筆者以歐冶雲商的 B2B 增長實踐為例，講述瞭如何用增長思維重構 2B 用戶運營體系。

大家下午好，今天我給大家分享的主題是：歐冶雲商（中國寶武旗下的一個鋼鐵電商平臺）的 B2B 增長實踐。

既然要做增長，我們首先要回答：增長是什麼？需要什麼樣的環境？B2B 具備這樣的環境嗎？然後再來審視 ：B2B 到底是一個怎樣的業態，我們可以怎麼做？我今天的分享，就從這兩個方面展開。

1. 走近「增長業態」

1.1 什麼是「增長業態」

首先，什麼是「增長業態」？

在運營之光上有這樣一個說法，任何一個概念的發展，都需要經歷三個階段。

在“混沌期”，我們會有直覺，認為某個東西能有用，但不知道它的方法論是什麼，有什麼樣的體系運營作用，只是有一批先驅能夠去優先做這件事。嚐到一些甜頭以後，會有更多的人願意去涉足，並且發展出了各自的理論，我們稱這個階段為“百花齊放期”。最後，經歷一輪起伏，有更強的邏輯的概念被沉澱下來，進入“成熟期”。

2000 年以前，整個互聯網還處於信息革命的軟件時代，是沒有產品經理這個職位的。有的是業務需求、開發團隊，更多強調的是項目管理，而沒有產品經理。

但在 2004、2005 年左右，很多產品的概念出現了，但互聯網產品可能還是侷限於一個企業的黃頁，或者 QQ、電商。這個時候運營剛剛興起，他的職位是什麼呢？

比如說編輯黃頁內容，這樣的職位，已經有把產品觸達用戶的感覺在了，但是沒有體系化的運作，更像是一個推廣的職能。

隨著產品的形態越來越多，比如論壇、平臺電商、社交，我們的運營職位就更多了：類目運營、用戶運營、內容運營、社區運營、社群運營、新媒體運營等等。但其本質是一樣的，即把我們的產品不僅僅停留在功能層面，更要讓其觸達更多的用戶。

到了 2013 年，我們會發現，很多的運營工作需要去度量，有了運營目標，還需要通過數據來告知各種運營手段的效果如何。運營不僅限於打雜，我們需要有體系化的運作，來證明所做事情的價值，因此，數據就起來了。

這一整個過程，就是把“產品”做出來，產品經理有明確的目標，要去和更多的用戶連接。而連接的方式是基於試驗的，是要用數據做支撐的，這就是「增長業態」。

1.2 做好「增長」需要「業態」支撐

做產品不能侷限於功能的打造，而要考慮到功能打造完後的用戶體驗，使用產品的用戶行為路徑是否順暢。我們需要通過試驗去滿足產品經理的這一深度需求。而試驗設計的成敗，有兩個決定性因素：

因素一：對產品的用戶群體及整個市場的認知深度。

對於 2C 來說，我們可以從生活經驗中獲取對產品和用戶的認知。比如銷售一款兒童保險，要面對的群體是媽媽，我們對媽媽們的行為特點是有概念的：她們會去瀏覽一些育兒網站，或者母嬰類商品。各種各樣的行為數據得到採集後，媽媽這個標籤就很容易被我們打上去。

但對於 B2B 來說，這是個難點。B2B 的認知完全依賴於對行業的專業認知。比如一個做 2C 的同學想要轉到鋼鐵行業做 B2B，他需要了解鋼貿商在什麼樣的場景下會去消費產品等等，而這不是我們的生活經驗能夠習得的。

因素二：整個行業的信息化水平。

對於 2C 來說，現在能夠看到的各種各樣的黑客手段、黑客的技巧到了充分且足夠選擇的階段，我們選擇何種觸達的方式，依賴於這個人是否在線、能否觸達。

而對於 B2B 來說，做產業互聯網要連接的是產業單元中信息化水平不一樣的各個業務單元。像我們這個行業，就包括鋼廠、車隊、倉庫，以及船運單位、貿易商等等。每一個業務單元的信息化水平參差不齊。

即使從業人員在線、有手機載體能夠觸達，但他的職業標籤是不明確的。我們無法通過像 2C 這種非常普世的短信、小程序推送等把這個人找到。所以，我們的試驗手段就會非常受限，主要矛盾在於貧瘠的黑客手段。

做完試驗後，我們還需要通過數據來度量試驗手段，而數據分析怎麼做，考驗分析人員的業務專業度。增長實驗有兩種類型：

（1）隨機分組（RCT）：廣泛應用於醫學行業。有了分析目標後，確定「對照組」和「控制組」，根據實驗的時長來錨定最後指標表現的好壞。

（2）回顧性研究：比如我們已經觀察到，某一家鋼廠的活躍用戶數在下降 。這就需要做回顧性研究，看到底是哪些變量對結果造成了影響：可能是因為平臺沒有提供及時的售後服務，導致用戶體驗不佳而流失；也可能是鋼廠排產的問題導致延期交貨，讓下單用戶對平臺的信任度下降了。

上述認知完全來源於我們對業務的理解，這對在 B2B 行業中做增長的人而言，是非常大的職業深度挑戰。

所以，基於以上問題，從我們能描述出的平臺階段、業務認知、市場環境能力等方面看，想要做好增長，必須有業態做支撐，沒有這樣的業態，就要花時間去找、去培育、去催化。

1.3 增長髮展的五個階段

第一階段：黑客，技巧階段

2015 年，有非常多「增長黑客」的概念被提出來，各個公司都很好奇，如何能夠用互聯網，用非常黑客、信息化、高科技的手段來獲客？

第二階段：「數據度量」意識階段

傳統的互聯網增長方式有如 Airbnb，藉助一次總統大選帶來一波增長；再如 Facebook，藉助一輪代碼優化，就能夠在非洲打開市場。

而這個階段，我們會更加意識到「數據度量」。我們要看到每一個手段的數據表現，要有一套「數據度量」的業務體系，要能根據目標拆解手段，衡量通過手段達到的目標效果，要用數據來監測指標的表現差異；我們還會做很多“點”上的優化，例如對於運營，要做註冊轉化率的優化、訂單下單率的優化等等。

第三階段：「道，術，器」階段

假設我們終於通過減少彈框、優化文案、強化視覺等手段把下單轉化率提升了，度過了前兩個階段。但由於業務價值導向，產品經理又增加了某些降低轉化率的設計。

比如某鋼廠提出，他們賣的一批貨屬於質量餘材，需要在平臺上強制提示 —— 不受理售後。這樣的強制提示在售前環節，會以彈出框或者非常明顯的風險提示去呈現。而這一定會降低我們已經優化的轉化率，在這種情況下我們就得去思考：

• 平臺到底有什麼樣的價值？
• 作為中間人，我們僅僅做一道撮合就夠了嗎？我們還需提供平臺的監管義務嗎？
• 整個平臺、產品中，我們能夠扮演的角色是什麼？為什麼需要這樣一款平臺來滿足他們的採購需求？
• 為何在 2013 年這樣一個時間節點，整個鋼鐵行業出現了平臺模式？
• 增長的短期效益和產品的長期核心價值的關係是什麼？到底是誰帶來了產品的增長？

在這種情況下，我們不僅要看成交轉化率，不僅要去找 GrowingIO 這樣的工具來做成交轉化率的數據監測；也要理解整個增長的方法論是什麼、產品的生命週期是什麼，要上升到「道，術，器」階段。

第四階段：商業模式階段

做產品和用戶之間的連接，我們要理解運作產品的商業模式，才能設計能帶來轉化的手段。比如：為什麼是這樣一個業態？2008 年危機以後，什麼人才是我們的用戶，是終端嗎？是貿易商嗎？他們當前處於什麼階段？行業的痛點是什麼？平臺應該往什麼方向發力才能順勢發展？這是我們對商業模式的思考。

第五階段：數據中臺階段

當我們要想回答更深層次的業務問題時，矛盾就來了。我們要用的數據不僅僅是行為數據，因為平臺上的行為非常有限。不像 2C 產品，所有的行為都能在 App 上完成。

用戶在平臺上可能會有瀏覽資源、下單行為，但是貨運、使用材料等環節都是線下的，而且我們會有非常多的業務團隊做地推，而這些數據是在 CRM 裡的。

隨著數據分析需求的深入，做增長的人必須推動企業做數據中臺，讓需要分析的數據、業務指標的監測等通過大數據平臺的搭建，成為每一個人都能用的工具。

綜上五個階段，其實，增長的本質就是一種指導思想、思維方式，真正的總結來源於實踐。

增長的內涵，是通過數據度量細節指標的變化並驅動該指標的增長，而增長的外延，是兼顧指標所處的商業模式，讓精細化的工作結果更加長久，並且對業務開展方式做優化建議。

2. B2B 如何做增長？

在整個行業已經有的業態環境下，B2B 應該怎樣做增長？

2.1 學習 2C 的經典增長體系

知己知彼，我們要知道 2C 怎麼幹。2C 的經典獲客模型是：首先去觸達想要營銷的用戶，觸達方式非常多；觸達完後要讓用戶產生興趣，體驗好了才有轉化，也就是下單。

來看右邊這張「多巴胺」圖，能夠給人帶來愉悅。用戶體驗的核心關鍵在於愉悅感的產生，而愉悅感的產生在於「多巴胺」的分泌。

我們可以充分利用人性（比如情懷、紅包、焦慮、榜單、虛榮、成就等）來設計黑客手段，把這樣的人轉化為用戶。

那麼在這個過程中，數據起什麼作用？其實我們一直想要度量的是 —— 「多巴胺」的分泌量。但數據獲取能力有限，目前我們還沒有一個儀器，能夠隔著屏幕度量用戶被觸達的過程中產生了多少多巴胺，我們就需要用一些顯性的變量去描述這樣的隱性變量。

舉個例子，我們認為一個人分泌「多巴胺」後，一定會發生點擊行為。點擊數就是我們能夠獲得的顯性變量，相同的還有轉化率、活躍度、新用戶跳出率、停留時長等等。這是統計學中經典的結構方程模型。

這一整套增長體系想要證明的是：增長的上半場關注於用戶數，而下半場重於用戶體驗。用戶體驗需要通過變量去刻畫指標，去多維度衡量，簡單來說就是 —— 人有沒有被觸達手段打動，產生愉悅感。

2.2 從歐冶雲商看 B2B 與 2C 營銷對象的本質差別

要跟大家解釋一下，我們的業態是一家鋼鐵電商，一個產業互聯網的平臺。

一個鋼卷從高爐鋼廠生產出來，有了訂單後，它會從場內庫運送至指定的社會倉庫裡，轉化成現貨資源，再通過流通環節到達貿易商手中，這就是我們的業態。

歐冶雲商在整個過程中充當的是服務商、中間人角色。我們連接的是兩端，一端對貿易商提供發票、合同、金錢、售後服務等；另一端，我們的市場團隊要去吸引高爐鋼廠入駐商城。與此同時，我們也提供以下兩種服務：

• 服務一：一套 SaaS 服務體系。我們給平臺上的高爐鋼廠提供結算、數據報表服務等，吸引它們留下來。
• 服務二：一個技術營銷平臺。作為一個專業的做技術營銷的平臺，我們能提供融資、提貨、小票、牌號通服務等服務，吸引貿易商上平臺採購。

以下是我們平臺商業模式的簡化圖。

接下來講一講我們運作的對象，不是單個的人，而是一個組織架構，比如：

• 總經理：是這一組織架構的關鍵決策人。但這個角色不容易被觸達，因為沒有任何一個渠道獲得的手機號能夠將職業角色告訴你。
• 營銷部：我們需要與營銷部確定整個資源的銷售體系。
• 定價部：對於鋼鐵行業來說，傳統的定價模式是一天一定價，或者一週一定價，非常不市場化。我們要做互聯網的銷售方式，一定有新零售的轉型過程。定價部在這個過程中起到了非常重要的作用，我們要去利用平臺上營銷的熱度、用戶的行為、銷售速度、銷售率等數據，來幫助我們去做定價決策。
• 技術部：單純做資源上架，會導致鋼廠資源管理困難。所以我們需要去營銷鋼廠的技術部，讓他們也認可這樣一種模式，促進鋼廠做銷售體系的轉型。
• 分子公司：除了總經理及三個部門外，分公司掌握著資源、渠道。

以上就是我們要營銷的組織架構，跟 2C 營銷對象有著本質的差別。

2.3 B2B 營銷對象如何觸達？

抓住兩個觸達上的銜接

對於 B 端來說，我們通過各種各樣的方式觸達到某個人，那打動他的方式應該是什麼呢？我們需要銜接兩點：作為個人被打動的關鍵因素，和這個人在企業中要去營銷整個組織架構的因素。

如果通過一個美女，他可能會發生點擊行為，而且點擊率的表現是非常好的。但他會因為一個美女去營銷整個組織架構，去做銷售體系的變革嗎？會把這樣一個銷售渠道引入到公司嗎？基本不可能。

他在組織架構中，是有職業標籤的。如果我們的銷售體系對他來說是一個降本增效的好方案，因為和我們合作，他的職業路徑更加寬闊了，公司組織的績效變得更好了，那麼這個人的職業屬性就發生作用了。他就可以有理有據地幫助我們牽線搭橋，去營銷他的整個組織架構。

所以，這個活動的重中之重就是兩個觸達上的銜接。如果被忽視，即使數據表現非常好，但對最後的供方入駐來說是沒有用的。

理解 2C 和 B2B 從度量到增長上的差異

做 2C 的時候，為了去提升某個指標，我們會依賴對社會學、人性、心理學的理解能力去設計增長手段。但是在做 B2B 的時候，光有這些是沒用的。我們要去了解宏觀經濟、整個貿易生態、整個企業組織，甚至是中國的革命史；要去理解這個生態圈中的參與者、當前所處的社會階段，才能提出降本增效的有利手段。這就是 2B 和 2C 理論基礎要求的差異。

我想要表達的核心觀點是 —— B2B 想要刺激的是企業生產關係的改變。

一個渠道、工具，被一家企業引入以後，他們的整個生產關係是要發生變革的。在原來的生產關係下，一張 Excel 表格就能做銷售體系管理，通過打電話、線下紙質單據的方式，就能完成一個合同的銷售。

但是要做互聯網，更多的人要轉技術營銷，更多的重複勞動會被平臺替代，生產關係已經發生了徹底的改變，核心就是商業價值。

2.4 B2B 增長過程中的三大誤區

在實際的增長工作中，從業者容易有幾個誤區：

誤區 1：度量的指標和增長手段沒有強因果關係。

比如說，我們設計了一些新手任務，因為新手能帶來非常好的「留存」，但有些人會覺得新手對「交易量」沒有影響。

當新手註冊完後，需要做第一步交易前的動作——營業執照的上傳及公司資料的認證。這一步動作是新手的主要工作，我們需要針對這個功能刻畫更加細節的指標。比如說「認證轉化率」是否提升了，「轉化週期」是否縮短了，都需要更加合理的去度量。

誤區 2：沒有尊重增長過程的試驗性。

我們需要持之以恆的去做一些手段。比如說，為了提高用戶發票給我們的及時度，要做「到票率展示」，把好與不好的行為都公示出來，讓平臺起到檢查督導的作用。

在這個過程當中，我們需要不斷地做試驗，沒有定論說「到票率展示」就是非常完美的解決方案，「到票率」可能沒有提高，成交量可能也沒有提升，這時候，你需要去尋找 2C 中的案例去幫助你理解手段的本質，比如張貼高分榜，能夠帶來考試分數的提高嗎？

誤區 3：分析沒有梯度，淺嘗輒止。

數據團隊本身跟業務之間有非常強的綁定關係，而這個綁定關係依賴於人的運作，取決於人的主動性。業務最初始的需求就是幫忙統計用戶、報表層面的數據，監測平臺的活躍用戶數是否有升降，如果到這就結束了，對於工作的開展並沒有好處。

數據團隊承接業務，做到卓越是不夠的，更要探索深度，這需要我們自己通過“點”的累計去找到業務敏感點，做驗證假設。比如說，業務模式發生變更：平臺的競價場次增多，是好還是不好？用戶數會不會下降？會不會有一些終端用戶因不願在採購上花太多時間而流失？這都是數據團隊要培養的業務敏感度，才能給出完整的分析框架，多角度認知一個業務事件。

主動思考完後，可以把成果反哺給業務單元，做以增長為目的的數據分析。這就是數據分析的幾個層次（統計——驗證假設——以增長為目的的數據分析）。

3. 歐冶雲商的增長實踐

回到 B2B 的業態，我們來看歐冶雲商的增長實踐。

3.1 「鋼廠端」的增長三板斧

歐冶雲商作為中間人角色，要對接鋼廠。鋼廠是平臺上非常重要的價值單元產出者，是平臺的主力租戶，能夠直接帶來平臺流量。

面對他們，我們要營銷的是組織架構，怎麼做呢？

（1）地推。雖然這在 2C 非常 Low ，但對於 B2B 來說必不可少。因為我們無法通過短信、App 觸達要營銷的關鍵決策者，而且營銷週期可能長達 6 個月甚至 1 年。

（2）產品。我們要產出的不僅僅是一個平臺，而是一個理念。我們希望鋼廠願意打破當前已經建立的銷售系統，給平臺一個機會。平臺還必須要開發出非常多交易類的工具：競價、優惠、用戶管理工具等等。這些都是平臺的價值，甚至是管理辦法。

（3）價值觀。B2B 的營銷時機依賴於鋼廠和平臺理念的吻合度，以及做體系化變革的動力。

其實我們很少去衡量鋼廠端的數據，因為難之又難。假設我們想要度量一個變量——「鋼廠合作深度」，它的影響因子可能是：

• 平臺用戶數。比如鋼廠是做螺紋鋼的，平臺上是做汽車板的，用戶數完全沒有吻合，那能夠營銷成功嗎？這個平臺用戶數在我們的業務庫裡面。
• 平臺價值契合度。我們平臺是走新零售路線的，但如果鋼廠不願意走新零售，就是想做直銷，就是希望不依賴平臺把螺紋鋼直接賣到工地去，在這種情況下要怎樣去打動他？
• 鋼廠銷售體系變革動力。不同鋼廠，有著不同的市場競爭環境和歷史，其變革動力也完全不同。比如寶鋼，自建立起就是一家現代化鋼企，它投入了非常多的資源去做信息化建設。所以在整個行業中，它能夠引領企業信息化變革。
• 理念營銷效果。很多鋼廠成立得早，他們本身就是一個地理範圍之內的霸主，會認為自己的分銷體系已經非常成熟穩定，不需要變革，也不願意變革。
• 關鍵人物拜訪。關鍵人物有沒有拜訪，拜訪的次數、每次拜訪的時間、每次聊的內容等，都可以成為我們做鋼廠合作深度這樣一套模型的輸入變量。
• 外部環境刺激。外部的數據變化，在我們的度量體系中，有可能就是一個隨機誤差項。
• 鋼廠資源數。鋼廠的產銷控制得非常好，沒有很多現貨資源能夠掛到平臺上做新零售。

這些都是我們的影響變量。隨著數據分析需求的深入，我們對於數據中臺的需求就起來了。主要矛盾已經變成了「認可數據分析價值」和「落後的數據生產力」之間的矛盾，這是一個轉折點。

有了這個轉折點以後，做數據的人就可以不遺餘力的，去推動公司的數據化變革了。

3.2 「貿易商端」的用戶運營大框架

另外一邊的貿易商，我們要觸達的是採購部的某一位職員，往往，採購部的人對於在什麼渠道採購，是有充分的話語權的，除非大終端，要做採購招標。

而我們平臺 99% 的用戶，可能都是小終端或者小貿易商，沒有跟鋼廠達成長協，沒有好的採購渠道，他們有非常強的自主權，採購渠道完全依賴於自己的選擇。

對於他們，我們可以用這樣一個獲客模型去觸達他、轉化他。在設計這樣一個產生興趣、分泌多巴胺的過程中，你需要去看他作為一個採購人員的心理是怎樣的：

（1）能買到便宜的好貨。只要能買到便宜的好貨，讓採購能夠降低成本，就能夠觸動他。

（2）使用起來方便。採購人員會在平臺上做採購，那這個平臺一定要操作方便。

這就是我們能夠觸達的一些手段，能夠產生轉化手段的設計差異。所以，針對這樣的貿易商端，我們提煉出一個用戶運營的大框架：

1. 主動吆喝 – 獲客

市場部把主力租戶（鋼廠）引入商城，貨上架了。此外，還得想辦法留住這些主力租戶，以證明貨在我們的商城裡能賣出去。但是很多貿易商可能並不知道這個平臺，這就需要我們主動去吆喝，比如：

（1）線下推介會。通過某一個貿易商感興趣的主題，將目標對象在物理位置上集中起來，然後設計一些利益動機，比如行業貢獻獎、和 KOL 的拍照牆、好運抽獎等，激發參與用戶的分享意願，做一波基於熟人的宣傳。

（2）基於貿易商地理位置分佈的地推。像一些貿易商集中的鋼市或樓盤，我們可以在當地做一些小型推薦會，讓貿易商知道有歐冶這樣一個平臺。

（3）通過社群搭建私域流量，聚集貿易商。通過社群調動貿易商之間的強大社交鏈，讓他們在群內活躍，從而能夠在群內觸發對資源的興趣，這就是我們現在做的。

所以，利益動機和傳播體驗，就是社交營銷的兩個關鍵環節。

2. 優化路徑 – 轉化

吆喝完後，用戶知道有歐冶這個平臺了，但是怎麼被我們激活、怎樣成為我們的活躍用戶呢？我們用 GrowingIO 做了一些用戶行為數據分析：

第一：註冊轉化

什麼樣的用戶能成為長留存用戶？我們發現，有過首單交易的用戶，留存會非常好。但是由於平臺交易規則很繁雜，用戶進行首單交易的轉化時長非常長。如果不去引導，首單交易的轉化就會非常低。

基於這樣一個分析，我們把對用戶運營的工作重點放到激活上，通過新手任務、幫助中心、新手引導等，設置一個顧問式的營銷人員幫助用戶做一個平臺新手的轉化。

第二：用戶活躍

用戶採購完後，怎樣能讓他養成看平臺資源的習慣呢？怎樣能讓他一採購鋼卷，就能想到平臺呢？我們可以去做一些個性化的信息推送，多次觸達好貨，引導用戶關注我們的一些店鋪，然後以店鋪資源上新的方式去觸達，2C 的套路都可以直接拿來用。

3. 精準營銷 – 數據驅動

怎樣能夠知道用戶想要的是什麼？怎樣能夠把用戶想要的優先作為用戶的貨架陳列出現？這就需要我們給用戶做標籤、給商品做標籤，從而通過數據驅動去實現精準營銷。

第一：用戶標籤

以下將用兩個案例給大家分享 B 端用戶標籤對於數據驅動精準營銷的重要性：

案例 1：新手引導功能上線，對新用戶有作用嗎？

對於我們來說，不同渠道獲取的新用戶被轉化的效果也是不一樣的。

比如，一部分新用戶是通過鋼廠上線後，協議維護平臺直接看護的用戶，由於線下有鋼廠業務員做引導，他們在一週之內一定會成為平臺的交易用戶。還有一部分地推註冊的新用戶，沒有好的資源觸達，也沒有養成平臺上看貨的習慣，轉化可能會偏低。這兩部分新用戶的激活手段一定不一樣。

獲客渠道的重要性、本身的行業屬性是否終端，對鋼廠的依賴度等都會影響到激活手段，造成數據的表現差異。所以做數據分析要充分考慮業務，去建立相應的變量做分析。

案例 2：到票率展示功能上線，能影響供應商到票及時度嗎？

同樣，到票率展示功能的效果衡量，也要考慮供應商的分類。

有一類鋼廠供應商和平臺是有協議的，發票到還是不到，對於成交數的轉化沒有任何影響。還有一類流動的供應商，其銷售金額、銷售頻次非常高，對於到票率的要求是 80%。

綜上所述，不同的用戶群體會有不同的運營手段。而這些總的來說，就是整個企業做的用戶標籤管理。大一點是「用戶畫像精準營銷」，小一點就是「沉澱每一個用戶標籤」。做數據的人要主動去沉澱，想辦法在中臺建立用戶標籤體系。

第二：商品標籤

對於我們行業來說，用戶的採購需求停留在第一個層次，對價格非常敏感，而對服務的需求不敏感。我們理所應當要告訴用戶，什麼樣的資源是熱銷資源、降價促銷資源、新資源等。

第三：場

有了用戶標籤、商品標籤以後，人、貨都有了，剩下的就是「場」。要在用戶標籤和商品標籤已經非常成熟的前提下做產品設計，把用戶和已經積累的資源標籤，通過合理的路徑串聯起來。

4. 會員體系 – 評級及權益設置

會員體系的建立依賴於業務價值。會員的價值主張是什麼，什麼樣的會員對於平臺來說有價值，不能完全靠模型。

對於我們平臺的供應商來說，「鋼廠」屬性是一個非常重要的標籤，能夠給平臺帶來流量；而對於貿易商採購來說，依賴平臺，交易頻次活躍，更加下沉終端的，具有更多的價值，這是我們的價值主張。根據這個價值主張，我們會拎出來 20 – 30 個變量，再根據變量的表現去做會員模型，之後把價值度量出來，接下來最重要的就是會員權益的設置，最終就構成了一個完整的會員體系。

會員體系建立起來以後，能影響供應商的搜索排序、授信額度、應該入駐哪一個專區等等。這些權益的設置會影響供應商對於你所主張的會員價值、依賴的會員體系載體的重視程度。

有了會員體系以後，我們會去理解用戶價值內涵是什麼，這不僅在於當前的表現價值，還在於期望售物，非常的有趣。

我們在做數據時，會把“貿易商採購供應商數”的指標作為輸入變量納入模型。這個指標肯定跟業務理解是不一致的，業務會說買一個還是兩個供應商對 GMV 沒有影響。雖然買一個供應商的用戶往往是長協用戶，是跟著資源走的，對平臺沒有價值，但只要供應商的資源發生了平臺變遷，這個用戶的流失風險就非常大。

相當於一個人患了癌症，他的期望壽命是短的，那麼總體來說，他的會員價值偏低。所以我們的會員價值，應當要考慮每天的現金流，也要考慮能夠在多長的時間範圍內能產生現金流，這就是我們用戶價值的內涵。

4. 我對數據的理解

在這裡想和大家分享一下，我對數據的幾點理解：

• 數據能做的，只是度量；
• 度量結果的洞見和手段，依賴於業務的理解；
• 數據只能解決“我知道我不知道”層面的問題，創業階段的黃金都在創業者的腦子裡，是悟性，靈感，過度依賴數據會陷入局部最優；
• 不尊重商業價值的增長，很容易走火入魔；
• Growth 非常輕，看中短期轉化；產品核心價值非常重，需要長期眼光；兩者相輔相成；
• 數據要和業務共同制定增長目標，參與業務週會，強時間管控，由點及面沉澱能力。
• 最後給大家分享一下，我理解的增長應該怎麼樣去爆發？

增長的第一個階段依賴於平臺，人可以去推動，同時它也有自己的發展週期；第二個階段依賴於產品商業價值的認知；第三個階段依賴於整個公司的機制；到了第四個階段，就是依賴於我們團隊的能力了，我們每個人做好自己價值能力的提升，就一定能夠讓增長爆發！

今天的此結束，謝謝大家。

作者：程夏瑩，歐冶雲商平臺運營負責人

來源：GrowingIO 2019 增長大會（北京）演講

本文由 @GrowingIO 授權發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自 unsplash，基於 CC0 協議。

閱讀更多 人人都是產品經理 的文章

關鍵字: 思維 黑客 產品經理