准，作为一个有跑量就消耗无上限的阶段,投手主要衡量的就是实际产出比。但所有都有生命周期，再好的也会进入衰减阶段，做账户只需要看两个东西，就是成本或者是ROI，带着考核的终指标和消耗，当连续三天或连续时段内，呈现下滑的数据状态，无论如何放量、调价都无法补救，生命周期衰减期基本很难挽回，寿终正寝。

可现实是，大多数新手团队的投放，可能连学习期都过不了，接下来我们来讲，千川投放过程中，大多数人在学习期阶段就会遇到的问题。

一个账户佳优化状态，是一个撑起整个账户，因此每条的好坏或者说是否能够培养出爆量是关键。

所以作为一个投手，每天百分之九十的时间都应该在建上，目的就是为了找出那个容易跑量的素材，如果不能在素材上取胜，终都会落一个无尽负向循环，这也是多数人都习惯通过大量上新去度过学习期的原因。

对于上新的，做好前述所说的三驾马车的因素是基础，没有优质的人货场作为支撑，再好的也一定跑不出量，其次是合理化的搭配结构，从基础定向、自定义人群、徕卡、达人投放、放量、出价、创意等要素，进行多测试，直至测出优质的跑量素材。

如何从知乎神贴找到创业机会

如何从知乎神贴找到创业机会

一、从0到0.1

之前的文章，我们讨论过找创业小思路的几个方法

1. 从搜索引擎出发

输入一个你感兴趣的或者热门，层层搜索，抽丝剥茧，终总能找到一个用户痛点以及对应的多个解决此痛点的产品。分析目前的产品，判断市场机会，再结合自身能力，挤进去分一杯羹。比如我们之前提到的通过在Google里面输入Ins这个， 终挖掘出一个每个月10万美元利润的细分市场，具体点击底部阅读原文可见。

2. 从自身需求出发

自己就是典型的天使用户，了解自己的需求是是什么，需要什么功能，市场有什么服务。比如我的小密圈， 我就是典型的用户，我希望有人能够筛选出高质量的国内外生财领域的信息和资讯，分享案例与思路。寻而不得，我认为别人也有同样的需求，干脆自己来弄一个服务于别人。微信搜一搜搜索“自身需求 创业"可以看到更多从自身需求出发而创业的案例。

3. 从大平台出发

围绕大的平台没注意到的需求或者不考虑的需求，比如新榜，以及我们今天要讨论的一个案例：通过知乎挖掘用户需求和创业思路。

二、从知乎挖掘需求

在小密圈分享过这个思路，有一些执行力强的同学行动了，各种原因导致效果一般。有同学让我完整的分享一下，从需求挖掘到产品设计到运营引流再到商业变现的一个思路，我答应来试试看。可能不完全对，甚至完全不对，仅是一家之言，希望各位读者思考判断。

知乎，国内的知识问答和分享社区。根据2017年1月知乎D轮融资时公布的数据，知乎已经有6500万注册用户，1850万日活用户。知乎里面也走出很多的创业者和创业项目，今天案例中提到的寺主人就是其中之一。

有人的地方就有需求，人聚集在哪里，需求就聚集在哪里。

如果一个大的内容平台没有提供的数据榜单，那么这种数据榜单就是一个很好的创业机会。找到合适的应用场景，数据会产生巨大价值。

搜索一番，没有找到知乎提供的数据榜单，但是找到这样一个帖子"知乎关注人数的1000个问题"，虽然是一年前的数据， 但是仍然有巨大的价值。在爬了知乎700多万个问题后， 该作者统计出来了知乎收藏之，关注之等榜单。

我们找到用户关注人数多的问题进入下一步。

三、完成用户探索

“哪些东西买了之后，会让人因生活质量和幸福感提升而感觉相见恨晚?”

写作时统计，此贴共有292959（29万+）位关注者，55427402（5500万+）次浏览，2802个回答。正常情况每天200~300的新增关注者，15000新增浏览。近几天平均每天新增1500位关注者，新增22万次浏览，可谓天天10w+，堪称知乎神贴。

接下来我们要忘记自己的，完整的体验一个普通用户的浏览过程，深入的体会整个过程中有哪些可能的用户痛点。

首先阅读标题，标题中“生活质量”、“幸福感提升”、“相见恨晚"几个词汇，让我有很强的点击阅读的欲望。

从上往下，依次阅读已有回答。 的回答是寺主人，女神进化论的作者。（发表此文时此排到了第三）

的牙膏看起来不错，打开淘宝搜索 “Arm&Hammer”， 搜索结果页没有任何相关产品，展示的空气清洗剂和苏打粉产品。

调整搜索词为 “Arm&Hammer 牙膏”，仍然没有找到。

打开京东，搜索 “Arm&Hammer 牙膏”，有了，个就是该商品，简单看一下描述，加入购物车。

继续回到知乎往下看，寺主人的这个一次性抹布看起来不错，之前不知道有这个产品，打开京东搜索“一次性抹布”，找到一个同款的，28元3卷，没问题，加入购物车。

淘宝上是不是这个比较便宜？ 打开淘宝搜索“一次性抹布“，的商品，同样的款式，19.9元3卷，那就先在淘宝上加购物车吧。

至此， 20分钟过去， 看完帖。

再翻一下此回答的评论， 共401条评论，粗略统计了一下：56条评论求商品的购物链接，13条评论问产品型号，13条评论问使用效果，11条评论问商品价格。

如果你有时间，强烈建议你走一遍上面的流程，感受一下知乎读者波涛汹涌的购物需求和痛点。然后你会发现，用户需求是否真实，痛点是否够痛，已然不需要再继续论证。

四、定义用户痛点

多浏览几个该帖子的回答和评论，很容易可以总结出用户痛点，按照优先级排序，分别为

答主的商品， 在哪里可以买到？

哪里购买价格？

答主的商品的具体型号是什么？

使用的具体效果怎么样？

可能还有一些额外的场景衍生出来的需求：女朋友过生日，送什么礼物比较好？某商品一共有多少答主过等。曹大和马化腾近也提到了场景思维，场景切入的好，可能会产生巨大的用户黏性和价值。

上面的痛点，终归纳为一个：在哪里买到答主的'商品。围绕这个痛点，我们来尝试找解决方案。

五、定义解决方案

仔细研究这个知乎帖子，虽然401条评论中有56条评论在问商品的购物链接是什么，但事实上，只要稍微花点心思，就可以找到大部分商品的购物链接。绝大多数人希望的是，有人直接告诉他/她，按这个链接买，就对了。

绝大多数痛点，都有多种形态的解决方案： 服务、内容、工具，而且几种形态一定会长期并存。 以“找到大V商品的购物链接”为例， 解决方案可能有这么几种形态

服务：将购物链接直接发给需求者，知乎上回复或者微信上发。

内容：写一篇how-to的文章，详细讲解如何快速准确找到价格的。

工具：设计一个工具，可以让用户可以输入大V的用户名或者商品的名称，就可以立即获取到整理好的商品购物链接。

不同的人，可能会采取不同的解决方案，并不一定要开发出一个产品。以我为例，我偏好通过工具建立一些壁垒，利用产品沉淀用户，提高效率，降低人力成本，所以我可能会选择做一些工具。 但这不意味着工具是的方案，可能把用户都拉到一个微信群，大家在一起讨论反而是更好的解决这个问题的方案。

不管怎么样， 核心是围绕这个痛点，设计出符合自身能力的解决方案，并在尽可能短的时间内，将小可行化产品（MVP）推给痛点强的那批用户—天使用户。

六、设计MVP

MVP，针对天使用户的强痛点设计的的小功能组合，即小可行化产品。

仍然以我为例，我会如何设计这个产品？

首先，我会自己去整理100个商品的购物链接，完整的走100次流程，尽可能的将里面所有可能遇到的问题梳理清晰。然后梳理一套规则，请一些大学生或者网络助理将剩下的所有商品整理完成。

2802个回答，如果50%属于有效回答，每个回答5个商品，约7000件商品。 整理完毕后，我手上会有一张表，包含了7000件商品的名称、购买链接、大V、具体回答的地址。

简单一点就直接就这些数据通过网页或者h5或者小程序呈现出来，复杂一点可以加一些额外功能。具体产品呈现形态上我们不展开讨论了，但产品上可能我会重点会突出这几个点

商品分别是由哪些大V的，并且会附上原文回答的链接，将价值让给贡献优质回答的人。

商品都不会放任何的淘宝客等链接，建立信任，短期不靠佣金赚钱。

在满足基本的需求，比如根据商品名称或者大V名称搜索购物链接的功能需求后，可能会根据用户反馈增加一些个性化的场景，比如输入自己的知乎ID，可以看到你关注的大V了什么商品；女朋友或者男朋友过生日送什么礼物；给大v打标签， 比如程序员大V都了什么商品等。

到此，基本一个满足重要痛点的一个MVP产品产出。

七、冷启动

所谓冷启动，就是一个一个去拉人呗！

在这个具体的场景下，拉人要分批次。天使用户能忍受一个丑陋的产品，如果在这个阶段就将很丑陋的、功能不全的产品推给大多数人，可能后面就骑虎难下了。

我将用户分为下面5个层次，波定义为天使用户

波用户：在评论留言询问购物链接的人，此群体估算约10000人左右。

第二波用户：每天新增关注此贴的200人，每个月约6000人左右。

第三波用户：此贴所有关注者，约29万人左右。

第四波用户：知乎所有购物相关的贴子的关注者，估算约50万人左右。

第五波用户：知乎其他用户以及其他平台的用户。

如果是我， 我会怎么去冷启动和获得流量？

手动邀请天使用户来体验试用我们的产品，定一个邀请成功100人的目标。

如果上一步顺利的话，请程序员写一个爬虫， 接下来的日子，2800多个回答的所有评论里面提到“购物地址”、“购物链接”等字眼的用户，直接在帖子里面提供商品的购物买链接，不推广任何链接。 如有可能，尝试加上微信好友，沟通你正在做的事情， 取得他/她的信任和支持。 一段时间积累后，会积累一批信任你的用户。

再用爬虫，每日新增的关注的用户，在知乎规则的框架下，私下发信息给关注者，说明具体情况，邀请来试用服务。有了一批天使用户帮助打磨后， 产品会初步成型，可以尝试着扩大推广的用户量。

如果前三步走的比较顺利，我们不妨再发挥一下它的价值，将这三步写成一个有理有料有数据的故事，分享到知乎和公众号上，故事会是的吸铁石，我们借故事的力量，来进一步引爆产品。

那么讲故事的思路可行么？可行。举一个实例供大家围观，国外有一个很简单的、全站总页面不超过30个的站点，，就是这个讲故事营销的思路，每个月赚6万美元以上，而且还在持续增长。 可以看出，讲故事营销比纯粹去推广的效果要好的多。

八、商业变现

导购流量离钱很近，变现的模式会非常多，前期甚至都不需要太考虑具体的变现形式。可以考虑参考什么值得买、一条、良仓、东家等好物平台。

利润上，因为我没有电商经验，根据导购经验非常丰富的大黄同学提醒，一个精准的导购类用户平均每年大约能贡献50~100元的利润，如果能够覆盖到总用户群体（90万）1%左右的人群，每年的利润约为45万~90万，纯作参考。

不过一些可能可以拓展的点，我做了些思考，不太成熟，也分享给大家

如果能够吸引到一波流量，可以尝试邀请知乎答主来我的这个平台上更新商品链接，甚至答主可以放一些佣金链接，可以拿走推广的收益。

发展成为一个基于身份标签的导购平台：与我相同标签的人在和购买什么商品？

跨平台的购物搜索平台。

其他...

九、其他问题

1. 为什么觉得这个产品有机会？

痛点真实，用户群体聚集；

大V已经选好商品，免去了选品环节；

能力范围内有解决方案，并且整理出来的商品库在短期内会有一定壁垒；

足够异化，足够细分；

关键的信任问题，即为什么要买这个商品的问题，已经被大V解决掉；

不断增长的热帖关注量以及极强的可拓展性；

精准的购物流量，非常多元的变现模式。

2. 我为什么不自己做这个产品?

我没有精力；我不熟悉电商；我希望分享我自己都觉得好的思路给读者。

3. 按照这个思路去做是不是一定能做成？

相反，我认为只有很少的人会做成。绝大多数人会在遇到几个问题后，选择放弃。另外知乎大V和的态度、商品的更新上等还是存在一些不确定性。不过，不试一试，谁知道呢？

总而言之，一个思考不深的从0到0.1的找切入点的思路分享，抛砖引玉。 ;