关注作者，复旦AI博士，分享AI领域与云服务领域全维度开发技术。拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕博，复旦机器人智能实验室成员，国家级大学生赛事评审专家，发表多篇SCI核心期刊学术论文，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。

---

监督学习线性回归、逻辑回归、决策树、支持向量机、K近邻、朴素贝叶斯算法精讲，模型评估精讲

1. 介绍

1.1 什么是监督学习

监督学习（Supervised Learning）是机器学习的一个重要分支，其核心目标是通过已知的训练数据（包括输入和对应的输出）来学习一个映射函数，使其能够对未知的数据进行有效的预测。在监督学习的过程中，算法通过观察大量的示例数据，逐步调整其内部参数，使得预测结果尽可能接近真实值。

具体而言，监督学习的任务可以分为两类：

• 回归（Regression）：预测连续数值。例如，根据历史房价数据预测未来房价。

• 分类（Classification）：预测离散标签。例如，根据邮件内容预测其是否为垃圾邮件。

在监督学习中，训练数据通常以特征-标签对（Feature-Label Pair）的形式存在。特征是用来描述数据点的属性，标签是我们希望预测的目标变量。例如，在垃圾邮件分类问题中，特征可以是邮件的词频，标签则是“垃圾邮件”或“非垃圾邮件”。

监督学习的基本流程

1. 数据收集：收集大量的已标注数据。标注数据包括输入特征和对应的输出标签。

2. 数据预处理：对数据进行清洗、处理和转换，以便于模型处理。包括处理缺失值、特征选择和特征工程等。

3. 模型选择：选择适合的算法，如线性回归、逻辑回归、决策树等。

4. 模型训练：使用训练数据来训练模型。模型通过不断调整其参数，使得预测结果尽可能接近真实标签。

5. 模型评估：使用独立的验证数据集评估模型性能。常见的评估指标有准确率、精确率、召回率等。

6. 模型优化：根据评估结果对模型进行调整和优化。

7. 模型部署：将训练好的模型应用到实际场景中进行预测。

1.2 监督学习与其他学习方法的比较

为了更好地理解监督学习，有必要将其与其他常见的机器学习方法进行比较，主要包括无监督学习和强化学习。

无监督学习（Unsupervised Learning）

无监督学习与监督学习的主要区别在于训练数据没有标签。在无监督学习中，算法需要自行发现数据的内在结构和模式。常见的无监督学习任务包括聚类（Clustering）和降维（Dimensionality Reduction）。例如，K-means算法用于将数据点聚类到不同的组中，而PCA（Principal Component Analysis）用于减少数据的维度。

强化学习（Reinforcement Learning）

强化学习与监督学习的区别在于它关注的是如何在动态环境中通过试错来获得最大化的累积奖励。强化学习算法通过与环境不断交互，根据反馈奖励调整策略，以实现长期目标。例如，AlphaGo通过不断与自己对弈来提高棋艺，最终战胜了人类顶尖棋手。

1.3 监督学习的应用场景

监督学习在众多领域有广泛应用，以下是几个典型的应用场景：

• 自然语言处理（NLP）：文本分类、情感分析、机器翻译等。

• 计算机视觉：图像分类、人脸识别、目标检测等。

• 金融科技：信用评分、股票价格预测、欺诈检测等。

• 医疗健康：疾病预测、医学图像分析、基因组学数据分析等。

• 推荐系统：根据用户历史行为推荐商品、电影、音乐等。

1.4 监督学习的挑战

尽管监督学习在许多应用中表现出色，但它也面临一些挑战：

• 数据标注成本高：获取大量高质量的标注数据通常需要耗费大量的人力和时间。

• 模型泛化能力：训练模型如何在未见过的数据上表现良好，即避免过拟合。

• 数据偏差和公平性：训练数据中的偏差可能导致模型在实际应用中表现不公平。

• 计算资源需求：复杂模型的训练和预测过程需要大量的计算资源和时间。

2. 算法精讲

2.1 线性回归

线性回归（Linear Regression）是一种用于回归任务的基本且广泛应用的监督学习算法。它通过找到一条最佳拟合直线来预测目标变量（标签）的值。线性回归模型假设目标变量与输入特征之间存在线性关系，即目标变量可以表示为输入特征的线性组合。

2.1.1 线性回归简介

线性回归模型的形式可以表示为：

线性回归的目标是通过最小化误差项来找到最佳的系数和截距项，从而使模型对训练数据的预测尽可能准确。

2.1.2 线性回归的假设

在应用线性回归时，需要满足以下几个基本假设：

1. 线性关系：目标变量与输入特征之间存在线性关系。

2. 独立性：误差项彼此独立。

3. 同方差性：误差项的方差恒定（即误差的分布不随输入特征的变化而变化）。

4. 正态分布：误差项服从正态分布。

2.1.3 最小二乘法

线性回归中常用的参数估计方法是最小二乘法（Ordinary Least Squares, OLS），其目标是最小化残差平方和（Residual Sum of Squares, RSS）：

2.1.4 代码实现

下面是使用Python和PyTorch实现线性回归的示例代码：

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
import matplotlib.pyplot as plt

# 生成样本数据
np.random.seed(0)
X = np.random.rand(100, 1)
y = 5 + 3 * X + np.random.randn(100, 1)

# 将数据转换为PyTorch张量
X_tensor = torch.tensor(X, dtype=torch.float32)
y_tensor = torch.tensor(y, dtype=torch.float32)

# 定义线性回归模型
class LinearRegressionModel(nn.Module):
    def __init__(self):
        super(LinearRegressionModel, self).__init__()
        self.linear = nn.Linear(1, 1)

    def forward(self, x):
        return self.linear(x)

# 创建模型实例
model = LinearRegressionModel()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# 训练模型
num_epochs = 1000
for epoch in range(num_epochs):
    model.train()
    optimizer.zero_grad()
    outputs = model(X_tensor)
    loss = criterion(outputs, y_tensor)
    loss.backward()
    optimizer.step()

    if (epoch+1) % 100 == 0:
        print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {loss.item():.4f}')

# 打印模型参数
print(f'Intercept (b0): {model.linear.bias.item():.4f}')
print(f'Coefficient (b1): {model.linear.weight.item():.4f}')

# 可视化结果
model.eval()
predicted = model(X_tensor).detach().numpy()
plt.plot(X, y, 'ro', label='Original data')
plt.plot(X, predicted, label='Fitted line')
plt.legend()
plt.show()

代码解释：

1. 数据生成：使用随机数生成器生成输入特征 ( X ) 和目标变量 ( y )。

2. 数据转换：将numpy数组转换为PyTorch张量，以便进行模型训练。

3. 模型定义：定义一个简单的线性回归模型，包含一个线性层。

4. 模型实例化：创建模型实例。

5. 损失函数和优化器：使用均方误差（MSE）作为损失函数，随机梯度下降（SGD）作为优化器。

6. 模型训练：进行1000次迭代，每次迭代中计算预测值、损失，反向传播并更新模型参数。

7. 模型参数输出：输出训练好的模型的截距和系数。

8. 结果可视化：将原始数据和模型拟合的直线进行绘制。

通过上述过程，我们可以得到一个简单的线性回归模型，并可视化其拟合效果。这种模型在实际应用中具有广泛的用途，如预测房价、分析市场趋势等。尽管线性回归模型相对简单，但其背后的原理和方法为更复杂的模型奠定了基础，因此深入理解线性回归对学习其他机器学习算法具有重要意义。

2.2 逻辑回归

逻辑回归（Logistic Regression）是一种常用于二分类问题的监督学习算法。尽管名字中带有“回归”，逻辑回归实际是一种分类方法。它通过学习数据特征与目标变量之间的关系，预测目标变量属于某个类别的概率。

2.2.1 逻辑回归简介

逻辑回归的核心思想是使用逻辑函数（Logistic Function），又称为Sigmoid函数，将线性回归的输出映射到0和1之间的概率值。逻辑函数的数学表达式为：

2.2.2 逻辑回归的假设

1. 线性可分性：逻辑回归假设特征与对数几率（log-odds）之间存在线性关系。

2. 独立性：样本彼此独立。

3. 同方差性：输入特征对目标变量的影响是恒定的。

2.2.3 逻辑回归的损失函数

逻辑回归使用对数损失函数（Log Loss）来衡量预测值与真实值之间的差异，其形式为：

2.2.4 代码实现

以下是使用Python和PyTorch实现逻辑回归的示例代码：

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
import matplotlib.pyplot as plt

# 生成样本数据
np.random.seed(0)
X = np.random.rand(100, 2)
y = (X[:, 0] + X[:, 1] > 1).astype(np.float32).reshape(-1, 1)

# 将数据转换为PyTorch张量
X_tensor = torch.tensor(X, dtype=torch.float32)
y_tensor = torch.tensor(y, dtype=torch.float32)

# 定义逻辑回归模型
class LogisticRegressionModel(nn.Module):
    def __init__(self):
        super(LogisticRegressionModel, self).__init__()
        self.linear = nn.Linear(2, 1)

    def forward(self, x):
        return torch.sigmoid(self.linear(x))

# 创建模型实例
model = LogisticRegressionModel()

# 定义损失函数和优化器
criterion = nn.BCELoss()  # 二分类交叉熵损失
optimizer = optim.SGD(model.parameters(), lr=0.1)

# 训练模型
num_epochs = 1000
for epoch in range(num_epochs):
    model.train()
    optimizer.zero_grad()
    outputs = model(X_tensor)
    loss = criterion(outputs, y_tensor)
    loss.backward()
    optimizer.step()

    if (epoch+1) % 100 == 0:
        print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {loss.item():.4f}')

# 打印模型参数
print(f'Intercept (b0): {model.linear.bias.item():.4f}')
print(f'Coefficients (b1, b2): {model.linear.weight.data.numpy()}')

# 可视化结果
model.eval()
with torch.no_grad():
    plt.scatter(X[y.flatten() == 0][:, 0], X[y.flatten() == 0][:, 1], color='red', label='Class 0')
    plt.scatter(X[y.flatten() == 1][:, 0], X[y.flatten() == 1][:, 1], color='blue', label='Class 1')
    x1_min, x1_max = X[:, 0].min(), X[:, 0].max()
    x2_min, x2_max = X[:, 1].min(), X[:, 1].max()
    xx1, xx2 = np.meshgrid(np.linspace(x1_min, x1_max, 100), np.linspace(x2_min, x2_max, 100))
    grid = torch.tensor(np.c_[xx1.ravel(), xx2.ravel()], dtype=torch.float32)
    probs = model(grid).reshape(xx1.shape)
    plt.contour(xx1, xx2, probs, levels=[0.5], cmap="Greys", vmin=0, vmax=.6)
    plt.xlabel('Feature 1')
    plt.ylabel('Feature 2')
    plt.legend()
    plt.show()

代码解释：

1. 数据生成：生成两个特征，目标变量根据特征和设定的条件生成二分类标签。

2. 数据转换：将生成的numpy数组转换为PyTorch张量，便于后续处理。

3. 模型定义：定义一个包含线性层和Sigmoid激活函数的逻辑回归模型。

4. 模型实例化：创建模型实例。

5. 损失函数和优化器：使用二分类交叉熵损失函数（BCELoss）和随机梯度下降（SGD）优化器。

6. 模型训练：进行1000次迭代，每次迭代中计算预测值、损失，反向传播并更新模型参数。

7. 模型参数输出：输出训练好的模型的截距和系数。

8. 结果可视化：将原始数据和模型的决策边界进行绘制。

通过上述过程，我们可以得到一个简单的逻辑回归模型，并可视化其决策边界。逻辑回归模型在二分类任务中具有广泛的应用，如垃圾邮件检测、癌症诊断等。尽管逻辑回归模型相对简单，但其在很多实际问题中仍然表现出色，并且为理解更复杂的分类算法奠定了基础。

2.3 决策树

决策树（Decision Tree）是一种常用的监督学习算法，可以用于回归和分类任务。决策树模型通过学习数据中的决策规则，将数据分割成不同的分支和叶子节点，从而实现预测目标变量的目的。决策树的结构类似于树状图，由根节点、内部节点和叶子节点组成，每个节点代表一个特征的决策。

2.3.1 决策树简介

决策树模型通过一系列的“是/否”问题将数据逐步分割，直至每个叶子节点包含相对纯净的数据。这种分割方式使得决策树具有很强的解释性，因为每个分割步骤都可以用简单的规则描述。

2.3.2 决策树构建过程

决策树的构建过程主要包括以下几个步骤：

1. 选择最佳分割点：在当前节点上选择一个特征及其分割点，使得数据按照该特征分割后，目标变量的纯净度最大化。

2. 递归分割数据：将数据按照选择的分割点分割成两部分，并对每部分数据重复上述步骤，直到满足停止条件（如达到最大深度或叶子节点纯净度足够高）。

3. 生成叶子节点：当无法进一步分割数据时，生成叶子节点，并将该节点的输出设为其包含数据的多数类（分类任务）或均值（回归任务）。

2.3.3 纯净度指标

在选择最佳分割点时，通常使用纯净度指标来衡量分割效果。常见的纯净度指标包括：

• 信息增益（Information Gain）：基于熵（Entropy）的变化量来衡量分割前后数据纯净度的变化。熵越小，数据越纯净。

• 基尼指数（Gini Index）：基于概率的平方和来衡量数据的纯净度。基尼指数越小，数据越纯净。

• 均方误差（Mean Squared Error, MSE）：用于回归任务，衡量预测值与真实值之间的均方差。

2.3.4 决策树的优缺点

优点：

• 易于理解和解释：决策树模型可以通过图形化的树状结构直观展示决策过程。

• 无需特征缩放：决策树对数据的缩放不敏感，适用于原始数据。

• 处理多类别问题：决策树可以同时处理多类别分类问题。

缺点：

• 容易过拟合：决策树在训练过程中容易过拟合，特别是当树的深度很大时。

• 对数据变化敏感：决策树对数据中的噪声和变化非常敏感，可能导致树结构的不稳定。

• 计算复杂度高：当特征和样本数量较大时，决策树的构建和预测速度较慢。

2.3.5 代码实现

以下是使用Python和Scikit-learn库实现决策树分类器的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn import tree

# 加载数据集
iris = load_iris()
X = iris.data[:, 2:]  # 选择花瓣长度和宽度两个特征
y = iris.target

# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建决策树分类器
clf = DecisionTreeClassifier(criterion='gini', max_depth=4, random_state=42)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出模型准确率
accuracy = np.mean(y_pred == y_test)
print(f'Accuracy: {accuracy:.4f}')

# 可视化决策树
plt.figure(figsize=(12,8))
tree.plot_tree(clf, filled=True, feature_names=iris.feature_names[2:], class_names=iris.target_names)
plt.show()

代码解释：

1. 数据加载：加载Iris数据集，并选择花瓣长度和宽度作为特征。

2. 数据拆分：将数据集拆分为训练集和测试集。

3. 模型创建：创建决策树分类器，并设置纯净度指标为基尼指数，最大深度为4。

4. 模型训练：使用训练集数据训练模型。

5. 模型预测：使用测试集数据进行预测，并计算模型的准确率。

6. 决策树可视化：使用Matplotlib和Scikit-learn中的plot_tree函数可视化决策树结构。

决策树剪枝

为了减少过拟合问题，可以对决策树进行剪枝（Pruning）。剪枝分为预剪枝（Pre-pruning）和后剪枝（Post-pruning）两种方法：

• 预剪枝：在构建决策树的过程中，通过设置参数（如最大深度、最小样本分割数等）提前停止分割。

• 后剪枝：在构建完整决策树后，通过移除不重要的节点来简化树结构。

在实际应用中，合理设置剪枝参数可以显著提高决策树模型的泛化能力。

2.3.6 决策树的应用场景

决策树在许多实际应用中表现出色，以下是几个典型的应用场景：

• 医疗诊断：通过分析患者的症状和体征，决策树可以辅助医生进行疾病诊断。

• 客户细分：在市场营销中，通过客户行为和特征进行细分，帮助制定针对性的营销策略。

• 金融风险管理：在信用评分和风险评估中，通过客户的历史数据预测违约风险。

决策树模型凭借其直观性和强大的分类能力，在多个领域都得到了广泛应用。虽然决策树有一些局限性，但通过适当的优化和剪枝技术，决策树仍然是一个非常有效的机器学习工具。

2.4 支持向量机

支持向量机（Support Vector Machine, SVM）是一种强大的监督学习算法，广泛应用于分类和回归任务。SVM的核心思想是通过寻找一个最优超平面来将数据点划分到不同的类别中，从而实现分类的目的。支持向量机在高维特征空间中表现优异，特别适合处理线性不可分的数据集。

2.4.1 支持向量机简介

支持向量机旨在找到一个能够最大化类间间隔（margin）的决策边界。决策边界可以是线性的，也可以通过核函数（Kernel Function）映射到高维空间，从而处理非线性分类问题。SVM通过以下公式定义决策超平面：

2.4.2 支持向量机的优化目标

支持向量机的优化目标是最大化类间间隔（margin），即最小化以下损失函数：

2.4.3 核函数

为了处理线性不可分的数据，支持向量机引入了核函数，将原始数据映射到高维特征空间。在高维空间中，数据有更高的概率可以被线性分割。常见的核函数包括：

2.4.4 支持向量机的优缺点

优点：

• 有效处理高维数据：SVM在高维特征空间中表现优异，适用于维度较高的数据集。

• 鲁棒性强：在少量样本的情况下，SVM依然能够表现出色。

• 明确的几何解释：SVM通过最大化类间间隔，具有明确的几何解释。

缺点：

• 计算复杂度高：SVM的训练过程涉及二次规划问题，对计算资源要求较高。

• 对参数敏感：SVM的性能对核函数和超参数（如 ( C ) 和 ( gamma )）较为敏感，需要仔细调参。

• 难以处理大规模数据集：在大规模数据集上，SVM的训练时间较长。

2.4.5 代码实现

以下是使用Python和Scikit-learn库实现支持向量机分类器的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 选择前两个特征
y = iris.target

# 将数据集分为二分类问题
X = X[y != 2]
y = y[y != 2]

# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建SVM分类器
clf = SVC(kernel='linear', C=1.0, random_state=42)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出模型准确率
accuracy = np.mean(y_pred == y_test)
print(f'Accuracy: {accuracy:.4f}')

# 可视化决策边界
def plot_decision_boundary(X, y, model):
    h = .02  # 网格步长
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                         np.arange(y_min, y_max, h))
    Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)
    plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired, edgecolors='k', s=20)
    plt.xlabel('Feature 1')
    plt.ylabel('Feature 2')
    plt.title('SVM Decision Boundary')
    plt.show()

plot_decision_boundary(X, y, clf)

代码解释：

1. 数据加载：加载Iris数据集，并选择前两个特征用于分类。

2. 数据处理：将数据集转化为二分类问题，以便于SVM处理。

3. 数据拆分：将数据集拆分为训练集和测试集。

4. 模型创建：创建线性核SVM分类器，并设置正则化参数 ( C ) 为1.0。

5. 模型训练：使用训练集数据训练模型。

6. 模型预测：使用测试集数据进行预测，并计算模型的准确率。

7. 决策边界可视化：通过绘制决策边界和数据点，直观展示SVM分类器的效果。

2.4.6 支持向量机的应用场景

支持向量机在许多实际应用中表现出色，以下是几个典型的应用场景：

• 文本分类：SVM在垃圾邮件检测、情感分析等文本分类任务中广泛应用。

• 图像识别：在手写数字识别、面部识别等图像分类任务中，SVM表现优异。

• 生物信息学：SVM用于基因表达数据分析、蛋白质分类等生物信息学任务。

支持向量机模型凭借其高效的分类能力和坚实的理论基础，在多个领域得到了广泛应用。虽然SVM在处理大规模数据集时面临挑战，但通过适当的优化和核函数选择，SVM仍然是一个非常强大的机器学习工具。

2.5 K近邻

K近邻（K-Nearest Neighbors, KNN）是一种简单而有效的非参数监督学习算法，广泛应用于分类和回归任务。KNN算法通过计算新样本与训练集样本之间的距离，找到距离最近的K个邻居，基于这些邻居的标签来预测新样本的标签。

2.5.1 K近邻简介

K近邻算法的核心思想是“物以类聚，人以群分”，即相似的数据点更可能属于同一类。在分类任务中，KNN通过统计K个最近邻居中各类别的频率，选择出现次数最多的类别作为预测结果；在回归任务中，KNN通过计算K个最近邻居的平均值来进行预测。

2.5.2 距离度量

K近邻算法的关键在于如何度量数据点之间的距离。常见的距离度量方法包括：

2.5.3 选择K值

选择合适的K值是KNN算法的重要步骤。K值过小可能导致模型对噪声敏感，从而导致过拟合；K值过大则可能导致模型过于平滑，忽略数据的局部结构，从而导致欠拟合。常见的选择K值的方法包括：

• 经验法则：根据经验选择一个合适的K值，通常在3到10之间。

• 交叉验证：通过交叉验证来选择最优的K值，保证模型在验证集上表现最佳。

2.5.4 K近邻的优缺点

优点：

• 简单易懂：KNN算法直观且易于理解。

• 无参数学习：KNN是无参数模型，不需要训练阶段，仅需保存训练数据。

• 适用于多类别分类：KNN可以处理多类别分类问题。

缺点：

• 计算复杂度高：每次预测都需要计算与所有训练样本的距离，计算复杂度较高。

• 对数据规模敏感：大规模数据集上，KNN的计算和存储开销较大。

• 对特征缩放敏感：不同量纲的特征会影响距离计算结果，需要进行特征缩放。

2.5.5 代码实现

以下是使用Python和Scikit-learn库实现K近邻分类器的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 选择前两个特征
y = iris.target

# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 特征缩放
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# 创建KNN分类器
k = 5  # 选择K值
knn = KNeighborsClassifier(n_neighbors=k)

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集
y_pred = knn.predict(X_test)

# 输出模型准确率
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy:.4f}')

# 可视化决策边界
def plot_decision_boundary(X, y, model):
    h = .02  # 网格步长
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                         np.arange(y_min, y_max, h))
    Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)
    plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired, edgecolors='k', s=20)
    plt.xlabel('Feature 1')
    plt.ylabel('Feature 2')
    plt.title(f'KNN Decision Boundary (k={k})')
    plt.show()

plot_decision_boundary(X_test, y_test, knn)

代码解释：

1. 数据加载：加载Iris数据集，并选择前两个特征用于分类。

2. 数据拆分：将数据集拆分为训练集和测试集。

3. 特征缩放：对数据进行标准化处理，以消除不同特征量纲的影响。

4. 模型创建：创建K近邻分类器，并选择K值为5。

5. 模型训练：使用训练集数据训练模型。

6. 模型预测：使用测试集数据进行预测，并计算模型的准确率。

7. 决策边界可视化：通过绘制决策边界和数据点，直观展示KNN分类器的效果。

2.5.6 K近邻的应用场景

K近邻算法在许多实际应用中表现出色，以下是几个典型的应用场景：

• 推荐系统：通过计算用户的相似度，为用户推荐相似的商品或内容。

• 图像识别：在手写数字识别、面部识别等图像分类任务中，KNN表现良好。

• 文本分类：在垃圾邮件检测、情感分析等文本分类任务中，KNN广泛应用。

K近邻算法凭借其简单直观和有效性，在多个领域得到了广泛应用。虽然KNN在处理大规模数据集时面临挑战，但通过优化和合适的距离度量方法，KNN仍然是一个非常有用的机器学习工具。

监督学习精讲

2. 常见算法

2.6 朴素贝叶斯

朴素贝叶斯（Naive Bayes）是一种基于贝叶斯定理的监督学习算法，广泛应用于分类任务。尽管其假设各特征之间相互独立且同等重要，这一“朴素”假设在很多实际问题中并不成立，但朴素贝叶斯仍然在许多应用中表现出色，尤其是文本分类问题。

2.6.1 朴素贝叶斯简介

朴素贝叶斯算法基于贝叶斯定理进行分类预测。贝叶斯定理的数学表达式为：

2.6.2 朴素贝叶斯的类型

朴素贝叶斯分类器有多种类型，主要根据特征值的不同分布假设进行分类：

• 高斯朴素贝叶斯（Gaussian Naive Bayes）：假设特征值服从高斯分布，适用于连续数据。

• 多项式朴素贝叶斯（Multinomial Naive Bayes）：假设特征值服从多项式分布，适用于离散数据，特别是文本分类中的词频统计。

• 伯努利朴素贝叶斯（Bernoulli Naive Bayes）：假设特征值服从伯努利分布，适用于二元数据，特别是文本分类中的词是否出现。

2.6.3 朴素贝叶斯的优缺点

优点：

• 简单高效：朴素贝叶斯算法计算复杂度低，易于实现，适用于大规模数据集。

• 处理缺失数据：朴素贝叶斯能够处理部分特征缺失的数据。

• 适用于多类别分类：朴素贝叶斯能够自然处理多类别分类问题。

缺点：

• 独立性假设：朴素贝叶斯假设特征之间相互独立，这在许多实际问题中并不成立。

• 零概率问题：如果某个特征值在训练集中未出现，可能导致零概率问题，需要拉普拉斯平滑（Laplace Smoothing）来处理。

2.6.4 代码实现

以下是使用Python和Scikit-learn库实现朴素贝叶斯分类器的示例代码：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建高斯朴素贝叶斯分类器
gnb = GaussianNB()

# 训练模型
gnb.fit(X_train, y_train)

# 预测测试集
y_pred = gnb.predict(X_test)

# 输出模型准确率
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy:.4f}')

# 输出混淆矩阵和分类报告
print("Confusion Matrix:")
print(confusion_matrix(y_test, y_pred))
print("nClassification Report:")
print(classification_report(y_test, y_pred))

代码解释：

1. 数据加载：加载Iris数据集，包括所有四个特征。

2. 数据拆分：将数据集拆分为训练集和测试集。

3. 模型创建：创建高斯朴素贝叶斯分类器实例。

4. 模型训练：使用训练集数据训练模型。

5. 模型预测：使用测试集数据进行预测，并计算模型的准确率。

6. 评估模型：输出混淆矩阵和分类报告，以详细评估模型性能。

2.6.5 朴素贝叶斯的应用场景

朴素贝叶斯在许多实际应用中表现出色，以下是几个典型的应用场景：

• 文本分类：朴素贝叶斯广泛应用于垃圾邮件检测、情感分析、新闻分类等文本分类任务。

• 医学诊断：在疾病诊断和风险预测中，朴素贝叶斯可以根据症状和体征进行分类。

• 推荐系统：朴素贝叶斯用于推荐系统中，基于用户行为和特征进行个性化推荐。

朴素贝叶斯算法凭借其简单高效和适用广泛，在多个领域得到了广泛应用。尽管其假设存在一定局限性，但通过适当的改进和优化，朴素贝叶斯仍然是一个非常有用的机器学习工具。

监督学习精讲

3. 模型评估与验证

在机器学习过程中，模型评估与验证是至关重要的环节。通过评估，我们能够了解模型的性能，判断其是否适合解决特定的问题；通过验证，我们能够检测模型是否泛化良好，是否能够在未见过的数据上表现出色。有效的模型评估与验证能够帮助我们选择最优模型并防止过拟合和欠拟合。

3.1 交叉验证

交叉验证（Cross-Validation）是一种评估模型性能的技术，它通过将数据集分成多个子集，并多次训练和验证模型来评估模型的性能。最常用的交叉验证方法是K折交叉验证（K-Fold Cross-Validation）。

3.1.1 K折交叉验证

K折交叉验证将数据集分成K个大小相等的子集，每次选择一个子集作为验证集，其余K-1个子集作为训练集，重复K次，最终计算K次验证的平均性能作为模型的评估结果。K折交叉验证的具体步骤如下：

1. 将数据集随机分成K个大小相等的子集。

2. 对于每个子集：

• 将该子集作为验证集，其余子集作为训练集。

• 训练模型并在验证集上评估模型性能。

3. 计算所有K次评估的平均性能。

K折交叉验证能够有效缓解由于数据集划分带来的偶然性影响，提高评估结果的可靠性。常用的K值有5和10。

3.1.2 留一法交叉验证

留一法交叉验证（Leave-One-Out Cross-Validation, LOOCV）是一种极端的交叉验证方法，每次只用一个样本作为验证集，剩余样本作为训练集，重复N次（N为样本数量），最终计算N次评估的平均性能。尽管LOOCV的评估结果较为稳定，但计算开销较大，通常在小数据集上使用。

3.2 过拟合与欠拟合

过拟合（Overfitting）和欠拟合（Underfitting）是机器学习中的常见问题，直接影响模型的泛化能力。

3.2.1 过拟合

过拟合是指模型在训练数据上表现很好，但在验证数据上表现较差。这是因为模型过于复杂，捕捉到了训练数据中的噪声和细节，而没有学到数据的普遍规律。过拟合的常见原因包括：

• 模型复杂度过高

• 训练数据量不足

• 过度训练（训练次数过多）

解决过拟合的方法包括：

• 降低模型复杂度（如减少特征数量或使用正则化）

• 增加训练数据量

• 使用交叉验证选择合适的超参数

• 早停（Early Stopping）

3.2.2 欠拟合

欠拟合是指模型在训练数据和验证数据上都表现较差。这是因为模型过于简单，无法捕捉数据的内在规律。欠拟合的常见原因包括：

• 模型复杂度过低

• 特征数量不足

• 训练时间不足

解决欠拟合的方法包括：

• 增加模型复杂度（如增加特征数量或使用更复杂的模型）

• 提高特征质量

• 延长训练时间

3.3 混淆矩阵与分类报告

混淆矩阵（Confusion Matrix）是评估分类模型性能的重要工具，它能够直观地展示模型在各个类别上的分类情况。混淆矩阵的结构如下：

实际预测	正类（Positive）	负类（Negative）
正类（Positive）	真阳性（TP）	假阴性（FN）
负类（Negative）	假阳性（FP）	真阴性（TN）

通过混淆矩阵，我们可以计算多个评价指标，包括：

分类报告（Classification Report）通常包含上述指标，可以全面评估分类模型的性能。

3.4 ROC曲线与AUC

ROC曲线（Receiver Operating Characteristic Curve）是评估二分类模型性能的工具，通过绘制真阳性率（TPR）和假阳性率（FPR）之间的关系，展示模型的区分能力。真阳性率和假阳性率的计算公式为：

通过调整分类阈值，可以绘制出不同点的TPR和FPR，形成ROC曲线。理想的ROC曲线接近左上角，表示模型具有较高的区分能力。

AUC（Area Under Curve）是ROC曲线下的面积，数值在0.5到1之间，越接近1表示模型性能越好。AUC具有阈值独立性，是衡量模型性能的有效指标。

代码示例

以下是使用Python和Scikit-learn库实现混淆矩阵、分类报告、ROC曲线和AUC的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import confusion_matrix, classification_report, roc_curve, auc

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集分为二分类问题
X = X[y != 2]
y = y[y != 2]

# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建高斯朴素贝叶斯分类器
gnb = GaussianNB()

# 训练模型
gnb.fit(X_train, y_train)

# 预测测试集
y_pred = gnb.predict(X_test)
y_prob = gnb.predict_proba(X_test)[:, 1]

# 输出混淆矩阵和分类报告
print("Confusion Matrix:")
print(confusion_matrix(y_test, y_pred))
print("nClassification Report:")
print(classification_report(y_test, y_pred))

# 绘制ROC曲线
fpr, tpr, _ = roc_curve(y_test, y_prob)
roc_auc = auc(fpr, tpr)

plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label=f'ROC curve (area = {roc_auc:.2f})')
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic (ROC)')
plt.legend(loc="lower right")
plt.show()

代码解释：

1. 数据加载和处理：加载Iris数据集，并将其转化为二分类问题。

2. 数据拆分：将数据集拆分为训练集和测试集。

3. 模型训练和预测：创建并训练高斯朴素贝叶斯分类器，对测试集进行预测。

4. 评估模型：计算并输出混淆矩阵、分类报告、ROC曲线和AUC。

通过上述过程，我们能够全面评估分类模型的性能，判断其是否适合特定的任务。有效的模型评估与验证是机器学习流程中的重要环节，能够帮助我们选择最优模型并提高模型的泛化能力。

5月31日，企业微信推出了4.1.26版本。

对智能表格、聊天等效率工具与基础体验进行了升级。同时，连接微信能力再升级。

群发规则调整，每日最多可群发31次、取消朋友圈曝光人数限制、群发助手升级，员工可一键发送今日所有待发送任务、企业微信客户群防骚扰功能升级。

本次更新重点帮助企业提升私域运营能力，实现更精细化的客户营销管理，以适配业务需要。

基于私域自身运营力提升的同时，开展公私域联动，可助力私域运营拓增量的同时，让私域客户画像更清晰，便于企业开展更精细化的客户运营。

私域运营如何联动公域带来流量、销量的持续增长？为助力企业做好公私域联动，小裂变·私域营销一体化系统，帮助企业以客户运营为中心，整合线上线下，打通公私域，打造私域运营闭环体系。

扫码免费领取系统试用↑↑

同时，在私域运营实操和客户服务过程中，我们也在不断实践公私域联动打法。接下来，将我们在实操中总结、沉淀下来的五种公私域组合打法分享给大家。

01

公域流量引流私域

高效、低成本沉淀私域客户

只做私域，没有公域流量的引入，不仅会造成企业在公域平台付费流量的浪费，也会导致企业私域流量持续增长困难。

将私域与公域运营联动，可有效将公域平台流量沉淀至私域，将公域“流量”，转化为企业私域“留量”。

如何将公域平台流量高效、低成本导流至私域呢？关键要做好六点。

1）盘点各渠道资源，低成本引流私域

在开展导流动作之前，企业首先要做好公域渠道资源的盘点，对各渠道资源进行分类并针对性确定导流玩法、策略。

从公域导流到私域，流量来源主要可以分为公域订单、公域投放、公域粉丝、线下公域流量四类。

例如，针对公域订单，可通过包裹卡、AI外呼、短信引流，公域投放可通过活码展示、名片推送等形式导流私域，公域粉丝可通过私信、评论等方式引流私域，线下公域可通过门店导购物料、海报二维码引流。

2）门店优质流量沉淀私域，持续开展客户服务

将实体门店的流量导流至私域，可带来持续复购、转介绍新客户。

要实现高效导流门店客户至私域，需做好两个方面。

首先，给客户一个加你的理由，客户添加后你能提供什么服务或福利价值？

其次，便利客户扫码添加。可利用门店桌贴、立牌、易拉宝等设置导流二维码，便于客户扫码添加。

为便于后续开展持续服务，可为线下门店配置门店活码，扫码后根据客户地理位置，门店位置，精准引流至门店社群。

3）公域投放导流私域，提升客户加微率

在公域平台通过广告投放导流私域也是有效的导流方式之一。广告投放引流的关键在于，有效提升导流效率，客户来源可追踪，便于持续优化广告投放导流设置。

例如，通过小裂变·私域营销一体化系统配置引流链接，可用于广告投放、营销短信、平台跳转等场景，高效引流客户至私域。

还可在广告落地页、表单提交页等处设置渠道活码，客户扫码后智能分配客户，实时追踪不同渠道添加效果，客户来源更清晰。

4）公域订单转私域客户，0成本精准获客

对于淘宝、天猫、抖店等公域平台已购客户，企业可通过包裹卡吸引客户主动扫码添加。

如客户量不多，或针对高价值客户也可由企业主动发起好友添加申请。

比如，通过小裂变·私域营销一体化系统-快捷加好友功能，员工可一键复制手机号信息，发送好友申请。通过手机号发送营销短信，结合小裂变·私域营销一体化系统-引流链接功能，一键唤起微信，用户直接扫码加好友/进群，快速引流获客。

5）公域粉丝转私域，提升黏性促转化

如企业在抖音、快手、小红书、知乎、B站、微博等平台积累了一定粉丝，可通过私信引流、评论区引流等方式，将客户引导进入私域。

粉丝进入私域后，可享粉丝专属福利机制或服务，吸引公域粉丝主动添加。

借助运营工具，可帮助企业进一步提升导流效率。比如，在公域平台向粉丝发送引流链接，实现自动化跳转、一键添加企业微信/社群。还可在粉丝群内发送引流链接或渠道活码，精准追踪客户添加数据与客户留存率。

6）智能化承接多渠道客户，提升客户好感度

客户来了留不住？客户添加后，提供有温度的服务，是留住客户的第一步。

但渠道众多，客户从哪个渠道添加难分辨？消息太多回复不及时？

借助私域运营工具可助力企业实现多渠道客户智能化承接。

例如，通过小裂变·私域营销一体化系统-好友欢迎语，可根据客户渠道来源为不同部门、员工配置差异化好友欢迎语，让客户第一时间感受到企业及时、有温度的服务。智能跟进提醒，可根据客户标签客户阶段，设置客户跟进内容，助力一线员工更高效、及时做好客户服务跟进。

扫描下方二维码可免费试用小裂变·私域营销一体化系统，高效将公域流量引流私域↓↓↓

扫码免费领取系统试用↑↑

02

私域打通公域平台订单

助力精准营销，提效复购跟进

私域与公域平台订单的打通，可帮助企业追踪私域客户的转化轨迹，构建以订单数据为中心的消费者运营体系，用数据指导私域营销，助力私域精准营销、提效复购跟进。

1）打通多平台订单，洞察私域客户消费数据

将私域与公域平台订单的打通，可帮助企业有效掌握客户在公域平台的订单记录、追踪客户下单状态，员工在客户跟进的过程中可开展针对性的服务，促进客户私域转化，实现公域订单可跟进、可追踪、能转化。

例如，小裂变·私域营销一体化系统与视频号、抖音、有赞、小鹅通等多平台订单进行了打通。

私域客户在抖店、视频号小店等公域平台下单，企业员工可在企业微信收到消息提醒，还能查看客户购买数据、订单记录，后续为客户提供个性化的产品推荐和优惠，有效提升客户在公私域的转化。

2）公域订单联动私域积分，客户动力足，黏性持续提升！

公域订单与私域积分玩法联动，不仅可有效将公域客户沉淀至私域，还可通过积分奖励，提升私域客户黏性，培养长期关系，持续引导客户在私域内复购、转介绍。

例如，通过小裂变·私域营销一体化系统-订单转换，客户输入订单编号，即可进行订单转换，实现公域客户的身份绑定和沉淀。

客户进行订单转换后可获取积分，积分可兑换红包、优惠券等权益，通过积分玩法，提升客户活动、内容参与度，将客户留在私域。

3）全平台订单打通企业微信，复购跟进更高效！

完成私域与平台订单的打通后，为实现更高效的客户跟进，企业可建立客户SOP和客户群SOP。

• 建立客户SOP

基于客户阶段、客户标签设置客户跟进SOP提醒，一线销售/客服跟进客户更及时，可基于产品复购周期及优惠政策，定向跟进重点客户。

• 建立客户群SOP

可基于客户群人数、客户群标签设置差异化跟进提醒，便于规模化运营私域老客户，提升社群活跃度、社群转化率、私域复购率。

03

私域运营打通会员体系

打造高黏性、高复购私域流量池

私域运营打通企业会员体系，可将企业高质量、核心客户沉淀至私域，并通过设计私域会员等级及积分玩法，打造高黏性、高复购私域流量池。

1）设计私域会员等级，分级开展会员营销，拉升复购

企业可基于消费行为设置不同的会员等级，制定相应的会员权益。帮助企业精细化运营维护不同等级客户，提高会员的活跃度、忠诚度。

例如，根据消费金额设置会员等级，注册即可成为普通会员，消费满1000元升级为白银会员，消费满2000元升级为黄金会员……

一线员工可查看企业会员列表及详细信息，含注册时间、会员等级、消费金额、消费次数、会员信息等，便于针对性开展会员营销。

2）积分等级设计，锁定私域客户长期消费，提升频次

企业可根据业务需求自定义积分运营体系，帮助企业提升客户活跃度，提高客户粘性，实现销售业绩的增长。

包含积分获取规则、积分兑换权益、积分管理等，例如，通过积分权益激励客户持续参与企业私域活动、下单。

3）优惠券营销联动会员等级，指向成交转化，加快下单

为进一步提升会员体系与私域运营联动带来的销售转化，可将优惠券下发与会员权益联动，根据不同会员等级，下发对应的满减券、活动券、优惠券等，推进客户更快下单。

为便利客户下单，可将优惠券与员工聊天工具栏打通，员工在与客户沟通中一键发送优惠券，客户领取后可直接跳转下单界面，支付方便快捷。

4）客户会员信息打通聊天工具栏，开展分层服务，精准营销

一线员工聊天工具栏与客户会员信息的打通可助力一线员工更方便开展精准营销。

员工开展客户服务时，可查看会员等级、会员资料信息、会员所处阶段，可针对性查看信息，开展差异化产品推荐与追销。

04

私域+视频号

公私域运营联动，涨流量、涨销量

私域与视频号公域的联动，可将视频号公域流量导流私域，通过私域运营提升企业视频号直播场观、转化数据，助力企业公私域运营涨流量，涨销量。

1）视频号直播高效蓄流，助力账号多维度数据增长

• 直播间预约增长玩法提升直播预约量

直播预约量很大程度上决定了一场直播的场观量，在开播前，企业可借助直播预约增长玩法，并结合多重福利机制，激励客户预约直播间，助力企业视频号提高直播预约量，提升直播间场观。

• 粉丝增长玩法提升账号关注量

通过粉丝增长活动，可激励客户邀请更多朋友关注视频号，助力视频号粉丝量提升，进而提升内容播放量与直播场观数据，实现正向循环增长。

2）视频号直播+私域分销，提升直播GMV数据

视频号直播，联动私域开展分销玩法，可帮助企业通过私域老客，带来新客下单，提升直播GMV。

• 私域内招募分享员

企业可自定义分享员佣金规则、商品分销规则，在私域内通过定向招募或批量招募分享员，将私域客户招募成为企业的分享员。

• 视频号直播群发至私域客户

视频号开播后，可将视频号直播间通过客户群发、客户群群发触达至分享员，通过优质内容和佣金激励机制带动分享员主动转发，通过直播福利机制促进客户下单。

3）视频号客户沉淀私域，开展长期维护，推进复购

将视频号客户沉淀至私域，可通过私域客户运营、维护，带来持续的客户转化、复购。

• 渠道活码引流客户至私域

可使用渠道活码设计直播间的贴片展示，直播过程中，引导客户添加企业微信或加入企业微信群，便于追踪客户添加数据、分析客户留存与转化数据

• 建立客户SOP，高效跟进、转化客户

为高效转化视频号引入的客户，可基于客户添加渠道、客户阶段、客户标签设计周期性客户跟进SOP，规范化跟进内容，提升客户满意度，推进持续复购。

4）视频号小店打通企业微信，构建公私域交易闭环

企业微信私域与视频号小店打通，可帮助企业构建起公私域交易闭环。

当一线员工与客户聊天的过程中，可在企业微信-聊天工具栏，一键将视频号小店商品发送给客户，提升员工沟通效率，提升企业商品曝光率。

私域客户在视频号小店下单、购买商品时，会将客户行为记录在客户动态中，并通知对应的员工，提醒员工跟进。

05

私域+视频号小店分销

打造私域分销员体系，挖掘KOC客户

私域运营联动视频号小店分销，可基于视频号小店运营体系，打造分享员招募、分销推广、佣金结算闭环，聚集精准分享员流量，助力打造私域爆款商品。

1）快速招募分享员

私域客户多为已购或意向购买客户，对品牌、产品有一定了解，商家可将沉淀在品牌微信生态内的私域客户发展成为分享员。

企业微信私域内则可通过客户标签，筛选出具有分享潜力的客户，通过客户群发、客户群群发、朋友圈内容发布的形式将招募信息触达至私域客户。

2）追踪分销全流程，掌握分享员业绩数据

将企业微信私域与视频号小店分销玩法的打通后，企业要持续追踪、查看分享员的业绩数据，根据销售金额、订单数、客户数、评估分享员的带货能力，筛选优质分享员、进行分层运营。

例如，通过小裂变·私域一体化营销系统，可统计分享员佣金数据，佣金分析面板可实时查看单个分享员佣金数据、店铺分享员订单详情。

3）搭建分享员数据中心，打通企业微信聊天工具栏

除了订单的打通，企业需搭建起分享员数据中心，实现分享员信息与私域运营互通，便于企业通过私域运营更高效管理分享员，提高分销转化业绩。

例如，小裂变·私域营销一体化系统 -聊天侧边栏与分享员信息打通，员工与客户1对1沟通时，可通过聊天侧边栏直接查看分享员信息，含分享员等级，可差异化运营私域分享员，促进分享员业绩提升。

企业运营管理人员，可通过小裂变·私域营销一体化系统，批量管理私域小店分享员，批量调整分享佣金及规则。

以上，就是5大公私域组合打法分享，如果你想了解更多运营玩法详情或通过运营工具提效公私域运营，可扫描下方二维码添加小裂变私域增长顾问，详细沟通，还可领取小裂变·私域营销一体化系统试用哦～

扫码免费领取系统试用↑↑

免费领福利>>>

了解小裂变>>>

点击“在看”↓↓

免费试用小裂变系统

一个有能力、有资源的人，想靠「销售」这件事，一年赚到100万，是没有任何问题的。并且，还能积累出自己的个人品牌，像滚雪球一样放大势能，持续变现。

但为什么很多人不仅赚不到钱，自己还觉得做销售很丢脸，不被客户理解、甚至恶语相加？

我觉得，在「赚钱方式、卖产品、做成交」这些层面，销售与销售之间，差了五个模型。

这五个模型，不是什么销售技巧、话术公式，而是一个做销售的人，应该思考清楚的底层逻辑。如果某个内容让你感到共鸣，或者有所启发，欢迎发圈给同频的伙伴。

人生奋斗的五级金字塔

人为了什么赚钱？或者说，人在为了什么奋斗？我觉得，有五个阶段。

第一层，为了「活」，有生存

这个「活」，有两种。

第一种：今天不赚钱，明天/下个月就活不下去了。这时也没有时间思考活着的意义，山区贫困户、城市乞讨者、体力工作者，大多如此。

第二种：有个班上就行了，能躺平就躺平，工作越少越好，有事就抱怨。工资能填饱肚子、能活着就行了，其他的都一件事都不想干。

第二层，为了「利」，为赚钱

别管我认不认同你这个事，只要钱给够，什么我都愿意干。有靠体力的，一天做好几份工作；有靠脑力的，把一份工作的价值放大、或者批量变现N次；还有迷失方向的，搞传销、搞诈骗，都有可能。

第三层，为了「名」，为事业

这时的人，已经不太会为生计担忧。他们想拥有自己的产品、自己的客户、自己的生意、自己的公司，证明自己，获得认可和赞美。比如出一本书、做一次产品宣讲会，这个结果，要比实际赚到的钱，珍贵得多。

第四层，为了「爱」，为修行

这个阶段，很多人都觉得不可能，但他确实存在。这样的人，他们的人生，就是为了提升自己的修为和能力，做喜欢的事情，同时提供价值。成长，并帮助他人成长。

第五层，为了「义」，为大义

这个境界，99%的人都达到不了。往大了说，像马斯克、任正非、巴菲特；往小了说，一些科学家、顶流企业家也是如此。到了这个阶段，有的是想为了行业做点事情、有的是为了国家做点事情、还有人真的想，改变世界。

有趣的是，每个层级的人都不理解其他层级的人。因为一个人的认知，都只会停留在自己的层级思考。

• 打工人会骂：那个某某某，别看他讲的头头是道，其实他就是想骗你买他的书。
• 外卖小哥不理解：刘强东都挣那么多钱了，为什么还要工作，为什么不在家睡觉，打游戏？
  
• 老百姓会骂：那个XX专家出的破政策，肯定就是为了他家孩子上学方便。

农民说：如果有一天我当了皇帝，一定要换一把金锄头。

就是这个道理。

赚钱的四个层级

销售的维度，可以分为四个级别。

第一种，是跪着挣钱

小区门口发传单的健身教练，问你要不要贷款和保险的推销电话，他们都是跪着的，求求你了，买一个吧，你不买，我就发不出工资了。这个，叫推销。

第二层，是坐着挣钱

跟客户当朋友，先了解背景、再探索需求，在沟通交流之中，提供解决问题的思路方案，最后推荐客户下单。

这个叫顾问式成交：我不是卖产品的，我是帮你买产品的。

第三种，是站着挣钱

这个站，是站在舞台上，讲个故事、演个节目、诉个情怀，下面就哗哗哗有人给你交钱。这个也叫发售。你结婚批量收份子钱、知识付费IP做全网公开课、雷军开发布会卖小米su7，都属于这类。

第四种，是躺着挣钱

这个躺，不是失足女「躺床上赚钱」，也不是咸鱼党「求躺平掉钱」，而是睡后收入。

往大了说，苹果手机、中华烟、茅台酒，不用做广告，也每天多的是人买单。

往小了说，一本畅销书、一个精华课、一个曲，也能达到这个效果。

普通人卖东西，最好从「顾问式销售」开始。虽然很累、很吃能力，但能积累专业、能积累客户、能积累口碑、还能赚到钱。

然后，再向「发售」和「睡后收入」努力。

卖产品的四心模型

大到开产品发布会，小到代购发一个朋友圈。只要是卖产品，就都与「心」相关。这个维度，也有四个阶段，可以看看你是哪一种。

第一阶段，私心，卖的是产品本身

这个是最低级的。眼里只有产品、心里只有自己、满满的都是私心。说出来的东西，全都是生硬的产品卖点、或者复制粘贴的话术，生怕全世界不知道你是个卖货的。

第二阶段，攻心，卖的是焦虑痛点

报了某些课程、学了某些话术，知道客户需求的重要性之后，就开始套公式。疯狂戳对方的痛点，刺激对方的欲望。90%的普通销售，都处于这个阶段。但真实情况是，很多人会陷入「痛点过度」的怪圈，让客户更加讨厌你。

举个例子，卖保险的跟客户说「您肯定特别怕得癌症吧，没事，如果买了我们的产品，有特别好的赔付方案，能给您孩子留好多钱」

客户说CNM，你才得癌症，你全家都得癌症。

第三阶段，交心，卖的是解决方案

就像前面说的「顾问式成交」，先了解对方的情况，找到他自己都没想到的痛点和需求点，展示解决问题后的情景，然后再提供解决问题的思路。

这个过程中，跟对方完全是交心的关系，站在他的角度为他考虑，最后才是产品。

第四阶段，无心，享受自己的成长。

无心插柳柳成荫。这个阶段，讲的已经不是产品了，而是做产品的那个你自己。讲述自己和产品的故事、讲述自己做这件事的原因，享受付出、享受成就别人。把卖产品的过程，当作是自己的修行，而不是赚钱。

只在自己的成就线上，坚定努力；

不在别人的目光之中，来去停留。

成交的四象限模型

象限一：你输、客户也输

这种情况大概率就是，你和客户之间出现了冲突和争吵，最后产品没卖出去/被退货，你和客户都是一肚子气。这个的底层原因，其实跟脾气没有关系，大概率是你又不了解产品、又不了解客群。

象限二：你赢、客户输

这说明你能成交，靠的是营销套路和话术、甚至是不实的宣传。你是赚到钱了，但客户收到产品后会非常不满，久而久之，遇到一个刺头的客户，就是暴雷的那天。

哪怕一直都没遇到，这种行为也会败你的人品。这种成交，绝对持久不了。

象限三：你输、客户赢

这种情况，要不就是你为了成交，动了自己的利益（比如用自己的工资给客户补贴、给渠道让利）。要不就是你被客户坑了、骗了，客户占到了便宜，心里美滋滋。

最可怕的，不是你这一次两次的输，而是长远看，你会陷入一个委曲求全的心态。如果每个单子，都是靠求来的、跪来的，绝对做不好产品和销售。

象限四：你赢、客户也赢

你给客户解决问题/提供价值，他给你付钱、好评、甚至介绍更多的客户，这是最好的结果。

想做到这一点，最重要的逻辑就是，你想当「渣男」还是当「暖男」。

渣男，成交前花言巧语，成交后迅速消失；暖男，一切都为对方着想，让她变得更好。

如果你永远把客户当「韭菜」，养一波割一波，那就也永远达不到这个结果。

人生胜负观的三个阶段

这一点，不仅限于营销，在工作和人生中，也是一样。

小白：求胜

就像男女朋友吵架，今天必须要分出个对错。找论据、找帮手，所有事情据理力争，只有你输、才能证明我赢，只有你认错，才证明我是对的。

高手：求共赢

不管什么事，都想找两全之法。为自己谋求利益的同时，也保护对方的感受。这种也有一个弊端，就是如果自己的真心不被对方接受，甚至对方因此而更进一步、抢夺你的利益，就会让人痛苦不堪。

大师：求败

内心毫不在意谁赢谁输，只关注事情的本质，而非彼此之间的利益。

让对的人对，让错的人错。没有期待、没有评判、享受付出、成就他人。这种彻悟和洒脱，才是最高维度的智慧。

如上，我们主要阐述了关于白牌的一些个人理解，下文我们将从供给、渠道和用户三个维度，重新审视消费降级的理解，希望可以给到大家一些新的启发。

问题04：供给变了？

我们借用宏基创办人施振荣先生的微笑曲线，来注解供给端的变化对于消费的影响。微笑曲线理论是施振荣先生1992年提出的，如下图，理论可以简单的概述为：在一个产业链中，利润最丰厚的区域在价值链的两端：研发和市场，如果企业没有这两种能力，就只能做组装制造的代工业务，处于利润分配的低位。微笑曲线理论在国内的影响力是巨大的，它简要鲜明的指出了产业附加值分布，引导着无数的国内制造企业投入研发、经略市场，以获取更加丰厚的利润回报

我们认为微笑曲线是以供给为导向的利润分配模式，不同点位利润回报的高低与其投入产出的确定性有关的，即在产业链中，研发和市场运作（即品牌化）是确定性更低的，投入后得不到预期的回报是非常普遍的一件事情，以此只有丰厚的利润诱导，才能够吸引企业不断的投入，推动产业的升级。企业也会因为技术领先或市场份额而形成竞争壁垒，享有长期红利。而对于加工制造业，投入产出比是更好估算的，即经营的风险更加可控，对应的竞争壁垒也相对较低，利润不得不处于低位。

对于普通消费品，技术研发的壁垒是相对薄弱的，新的功能设计很快会被竞品同质化，因此大多数品牌的经营重点放在了市场开拓上，即如何扩大品牌知名度、如何增加渠道渗透率。这也是农夫山泉、娃哈哈、飘柔这一大批品牌崛起的共同特点。如今的我们，面临的可能是前所未有的供给过剩，一方面是国内原有供给的充沛，一方面是疫情和经济危机带来的出口转内销，供求关系的变化必然会带来微笑曲线的变化，如下图红线，我们称之为斜坡曲线。

供给的严重过剩，必然会形成大量的产品滞销，一部分企业为了现金流，是可以接受低价甚至亏损销售产品的，价格竞争会前所未有的激烈。电商平台突破了传统门店的有限货架陈列，从而打破了品牌依托于线下门店的陈列有限性和用户购买便利性而形成的附加值体系，即用户并不是认可现有品牌的价值体系，只是在门店零售体系下没有更好的选择而已。因此供给的过剩和渠道的开放，形成了过度富足的用户产品选择，由此引发了价格的激烈竞争。

这种状态导致一大批品牌无法继续维持原有线下的价格体系，即电商渠道的产品价格是远低于线下门店系统的，在服装品类中尤其典型。因此我们认为在市场端，微笑曲线的高点会被不断压低，并趋向于水平。一部分品牌为了扭转这种被动的局面，会加大产品的研发投入，但基于国内高度发达的供应链体系，产品同质化非常的迅速，研发对应的微笑曲线高点也在降低，由此形成了如上图的斜坡曲线

因此从供给端，我们作为普通消费者，会发现物资供给的极度丰富，性价比会不断刷新我们的认知，核心就在于基于渠道&媒体中心化的传统品牌价值体系，即微笑曲线已经被打破，新的电商渠道和社交媒体，为无数中小型品牌参与竞争提供了机会，由此引发更加激烈的市场竞争，从用户的角度来看，就是白牌越来越多了。

问题05：渠道变了？

如上文所述，电商平台的出现很大程度上影响了国内用户的消费习惯。下面我们就借用消费行为学中常用的一个模型，来解读渠道变化的影响。如下图，同质化的概念相对简单，即在用户的认知中，不同品牌的产品差异不大，反之则称之为异质化。搜寻成本我们要做个专门的解释，常规的定义是囊括用户决策+寻找购买渠道的时间/精力成本的，本章节主要论述渠道对于消费的影响，因此框定在用户寻找购买渠道的难度上。

围绕上述的两个参数，我们将用户的消费类型拆分为四个象限：如果品类的产品趋向于同质化，那么用户的消费决策需要参考搜寻成本。搜寻成本高（如不知道哪里有店还能买到或者店有点远），用户一般都会选择就近购买（便利驱动），反之如果搜寻成本低（如两家店临近），用户一般会选择价格便宜的那一家（价格驱动）。这也是线下门店可以覆盖周边用户的基础。如果品类呈现出典型的异质化，用户在搜寻成本比较低的情况下，会根据产品的价值（价值驱动）而不是价格来选购产品，而如果搜寻成本高，品牌需要建立一种对于用户的特殊意义（即关系驱动）才能吸引用户到店消费，这也是奢侈品门店数量较少但并不影响其销售的原因所在。

基于上文的分析，我们形成了线下门店消费的分布状态：由于线下需要到店消费，因此用户的购买主要集中在便利驱动和价值驱动两个象限，即日常所需就附近购买，不愿意花费更多的时间和精力去到更远的门店，而对于那些比较重要的产品购买，则会选择去到门店聚集地（如百货、家电连锁），通过降低搜寻成本的方式，来挑选一款符合其价值需求的产品。当然我们不排除一部分的价格敏感客户，即使是日常消费，也愿意跑到很远的超市里去排队，同样的也一定有一部分用户，是因为一些特殊的情感联系，愿意付出时间和精力专门去购买产品

我们认为互联网对于用户消费的影响主要集中在两个点上：购买的便利性大幅度提高即搜寻成本的大幅度下降；社交媒体的发展打破了传统媒体的中心化，用户可以接触到更多的品牌信息，由此形成了多元化的认知可能性。对应的，用户消费结构也会发生比较大的变化：

• 搜寻成本的大幅度降低，会打破便利驱动的空间壁垒，用户价格敏感度更高；同款产品供给商家增加，会提高价值驱动产品的价格敏感度

• 社交媒体带来了用户信息获取的渠道多元化，会极大的稀释原有关系驱动品牌的用户群，转向价值驱动和便利驱动，价格敏感度随之提高

因此随着电商渗透率的不断提高，消费会逐渐趋向于价格驱动，即价格逐渐成为用户最核心的消费驱动力。由于互联网带来的信息平权是不利于品牌的高溢价的，因此这一轮新消费浪潮中，表现不俗的品牌大多处于中低价格带，定位中高端的品牌瓶颈是非常明显的。用户红利的消退、消费结构的变化也迫使电商平台之间不得不越来越关注价格效能，价格战几乎是不可避免的一件事情，因为这是用户的核心需求所在。

由于用户的价格敏感度越来越高，在中低价格带的消费中，品类更加趋向于同质化，而白牌的促销身段更加的灵活，由此形成了一种大众的印象：人们购买白牌越来越多了。

问题06：用户变了？

如上文所述，供给和渠道的变化，为用户购买白牌提供了货源和便利性，但这并不足以主导用户的消费决策。很明显，用户购买白牌产品，一定是有其相对充分的内在动机的。有些媒体把这归结为用户对于品牌的祛媚，但究其成因，鲜有说的比较清晰的。今天我们试着做个分析。

如上文所述，相比线下门店，互联网提供了更高的购买便利性，因此大幅度的降低产品的搜寻成本，价格取代便利性成为人们日常消费的核心驱动力，这个很容易理解：只要不是急着用，点点发财的小手就可以等着快递送上门，是比苦哈哈的跑下楼开着车跑到五公里外的超市，要更加方便的。基于动物节约能量的本能，日常消费的决策迁移是很容易理解的。大多数人困惑的是为什么价值驱动甚至是关系驱动也会发生大规模的迁移。

我们认为这与品牌价值的结构有关，即品牌的价值是由满足物理属性的生理价值和满足情感属性的精神价值共同组成的。传统的品牌价值结构，尤其是社交价值来自于稀缺性，而稀缺性来自于门店购买的不便利性上。例如十几年前爸爸从上海给小朋友带了一双耐克鞋，小朋友可以炫耀很久，而现在随便哪个家长都可以通过淘宝下单。当基于供给稀缺性的社交价值被打破的时候，用户很难继续认同品牌输出的精神价值，会认为产品的定价高了。而当用户将消费的重点回归到物理属性上时，国产品牌甚至白牌就进入了考虑范围。

我们认为这也是耐克、阿迪达斯、宜家等定位中高端的外资品牌，最近五年遭遇到极大挑战的原因，因为购买渠道的普及化，消费对应的稀缺性再也无法成为筛选用户的工具了，导致用户情感价值反馈的降低，即从关系驱动向价值驱动甚至是价格驱动坠落，表现出来的消费趋势是用户越来越不买账高大上的品宣内容，品牌不得不被动的调低价格，进一步促进了消费平权、削弱了品牌的情感价值，形成了一个经营上的结构变化。

与此同时，我们必须要承认，用户的精神价值是一直存在的，当原有的品牌体系无法满足用户需求时，人们会转向寻找更加细分、更具有个人标签属性的消费形式，我们认为这也是On、始祖鸟等一系列品牌崛起的市场基础。而它们的共同特征是定价，即在渠道普及化的今天，已经无法借助购买建立品牌的社交稀缺性，那么定价就成为一个新的筛选标准，另一个比较常见的筛选标准是产品的风格设计，充分的差异化带来了社交反馈成本的降低。

如上分析，我们认为用户内在的精神需求一直存在，而且会随着供给的充沛，会越来越渴望得到满足。因此在消费端呈现出典型的两级分化，即绝大多数日常消费会趋向于价格驱动，利用互联网增强自己的信息获取能力，选择高性价比的产品，大量的中档品牌在随着便利驱动/价值驱动的丧失，会逐渐向中低端市场靠拢，无论是主动还是被迫，结果都是如此。在诸多国货品牌试图发力的中高端市场（关系驱动），会遭遇到前所未有的难度，即用户愿意为之支付高溢价的精神价值表达，需要更高的叙述技巧和沟通能力。

问题07：我们消费降级了么？

最后我们回到本源，问出那个锥心之问：我们的消费真的降级了么？结合上文的分析，我们认为这是一种相对悲观的论调，更加不敢苟同三年疫情导致消费降级的观点。

客观的评述，无论是供给上的海量过剩、基于互联网的渠道门槛降低还是用户在产品消费上的决策类型变化，国内用户会越来越重视产品的功能属性，并不是国货品牌支棱了，而是原来占据市场中高端的外资品牌再也无法支撑传统的价值观体系，导致用户消费重心的转移，由此带来了国货品牌的市场机会。

从这个维度来看，消费的性价比化是必然的趋势，只是疫情期间出口的不畅、线下销售渠道的堵塞以及其他的连锁反应，加速了这一进程。我们认为白牌化并不值得恐慌，这是互联网带给消费者的时代红利。至于这是否代表着消费降级，甚至对比日本失落的二十年，是需要作进一步的理论分析和市场调研，而不是简单的刻舟求剑。

根据用户消费行为的研究，如果社会背景和个人收入相对稳定，用户的消费是相对固定的。如下图，当个人收入有轻微的震荡时，用户会下意识的调整自己的消费频次或者消费单价，如果收入发生比较大的变化，才会发生消费内容的变化，我们认为这才是消费降级。

例如，作为一个白领，小白每天下午会点一杯星巴克犒劳自己，这个月公司的业绩不太好，小白的收入也受到了影响，她可能会更关注优惠活动，开始参与星巴克的会员活动，也会减少点单的次数，但并不明显。而当公司业绩持续恶化，超出小白的承受范围时，消费形式会发生变化：大幅度的降低外卖咖啡的频次，转向便利店的咖啡饮料甚至是办公袋泡茶，这才是一种典型的消费降级。用户的消费除了支付能力还受到支付意愿的影响，而支付意愿与社会背景息息相关，大致的内容与收入变化相似。

因此所谓的消费降级，是用户大幅度缩减消费频次或者寻找更低档的替代性方案，这一点与现实状况是明显不符的。从京东到拼多多百亿补贴，我们并没有降低消费，只是希望找到更有性价比的选择而已，这是一种典型的价格驱动，是在收入+社会发生变化的大背景下可接受的波动范围，并不需要过度悲观。至于很多媒体人追思的消费盛世，也许是在多年消费主义驱动下的过度消费，是一种脱离用户实际收入水平的超前消费，而现在，可能才是普通用户真实的消费水平的体现。

后记

我们花了万余字阐述了对于白牌化和消费降级的理解，基于基础商业逻辑的推演，认为白牌化是商业环境变化的必然，而所谓的消费降级也许只是一场消费狂欢后的回归，随着社会大环境的逐渐修复和繁荣，会重新绽放光彩。

如果价格驱动是不可逆转的浪潮，老品牌的价值会被放大，多年的认知沉淀会形成更大的用户基数，而对于新品牌，在起步之处，就需要考虑是立足于总成本领先还是差异化的叙述能力，而后者即价值驱动或关系驱动，时间周期会比我们预想的更长，这个需要有一个充分的思想准备。如果对这个方向感兴趣，推荐以观夏作为研究对象。

最后，再次感谢您的阅读时间，希望以上内容可以给大家带来一些新的角度和启发。

我把一些思考记录在知识星球了，欢迎加入！

前些日子读了《第一财经》202404期的一篇文章《白牌正当道》，挺受启发的。关于白牌、消费降级及相关的内容，是最近半年的社交媒体流量密码，不可避免的出现了一些肤浅但抓人眼球的以讹传讹。我们希望通过一篇文章，系统的阐述相关问题的理解，为读者增加一些新的思考维度。

问题01：什么是白牌？

行业内对于白牌的定义有很多种，有些媒体将零售商的自有品牌PB定义为白牌，有些则更宽泛一些，认为由产业链上游的生产商或渠道直接供应，主打性价比的品牌就是白牌。我们的理解则更加的简单，白牌就是非品牌。因此只要搞清楚什么是品牌，白牌的定义就比较清晰了。

那么什么是品牌呢？这个定义同样是众说纷纭，我们站在用户的角度来看，品牌更像是一种偏好，当用户产生某种需求（渴了），就会想到某种产品（可口可乐），或者在面对一个货架几十种产品的时候，会更倾向于选择哪一种。能够做到这一点的就是品牌了。当然这种偏好必须是规模化的，至少在目标人群中要形成一定的规模，只有三五百个用户更喜欢某种产品，肯定是无法称之为品牌的。

沿着这个逻辑，品牌=偏好，即在下一次购买的时候，品牌能够影响到用户的消费决策。那么白牌就可以定义为“非品牌”，是没有办法影响到用户的下一次消费决策的产品，表现出来的指标数据是自然复购率的高低。还是回到用户的角度，他们看待品牌和白牌的差别肯定不是复购率，而是知名度，是谁更有名气？知名度代表着某种信任程度，因为用户天然会认为有名的产品往往是更有质量保证的，所以贵一点也是有道理的。而信任度影响的是成交的效率，是同样呈现在用户面前，用户更容易选择谁？是产生了需求，用户会更容易想到谁？

所以从用户的角度，相比白牌，品牌是更有知名度的，是更值得信任的。而从经营者的角度，品牌往往比白牌卖的更好，价格上也更贵一些。对应的，由于没有品牌的知名度，白牌想要卖的动，通常采用的是价格策略，也就是定价比品牌更便宜一些，同时会在产品设计尤其是外观设计上趋向于品类头部品牌，给到用户更多的心理暗示：产品和品牌是差不多的。因此我们在超市里看到的绝大多数产品，都是大同小异的，原因就在于此

这种产品外观设计上的相似性，如果还不能够满足一些商家的销售需求，就会出现高仿，这是一种极端的白牌行为。比较典型的是康师傅和康帅傅、雪碧和雷碧，通过高精度的相似性混淆人们的视听，从而提高销售的可能性。这种行为和假货有所不同，很多情况下是合法的，但是不合理。除了品牌对于高仿非常头疼外，用户也是深恶痛绝，并且将这种情绪会转嫁到零售平台身上，当年的淘宝、现在的拼多多，之所以饱受诟病，原因就在于此。

值得关注的是，我们可以把产品分为品牌、白牌和假货，但是这种分类与产品质量之间并没有必然的联系。消费者更相信便宜没好货，但实际上白牌甚至于假货的品质未必输于品牌，这也是越来越多人喜欢购买白牌产品的原因，如果用户只关注产品的实用性，未必一定要购买品牌的产品，尤其是在一些同质化品类上（如拖鞋、袜子、毛巾）。一些商家希望利用品牌的影响力提高白牌的销售价格，就衍生出一些新的经营模式，例如大牌同款，是白牌向品牌跃进的一种捷径，核心依然是同质低价，只是巧妙的调换了产品的价格对标物，甚至可以视为一种艺术化的高仿行为。例如以“南极人”为代表的贴牌生意，本质是在出售人们对于南极人这个品牌的信任和选择偏好。

所以什么是白牌？不能影响到下一次用户消费决策的，就是白牌。在这个定义里，是不是看到了很多新消费品牌的影子？

问题02：白牌挣的是什么钱？

如上分析，品牌的优点很明显：产品定价更高、毛利更好，而且成交效率也有保证。所以一个好的品牌，如果不存在绝对的技术壁垒，一定会出现假货。直白的说，没有假货的品牌，是不是一个品牌，是需要再斟酌一下的。因此大家都爱做品牌，尤其是现在，流量红利期肉眼可见的在消退，平台抽水率越来越高，单单都流量付费往往意味着亏损，无论是商家还是品牌方都很焦虑，因此做品牌，成为比较热门的行业话题。

很多人对于做品牌是有误解的，往往是追求一些表层的行为，例如开发布会、做TVC等等，这些都不是品牌的本质，尤其不是品牌盈利的本质。因为品牌想要影响到用户未来的消费决策，所以它们挣的不仅仅是现在的钱，甚至都可以现在不挣钱，目的是未来挣钱。所以在经营的行为上，是不能伤害到未来的利润的。这一点在奢侈品牌上特别典型，尽管90%以上都是亏损的，奢侈品牌依然会努力保持品牌经营的稳定性。

这种经营的稳定性，至少要体现在三个基本面上：质量是稳定的、价格是稳定的、品牌形象是稳定的。国内品牌大多只能关注到产品质量，更重视流量红利和销售结果，因此促销相对随意，缺乏规划，价格稳定性比较差。至于品牌形象，当黑红也是红被普遍接受的时候，这一点就无从谈起了。因此我们经常开玩笑：许多国内的品牌，严格意义上是起步比较早的白牌，并不算是真正的品牌。

与品牌不同，白牌由于很难影响到用户的下一次消费决策，因此它们挣的是现在的钱，也挣不到未来的钱，表现出来的指标数据就是复购率极低，更像是做一单赚一单的生意。这种对比很容易形成一种鄙视链：品牌比白牌更高大上。其实这也是一种误解，因为我们往往看到的是品牌的优势，看不到劣势，即建立一个品牌是非常难的，除了能够接受盈利水平的下降甚至亏损，还对于团队能力要求很高，即便如此，也不能保证一定可以做出品牌。

做品牌的难，已经超出了大多数商家的能力范围，因此出现了白牌，说的通俗一点，商家不求未来赚的更多，只求现在有一定的生意量，有钱挣就很满足了，不做品牌也没有关系。因此白牌往往是以销售作为核心驱动的，不会考虑长远的利益回报，在价格政策上会更加的灵活，在运作上更偏向于零售化，比较典型的特征是：促销多、活动多、上新快。

由于经营目的的不同，品牌追求的是一个相对稳定的用户认知积累，可以接受当下的销售量不是那么的大，而白牌追求的是绝对的订单量，可以为了更大的销售额降价。在这背后其实是独立定价权的差异，品牌努力积累用户认知，是希望在用户的心智中形成与竞品的不同，从而获得独立的定价权，而白牌则是通过放弃独立定价权，利用横向价格对比来获得更多的成交机会。

之所以白牌正当道，除了团队能力的配置，还需要天时的配合：品牌的出现往往伴随着品类、渠道、媒体的红利窗口期（例如最近五年），起步的时候大家都是白牌，但总有品牌抓住了红利窗口期，成长为用户的偏好，通俗的说法，谁当年还不是个白牌呢？只是作对了一些事情，现在成为了品牌，所以现在的白牌，也许就是未来的品牌，仅此而已。有些媒体机构刻意的制造品牌和白牌的对立，其实完全没有必要。

更何况，白牌、品牌的分界线往往是模糊的，举个例子，韩束红蛮腰套装是很成功的一款产品，但399的价格有很明显的白牌低价运作痕迹，但韩束在价格控制、渠道管理甚至内容分发上都表现的比较老辣，应该怎么定义它呢？品牌？白牌？白牌的品牌ing？其实很难定性。在用户迁移成本如此之低的今天，影响用户的偏好会变得越来越难，如何平衡未来利润和当下的销售额成为所有品牌都面临的问题，我们把这个称之为品牌的白牌化，首当其冲的是产品价格体系的规划，大家如果感兴趣，后续我们写一个价格设计和促销规划的专题内容。

问题03：要不要做自有品牌？

由于白牌的定义里涉及到了自有品牌，我们花一点时间穿插这个部分的内容。自有品牌，英文Private Brand，一般缩写为PB，是指零售商与制造商合作生产产品，零售商持有品牌商标，负责产品的销售。因此零售商持有品牌是PB的典型特征，比较有代表性的是Costco的Kirkland、沃尔玛的惠宜，据称ALDI的PB比例超过90%。

在《电商价格战》一文中，我们系统的论述了零售商之间的竞争，最终必然是以价格作为核心手段的。结合上文的分析，品牌要挣未来的钱，就会尽量保证产品的价格稳定性，这与零售商的诉求是背道而驰的。想要建立更强的低价心智，零售商需要争取品牌的低价支持，但这往往意味着抽佣比例的大幅度的降低。

为了更好的平衡低价需求和佣金收入，门店零售商延伸出一种新的经营模式：自有品牌，即在有限的货架陈列空间内，零售商通过持有品牌的方式承担库存风险，以此获得更强的自主定价权，即使是低价销售，也可以获得比品牌合作更高的毛利回报。除了建立低价形象，自有品牌基于零售商的背书，量大价低更容易吸引价格敏感用户，对品牌销售额产生一定的影响，零售商可以从中获得更多的品牌谈判筹码。

我们可以理解为：自有品牌是在有限的货架陈列空间中，零售商基于低价和高利润的追求媾和的产物，需要承担库存对应的现金流风险，这也是国内线下连锁对于PB比较谨慎的原因，因为现金流是零售商经营的生命线，而PB需要占用宝贵的现金流。这种情况在线上会有比较大的改观，因为互联网提供了近乎无限的虚拟货架，零售商可以通过流量分配机制引入更激烈的产品竞争，迫使品牌降价，而不是亲自下场做自有品牌。

从这个角度来说，京东、淘宝等电商平台做自有品牌，无异于画蛇添足，本质上是利用流量的分配权，既做运动员又做裁判员，这个也是京东商家一直发展不起来的原因之一。其实京东的自营已经是一种变相的PB操作逻辑，虽然同样存在库存风险，但比自有品牌更加容易控制。当然流量分配机制也是万能的，正如《电商价格战》阐述的那样：如果电商平台追求单位UV的收益最大化，白牌会因为进销差价更低，可分配利润空间更小而逐步的边缘化，最终平台的销售额也会被品牌所把持，逐渐丧失定价权及其对应的用户低价心智。

面对来势汹汹的电商，线下门店应该何去何从，这其实是最近十年行业探索的重点方向之一，比较典型的就是以盒马为代表的新零售体系。我的理解是白牌化，可以是完全自持的自有品牌，也可以是采购挖掘的更有性价比的中小品牌。因为在有限的陈列空间里，门店与品牌的博弈能力是远弱于电商的，白牌化可以最大程度上降低电商的正面冲击。

在具体的品类选择上，我们建议以使用便利性作为衡量标准，高使用便利性要求的品类（如食品、饮料），自有品牌可以最大程度的兼顾高性价比和利润的诉求，在此基础上补充一部分品牌产品和白牌产品，可以形成相对丰富的产品选择，而对于非便利性品类，由于购买便利性的天然缺陷，线上消费对于用户会更加的友好，紧紧依靠价格折扣是明显不够的，门店应该增加服务属性的比例，这也是中国版T.J.Maxx的机会。

我把一些思考记录在知识星球了，欢迎加入！

你是不是每次都为手动整理会议纪要而苦恼呢？是不是一边听会议录音一边费神整理内容呢？还在费劲地整理会议记录吗？

工具清单：

• 飞书妙记：字节旗下的AI转写应用，不仅免费，更重要的是可以与飞书文档实现完美连接，转写内容直接成为飞书文档，操作流畅！
• Kimi智能助手：Kimi是一款具有超强“记忆力”的智能助手，支持高达20万字无损上下文输入（最新版本支持200万字！），创造了消费级AI产品最长上下文输入长度记录，更可以上网冲浪，由月之暗面 Moonshot AI 研发。

如何使用：

1. 会议录音由飞书妙记完成：安装手机版飞书APP，开启飞书妙记应用，在会议中点击录音按钮，即可开始录音。
2. 录音转写由飞书妙记实现：飞书妙记的强大之处在于，应用会自动将录制的音频转换为文本，并在转换完成后通知你，同时在电脑版也可同步查看。如有错误，还可手动修改。
3. 由Kimi总结会议文本：在这一步中，你可以使用目前炙手可热的KimiChat，也可以选用百度文心一言、阿里通义千问、智谱清言、讯飞星火等智能对话大模型。将整体文本会议记录发送给这些智能对话大模型，让它们帮助梳理整理会议内容。同时，在网上也可以找到简单版和复杂版的提示词，也可以参考如下。

作为会议纪要生成专家，你擅长从会议笔记总结，我将给你提供一段文本内容，请帮忙总结提炼，具体要求如下：
1、
2、
…
文本内容如下：
“””这里是需要总结的会议文本内容”””

你可以根据公司会议纪要整理的需求编写符合自身需求的提示词，好的提示词至关重要。如果这篇文章对你有所帮助，请点赞、关注并转发。

今天分享一个结构化的指令，带你逐步分析内容。首先将指令发给Kimi，将需要仿写的内容和替换的城市发送给Kimi。Kimi进行文案分析，识别关键元素，了解整体结构。

房琪式治愈系文案总是充满力量的，这是房琪写的，这是仿写的。

「指令：」

目的:辅助我通过分析、理解和模仿一个指定文章的风格、结构和内容，以高效、创造性地完成文章仿写任务。
请按照如下步骤，按照我提供的文字或者文件，仿写内容，最后请直接输出仿写的内容即可。
步骤 1-文章分析:
-指令:“分析文章基础。”
-任务:识别原文章的主题、风格、语气、结构和关键信息点。
步骤 2-关键元素识别:
-指令:“提取核心元素。”
-任务:明确文章的核心论点、支撑论据、风格特点及其独特的表达方式。
步骤 3-结构模仿:
-指令:“模仿结构。”
-任务:按照原文的结构布局设计新文章的大纲，确保保留原文的结构特点。
步骤 4-内容重塑:
-指令:“重塑内容。”
-任务:根据新文章的主旨创造性地重新表达原文的核心观点和信息，避免直接抄袭。
步骤 5-风格适配:
-指令:“适配风格。”
-任务:模仿原文章的写作风格和语气，同时确保内容的原创性和流畅性
步骤 6-细节完善:
-指令:“完善细节。”
-任务:校对和修改文章，关注语法、拼写、以及风格的一致性。
步骤 7-反思评估:
-指令:“进行反思评估。”
-任务:评估新文章与原文在风格、结构和内容上的相似度，并进行必要的调
整。

如果上述步骤你准备好了，请你提示我发送需要仿写的内容。

「例子：」

好的，下述为参考文案，请将城市换成：广州
海灯灯塔、七彩渔村，一条出现在大海中间的路，整个夏天，想跟你环游世界，现在，从福建东山岛开始冒险。
“东山岛有很多隐藏入口，就看你能不能识别暗号”当晚霞映出橘子海时就是暗号，万家灯火亮起时你会懊恼，为什么轻易爱上了南门湾的白天，原来更惊艳的是它黑夜。
于鱼骨沙洲退潮时就是暗号，海面像被某种神秘力量劈开，而我就站在大海的中间。
总要在夏天的海边放肆奔跑吧，怕什么阳光、怕什么大笑，怕什么细纹爬上眼角，既然追过风，就总会留下痕迹。但也总会有人守护你继续奔跑。
带上你的金色玫瑰，去找小王子吧。
东山岛的灯塔在闪耀，他说:相信童话的人，才不会变老。

下面是他整个仿写的内容。这仿佛充满了房琪风格，学会这套结构化的指令，你也能自我治愈。让我们一起利用人工智能解决难题，用节省下的时间去享受美好生活吧。

往期好文(建议收藏)

AI提示词

• Kimi+：全新智能体商店现已上线！AI 鲜测！
• Kimi官方超实用提示词：影剧推荐、职业导航、爆款文案！
• Kimi官方超实用提示词：PPT精炼、美文排版、会议精要！
• 21个AI文章润色指令！

AI操作技巧

• 如何用Kimi10秒生成流程图！
• 如何让Kimi成为翻译神器？揭秘高级使用视角！
• Kimi的六大用法！
• Kimi+XMind：快速转换PDF为脑图，告别阅读烦恼！
• Kimi+Canva，打造图文海报自动化生产利器，极致高效！
• Kimi+秘塔，打造行业研究新高度！
• Kimi+麦肯锡做行业研究，小白都能快速了解任何行业！
• Kimi Chat与ChatGPT比较对比！
• 告别手动整理会议纪要，飞书和Kimi助你高效完成！
• ChatGPT的10个实用技巧，小白也能轻松上手！

推荐AI工具

• 5款AI绘画工具，让你创作更轻松！
• 7个超实用的AI工具，助你轻松上学/上班摸鱼！
• AI论文写作工具和生成器（一）
• AI论文写作工具和生成器（二）
• AI视频工具一览：创意无限，效率提升！
• 奇域AI，最懂新中式美学的AI绘画神器！
• 推荐5款实用的AI办公工具，助你工作效率提升200%！
• 探索AI辅助PPT生成工具，提升办公效率！
• 提高创作效率：五款优秀AI写作工具全面解读！
• 发现一个完全免费的宝藏AI视频生成工具：效果直逼Sora，关键是免费不限次数！

大家一起学习AI

我创建了一个AI学习交流群，目的是为了将自己学习AI技术的成果分享给大家，让大家能够有一条稳定的AI学习路径，不至于被网上那些所谓的AI课程坑骗和割韭菜，同时也为自己创造一个良好的AI学习氛围，让自己更有动力学习下去。公众号后台回复「学习」两个字（不是在文章评论里喔，是关注公众号之后在后台里回复喔），我拉你进群一起学习和交流喔。

群内分享内容包括以下方面：

• 自己学习AI工具的学习心得
• 一些免费或低成本的AI工具
• 各种AI工具的使用技巧和搭配套路
• 各种AI工具的副业实践和变现途径

关注我

「❤️关注+点赞+收藏+评论+转发❤️」，原创不易，分享不易，谢谢你这么好看还为我点赞点在看！

上期写了活动策划前期需要解决的几大问题，这期文章主要围绕活动策划“8P”理论来展开，做好8个P，将一个营销推广活动顺利落地。

“8P”分别是Project（项目）、People（人员）、（Price）预算、Place（场地位置）、Promotion（宣传推广）、Partners（合作伙伴）、Plans（方案/备案）、PDCA（总结复盘）。

1、Project（项目）

所谓Project项目，企业根据目前的市场环境、营销节点以及产品销售情况，为了完成市场目标，决定是否举办活动。通常由甲方内部市场部、品牌部门来统筹推进。

“兵者，国之大事也”同样道理，一次campaign，也是一个品牌的大事，所以在活动策划前期，召集相关工作人员，开项目启动会，确认好活动的关键信息点point，在公司内部达成一致共识，例如：

活动目标是什么？

活动主题是什么？

活动的参与人群画像是怎么样的？

活动的规模/范围/大小是多少？

活动的预算多少？

……

2、People（人员）

当项目启动后，成立项目组，召集人员来落地执行，包括公司内部同事和供应商人员。

一个活动的人员配置，通常由部门总监或部门主管负责统筹推进，策划负责整体活动方案，设计负责宣传物料、效果图设计，活动执行对接供应商等第三方资源，以及具体执行等方面，并建立项目分工推进表，推进项目落地。

当涉及到第三方资源介入，就应调动公司资源寻找合适的供应商，并建立联系进行沟通。

分工推进表（网络图片，侵删）

3、Price（价格）

这里的price价格，具体指活动整体预算，在品牌年度的营销预算范围内，制定每次营销活动的预算。在预算报价这方面，无论是甲方内部申报，还是乙方报价给甲方，都会经过财务“大砍特砍”为了尽量避免这种情况的发生，我们都应该在做预算的时候掌握每项明细的成本价，将报价控制在市场上的合理区间。

项目预算表（网络图片，侵删）

4、Place（场地位置）

指承接活动落地的场地所在位置，活动举行的地点是活动顺利举办的重要因素之一。没有场地的支撑，活动将很难继续推动下去。选择场地时通常要考虑以下事项：

交通位置是否便利？

是否提供免费的停车位？

周边有哪些配套设施？

场地租用大概需要多少钱？

…..

通过场地勘察，提前设计 ，提高活动参与者的体验感。所以学会场地勘察就变得很重要。最好能够进行现场勘察，确保在活动策划阶段，就熟悉好活动场地，如华与华，提及“现场有神灵”一样，场地现场勘察能够让你策划活动时候能够减少纰漏。

活动场地路线指引（网络图片，侵删）

5、Promotion（宣传推广）

宣传推广是活动中，可以说是最重要的部分，我们需要借助媒体资源将活动尽可能的推广出去，让更多的受众知晓活动的存在，以此来达到活动传播的目的。通常媒体资源可以分为三类：

第一，自有媒体，即品牌官方媒体矩阵，这类宣发几乎无需费用

第二，付费媒体，通常花钱买广告，买kol/koc等，需要花费大量的预算

第三，赢得媒体，通常指的是新闻媒体的报道，以及消费者的“自来水”

在活动宣传推广中，需要合理利用好这三类媒体资源，达到宣发资源合理分配，

某品牌推广loadmap（侵删）

在制作构思活动宣发的同时需要考虑以下几个问题：

如何对活动进行有效推广？

借助哪些媒体渠道/营销工具进行推广？

参会目标群体使用哪种社交平台较多？他们有什么特点？

投放哪些社交媒体平台将获得最大的传播影响？

哪些KOL与活动风格相吻合？

在传播推广的过程中如何与受众进行互动？

……

6、Partners（合作伙伴）

这里指的合作伙伴其实就是供应商，一场活动举办离不开供应商的支持，如果供应商不给力，就算你的方案写的再好，最终也只会无济于事，所以找到靠谱的供应商，就会变得尤为重要。通常会找品牌供应商库里的供应商，彼此之间合作了很多次，相对熟悉，工作效率高。

如果是首次合作的供应商，一定要进行多次调研和实地考察才行，如有可能，需要有预选的第二家供应商，避免项目实际操作过程中陷入被动局面。

7、Plans（方案/备案）

当所有完成方案后，需要对方案进行整体回顾，检查方案里面的内容、流程是否足够完善，以及有没有预选方案？当遇到恶劣天气，或遇到不可抗力因素，我们又将如何做出应急调整。对于活动步骤中的每一个环节，我们都应设置预案，以防出现任何故障。一次好的活动能为品牌带来助力，而处理不当的活动，对品牌则会带来反噬。“凡事预则立，不预则废”提前做好预案，百利而无一害。

8、PDCA（总结复盘）

每次操作完活动必须要进行总结复盘，杜绝下次在其他活动发生类似的问题，不断总结经验。在活动总结复盘这个阶段，建议使用PDCA循环的复盘方法。

PDCA循环的含义是将质量管理分为四个阶段，即Plan（计划）、Do（执行）、Check（检查）和 Act（处理）。在质量管理活动中，要求把各项工作按照作出计划、计划实施、检查实施效果，然后将成功的纳入标准，不成功的留待下一循环去解决。

P（Plan）计划，包括方针和目标的确定，以及活动规划的制定。

D（Do）执行，根据已知的信息，设计具体的方法、方案和计划布局；再根据设计和布局，进行具体运作，实现计划中的内容。

C（Check）检查，总结执行计划的结果，分清哪些对了，哪些错了，明确效果，找出问题。

A（Act）处理，对总结检查的结果进行处理，对成功的经验加以肯定，并予以标准化；对于失败的教训也要总结，引起重视。对于没有解决的问题，应提交给下一个PDCA循环中去解决。

梳理客户当下面临的问题

将关键信息转换为目标群体便于理解的视觉语言

赋予品牌有趣的意义

—— 这就是我现在的工作，品牌设计

---

案例介绍

—

FOSUN DIAGNOSTICS

​复星诊断

（点击可进入公众号）

       复星诊断始创于1989年，秉持“整合创新诊断技，守护全球生命健康”使命，致力于成为全球领先的医学诊断整体解决方案科技创新者

       目前国内设有六大研发生产基地，分布于上海、江苏、湖南、安徽、深圳等地。30余年来，为中国及全球市场提供优质可及的产品、服务及解决方案

—

2021年，受复星诊断委托

我们为其打造了全新的品牌形象

品牌 | 定位 | 标志 | 导视 | 包装 | 官网

---

​

—

设计之初，我们遇到一个难题

需要在复星集团统一的格式下设计

换句话说：标志的左半部分和上下结构不能动

英文【FOSUN】不调整

中文【复星】也不能动

好家伙，这可不就是带着镣铐跳舞？

既要与集团保持形式统一

又要展现自身的突破创新

除此之外，设计时我们还要考虑：

大众是如何看待诊断行业的？

通过品牌升级和标志，如何让行业相关人士

迅速领会复星诊断的品牌含义与愿景？

随着市场调研和内部访谈工作逐渐深入

我们注意到，无论怎样描述该行业

始终绕不开两个关键词：

稳定和精准

—

从古至今

北极星便是航海及远行途中

辨别方向的重要参照物

以稳定可靠而深受人们信任

—   

宇宙浩瀚，群星璀璨

星光指引，亘古不变

我们将复星诊断标志中的英文字母 I

替换为一颗竖长的星，与英文的比例相协调

同时居于相对中心的视觉位置

更重要的是与复星集团品牌调性保持统一

既体现了行业新“星”

又强调了产品“准星”

严格来说几千年间

北极星的轨迹还是发生了一些细微的变化

但这是按照天文学的坐标规定而言

对于人类社会而言，几乎称得上显著而稳定

另外，截止到目前

复星集团旗下仅有复星诊断采用了星星符号

在某种程度上，知名企业在品牌识别中

率先采用的品牌符号，即属于先到先得

 

 

 

 

 

 

 

 

 

以星星之火，可以燎原的信念

聚集行业人才，聚焦用户目光 

成为诊断行业一颗冉冉升起的新星

为全球生命健康

贡献自身的力量与担当

（更多信息可访问复星诊断官网）

www.fosundiagnostics.com.cn

---

​

* 2022年3月，复星诊断建设的移动式方舱实验室正式启动检测，成为上海第一家三证齐全的移动方舱实验室，积极助力上海疫情防控

* 2022年4月，复星诊断自主研发的新型冠状病毒（2019-nCoV）抗原检测试剂盒（胶体金法）也于中国境内获批上市；此前，该产品已通过欧盟CE认证、完成德国BfArM注册，被列入欧盟卫生安全委员会HSC Common List（通用白名单）

未来，复星诊断将持续整合全球优质资源与技术，不断进行科技迭代与创新，为全球诊疗机构、家庭及个人，提供丰富、先进、便捷、可及的产品及解决方案。

以上品牌版权与最终解释权归复星诊断所有

本文仅为设计方进行案例展示

—

委托方：复星诊断

设计方：汉登咨询

项目统筹：Hanson、Eva

品牌策划：柳杰、王贤文

品牌设计：Harry

文字编辑：Harry

—

设计背景：

在接到真金的设计委托时，客户希望能够设计一款现代且人文的标志，来展现企业传承千年的抹茶技术，同时融入江南文化的特色。在认真了解真金在布局、产线、机器、选种、茶园、生产、管理、品质全方位把关的产品理念后，我希望能够从以下维度，向大众传递其工厂特色：

1、产品自信：真金不怕火炼。

2、企业使命：架桥，连接上下游。

—

客户介绍：

昆山真金与日本共荣制茶（80年制茶工厂）签订技术合作协议；投资7个亿，建立亚洲最先进的抹茶工厂。同时携手台湾天恩，成为全中国最大粉圆生产工厂。预计年产抹茶1500吨、固体饮料1500吨、咖啡萃取4500吨、茶包及挂耳8亿袋、奶茶辅料6000吨；与周边的星巴克咖啡与瑞幸咖啡等项目形成千亿级咖啡产业集群，为中国消费者提供优质产品。

—
项目人员

商务：黄浩
设计：黄浩
完稿：黄浩
策划：黄浩
编辑：黄浩

图形&文字商标已注册。
Copyright © 昆山真金 . All rights reserved.

——

BAW 照明品牌由美国投资人于2000年在上海成立。2015年引入股东 SCANGRIP（欧洲工业照明供应商），是一家中欧合资、集自主研发和生产为一体的高新技术企业。在北美专业照明领域潜心钻研20余年， 产品荣获iF设计奖、IDEA设计奖、红星银奖；凭借强大的研发能力、卓越的质量控制及多元化的全球销售渠道，最近10年已在中国、北美、欧洲、日本、澳洲、南美等地区拥有一批长期、稳定的中高端战略合作伙伴。

BAW 品牌致力于将照明工业艺术融合到产品研发之中，为国内用户带来极简的使用体验。

BAW Lighting brand was founded in Shanghai in 2000 by American investors. In 2015, SCANGRIP (European Industrial Lighting Supplier) was introduced as a shareholder. It is a Sino-European joint venture and a high-tech enterprise integrating independent R & D and production. With strong R & D capability, excellent quality control and diversified global sales channels, we have a number of long-term and stable high-end strategic partners in China, North America, Europe, Japan, Australia, South America and other regions in the past 10 years. 

BAW brand is committed to integrating lighting industry art into product development, bringing a minimalist experience to domestic users.

——

美术指导：黄浩

设计执行：黄浩

文字编辑：黄浩

备注：*商标已通过注册流程，所有图片均来源于网络及客户提供，仅作为设计方案展示，不涉及任何商业活动及盈利，如有侵权请及时联系。

Note: * The trademark has passed the registration process. All images are from the Internet. They are only displayed as design schemes and do not involve any commercial publicity and profit use. 

——

上海境臣是一家专业从事影视制作的的公司，自成立以来一直服务于众多知名企业，为客户提供富有创意的营销理念。主创人员大多来自于电影剧组，并获得国际众多知名奖项。

公司与政府机构长期保持良好的合作关系，并在行业中承担起传媒企业应尽的责任。团队与国内外著名导演、团队进行长期合作，包括戛纳奖导演Nigel，麦当娜巡回演唱会总导演Avshai、Golan、Moran、韩国权美导演、陈赫、郑恺、吕颂贤等。

Shanghai Jingchen is a professional film and television production company, since its establishment has been serving many well-known enterprises, to provide customers with creative marketing ideas.  Most of the creative staff came from the film crew and won many internationally renowned awards. 

The company maintains long-term good cooperative relations with government agencies and assumes the responsibilities of media enterprises in the industry.  The team has long-term cooperation with famous directors and teams at home and abroad, including Cannes Award director Nigel, Madonna tour director Avshai, Golan, Moran, Korean Quan Mei director, Chen He, Zheng Kai, Lu Songxian, etc. 

美术指导：黄浩

设计执行：黄浩

文字编辑：黄浩

备注：所有图片均来源于网络及客户提供，仅作为设计方案展示，不涉及任何商业活动及盈利，如有侵权请及时联系。

Note: * The trademark has passed the registration process. All images are from the Internet. They are only displayed as design schemes and do not involve any commercial publicity and profit use. 

—

夺冠体育是一家专注于青少年体育产业，集研发、生产、销售为一体，具备完整产业链和行业核心竞争力的创新型企业。同时与清华大学、中国科学技术大学、北京体育大学三所高校建立长期产研合作。

秉承“体育强国、产业报国”的发展初心，从中国青少年体育器材、体育服务、体育教育、及体育运动场景的痛点及重难点出发，坚持“训练科学化、过程递进化、运动趣味化、场景家庭化”的产品理念，构建青少年体育产业系统化解决方案，推动中国青少年体育产业创新发展。

换个角度，做自己的冠军。

—

Champion Sports is an innovative enterprise focusing on youth sports industry, integrating R & D, production and sales, with complete industrial chain and industry core competitiveness. At the same time, it has established long-term production and research cooperation with Tsinghua University, University of Science and Technology of China and Beijing Sports University.

Adhering to the initial development idea of “sports power, industry serving the country”, starting from the pain points and difficulties of Chinese youth sports equipment, sports services, sports education and sports scenes, adhering to the product concept of “scientific training, progressive process, interesting sports and family scenes”, we will build systematic solutions for youth sports industry and promote the innovative development of Chinese youth sports industry. In the spirit of winning, be your own champion!

什么是好的设计？

有人认为一定要拿红点奖、黄铅笔

画面精致、建模渲染、工艺堆叠

打磨一个品牌视觉体系，要看整体的未来可延展性

而不是因为一个图形、字体、颜色、包装去反复深究

赛道和竞争对手不会等

用户的需求不会等

产品的升级迭代也不会等

现在回头去看iPhone 3确实不算很有美感

某些客户会问：

为什么不能跳过iPhone 3的铺垫

直接打磨好iPhone 4？

关于这个问题我非常建议你和乔布斯对线

万一你赢了呢？

每个人的审美和阅历不同

导致看待事物的角度不同

在短时间预算有限的情况下

用20%的市场价格做到85%市场视觉影响力

接下来交给优化迭代、是逐步完善、是触类旁通

下图点击率 + 销售额的上升 可以证明设计的价值

好设计 不如 适合的设计

——

超级符号是社会对于企业LOGO的终极理解

一个符号解决品牌识别、产品开发、大众记忆、文化内核的问题

任何理论、产品和设计都很难做到完美，期待我们一起完善它

美术指导：黄浩

设计执行：黄浩

文字编辑：黄浩

备注：*商标已通过注册流程，所有图片均来源于网络及客户提供，仅作为设计方案展示，如有侵权请及时联系。

Note: * The trademark has passed the registration process. All pictures are from the network and provided by

customers. They are only displayed as design solutions. If there is infringement, please contact us in time. 

——

YaoViajar 是一家年轻的跨国集团，主要专注于建筑设计、跨国贸易与金融投资。2022年开始，公司扩展了咨询业务，以可靠与合规为基础，以细节和精准为目标，保障企业在发展过程中遵守当地的法规和标准。

在深入研究的 YaoViajar 的业务基础上，我为其更新了整个视觉形象，包括一个可识别的东西方公用符号，旨展示公司，一个紫色的贵族气息色彩系统，一套干净利落的字体规范，以及一个可延展的辅助图形线条和线上视觉系统的制定。

YaoViajar is a relatively young company focused on management consulting, architectural design, cross-border trade and financial investment. Starting in 2022, the company’s main business is to provide professional consulting. Based on reliability and compliance, with details and precision as the goal, to ensure that enterprises comply with local regulations and standards in the development process.

On the basis of in-depth research on YaoViajar’s business, I have updated its entire visual image, including a recognizable East West common symbol to showcase the company, a purple aristocratic color system, a clean and neat font specification, and the development of a scalable auxiliary graphic line and online visual system.

—

美术指导：黄浩

设计执行：黄浩

文字编辑：黄浩

商务对接：范馨月

设计出品：朗露创意设计（上海）有限公司

进军本地生活，微信视频号给成熟商家造生态游乐园。

作者：汪真 编辑：吕鑫燚
出品：零售商业财经 ID：Retail-Finance

视频号的商业化路线愈发清晰。

5月28日，微信发布内部公告称，微信视频号直播电商团队将并入到微信开放平台（小程序、公众号等）团队，原微信视频号直播电商团队转由微信开放平台负责人负责。

从组织架构侧进一步将视频号融合到微信开放平台业务中，表明微信正在逐步释放视频号和小程序、公众号的生态协同价值。

当下视频号的商业化举措，除了广告、直播电商外，挑起重担的业务还要属本地生活。明确生态之于视频号的重要性后，便可发现，视频号不准备摸着抖音、美团过河，而是要走出一条“生态路”，“生态协同”也将成为视频号商业化的最佳注脚。

一方面，生态协同价值是视频号背靠微信打造的最强护城河。放大生态优势，将是视频号突围的最佳利器。另一方面，本地生活激战多年，竞争对手早已使出各自看家打法，盲目跟随的“硬碰硬”竞争，于视频号而言难以在短期内取得成效。

当视频号押注生态时，另一条主线也跃然纸上，即视频号的本地生活业务，是为已经积累了前期用户基础和成熟私域运营能力的成熟商家，提供的“游乐场”。

这一点通过当下视频号本地生活的入驻细则也能看出，经过近一年的摸索，截至目前，视频号只开放了餐饮和酒旅两个一级类目。其中，餐饮类目必须为连锁店铺。酒店、景区、客运等酒旅类目设置了“酒店所属品牌需属于平台的高、中品牌力等级”“仅对4A级及以上景区开放”等条件。

左手放大生态优势，右手和成熟商家合作，视频号已经亮剑本地生活业务。

放大长板

从公域到私域平滑过渡

作为后来者，“如何释放生态优势”是摆在视频号面前的首要挑战。

从连锁餐饮品牌的下单页面中便能看出视频号对这一问题的思考，以瑞幸咖啡为例，其视频号主页面中，既有视频信息流、直播回放等基础内容板块，也有跳转下单的入口。此外，还可直接跳转至公众号、小程序及添加企业微信。

图源：瑞幸咖啡视频号

可见，用户在下单时，不仅能为品牌方带来生意增量，当用户通过视频号主页进入企业微信页面或公众号页面时，也进入了品牌方的会员体系，简化了品牌方沉淀会员数据资产的流程，“丝滑”实现从生意增量到用户留量的过程。

最终，品牌方形成了公众号、小程序与视频号间的无缝协同，与微信共同构筑了一个高效互动、深度整合的本地生活服务生态。

图源：网络

同时，背靠微信支付等成熟的基础设施，视频号将“浏览+购买”的路径流畅化，在微信内部实现“商品种草 →下单购买 →支付付款 → 核销履约 → 商家导流 → 再次复购”的完整流程，所有动作无需跳转其他APP，形成从内容展示到商品交易的完整闭环，为消费者提供“无缝衔接”式体验，操作体验的提升有利于用户使用频次的提升，进而带动入驻商家交易增长。

至此，视频号打通了从公域到私域平滑过渡的闭环。

品牌方找到了从公域内容场上导流至私域会员体系中的新解决方案，既能“广撒网”又能“深耕细作”。与此同时，品牌方亦在本地生活平台中找到更多话语权，不再仅依赖于平台的流量倾斜，做好老客户复购，同样能带动商业增量。

值得注意的是，上述动作仅停留在视频号页面中，尚不足以完全勾勒出微信的生态价值。其核心在于，视频号的入口不仅仅是在“发现”页面中单独存在的。

据「零售商业财经」观察，近日微信上线了新功能，当用户浏览完朋友圈最新动态时，会出现“进入视频号”的入口。此前，当用户点击朋友圈内的视频号内容时，播放结束后也可直接进入视频号信息流中。不仅如此，微信在公众号主页中也添加了视频号内容信息流界面。

图源：朋友圈截图

微信正在逐步增加视频号的曝光频次，且不断融入到朋友圈体系内。后者，是目前最具含金量的内容场、社交场，也是微信在社交和内容层面最长的长板。

可见，微信正在拉长自身长板，将所有开放平台打通，互相导流的同时，在视频号商业化的脚步中，释放生态价值。

错位竞争的“生态牌”

背靠微信，视频号没有选择走上一条前辈已经验证成功的路，而是打出“生态牌”绕开核心战场，这背后究竟出于何种考量？

问题的答案，要从内外两方面寻找。内部来看，目前视频号的试水还非常谨慎，或许不想高举高打，过多破坏自身生态优势，以速度换规模。

现阶段，视频号暂未开放POI功能，也没有过多扩大本地生活团队规模，选择引入第三方服务商的方式填补空缺。但这也意味着，目前视频号不能为本地生活提供太多精准的流量倾斜，也暂时不会改变整个生态的流量分发机制，偏好连锁品牌店铺入驻也正是因为连锁品牌不需要过多精准推流，能让原有流量生态环境得以保留。

外部来看，公域流量场中美团和抖音已经占据了两种形态，美团是用完即走的工具类平台，抖音则是公域流量的内容化平台。

从定位角度而言，美团通过高效的服务整合和数据驱动的个性化推荐，满足用户多元化消费需求，同时为商户提供流量曝光和交易转化，构建起一个连接用户和商户的桥梁。借助其强大供应链管理和物流配送能力的护城河，为用户提供从线上到线下全程贯通的消费体验。

美团所承接的，是用户主动搜索的流量。当用户工具心智养成后，美团便不断向内容化靠拢，吸引用户贡献更多使用时长。

抖音则利用兴趣内容驱动用户的消费决策，为商户开辟了一种新的营销路径。商户通过内容营销，在满足用户娱乐性情绪价值的同时激发消费需求，将“看客变为顾客”。抖音所承接的，是用户被动接受的流量，用内容刺激消费。

图源：网络

相较于美团和抖音的长板，和已经培养起的用户心智。视频号早期入局时，不具备明显的竞争优势，但其天然拥有社交属性带来的用户粘性以及商户建号实打实积累起在自己手中的用户资源。

做不了“工具”，也做不了“玩具”，明确对手定位和自身规划，视频号并不打算复制或模仿抖音、美团探索本地生活的路径，还是想要沿用自己的产品思维，轻量化运营，兼顾公域与私域，又将流量去中心化，最终将视频号从普通连接工具转化为生态性的基础设施。

视频号与本地生活的未来

不难看出，视频号在本地生活的尝试，谨慎而稳步。也正是因为在本地生活服务领域还有很大的探索空间，视频号才将步子迈小、放缓。

现有的“到店”策略还不是视频号的最优解。目前，视频号选择接入第三方服务商，性价比更高的同时也面临让一些不良服务商钻空子的风险。

今年年初，腾讯就通报了5家违规服务商，并将其清退，永不与其进行合作。而另一种直连商家的方式，也需要视频号进行大量的资源供给和服务基建，比如谈商家、帮入驻等。

图源：网络

“到店”还需要长期积累，但“到店”之外本地生活更有想象空间的业务是“到家”。没有充足的运力、也没有末端配送能力的情况下，本地生活服务的“到家”业务很难展开。

美团有完备的配送体系作为护城河、阿里可以借助饿了么即时配送，而微信想要涉足“到家”，无疑也需要构建一个时效性高、成本低的物流配送体系。目前来看，视频号可以与成熟的第三方配送平台合作，比如借助微信平台提供的即时配送接口，与顺丰、达达、闪送等展开合作。

图源：微信官方文档

出于更长远的考虑，微信或许仍需自建物流团队以保障服务质量和响应速度。毋庸置疑，建立一个覆盖广泛的配送网络非一夕之功，视频号虽然敢下场做本地生活，但能不能顺利“到家”还要看微信究竟下定多少决心。

进一步讲，用户心智的改变也是横亘在微信到家业务前的一道鸿沟。

用户已经持有视频号作为内容平台的既有印象，以及对微信“熟人之间的功能性社交”的固化定位，要从社交工具和内容平台转化为提供即时配送服务的电商平台，视频号需要帮助克服用户对平台功能定位的固有认知，并重塑用户习惯和期望。

要打破这种心智定式，需要视频号重塑品牌定位，向用户传达一个明确的信息，即视频号不仅能提供娱乐和社交内容，还能提供便捷的本地生活服务，包括配送到家服务。

同时，视频号需要优化用户体验以及找寻差异化优势，克服用户使用惯性和市场对新服务的接受周期，逐步扩充产品心智，将自身塑造成为一个多功能的生活服务平台。

毫无疑问，留给微信视频号本地生活的业务想象空间是巨大的，微信视频号有流量有资源，本地生活有市场有竞争，微信视频号这条鲶鱼用“生态”会搅起怎样的浪花值得期待，同样也值得美团、抖音等本地生活老玩家警觉。

嗨~你好吖，我是一仙，98年在职成长型斜杠青年，永远做温柔有趣、积极进取、闪闪发光大鲨鱼！

精选推荐：

原来一周能做这么多事呀！（21周复盘）

我发现了一个超好用的计划/复盘模板（附模板）

我发现了一个超好用的做事模板（附表格）

嗨~你好呀，我是一仙！

我是一个“个人成长博主”，百度对于“个人成长博主”的定义是：专注于分享个人成长经验和心得的博主。

朴实的理解，就是记录自己的生活。

现在记录生活能赚钱这件事，已经不是什么秘密了。记录生活主要有两种方式。

视频：在视频号、小红书等平台上，分享一整天的Vlog，分享生活经验~~

文字：在公众号、小红书、头条上通过写作来分享生活经验、心得。

没有擅长和成绩也没关系，一边学习，一边输出，学到20分就可以去教10分的人。

<

说说我最近的例子。

我做了一个周计划复盘表，本来是方便自己进行每日计划和复盘，为了偷懒省去配图和计划复盘割裂，然后我把这个周计划复盘表分享成了1篇文章。我发现了一个超好用的做事模板（附表格）

没想到，这篇文章已经帮助了快2w人，也通过这篇文章，我收获了500+读者。收到了赞赏、流量主收益几十+、接到了广。

通过分享我的生活经验，有了收益，赚了小钱。

<

今天分享的是我5月的复盘。记录我的5月生活，5月份的收获和所得。

5月目录：

一、本月目标完成情况统计

二、自媒体副业复盘（公众号、小红书、视频）

三、本月资产检视

四、本月做了哪些事（生活小确幸）

五、本月问题与不足及改进（不完美事件）

六、下月目标计划

一、本月目标完成情况统计

这个月的目标，在最后十天超额完成。我之前是不敢定涨粉目标的，不会在文章中写出来，只会默默在心里想一想。每个月保持200增量是我对自己的要求。

4月只有两位数的新增，5月有900+。

这个月是我的小小幸运月，2篇文章被推荐，3W的阅读量，就带来900多读者，我下个月的目标是，好好学习定位，争取在今年写出1篇10w+文章。

5月计划完成度如下：

（5月盘点汇总）

二、自媒体副业复盘

• 5月共更新22篇文章，第一周和本周连续日更。

• 这个月收入400元，我计划将今年所有的副业收入都存起来，等年底报一个知识付费课程，精进自媒体副业。

  
  

• 5月阅读量贡献很高的文章是4月24、25号写的2篇，当时写完没有什么推荐量，二十多天后跑到快2w。5月文章里阅读量最高的1篇是3800多。

我之前常读干货类书籍，为了快速获取写作灵感。最近，我开始去读一些名著、治愈类的书籍。比如《我的阿勒泰》、《老人与海》。

《老人与海》中说，

“人生恰恰像马拉松赛跑一样，有坚持到最后的人，才能称为胜利者”。

我庆幸，4月持续输出，才有幸运的5月。

即使成长很慢，也一直在坚持记录，所以才有收获

–

三、每月资产检视

4月份收入：

4400（固定工资）+400（副业收入）=4800元

4月份支出：

3709元（各项支出）+1000元（618花费）=4709

结余：91元

5月还有1个大项支出：五一旅游支出：2259元。

在资产检视中，我的收入是个人收入，支出是家庭支出，包含两个人的吃穿用，李先生花出去的部分账单我也计入了支出。

李先生没有记账习惯，他的部分支出我统计不到，这是一个难题，让我每月支出统计不准确。

–

四、本月做了哪些事（生活小确幸）

1、完成了体检、体检复查、光子嫩度、染发，这些耗费大段时间的事情。下个月会轻松很多。

2、3篇文章被推荐，现在推荐量为90%。

3、写作在慢慢上手，越来越觉顺。

4、这个月收到了李先生2束鲜花。我拥有很幸福的婚姻生活，这是我写作的底气。因为生活里大部分都是轻松的、被爱的，所以有时间、有精力在主业工作之余做喜欢的事。

感恩李先生，承担一半的家务、大部分做饭，给我带来小惊喜，无条件支持我。

5.运动很多次，很大的进步。体检后医生也建议我长期进行有氧运动。

–

五、本月问题与不足及改进（不完美事件）

1.31天只更新22篇文章。有9天没有更新，我复盘了一下，大部分是周末。我的休息日惰性太强了。工作日利用午休、闲暇时间做，感觉时间像偷来的，所以效率很高，休息日时间充足，却无法高效利用。

改进：第一：在工作日多写更文，在周末发表。第二：周六必须早起，用6.00早起来为周六开个好头，一天的效率也会高起来。

2.飞书的个人成长系统，应该25日前完成，但是我一直再拖，不是因为没有思路，而是白天时间太少，下班后的时间又无法充分利用。

改进：利用明天最后一天，集中全部精力去做。周末2天完善，下周分享。把飞书作为第一要事。

–

六、6月目标计划

①公众号日更30天。

②6月至少21天6.00早起，培养早起写作习惯。

③飞书全部搭建好，并且分享出去。做1个知识付费项目。

④在职考研学习。

我的6月重点目标很明确。

考研时间紧张，我要在6月加入一部分学习时间。

以上是我5月的复盘。

5月我有突破和成长，我知道坚持去写、去记录，必会有所获得。

正如那句：日拱一卒，功不唐捐。

做一枚小小的卒子，每天前进一点，再前进一点。

本自具足，莫向外求。

铮铮劲草，绝不动摇。

2032字 //End

---

王一仙 

98年在职成长型博主

搞钱干货|自媒体运营|计划、复盘|自律生活心得

每日更新，期待与你一起成长

个人微信号：JulCnc01，欢迎围观高质量的朋友圈

“头顶一块布，全球我最富”，作为中东地区最大的经济体之一，沙特拥有稳定的政治环境和蓬勃发展的经济，为跨境电商的发展提供了肥沃的土壤，是跨界电商的蓝海平台，吸引了越来越多的跨境卖家入场。

2023年，67%的沙特互联网用户从网上零售商购买商品，与2022年同比增长了6%。沙特的互联网覆盖率非常高，截至2022年上半年，约有3500万互联网用户，沙特的人口总数约为3600万，人均GDP为20088美元，年龄中位数为32.4岁，人口老龄化程度约为3.5%，是一个非常年轻的国家，具有很高的经济增长潜力。

沙特电商行业特点

轻工业极大依赖进口

中东本土轻工业不发达，极为依赖进口有报告显示，91%的沙特消费者进行过网上购物，且14%的沙特消费者每天至少在网上消费一次。其中，电子产品是沙特最大的细分市场，占电商收入的58%，其次是时尚品类、美容产品类和家用电器类。

跨境电商发展潜力巨大

沙特的电商市场发展迅速，电商平台年轻且操作灵活，配套优惠政策多，且目前入驻的电商较少，竞争小，发展潜力巨大。

注重地域文化差异

作为伊斯兰教国家，沙特阿拉伯具有独特的文化和民俗。商家在进军市场前，需要深入了解当地的文化背景、商业惯例和市场需求，制定合适的市场策略，以避免因文化差异导致的误解或冲突。

沙特阿拉伯优势

用户规模不断扩大

沙特阿拉伯电商用户数量持续增长，据美国国际贸易管理局预测，到2024年将达到3360万，较2019年增长42%。

市场咨询机构Deloitte也预测，沙特电商市场将继续增长，预计到2027年市场规模将达到234.6亿美元，用户渗透率也将在2027年达到惊人的74.7%。

购买力强劲

沙特消费者对国际品牌和高品质商品有着浓厚的兴趣，沙特央行透露，在2024年2月份，沙特电商交易量同比增长44%，达到8400万笔以上。线上消费者人均支出增长超50%，对电商购物有着强烈兴趣和购买力。

国家政策和市场扶持

沙特政府积极支持电商和跨境电商的发展，通过一系列政策为本国电商发展提供了良好的营商环境。为跨境电商的持续发展提供了坚实的基础。

沙特主要电商平台

速卖通

全球速卖通（AliExpress）是阿里巴巴旗下的在线交易平台，它是面向全球市场的唯一平台，被称为“国际版淘宝”。作为率先进入沙特的中国跨境电商平台，在沙特电商市场中占据了重要的地位。

2023年，速卖通在沙特双十一活动中取得了令人瞩目的成绩。在双十一的前六个小时内就超过了2022年全天的销售额，新客户下订单量更是增加了约三倍。

网址：

https://www.m123.com/product/100050

Noon

Noon是中东的第二大电商平台，作为沙特的本土电商平台，深受消费者欢迎，该平台提供包括时装、电子产品、美容产品、家居用品等多种类别的产品，在物流和仓储方面表现优异。

网址：

https://www.m123.com/product/100045

Amazon.sa

亚马逊中东站前身是Souq，近年来成为了中国卖家出海的重要目的地，平均客单价达到40美元，月访问量超过 7000万，远高于英美国家。超过2万卖家为当地消费者提供来自21个不同品类的近千万产品。

网址：

https://www.m123.com/product/103183

当然，沙特的跨境电商平台不止这些，想要获取相关入驻方法，可以关注公众号，我们对各个跨境电商平台都做了详细讲解和入驻流程介绍。

  【加入中东卖家群，大家一起交流学习】

微信改版啦，

再不星标我们，你就看不到我们了……

星标我们，出海不迷路

M123是一个专注于跨境电商卖家工具导航的网站。我们将持续整理跨境电商运营必备工具，从亚马逊到独立站，从工具盘点到深度剖析，致力于为跨境卖家提供最有价值的信息和工具。做跨境就上M123.com，让出海更简单。

往期推荐

01

跨境电商交流群，亚马逊/Temu/Tiktok/独立站微信群，欢迎转发

02

易达云-专注于跨境电商服务的公司，今天我上市了

03

Hepsiburada – 土耳其跨境电商平台，土耳其淘宝，月访问量超过2亿!

全文17100字左右，阅读耗时约60分钟。建议先行收藏，方便后期慢慢研读。

在现有的营销体系中，比较常见的营销活动形式是用户参加了XX活动（完成了XX任务），系统自动或手动发放XX奖品。这是大多数人认知习惯里面的活动，通过上面这句话我们可以将营销体系拆分为2个部分：奖品体系、活动体系。

下面我们分别就这2个体系进行简要的介绍和拆解。

1.奖品体系

奖品体系是整个营销体系的重要组成部分（行业内大家习惯将这2个体系混在一起，本文为了陈述方便，我姑且称之为奖品体系吧）。

活动体系可以脱离奖品体系存在，但奖品体系大多数都依附于营销活动体系或者用户成长体系而存在。

以下就是比较常见的奖品体系（当然还有一些比较小众的奖品体系，本文不做讨论），该奖品体系也适用于传统的线下实体行业。

1.1 优惠券

开始本节内容前，我先提个问题：商品什么不直接降低价格，而是使用优惠券才可以享受优惠？

这里面涉及到一个重要的经济学概念：差别定价（也可以叫做价格歧视），简单理解就是顾客ABC将会以不同的价格购买同样的商品，从而实现商家或平台利益最大化。

举个例子：一杯奶茶成本5元，假设定价10元时100人会接受此价格进行购买，定价15元时只有60人会购买。前者利润100*（10-5）=500元，后者60*（15-5）=600元。那么问题来了：商家应该定价10元还是15元或者介于10-15元之间12元、14元呢？

按照上述的差别定价理论，商家可以将其定价为15元，然后再面向那40位最高支付意愿为10元的顾客发放5元优惠券，剩下的60位消费者不发券，这样就变相实现了差别定价。此时商家的利润可以达到最大化60*（15-5）+40*（15-5-5）=800元。

至于怎么把5元的优惠券发放给40位顾客，以及怎么不被其它60位顾客发现自己被差别对待了，这又是一个很大的范畴，此处不足展开。

小结：优惠券从本质上来讲，是一种“价格歧视”策略，是商家针对不同消费者ABC的需求而进行的价格差异化，是商家追求利润最大化的合理定价行为。

优惠券按照不同的分类维度和标准，主要有以下的分法：

• 按优惠方式可以分为：满减券(无门槛券可视为满0元减XX元)，满折券。
• 按优惠对象可以分为：单品券(只能买具体某个SKU)、品牌券(某个品牌如华为、小米下的所有商品)、品类券(如只能购买牛肉这个大类的商品)。
• 按发放主体可以分为：商家券(如京东品胜旗舰店自己发放的费用自行承担的优惠券，只能购买品胜这个商家的对应商品)、平台券(由京东平台发放的券，可以跨店使用的券)。

所属行业不同，优惠券的差异也很大。比如我们常见的电商类优惠券和金融借贷产品的金融优惠券差别就很大。

下图是某金融产品的优惠券，按使用场景和优惠方式可以分为7类（不同的金融产品和公司还会有差异，比如唯品会金融优惠券就和下图的金融优惠券有较大的差异）。

金融消费券简介

根据优惠券的使用场景，还会存在以下几种特殊的优惠券：

• 裂变优惠券：有些公司也会叫做膨胀优惠券，即分享或者邀请的人越多，优惠券的面额或折扣就会越高，主要用于拉新场景。其后台的实现逻辑并不是顾客获得了10元面额的优惠券A，其分享后这张优惠券的面额再膨胀成20元，而是系统把优惠券A撤销并重新给他发放了20元面额的优惠券B。
• 万能优惠券：也称优惠码，简单来说就是ABC三个用户输入该优惠券码后可以各自获得1张优惠券，这样1个优惠码可以对应几千甚至上万张优惠券。其后台实现逻辑简单归纳就是优惠码是这批优惠券的批次号或系统ID或券ID，例如20元新客券的优惠券唯一ID为NEW666，这个20元的新客券共计创建了100张，这100张券的编码分别为NEW666-001，NEW666-002….NEW666-100。顾客输入优惠码NEW666的时候就会从未发放的优惠券里面顺序的取1张如NEW666-008发给用户。这种优惠码比较适合线下推广和活动的领券，将优惠码做成二维码印刷到易拉宝或者宣传DM单上面。做过网站注册过域名的应该对godaddy优惠码有很深的印象，其实原理跟这个类似。
• 运费包邮券：电商平台常见的优惠券形式，其本质实际是满减优惠券，商品或商家+客户维度设置优惠券，根据收货地址实际测算出运费金额后，如果运费金额小于等于优惠券面额，即可享受包邮。但具体的实现逻辑和普通的商品满减券还是有些许差异。但这种券在B端电商可行性就比较低，试想你购买了20箱冷冻耗儿鱼重量200公斤，从成都发货到广州，运费得多少。

至于优惠券的具体实现逻辑和方式，完全可以单开一篇文章讲述，此处不再展开。最后，优惠券其实也有心理学的范畴在里面，用户需要的不一定是占便宜，而是占便宜的感觉。

1.2 积分类

开始本节前，还是有个问题：为什么产品需要积分？积分有什么意义？

有很多公司或产品，在没有想清楚上面这个问题的时候，就在产品体系（或用户体系）中加入了积分，并用“提升用户活跃和忠诚度，提升用户参与感和成就感”这个逻辑来解释上面的问题。但是，这个逻辑行的通么？

• 提升活跃度：我活跃于知乎是因为能增长奇奇怪怪的知识，是因为我有问题需要解惑，是因为我想在知乎上建立我的个人品牌和影响力，而不是因为有积分我才愿意来知乎。百度贴吧虽然给了我双倍的积分，但我会去上面解决我的上述问题么？
• 提升成就感：我是B站和网易云音乐的重度使用用户，我认可也赞同用户等级如LV6给我带来的身份认同感和成就感，但这个是用户成长值和活跃值等综合评估而来的，并不全是所谓的积分带来的。

有很多公司和产品在做积分和会员(等级)的时候，容易把两者混在一起。毕竟积分和会员经常成对出现，导致大家以为是同一个东西，其实不然。积分是依附在会员而存在的，会员除了积分之外，还有等级、权益、成长成就等细分的领域。

• 积分是产品内一种虚拟货币，可以通过各种方式获得，也可以通过各种途径消耗(如消费时抵扣现金，或兑换积分商品)，它会消耗，会涉及到成本，是公司的一种债务。
• 会员(等级)是用户在产品内身份和价值的直观评估，ABC三个客户我们怎么客观评价他们在产品内的忠诚度和客户价值呢？会员等级或许是个简单直观的方式，LV9大概率都会比LV1更值得我们投入更多的精力来做用户的分层运营。

但实际上很多产品一鱼两吃，积分既作为虚拟货币存在，用于抵扣现金或兑换商品或参加抽奖等，还会根据积分数值自动判定会员等级，根据不同的会员等级享受不同的会员权益。

回到开始的问题。产品是否需要积分，需要根据产品的形态和用户规模来具体分析。比如某资讯类产品，个人认为做好用户等级比积分更重要，而电商交易类产品则比较适合引入积分这个虚拟货币。

前文说过【用户需要的不一定是占便宜，而是占便宜的感觉】，某个产品在A平台和B平台价格一致配送时效一致的情况下，大部分会选择有积分赠送的A平台（积分可以抵现或兑换商品），毕竟能让用户感觉占到了便宜。

积分的准入门槛不高，但进入后的门槛非常非常高。前文说过有消耗出口(消费抵扣、积分兑换)的积分是债务，不是所有人都玩的起。再者，积分最最难的是投入产出比不好测算，积分产出和消费的平衡不太好控制。

1.3 现金红包

开始这节之前同样还是有个问题：为什么有了优惠券和积分之后，还需要现金红包？

上文说过优惠券是因为价格歧视和利益最大化的原因而出现，积分主要是做用户忠诚度和参与度而存在的，现金红包产生的业务背景是怎样的呢？

就我所知，现金红包主要是因为公司或产品运营推广，特别是老带新拉新获客的场景而产生的。真金白银的现金红包奖励，对于老客户或推广者或邀请人的吸引力，要远远高于华而不实的优惠券或者积分(在大多数用户眼中，现金红包的价值要高于积分和优惠券的)。

当然积分某种程度上似乎也能部分满足上述要求，但红包的一些业务规则限制决定了如果用积分作为现金红包的替代品或等价物，则需要对积分做较大的改造。

比如现金红包需要实名，红包提现需要绑定银行卡，发放的时候存在先领后发(例如4月23日发放30元面额的现金红包，该红包5月1日生效)，红包需要做提现限制，红包需要先转到钱包再从钱包提现到银行卡等等。

上述的这些限制如果是基于已有的积分体系来实现，理论上也是可行的，但实际上开发和业务架构不建议这么做。因为有些产品的积分还承载着用户等级和权益的功能，基于此去做红包的适应性改造会将积分做的特别臃肿耦合度会特别高，不利于后期的扩展维护。

有些公司旗下有多款产品，产品间的积分可以按比例互相兑换（例如QQ音乐10积分兑换QQ会员20积分），简单来说就是积分和红包的功能属性和使用场景决定了还是各自独立最合适。

基于这些原因，所以现金红包应运而生。下图就是某金融产品奖品体系中的现金红包简介。

现金红包简介

现金红包类似于微信的钱包余额，该余额可以用于平台的消费(购物)以及提现。不同点在于该现金红包只能通过活动方式获得，不支持通过充值方式增加现金红包余额。

1.4 实物产品

顾名思义，就是将真实存在的物品作为奖品。比如网易蜗牛读书购买年费会员赠送《明朝那些事儿》实体图书全套，比如网易邮箱积分抽奖活动的一等奖奖品是iPhone手机。

实物产品吸引力度与现金红包不相上下，但需要客户填写收货地址，平台或运营需要进行物流发货，几十份可能还好，但如果发放的数量较多的话则意味着有极大的工作量。

例如下图所示的京东春晚互动奖品，将近40万份玫瑰花和牛奶的实物奖品，在京东看来难度系数一般，毕竟快递物流是他们的核心技能。

但如果换了支付宝或者微信来搞这个活动，这40万个中奖用户的收货信息核对和发货安排都是极大的工作量(可能还得为顾客创建赠送订单，然后把物流配送信息关联到订单上面)，如果支付宝或微信来做这个活动的话，可能更愿意发红包。

京东春晚互动实物大奖

1.5 三方权益

无法归纳到上述4种类型的其他奖品体系我们姑且称之为三方权益（这是本文中的叫法）。

• 比如肯德基和麦当劳的大神卡和早餐卡，盒马的年费会员，淘宝的88VIP。
• 比如瑞幸咖啡的咖啡钱包，新希望鲜活GO的奶卡。
• 比如电信运营商的话费和流量包，游戏公司或平台的游戏币或QQ币之类的。
• 比如满足用户吃喝玩乐、吃穿用行方面需求的产品如饿了么、爱优腾、滴滴、唯品会的月度/季度/年度会员。
• 三方权益&积分&优惠券，例如爱奇艺100积分，拼多多满20减5元优惠券，购物分期免息券。

淘宝88VIP大礼包

1.6 礼包类

将上述奖品1-5任意打包组合形成新的礼包，如充值1999元送礼包A，充值5999送礼包B。其实上图的淘宝88VIP又何尝不是一个礼包类奖品呢。

1.7 奖品体系对比

奖品体系对比

2.活动体系

目前市面上有很多营销活动的玩法，大部分活动在不同的行业内都可以通用。比如抽奖活动在电商产品(如京东唯品会)、出行产品(如滴滴出行和高德地图)、资讯产品(如今日头条和网易新闻)、游戏产品(如原神蛋仔派对等)、金融产品(如安逸花360借条)中都可以使用。

有赞商城提供的营销活动形式

但产品形态(如电商类和阅读资讯类)和所属行业(金融行业和餐饮行业)不同，适用的营销活动玩法也会有比较大的差异。

比如资讯类产品如微信读书(或今日头条)和电商类产品如唯品会，前者可用的营销活动形式受制于产品形态，显然要少很多，电商类常用的满减、秒杀类活动就不是很合用在资讯类产品中。

电商类产品应该是整个行业内营销活动玩法相对比较多的行业，可以根据用户或者商品不同的场景或生命周期来开展不同的营销活动。

电商产品常见的营销活动形式

以下是早些年我在马上消费金融做营销活动产品时梳理的营销活动玩法，我是按照用户所处的生命周期阶段来设计对应的营销活动玩法。

金融产品的营销活动玩法

下面我们来简单介绍下比较常见的18类活动的玩法，各类手游/页游/PC端游的游戏活动玩法不在本文讨论的范畴内。

2.1 领券活动

章节1.1中对奖品体系-优惠券做了简单的介绍，假定此时我的优惠券奖品已经配置好了，那么怎么发放给用户呢？其实有多种途径和方法。

自动送券

新用户在产品内完成注册后系统自动发放优惠券，当然这个注册事件也可以根据平台或者产品希望用户完成的行为或者事件来做调整。

比如实名或绑卡或授信或激活账号或者是浏览商品列表页XX秒或完成首单支付或首单确认收货，当然也可以每完成一个动作或触发一个事件，系统自动送券。后台活动配置页面部分截图如下。

自动送券后台配置页面 部分截图

手动领券

用户需要在应用首页或领券中心或商品列表或商品详情页或活动页自己手动领券，主要促进用户的登录和活跃，毕竟用户不登录产品或不进入对应页面是无法看到并领取优惠券的。

领券活动后台配置页面 部分截图

2.2 老带新活动

老带新活动也可以称之为MGM即Member Get Member活动，是一种典型的裂变拉新活动。拼多多的“天天领现金”活动，微信读书的“每日一答”、花小猪的“百万现金天天领”等都是比较典型的MGM活动。它可以帮助产品在有限的成本下快速获取到流量和用户增长。

老带新活动其实是由早期的推广员系统演变而来，推广员系统在2005年端游的鼎盛时期几乎是各大端游厂商的标配。

其做法也相对简单，每位推广员（也就是邀请人）都有唯一的身份ID或者邀请码，新用户在游戏内注册时只要填写了该邀请码，系统就会将其和推广者建立绑定关系。

推广员每邀请1名新玩家注册，达到XX级，充值满XX元，即可获取对应的奖励。该奖励以推广佣金为主，推广员佣金达到一定门槛时即可进行提现。当然，新玩家填写了邀请码也会额外获得礼包的奖励，奖励内容主要是游戏内的货币和道具礼包等。

后来这种玩法从PC互联网时代延续到了移动互联网时代，并且有了更高大上的名字叫做分销裂变。当然有的公司会叫做老带新，有的叫MGM系统，但本质原理都是一样的：就是老客户邀请新客户。

根据新用户在产品内不同的节点给予奖励。当然，这个玩法也在不断的与时俱进，不断地进行着迭代和改良。

老带新活动前端界面 部分截图

很多人听完了这些介绍，可能会觉得分销裂变应该难不到哪去，但实际上并非如此。搭建一套简单的分销裂变体系相对来说难度系数不高，下图就是近期我司做的简化版的分销裂变体系的后台配置页面，看上去感觉并没有多复杂。但想把这套玩法做到极致，还是需要花很多心思和精力的。

极简MGM活动后台配置页面 部分截图

几年前我在马上消费金融做MGM系统时，当时有一个6人项目组（开发+产品+运营+测试）把它当做一个项目长期来做。事实也证明这套玩法的获客成本极低性价比极高。保密起见具体的数据就不在这里讲了，我只讲大概的玩法。以下是MGM活动后台配置页面的部分截图。其中：

• 角色：这个系统里面包含了2个角色，邀请人和被邀请人。邀请人再根据有无借款合同进一步拆分，类比到电商产品可以是有无已完成订单，邀请人的用户等级，角色身份等。
• 事件：金融类产品的用户链条比较长，主要的关键节点如参与、分享、绑定、申请、签署合同、借款成功等，每个节点都可以设置对应的奖励事件。类比到电商产品中可以是被邀请人注册、下单、到门店自提等多个场景或节点，根据不同节点分别给邀请人和被邀请人提供不同的奖励。
• 页面：刚开始做的时候邀请人和被邀请人看到的是同一套前端UI活动页面，后面我们通过数据埋点发现漏斗转化的几个节点数据特别不好看。我们分析了原因后将邀请人页面和被邀请人页面分别做了针对性的设计，即两个角色我们会呈现他感兴趣的或者我们期望它看到的内容，我们内部的叫法是M1页面和M2页面，分别针对邀请人和被邀请人。通过数十次的迭代，整个页面以及活动的转化率在不断地朝着我们的预期提升。
• 规则：基本按照”邀请人(角色)-无合同(用户类型)-参与活动(事件)-事件属性(多个阶梯对应不同奖励)-奖励策略(最多1次还是统计区间来算)-奖励物品(对应6大奖品类型)-领取形式(自动发放、手动领取)-活动互斥。

MGM活动后台配置页面 部分截图

经过了1年多的迭代，该MGM系统已经可以模块化、可视化配置，即UI出了活动页面图片后，运营人员即可编辑并生成一个活动URL链接，几乎不用前后端开发写代码来实现MGM功能，且MGM活动的整体数据一直是稳中有升的。

裂变优惠券其实也可以算作老带新活动的翻版，例如用户A获得20元优惠券，A将优惠券分享给BCD且三人都领取了20元优惠券，此时A的优惠券面额会裂变为80元。

关于MGM活动的设计，完全展开讲的话估计可以形成一篇6000字以上的文章，所以这里就点到为止不再展开。以下是我做的某一个迭代版本的功能清单，仅供读者参考。

MGM活动迭代版本功能清单-截图

2.3 抽奖类活动

顾名思义，用户完成某些事件或行为后可以获得抽奖的筹码，然后通过消耗筹码来获得抽奖资格。早期的抽奖页面基本都是大转盘，后面又衍生出了九宫格，老虎机、刮刮乐等各种花里胡哨的形式，但其本质都是抽奖。

抽奖活动的玩法/形式

以下是我之前在做酒饮B2B电商时候的抽奖活动后台配置页面部分截图，此处的抽奖资格是通过订单金额和笔数发放的，抽奖的奖品则是提前配置好的各类优惠券和现金红包。

抽奖活动的后台配置页面

• 抽奖活动的奖品会关联到前文所讲的奖品体系，即抽奖的时候会调用奖品的发放接口。
• 比如大转盘形式的抽奖，一二三等奖和鼓励奖(未中奖)的中奖概率之和应为100%。
• 可以设置抽奖活动参与者的范围，例如用户等级满足某条件或者XX区域的用户才有抽奖资格。

2.4 收集类活动

最最常见的收集类活动就是支付宝每年的集五福活动，与此同时也衍生出了一些新颖的玩法，如龙年集龙形碎片，然后拼成一幅中国龙的图片。完成收集的用户会瓜分奖品池，或者获得抽奖资格参与抽奖活动。

集五福前端UI页面

外行看热闹，内行看门道。产品经理们首先会分析这个集福活动的业务流是怎样的，通过分析整体的业务流程然后拆解出前后端有哪些功能模块和功能点，有多少对应的页面。抛开其他分支流程，我们可以想一想整个活动的核心业务流程在后台系统应该或者可以怎么来实现。

支付宝集五福业务流程图

集福流程

• 用户收集爱国福富强福的过程，本质上大概率是一种抽奖活动，即从五福卡、沾沾卡、万能卡、品牌卡(例如李宁、平安等品牌提供的卡）中按概率抽出一张。
• 参与活动的路径，比如AR扫一扫、蚂蚁森林等都是前端抽奖活动的载体或入口，对应的可能是两个抽奖活动，或者是同一个抽奖活动。

合成过程

• 我理解的合成过程可能会是类似于美团餐饮团购的优惠券核销，具体而言就是我有爱国福、富强福、和谐福、友善福和敬业福各1张，兑换的时候会把此5张福全部从我的卡包内核销掉。
• 核销也就是合成的同时，系统再给我发放1张“五福到”的福，其实也可以理解为发放了一次抽奖的凭证或资格。

开奖过程

• 例如支付宝设置了5个小目标的总奖金池，这个奖金池可能会拆分为一等奖、二等奖….九等奖，每个奖项对应着固定的面额，比如188.88元红包5000个，168.88元红包2万个…….1.88元红包100万个，比如总计200万个名额。
• 春晚开奖前例如有180万名用户集五福成功获得了抽奖资格，开奖时刻其实就是这200万个奖分给180万名用户，多余的奖过期后系统自动回收。至于这个抽奖是在获得抽奖资格的时候已经提前计算好了你会获得的奖项，还是说开奖的那一刹那再去按概率抽奖，这个就无法求证了。

支付宝的集五福活动整体上应该比我描述的要恢宏庞大的多，比如品牌方的卡片管理和UI元素，比如抽奖以及合成的相关动效，比如红包设置以及资金分账，以及相应的数据统计、风控管理和底层架构等等。

小公司真心不建议搞这种投入大产出低的活动。小公司如果非要搞这种收集类的活动，我认为收集和合成过程必不可少，但合成过程和开奖过程似乎可以整合到一起，省去发放抽奖资格的步骤，即集齐5张卡片立即赠送统一固定的其它奖品，如8.88元现金红包。

2.5 答题类活动

最早期的答题类活动是网络游戏中一种常见的玩法，比如每天定时开启一场答题活动，玩家进入活动内可以参与答题，答对XX道或者通关后可以获得奖励。

该活动主要是为了吸引玩家上线促进活跃的，其次很多玩家为了能获得高分便会在网络上悬赏或搜索XX游戏答题活动题库，进而增加游戏的搜索热度和曝光度，这点可能也是游戏活动设计者始料未及的。

后来该活动被移植到了很多产品内，比如微信读书，同时又将玩法升级可以进行用户间的答题PK，再配合答题排行榜，可以极大程度的勾起用户的好胜心满足其虚荣心，促进活跃。

有奖竞猜其实也可以算是答题活动的进阶玩法，用户可以“测”出其相关的结果。然后通过个性化的内容吸引用户转发到朋友圈，甚至刷屏，进而促进该产品的曝光和传播。

• 题库设计：需要提前准备好各类的题库导入到系统内，或者在管理后台允许录入各类问题。
• 活动奖励：在规定时间内连续答对XX道，即可获得固定奖励，或者是获得N次抽奖资格，然后参与另外一个抽奖活动。当然该活动的奖品、中奖概率是提前配置好的。
• 进阶玩法：答题过程中可以再设计几种道具，如换题卡、复活卡之类的，增加玩法的趣味性和参与度。

微信读书答题类活动前端UI

2.6 打卡签到

每天打卡签到可获得奖励，连续打卡签到会获得更多的奖励，奖励可以是勋章或积分或其余奖品。这种玩法比较适用于提升用户活跃，增加用户粘性。通常在健身、阅读、购物等应用中比较常见。

• 活动同样会关联到奖品体系内设置好的奖品。
• 打卡签到活动是促进产品活跃的重要活动方式，只不过有些门槛低只需要点击打卡，有些则需要满足一定的条件，例如微信读书需要阅读图书内容10秒以上才算打卡成功；有些游戏类比如微乐斗地主则需要分享。
• 有些打卡签到活动允许用户在某天忘记打卡的时候补签，有些则不允许补签。两者各有利弊，产品经理在设计的时候可以通过A/B测试来评估下哪种效果好。

支付宝签到活动UI

2.7 满减满折满赠

这三种活动是电商产品内最最常见的活动形式，没有之一。

满减活动
常见的是购买商品满XX件或满XX元，订单总价减掉XX元，或者是订单总价减到XX元。减掉比较常见，减到则比较少见（有些类似于淘宝的购物车改价，但系统自动减到省去了人工改价。也有点像组合产品降价销售，但省去了配置N多个组合商品的麻烦）。当然，满减会有重复满减和阶梯满减两种细分的模式。

满折活动
常见的是购买商品满XX件或满XX元，订单总价打XX折。为避免营销折让力度太高，再设置活动的时候一般也会设置折扣金额的上限。例如满10000打8折上限1200元，则顾客的实付金额应该为8800而不是8000元。用一句不恰当但容易理解的比喻就是又菜又爱玩，又想搞活动又舍不得让利给顾客。

满赠活动
常见的是购买商品满XX件或满XX元，赠送某商品XX件，或赠送商品A和B各XX件。后期衍生出了更灵活的玩法，赠送商品的赠品池有赠品M种，用户可任选N种(N<=M)，这里的赠品M也可以是优惠券或三方权益。

举个例子：活动方在整理库房或库房盘点的时候发现了4种即将过期的呆滞商品，具体为400包火腿肠、800包方便面、600包螺蛳粉和1200个卤蛋，如果每样商品各取1个只能配置出400个赠品包，无法把这些呆滞商品最大限度的消耗完。

这个时候如果4个赠品任选3件，则可以配置出1000份赠品，活动受益人群扩大的同时，还能更大限度的处理呆滞品。

当然上面的例子还是有漏洞可以钻，因为4种赠品每种的实际售价无法保证完全一致，顾客在选择困难症的时候会选择价格最高的产品，例如全部选了火腿肠，这对于后续参加活动的顾客有失公平且吸引力也会不足。

这时可以再加一层限制条件即4种商品每种最多选X样。即4种赠品ABCD最多只能选3件控制总数量，赠品ABCD单独设置限定量如AC最多2件，BD最多1件。当然，对应的代价就是后台配置和开发实现会更加的复杂。

前面2种活动会涉及应付金额和实付金额的差异，优惠金额需要在参与优惠的商品上面按比例分摊。满赠活动则需要将赠品的价值分摊到对应的商品上。

满赠活动后台配置页面部分截图

2.8 限购活动

限购活动是指某个或某些SKU限制用户在某个时间段内的购买次数或数量。但有些读者可能会问，作为卖家或者平台而言，不应该是多多益善卖的越多越好么？为什么要做限购呢？

其实认真思考就不难发现，限购是有真实场景存在的。比如现在iPhone16在京东新品发布，如果不做限购可能会导致有限的商品被极少数买家或者黄牛抢完，真正有需要的用户可能无法买到新款产品，影响用户体验。

限购活动后台配置页面部分截图

简单来说，平台或者卖家希望这款较为稀缺或者极具吸引力的产品能够由100个客户每人买1个，这样产品或平台的流量会更多，而不是被某位土豪或黄牛1人购买100个。

除了传统意义上用户购买次数和购买数量的限制外，限购活动还应该有风控的维度，风控基本会涉及到风控模型、大数据和算法。比如收货地址维度、手机设备IEME、收货手机号维度等。

拼多多百亿补贴里面的iPhone很多都是买到就赚到，所以很多用户都会去薅羊毛，但拼多多的风控机制会甄别出“投机”用户进而自动取消订单。

2.9 秒杀活动

可能有读者会问，限购和秒杀都是限定顾客在活动时间内的购买次数和购买数量，感觉两者是同一个活动，为什么有些平台会搞2种活动形式出来呢？

其实两者还是有些区别存在的，具体如下：

• 秒杀活动的时间相对于限购活动更短，活动力度可能更大。比如官网售价4998的iPhone15手机，限购活动是4688元活动时间1个月商品库存数5000名，秒杀活动时间可能是每周五12点开始限定300台价格4588元。秒杀活动更有稀缺性，对顾客的吸引力更大，可以给顾客一种紧迫感，可促使一部分有需求的顾客尽快下单。
• 秒杀活动会有活动开始前的预告，活动开始后的结束倒计时，以及活动商品库存余量的实时显示。相反限购活动不会有这些信息，它只会在商品详情页或购物车显示商品限购XX件。
• 有些平台会允许秒杀商品和正价商品一起购买，但限购活动商品则不能和正价商品一次性加购物车进行结算（已参加限购活动后再次购买时只能买正价商品）。
• 限购活动一般是作为长期固化活动来做，而秒杀活动最大的特点就是活动时间短。

秒杀活动前端UI示例

商家推出限时低价秒杀产品，吸引客户到店，快速出清活动商品的同时可以为其他商品引流加曝光。平台在规划设计活动的时候，可以根据平台和行业特性来确定秒杀和限购活动是否都有做的必要。

2.10 拼团活动

拼团活动简单来说就是购买人数满1、3、5人时分别可以享受到不同的价格。

拼多多是把拼团活动做到极致的典型案例。拼团活动非常适合社群、社区、社交型电商，而拼团本身除了能直接参团的活动外，还有新人团、助力砍价团等形式，非常适合做传播。

• 拼团类型的普通拼团是任意用户都能发起参与，老带新拼团则只有老客能发起新客能参与。
• 为了鼓励或调动拼团积极性，可以将团长价格设置的比参团群众的价格低一部分。当然简单起见也可以设置为一致。
• 如果想侧重于拉新，可以尝试老带新拼团，让老用户分享扩散，拉新人成团。
• 为了提高成团几率，可以在老带新拼团的模式上设置老客拼团价和新客拼团价，新老客的判断标准和逻辑可以根据平台和行业的性质类确定，有些是无任何购买记录的视为新客，有些则是N天内无购买的视为新客。
• 拼团人数与拼团成功率成反比，与扩散规模则是正相关。为了让用户有更强的动力主动传播拉更多的人参团，可以设置多个阶梯，参团人数越多价格越低。
• 为了提高成团几率，可以设置虚拟成团模拟买家凑满人数。

拼团活动后台配置页面部分截图

2.11 打包一口价

即XX元任选M件活动。网易考拉是把N元任选活动做到极致的案例。零食客单价低，SKU零散，如果不做满减，做N元任选也是比较好的促销方式，京东图书频道也经常搞类似的XX元N本活动。

打包一口价活动前端UI示例

打包一口价或XX元N件活动的优势很明显，简单归纳如下：

• 促进客户增购：打包购买更优惠，客户为了凑单，不由自主地买买买。给客户更多选择，客户自由选择活动商品，根据喜好搭配购买，满足个性化需求。
• 解决积压库存：清仓甩卖、新货带旧货，短时间内即可缓解库存压力。
• 营造促销气氛：新店开业、节庆活动，用“一口价”优惠吸引客户眼球，制造促销氛围。

打包一口价活动后台配置页面部分截图

2.12 预售活动

预售活动一般是顾客提前支付定金，达到活动节点后再支付尾款。最最常见的预售活动是天猫和京东双11的预售活动玩法，那么问题来了，为什么会有预售活动这种活动形式呢？

预售活动后台配置页面部分截图

• 新品上市：比如说前段时间香菜火锅很火爆，白象方便面紧抓热点研发出了白象香菜方便面。但问题来了，这款产品顾客能不能接受，市场调研和用户调研的数据跟实际的用户反馈是不是一致的？是否能达到预期的销售效果？白象厂家可能自己也没谱。于是白象厂家借着618的契机推出了预售活动，看看网上投票支持的顾客会有多少人真金白银的买单。这样商家就可以提前了解到消费者需求，在线下及时调配货源或调整销售策略，甚至可以调整生产计划，避免出现产品库存积压以及备货不足市场缺货的情况。
• 促销活动：针对已有产品的常规市场活动，最典型的就是双11活动。白象厂家不确定到底有多少顾客会在双11期间下单囤货，生产计划评估很不好做。为了最大限度的降低库存呆滞提高周转率，白象推出了双11预售活动。通过预售可以发现哪类产品需求比较大，如果备货不足，可以让车间增加产量提高备货，保证促销活动取得更大的效果。
• 提高周转：白象厂家的最大理想可能就是方便面刚下生产线后就立马装车运输，减去产品在工厂内部转运储存和保管的成本，降低库存的周转天数（理想化状态是0天，即刚下产线马上装车），毕竟内部储存是有管理成本和资金占用成本的。

但预售活动是典型的双刃剑。

• 从消费者的角度来看，预售会消磨消费者的耐心，让客户放弃本产品去选择其他产品造成客户流失。另一方面，如果卖家的产品有其独特性和不可取代性，那么预售可以很好地起到培养客户忠诚度的作用。
• 从商家的角度来看，预售可以有效预测销量以销定产，不用担心积压库存，极大的提高库存周转率。虽然会一定程度上造成订单流失，但也节省了成本和库存的风险。

预售活动前端订单结算页UI示例

预售活动在规划设计时可能会存在以下的坑：

• 某款产能可能会存在正常销售和预售同时存在的情况，订单和ERP、WMS要做相应的区分和适应性改造。
• 如果平台存在白条或者额度之类的设计，则定金的还款日期和尾款的还款日期会存在较大的时间差，处理起来会稍微麻烦些。
• 预售产品可能存定金、尾款2次支付的情况，也存在一次性付全款的情况。
• 顾客支付定金的时候大概率会用优惠券，付尾款时应限制其再次用券（否则平台容易亏本）。

2.13 周期购活动

对于具备同城属性的低温鲜奶、饮用水、鲜花等行业或产品来说，顾客会经常性的下单购买该产品，但频繁的让用户下单体验较为不好，顾客如果忘记下单会面临无法使用的情况。“买家一次付款，商家多次发货”是这些产品极其重要的消费场景。

华西鲜活go订奶小程序就推出了周期购模式，有赞新零售也有类似的“随心订”功能。顾客一次性购买1-12个月的用量如30盒-360盒牛奶，配送员按照顾客指定的配送模式进行送奶到户，极大的优化了用户体验。

相比市面上其他“周期购”类工具，随心订在帮助商家更便捷管理周期性配送商品的同时，还优化了消费者下单时的体验，能够更有效的降低用户流失，提升用户LTV。

华西鲜活go前端周期购UI页面

周期购模式适合所有周期类销售商品的行业：如鲜奶、鲜花绿植、生鲜水果、饮用水、粮油米面、滋补保健等。具备以下优点：

• 大幅提升用户的消费体验。周期购相对于传统的常购模式，满足客户一次订购多次配送的实际使用场景。客户在下单时可以自定义配送的周期、数量和时段，生成专属的配送计划。同时还可以根据顾客的日程变动（比如五一出游、暑假回老家）自己修改配送计划，对其进行停送。
• 周期购可以助力商家提升数字化经营效率。帮助商家快速锁定用户、降低促销成本、快速回笼资金、提高单客价值、提升用户粘性。在提升客户使用体验和粘性的同时，也减少了商家的售后咨询量。
• 在订单管理上，来自周期购的订单将订单和配送单进行了拆分，配送计划支持退改换停操作。退即针对未配送的牛奶进行退款，改即修改配送计划如从每日送改为隔日送(也可以改数量)，换即修改配送的产品(方便推新品)，停即暂停配送。
• 在用户管理上，商家可以通过周期购查看每个用户的订单到期时间，并且支持用户一键复购，帮助商家提前锁定高净值用户。

2.14 加价购

加价购是一种商业销售策略，也称为“附加购买”或“附加费用购买”。它是一种营销手段，通过向消费者提供额外的产品或服务，来增加他们原本打算购买的物品的总价。这种策略在零售业、服务业以及电子商务中广泛应用。

京东加价购前端UI示例

例如一部iPhone15的基本版售价为6199元，但消费者可以选择加价购一年的延长保修服务，额外费用为649元。此外，还可以选择购买附带的1年只换不修服务119元。这种加价购策略可以增加消费者对产品的价值认知，并为商家带来额外的利润。

• 消费者心理：加价购可能会让消费者感受到更多选择，但也可能引起购买决策的困惑或焦虑。
• 价格透明度：商家需要确保价格结构清晰明了，以免消费者感到被误导或欺诈。
• 品牌信任：加价购策略的成功与否往往取决于消费者对品牌的信任和忠诚度。

上面例子中加价购的增值服务产品是和iPhone商品本身强关联的，有些商品比如食材类的毛肚黄喉可能没有强相关的增值商品用于加价购，此时可以设置一些弱关联的商品，比如同类型的食材如虾滑鱼丸，以及盛放食材的餐盘餐具等等。

加价购也是把双刃剑，由于它大多在订单提交页面显示，在提升销量的同时，也有可能会打断顾客的购买路径，使得部分有购买意愿的顾客一通乱点加价购商品后跳出页面，进而产生了流失。

2.15 二次营销

二次营销，也被称为客户经营，是一种针对相同客户在不同时期、不同地点的不同需求进行管理的策略。这种营销方式的核心在于利用现有的客户资源，通过不同的策略和手段，促进客户的重复消费或交叉销售。

举个例子，方便快速理解这个概念。

平台搞完618大促活动之后，卖家可以抓住这个时机做一波二次营销。有些加购物车但没付款的客户，有些下单后并未支付的顾客，其实都是有很大的购买意愿，都可以对其进行转化，可以针对他们做一波返场促销。当然，已经购买过的顾客可以引导他们再次参加复购。

二次营销有2个比较重要的节点，即名单筛选和活动配置。

名单筛选：通过客户特征信息、行为记录、内外部信用表现特征变量，制定了筛选规则以及筛选评分模型。从存量用户中筛选，进行二次营销，经历不同的状态，最终回到存量的名单筛选池。

二次营销客户筛选流程

活动配置：活动系统根据邀约计划，配置动态、静态活动参数；白名单实时过滤，到点执行邀约。邀约的方式有以下几类。

二次营销客户触达方式

2.16 交叉销售

交叉销售（cross-sell）是企业向已经购买产品或服务的客户，销售其他类型产品或服务的过程，满足客户多样性需求。比如客户在买苹果的时候，销售向客户推荐香蕉。

可能有些读者会有疑问，这个交叉销售感觉和加价购很像，有必要搞2个活动形式么？其实不然。

• 加价购是在顾客决策和购买中推荐其它关联的商品或服务，交叉销售是向已成交客户推荐其它产品和服务。
• 交叉销售更多的是基于已有的订单数据和客户数据，甄选出转化可行性较高的产品和客户，进而配置对应的活动。举个例子，购买了iPhone15的顾客有200位，其中有部分是iPad产品的潜在客户，有部分是Macbook的潜在客户，如何把他们精准的识别出来，就是交叉销售的要义所在。

三种交叉销售类型

• 如果您试图将新的服务介绍给现有客户，我们把这一类型叫作拓展型交叉销售。常见的就是苹果推出了AirPod产品，向已有iPhone的客户推荐AirPod产品即为拓展型交叉销售。
• 如果您将现有服务或产品介绍给客户组织中的另一成员(现有客户的不同区域或不同部门，例如甲集团的A事业部是智能客服的已有客户，我们把产品推荐给集团下与A独立的BCD事业部)，我们管这种类型叫作扩展型交叉销售。
• 多元型交叉销售的概念较为晦涩，这里暂不展开了。

2.17 精准营销

精准营销是针对现有客户，以激发品牌忠诚度和购买行为。精准营销更少地依赖于创造有说服力的广告，而更多地依赖于创造交易、优惠和噱头来吸引现有客户。

精准营销的核心思想是精确、精密、可衡量，精准营销通过可量化的精确的市场定位技术、先进的数据库技术、网络通信技术及现代物流等手段保障企业和客户的长期个性化沟通，使营销达到可衡量、可调控等精准要求。

为了做到这一点，精准营销在很大程度上依赖于市场细分：一种将市场细分为更小、更具体、有独特需求的客户群的技术。

如下图所示，比如现有用户总量20万人，我们可以按细分行业识别出母婴类用户，然后对其推送母婴类产品和活动，更为精准的推送和活动策略，可以提升整体的转化率。

精准营销用户细分模式

电商产品可以按用户价值RFM，即消费（Recency）、消费频率（Frequency）、消费金额（Monetary）来将用户划分为 8 个用户价值群体。也可以按照用户生命周期的划分维度分为5个阶段或群体，具体的方法和策略需要根据行业和产品特性来制定。

精准营销用户按生命周期划分

不同生命周期阶段的客户有不同额阻塞点，运营策略就是要梳理出各个阶段存在的阻塞点，然后制定对应的精准的营销活动策略。这样可以将有限的资源发挥更大的作用，而不是阳光普照蜻蜓点水般的把资源漫无目的的撒出去。

不同生命周期对应的活动营销策略

精准营销做到极致又产生了一个新的概念：实时(智能)营销。举个例子，你4月23日在旅游出行APP内搜索了成都到北京的机票，浏览了北京鸟巢附近的酒店亲子房，然后关闭了APP放下了手机。

你猜这时会发生什么？系统结合你的历史订单及出行数据，以及你刚刚的行为数据，综合判定您可能五一假期有带着家人去北京旅游的打算，于是系统为您推送了XX元面额的机票优惠券、正在做活动的酒店亲子房以及酒店附近XX公里内适合儿童游玩的目的地。这个推送有可能是APP推送，也有可能是短消息。

短短几分钟之内，系统对你的历史消费数据和操作行为做了分析，并给出了比较符合你需求的活动营销策略，刺激或吸引你做购买转化。有可能你再次打开该应用APP首页的时候，信息流已经匹配到了目的地北京的相关攻略、行程和笔记等等。

传统的精准营销具有一定的滞后性，与您相关的这些活动营销策略大多都是运营手动干预后或者是系统过了N小时后才触达到您，时效性可以提升。上述举例中的这种实时智能营销，相对于传统的精准营销，显然高级了很多。

但事实是很多公司或产品，连最最基础的精准营销都没有做起来。而做精准营销，最大的难点以及机会点就在于客户数据管理平台CDP，有兴趣的可以自行了解，本文不做展开。

2.18 砍价助力

砍价助力活动的本质就是邀请好友参与活动，快速获取新客提升客户活跃。老客也可以参与助力，但砍价助力的效果显然不如新客。常见的就是拼多多的现金红包助力活动，提现200元可能只需要5名左右的新客，但老客则需要15名甚至更多（数据为大致预估，非真实测算数据）。

砍价活动：消费者主动将活动或商品链接发送给好友后邀请其帮助砍价，参与的人越多价格则会越低。该活动方式可以帮助商家快速传播商品信息让更多消费者参与进来，快速裂变线上顾客。简单来说价格是越砍越低。

助力活动：本质上与砍价活动类似，都是消费者主动将活动链接发送给好友后邀请其帮忙助力，参与的人越多则消费者距离目标的差距越小，例如拼多多的助力活动，初始红包金额为198元，红包满200元才能提现，邀请的人越多则提现的差额越小。

我们以砍价为例，来聊聊该活动的管理后台或者具体的实现方式是怎样的。已知某商品原价100元，可以砍到的最低价格为60元（需要财务核算不会亏本）。我在网上找了很久都没有找到拼多多相关的人出来现身说法，很多电商产品也都是根据前端呈现的效果来倒推的实现过程。

这些方式的共性有：

• 砍价人数：即最多有多少人可以参与砍价，消费者自己能不能砍。
• 商品底价：即该商品最低能砍到多少元，这个决定了商品会不会亏。
• 砍价有效期：即砍价发起到砍价结束的时间，这个时间区别于活动时间。例如活动时间是5/1-5/7，但砍价有效期可能只会有3小时，通过时间的紧迫性促使消费者更多的邀友分享。

每次砍价是固定金额还是随机金额，前者实现简单但会让顾客觉得活动真实性欠缺，后者一般会设置一个随机金额区间。假定可以10人参与砍价，可以砍掉的金额总计40元，平均每人可以随机砍掉4元，那么这个金额怎么随机呢？

以下是几种常见的实现逻辑：

• 每次随机的金额在4元±20%的范围纯随机，但最大的弊端是有可能每次都是+X%，可能最终的随机金额总和会超过40元，有一定的风险。
• 设置首刀随机金额的最大最小值，例如区间范围为【4,13】，则剩下9刀的区间应为27-36元，对应每刀平均的随机金额范围为3-4元，设置助力砍价每人每刀可砍范围最大值不超过4，最小值>0.01元即可。如果想有吸引力则最小值可以设置的高一些如3元或3.5甚至更高。
• 方案2后续进行了改良，即不设置首刀而是前1-5刀每次2-6元，后6-10刀每次1-2元。这样前5位好友可以砍掉10-30元，后5位顾客可以砍掉5-10元。前半段砍掉的金额会比较大，顾客的分享意愿会更强一些，会降低顾客的畏难心理。我们当时就采用了此方案。
• 其实方案3还有优化的空间，例如砍价总金额100元总人数100人，可以将金额前多后少分布，如80元和20元，人数前少后多分为40人和60人。即前面40人砍掉80元，后面60人砍掉20元。通过我历次并不成功的拼多多现金红包提现活动，我一度怀疑他们可能就有类似的设计思路。

题外话：如果砍价或者助力活动参与用户很多，实时计算随机金额可能并不是太合适，或许根据砍价金额和人数来提前进行的计算，再将计算好的金额储存下来，当有用户来砍价时再读取对应的金额即可。

当然中间还会有其它的逻辑，比如根据砍价顾客的历史成功次数或者新老程度来设置难度系数，纯新客难度系数为1，老客但没有参与过的系数为2，成功参与过1次的难度系数为3，以此类推。当然，此处的难度系数应该不是线性增长的，可能会是对数或者指数级增长的。

拼多多的砍价和助力活动的后台逻辑和底层算法应该比上述复杂完备的多，还考虑了诸如风控的策略及模型算法。但大部分体量不大的平台或产品采用方案2或者3应该能基本满足业务需要了。

小结：营销活动体系的上述18种玩法，本文只是做了简单的介绍，其中的每一种都可以单独成文详细展开进行深度剖析。这些活动也并非多多益善，各个公司或产品可以根据实际情况，挑选出最适合您的活动形式。

开始做公众号

 

这是一篇，直接号召大家来做公众号的文章。

 

可能有人会问，现在公众号已经没落了，没人看了。

尤其是这几年随着短视频和抖音的兴起，公众号的讨论度，大大降低。

 

现在的流量，80%都在短视频平台上，比如抖音、视频号、快手，还有新兴的小红书。

公众号几乎没有人关注。

 

尽管如此，我还是要号召大家反过来来做公众号。

 

我先说我的观点，然后再具体介绍我是如何做的，以及我是如何从中获益的。最后，我还会介绍如何结合公众号和视频号来运营。

 

 最大优势和特点

首先，公众号的最大优势，可以总结为，在知识付费或自媒体领域，它是唯一的长期主义媒体或者平台。

 

其他所有平台，都是短期主义的、投机主义的、不稳定的，容易被封杀，甚至需要烧钱来获取流量。

 

那么，公众号有哪些特点呢

 

 

第一，公众号基本上是私域流量，与企业微信和私人微信处于同等级别。

 

它是一个80%是私域、20%是公域的媒体。

 

大家都知道，流量无非就公域流量及私域流量

 

抖音微博还有快手小红书等，都可以称为叫公域的平台，现在的微信视频号，基本上也可以归结为公域。

 

我们的企业微信号，或者私人微信号，或者小程序，都是纯私欲。

 

私域流量，意味着稳定性和可触达性。公众号代表了长期主义，虽然增长可能较慢，需要长期积累，但相对稳定。

 

公众号要成功，就是要求日更，持续的内容输出，这种长期积累，有助于吸引忠实的读者和你的个人IP。

 

 

第二点，公众号是唯一明目张胆或者说赤裸裸的，直接保存私域流量。

导入到微信号或企业微信号，而不会被封杀的平台。

 

大家知道，视频号刚推出的时候，和私域是完全打通的，官方都鼓励你加微信号，你可以随意导流。

 

但现在，视频号已经关闭了所有添加微信号的入口。只有做过视频号的人才了解，现在没有任何方式添加微信号。

 

即使，你在后台使用我独家发明的，私信666，一旦加过多了，就会被限制，甚至被封号或限流。

 

只有公众号，无论你加多少，都是可以的。

 

目前，如果我的公众号文章，达到10万+，差不多可以加1000个私人微信号。如果有两三万粉丝，可以加100到200个微信号。

 

从来都没有问题。这是公众号最大的优势。

 

因为我们主要的变现，还是依赖私域。

 

公域平台，除了大主播带货之外，要实现高客单价的变现，是非常困难的。

 

只有公众号，如果将其视为公域媒体，它是唯一一个可以无限制加私域流量的媒体。

 

 

第三点，公众号是基于订阅机制的，尽管现在它也开放了公域的推流功能。

 

所以，只有公众号的粉丝，才是真正的粉丝，具有价值。

其他公域平台的粉丝，仅仅是数据，特别是抖音。

 

即使如小杨哥，这样拥有1亿粉丝，如果平台不给他推流，不进行付费推广，他搞直播的在线观众，可能也只有几千人。

 

这些所谓的公域粉丝，只是一个数字，没有实际的价值或意义，因为这些粉丝，实际上属于平台。

正如我所说，这些粉丝就是大海中的水。

 

所以，只有以订阅机制为主的公众号，或私域的粉丝，才是你自家鱼塘里的鱼，是可以培养和捕捞的。

 

比如，我现在有两个公众号，每个公众号都有20万粉丝。

 

当这些粉丝来刷公众号内容时，我的内容会被首先被他们刷到，后面才是推荐的。这样的粉丝，才是真正有价值的粉丝。

 

越是这样保守的订阅机制，粉丝才有价值。

 

 

目前，所有其他平台，包括抖音、视频号、微博、快手和小红书，都变成了AI推流机制。

 

根据内容和标签来推送，粉丝的权重，只是其中很小的一部分。

 

以前微博，其实也是走的订阅机制的，后来被淘汰了。

 

在AI大数据的时代，以抖音今日头条，他们就是靠所谓的个性化分发机制，打败了订阅机制。

 

目前的主流是AI分发机制，但它也有缺点：

 

就是特别短期、不稳定，并且受制于平台，付费推广第一，而不是粉丝第一。

 

无论是在抖音，还是微博上，即使你有几百万或几千万粉丝，如果平台不进行推流，那么你的号就废了，失去了价值。

 

然而，我们公众号则不同。

 

只要你累积了10万到20万粉丝，每天还是有有几千到几万人，能看到你的内容，能够实现有效触达。

 

只要你持续产出内容，公众号的粉丝就会持续接收到你的信息。

 

 

第四点，我认为公众号的一个优点是，只要不涉及时政内容，公众号不会轻易被封。

 

因为，公众号拥有一个事前审核机制，这是其他平台所不具备的。

 

如果你的内容不合适，比如营销推广过重或涉及重大时政问题，公众号就不会让你发布，从而避免了风险。

 

相比之下，抖音、微博，包括视频号在内的其他平台，可能会让你发布内容，推流到了几百万的播放量后，平台再来与你算总账。

 

然后，可能会对你的账号进行禁言，或者停止推荐，时间可能是一年，甚至几个月。

 

所以，我认为，这种事前审核机制，实际上是一种优势，让我们这些人免受风险和处罚。

 

 

第五点，视频号的涨粉，可以直接全部涨到公众号上去。

 

因为视频号和公众号基本上是打通的。可能只有实际操作过的人，才知道。

 

说实话，我拍也不知道为什么，也还没有懂这个规则逻辑，但确实是这样。

 

比如，我的视频号上，一个视频火了，500万的播放量，给我增加了大约1万个粉丝，结果，我的视频号一个粉丝都没加，反而全部加到公众号上去了啊。

 

我认为，这种情况，对我们是有利的，是非常有价值的。

 

我曾提出一个观点：公众号的流量价值，是抖音、微博，视频号流量的100倍。

 

也就是说，如果公众号有10万人阅读，其价值，相当于抖音1000万的播放量，也相当于视频号1000万的播放量，是微博1000万的播放量。

 

其他平台提供的只是曝光，但公众号能够实现一对一的触达，可以说是深度的洗脑影响。

 

当然，公众号涨粉，非常困难且速度特别的慢，但它的质量和深度，是其他平台无法比拟的。

 

 

第六个优点是，公众号是唯一一个不能通过投流，完全依赖内容，来涨粉来获得流量的平台。

 

其他平台，如抖音、视频号、微博等，都推出了自己的投放机制，付费推广的工具，来吸引流量。

 

但到目前为止，公众号是不允许投放广告的。

这反而保护了长期主义者，让所有大家，在同等条件下，公平竞争，只靠内容质量，来吸引关注。

 

 最适合养老

 

我经常说，公众号是最适合长期养老的。

 

只要你的公众号，有二三十万粉丝，你每个月可以有几千到一两万的稳定收入。

 

虽然公众号要实现大收入，几乎是不可能的，但它是可持续且稳定的。

 

我们可以观察一些案例，比如众所周知的，吴晓波老师和罗振宇老师，他们在自媒体和知识付费领域是顶尖人物。

 

尽管在短视频时代，被淘汰了，他们在抖音和视频号上的流量，没有做起来，但还是能够，每年举办跨年演讲，还有几千上万个人参加。

 

实际上，这背后靠的是他们的公众号影响力。

 

吴晓波老师，我知道，八年前，他的公众号就有260万粉丝，并且每天都在更新内容。

 

罗振宇那就更厉害了，虽然他的公众号，现在可能没有之前那么火爆，但在自媒体领域，他的公众号排名第一，有1000万粉丝。

 

这个粉丝量级，相当于在抖音上有一个亿的粉丝，也是每天都在更新内容，名副其实的长期主义者。

 

自从我重做公众号以来，可以看到，有几十万自媒体人，以程苓峰为代表，他们能够持续在自媒体领域，活跃10年、15年，都是靠公众号。

 

但是，像抖音这样的平台，起来的快，倒的也快。

 

以杜子建老师为例，在抖音自媒体历史上，抖音只有两亿用户的时候，他的一条视频，就能被推荐给一亿人观看。

 

反正我经过这五六年的观察，抖音上的许多大咖，往往是突然爆红，然后又突然消失。

 

但是，做公众号的人，只要能够坚持的，10年前能够赚钱，十年后的今天，他们依然能够赚钱。

 

 

 总结一下

 

总结来说，我觉得，只有公众号，在自媒体或知识付费领域，代表了长期价值和长期主义。

 

虽然做起来慢，但它体现的是长期主义。

 

还能有持续的收入，哪怕不高，每天几千，每月几万，能够实现10年以上盈利的，只有公众号。

 

公众号讲究的是慢慢来，比较快，细水长流，稳定而持久。

 

在抖音上，我没见过，谁能够持续活跃两三年以上的。

大多数情况下，都是爆火得快，被打倒得也快，也更容易受到监管的影响。

 

所以，我建议大家，在这个赚慢钱、赚小钱的长期主义时代，应该专注于公众号的长内容，或者视频号的长视频，或者两个结合，一起做。

 

现在开始做公众号，并不晚。

如果你想自己有一份养老的钱，可能只有公众号，这一个平台有这样的机会。

 

其他平台，虽然可能短期内能赚一些钱，但是经常出现封号、降权或屏蔽等问题，而在公众号，这种情况非常少。

 

所以，从现在开始，重要的事情说三遍：

做公众号，做公众号，做公众号，做一个长期主义的创业者。

 

欢迎创业路上的新老朋友，扫码加我微信，一起交流，我的公众号经验，备注：公众号。

---

内容来源：整理汇总自网络公开资料。

责编 | 金木研  排版 | 五月

第 8297 篇深度好文：7390 字 | 14分钟阅读

商业思维

笔记君说：

黄峥，赌对了！

前不久，拼多多发布2024年第一季度业绩报告。报告显示，一季度拼多多实现营收868.12亿元，同比增长131%；调整后净利润达到306.02亿元，同比增长202%。

亮眼的成绩单，直接带动了拼多多市值上涨到2188亿美元。也使得拼多多创始人黄峥的身价，仅次于农夫山泉创始人钟晱晱。

考虑到近日风波不断的农夫山泉，拼多多5月股价大涨 21%，以及黄峥此前一年财富暴涨71%等因素，黄峥或将打破钟晱晱连续3年霸榜局面，成为2024年中国真正的首富。

成功的背后，除了大环境形式的变化，更重要的是黄峥对人性的精准把控，他深知绝大数人群的消费不是“从有到优”，而是“从无到有”。

今天这篇文章，我们就来学习下黄峥早期的底层逻辑认知。

一、你可以说我Low，

但无法忽视我

最开始，我创业的一个项目就是电商，有点像是个BtoC 的垂直卖手机的网站，但是我们这个团队好的地方，是觉得创业不是一锤子买卖，它是一个过程。

我们始终觉得我们没有创业经验，商业是应该需要学习的，我们以前读书学知识，是读了小学、中学又去读大学的。

我们认为创业也应该是这样的，也应该是有一个逐渐进阶的过程，而且事前你必须把前面的东西做好，才能做后面的。

所以，这两年拼多多看起来很快，但实际上我们这个核心团队都在一起十年了，我们以前读了小学又读了中学，现在才开始上大学。

1.拼多多的经营理念

第一，核心理念。

消费升级不是让上海人去过巴黎人的生活，而是让安徽安庆的人有厨纸用，有好水果吃。

 

只有北京五环内的人才会说移动互联网第三波人口带来的是下沉人群，拼多多关注的是中国最广大的老百姓。

移动互联网未必是用户的下沉，而是用户拉平了，它让最广大的中国老百姓拥有了和一线城市一样信息获取的能力和交易能力，这是PC时代做不到的。

 

拼多多吸引的是追求高性价比的人群，他会买一个爱马仕的包，也会用9.9元买一箱芒果，这跟消费能力没关系。

实惠这件事，是一个普适性的需求。比如我妈已经算是一个有钱的妈妈，但她出去买菜、买纸巾，还是会在乎一两块钱的差异，但她同时也买高配的iPhone。

在我妈身上，如果你是她儿子，你观察她的行为，你觉得是很正常的。但是如果你抽象出来，放到一篇文章里面去读，好像这个人是分裂的，但这件事情，我认为是在千千万万的家庭里面，每天都在发生的。

传统公司采用一二三线来划分人，拼多多满足的是一个人的很多面。

低价只是拼多多阶段性获取用户的方式，拼多多对性价比的理解是“始终在消费者的期待之外”，拼多多的核心不是便宜，而是满足用户占便宜的感觉。

拼多多试图做消费和娱乐的融合，拼多多的使命就是多实惠多乐趣，让消费者买到更多更实惠的东西，然后在这个过程中更快乐。

 

拼多多的核心竞争力就是五环内的人群理解不了。

第二，运营情况。

 

现阶段拼多多对整个商品和服务的品质管控都很初级，拼多多正在通过升级供应链和打击假货来提高商品质量。

 

部分员工对公司的理解依然是流量至上，这些员工在流量思维环境里受了多年教育，拼多多成立不久，和员工的统一思想还没做得很好，得从上往下贯彻。

现在的情况是我在这一头，整个社会和媒体在流量的那一头，员工可能在中间。

 

拼多多对运营员工的考核是留存、复购第一，GMV第二。

 

第三，未来发展。

 

拼多多不会做采销，也不会做物流和配送，对供应链升级是拼多多长期的战略重点。拼多多的最终模式是使得上游能做批量定制化生产。

 

全品类扩张依然是传统的流量逻辑，品牌升级也是一个五环内人群俯视的视角。

拼多多不一定要品牌升级、要全品类，拼多多要做的事情永远是匹配，让合适的人在合适的场景下买到合适的东西。

 

拼多多目前没想做服务电商，因为实物电商已经足够大。

服务电商是流量思维，即流量灌进来，用不同的服务去消耗这个流量。拼多多的出现就是因为不用旧思维，在以人为先的思维下，先想这个人需要什么。

2.与竞争对手

 

拼多多与淘宝的模式有本质的不同。

淘宝是流量逻辑，主体是搜索，用户要自己去找商品，所以需要海量SKU来满足长尾需求。

拼多多代表的是匹配，推荐商品给消费者，SKU有限，但要满足结构性丰富。

淘宝一直倡导C2B但做不起来，就是因为淘宝的千人千面相当于个性化搜索，但搜索本身是长尾的，很难做反向定制。

而拼多多是把海量流量集中到有限商品里，有了规模之后再反向定制，极大降低成本。

这也就是沃尔玛和Costco的差别，拼多多的终级定位就是针对不同的人群做不同的Costco。

 

拼多多和淘宝是错位竞争，争夺的是同一批用户的不同场景，错位才会成长地更快。

拼多多并不想做第二个阿里，拼多多的存在本身就是一种模式，你可以说我low，说我低级，但你无法忽视我。

 

京东、唯品会和蘑菇街都试验过类似拼多多的模式，但对它们来说，拼团只是一个创造GMV增长工具。

拼多多是人的逻辑，通过拼团了解人，通过人推荐物，后期会过渡到机器推荐物。

拼多多在APP里几乎没有搜索，也不设购物车，可以想象把今日头条下的信息流换成商品流就是拼多多。

 

二、创业如投资：

选择比努力更重要

巴菲特说买股票就是买part of the company，要有长期持有的心态去寻找好的生意和合伙人。

这和创业很像，一方面要关注生意的模式，选择正确的生意模式，要花大量时间去研究这个生意模式的细节。

另一方面要挑好的“合伙人”，在投资时要把创始人和CEO当成自己未来的合伙人，看自己是不是愿意和他们长期做事。

 

投资除了关注好生意，好团队，还需要在乎是否是好价钱。

这和创业也很相似，查理芒格让巴菲特意识到该用一个合理的价钱去买好公司，而不是花时间去捡烟蒂（价格便宜，有些残余价值的、但往往不那么好的公司）。

同样，一个好的公司应该花力气去解决/克服那些正确又难的问题，而不是四处捡一大堆芝麻。

 

投资另一个和价钱相关的点是看这个deal in loss是否整体可以承受，从创业的角度看就是投入一个事业的时候要看会不会把自己搞死。

活着是创业的第一要务，同时又要用另一个角度来评估，即能不能赢，有没有足够的力量去赢。

 

和投资特别要关注商业模型一样，创业本身对行业及生意模式的选择也往往决定了很大一部分结果，也就是要花大量时间去研究什么是正确的事，然后再想如何把事做正确。

在正确的方向上逐步前进，比在不正确的方向狂奔要好。

创业很多时候和投资一样，选择比努力重要。在正确的道路上前行，哪怕慢一点，但像投资中复利的连续回报也是很厉害的。

 

巴菲特在谈到投资标的时候，经常会提到生意的护城河。

如果把创业过程中的各种决策都当做是投资决策，那我们得分辨我们用时间和钱换来的东西哪些是资产，哪些是费用。

那些随着时间流逝，对加深生意护城河有利的往往是“资产”，那些时间越久对自己越不利的可以看成是费用。在资产的购置上，错误的浪费其实是不太会的，最多只是买贵了一些。而在费用的浪费上则非常可恶，往往还有负作用。

 

三、对商业的思考：

钱是工具，不是目的

1.用常识来判断未知领域

 

对于未知领域，我通常会采取比较原始的办法，就是自己去体验和感受，用常识来判断。

大部分知识是没用的，遇到问题再解决问题。我不会去规划未来五年、十年，我会想一个很远的目标和很近的目标。

 

绝大多数人在绝大多数方面都比我强，我只在很少的方面比很少的人强。比如隔绝外部压力，回归本源理性思考的能力，有时候有点逆向思考的能力。

以前做二级市场发现自己好像天生不太容易在很多人恐惧的时候恐惧，而容易在大众热情的时候悲观。

 

2.劣币驱逐良币

劣币驱逐良币侧面描述的是：自私不团结的个体无法对抗管理者的强制力的现象。

另一个角度来说，也描述了通过利用个体自私的力量来进行财富重新分配降低公共服务成本的一种现象。

剧场效应和劣币驱逐良币类似，但其实它描述的是一个没有组织，又缺乏外部强制力的自私个体的群体，可能出现的一种集体自我伤害的现象。

如果电影院前排人站起来，后排的人也会站起来，结果就破坏了大家本可以坐着看的秩序。

也就是说，“劣币驱逐良币”是一股力量战胜另一股力量推动劣币的普及，而电影院现象是一个群体自我伤害的现象，谁都没有真正获益，更加值得研究和应对。

电影院先站起来的那部分人，就像是掉进汤里的一粒屎，很快整锅汤就只能倒掉，这指出的是一个比例问题。

汤其实有自我净化能力，如果比例低没问题，但这个比例只要上升到一个临界点，原有的净化能力就崩溃了。

坏一锅汤的一粒屎的大小的临界点是很低的，也许是百分之一和百分之五的区别。

百分之一能净化，百分之五就只能全部扔掉了。很多时候，质变就是在这1%到5%之间。

如何才能扭转这种“劣币驱逐良币”的风气？

第一种方式是直接大范围整肃。

如果一个群体一百人，有8个人是骗子，而系统研究表明要比例低于3%无罪推定体系才work，那么，为了把8个人中的5个人转化过来，花的肯定不是5个人的力气，通常得10倍的力气，即50个人同时努力才能转化5个人。

举个例子：据说曾经纽约曼哈顿的中央火车站每个都被人涂鸦，为了整治这个，市长花了很大的力气，每天去刷一墙，别人涂一点，他也刷全部，连续反反复复很多很多天，涂鸦才逐渐变少，然后变没有。

据说新加坡治理随地吐痰也类似，付出了很多很多倍于破坏者的代价才扭转了“风气”，形成良性运营的体系。

第二种是利用渠道。

在商业上有个值得讨论的现象是：有时候东西贵了反而好卖，比如空调这种产品既需要有人安装，又需要有人推荐。

有可能类似小米的互联网直销，把价格打到最低点还不如格力给安装者、渠道以足够利润。虽然看起来渠道的做法抬高了商品的价钱，但在实践中，渠道和服务成本也许是维护某种公共认识最节省、良性的做法。

这种渠道和服务成本是必须的，它把维护某种秩序的代价体现在明处，而忽略了这种代价的体系可能会走向“劣币驱逐良币”。

3.对供给侧需求侧的思考

 

要从根本上变革供给侧，得先变革需求侧。

 

第一类供给侧的变革是满足了一直存在却未被完全满足的需求，比如有人想飞，就诞生了飞机满足飞的需求。这一大类涵盖了大多数供给侧的升级，满足了人更快、更多、更好、更美的诉求。当一种贪婪被满足，另一个贪婪又会出现。当然这个贪婪大多数时候被称为追求。

 

第二类供给侧的变革源于新的应用场景的出现。

比如在世界大战这种突发场景下，衣服以及很多其他生活用品被成批量、大规模、标准化的需要，推动了供给侧生产组织、管理和交付流通上的极大变革。

 

第三种供给侧的变革源发于信息收集成本大幅变化，比如Uber的出现大幅降低了收集路线、位置以及打车需求的归集成本。

 

第三类变革存在着大量的可能性拿时间和空间的统一来换取整体效率更高，成本更低。

抽象来说，存在一个通过推动需求流通侧更多的采用计划，以此来推动供给侧打破滞后的大规模生产实现中小规模批量的“定制”的半市场经济的可能，即用需求流通侧的半“计划经济”来推动实现供给侧的半“市场经济”。

线上电子商业解决了把义乌小商品市场搬到网上的问题，流通侧的信息高度透明化，加速了各商贩之间的竞争，但对传统制造业的工厂改变不多。

工厂生产还是要一些计划，主体的工厂主要还是依赖于线下商超的批量订单，按几个月甚至半年一年的周期在排计划。

线上的商贩竞争越激烈，越市场化，和线下生产计划的脱节和对比也越厉害，国际需求的批量外贸订单的计划和线上零售卖的订单之间的脱节也越厉害。

这种情况下，主体的工厂主要还是依赖于沃尔玛、家乐福，线上纯流通侧的极度市场化也不改变生产侧计划的滞后性和高度计划性。

 

存不存在一种模型能改变生产侧的滞后性和高度的刚性计划性？

假设我们能让前端消费者多一点耐心及和其他人协调的愿望，放弃一部分所见即所得、现在马上要的冲动，那么我们就有机会利用人和人推荐、人和人之间关系、兴趣的相似点，做人以群分的归并，把每个人人性化的需求归集成有一定时间富裕度的计划性需求。

这种需求的归集程度也许没有像沃尔玛这种半年期的批量订单那么大，但也够让工厂一条产线经济的运转。

如果能这样做，流通侧线上高度市场化和生产侧刚性计划的矛盾也就能缓解。

更多计划性的需求和更多市场的供给侧相融合，前后端信息会更全面的打通，消除需求和生产的错配，帮助我们摆脱对传统类沃尔玛商超的依赖，实现从滞后的计划走向与需求同步的半市场化。

 

4.对财富转移的思考

 

保险这种产品进一步促进了财富从没钱人向有钱人的转移，进一步放大了资本的力量。

如此下去，如果市场是高度有效不受干扰的，法律是保障资本及其复利的合法性的，那么很可能会使得富的人越富，穷的人越穷。

巴菲特之所以能让人敬佩，主要在于他除了能把资本的游戏玩到极致，更加清楚钱不是目的。

他一方面享受着资本游戏的快乐，另一方面把绝大多数钱捐给了比尔盖茨基金会，完成财富应有的再分配。

同时，他还倡议其他富人也把钱捐出来，倡议国家提高富人的税收，从机制上进行更大力度的财富再分配。

存不存在一些机制让穷人也能卖“保险”给富人，从而实现更精细化的反馈，周期更短的钱从富人向穷人回流的循环呢？

比如说有一千人在夏天的时候就想到在冬天的时候要买一件某种样子的羽绒衣，将联名订单给生产厂商，并愿意按去年的价格出10%的订金。

这种情况下，工厂很有可能是愿意给他们30%的折扣的。因为工厂从联名订单里获得了一个工厂原来不具有的一种需求的确定性。

这种确定性可以转变为利用生产计划低谷进行生产的便利，也可以转化为采购原材料时候的笃定。

工厂甚至可以把这种确定性进一步售卖给上游和配套厂商使得成本进一步降低。

 

每个人（无论是穷人还是富人）对自己的意愿，对于自己在未来某个点的需求和规划比其他人要清楚得多。

这种个人规划和意愿，以及个体对自身某个行为的确定性的把握，对供给方往往是有价值的，它可以降低组织生产的不确定性，可以帮助实现资源以及资本的更有效配置。

因此我猜想资本家和富人是愿意向普通人、穷人反购这种成本的。

这种反向保险不再是穷人积累信用和钱向富人借钱付利息或者是花钱给富人买生活的确定性，而是反过来，富人、资本家出钱给普通人、穷人买他的生产资本配置的确定性。

 

四、用常识做判断，用平常心做事

1.用平常心做事

 

段永平在商业和人生给我的启示是，他说快就是慢，慢就是快。用平常心来做事情会更好，平常人其实很难有平常心。

段永平是一个不断学习、不断进步的人。

他还教给我一个商业常识，就是价格一定会波动，但只要你的价值提升，最终价格会和价值接近。

这个常识让你安心于增加企业的内生价值，不要过度在意资本市场的价格波动。

此外，段永平教我要胸无大志，做好当前就好。

2006年，段永平带上我去参加巴菲特的午餐。我发现巴菲特讲的东西其实特别简单，连我母亲都能听懂。

这顿饭最大的意义可能让我意识到简单和常识的力量。

对一件事做判断时，你需要了解背景和事实，了解之后需要的不是睿智，而是面对事实时是否还有勇气用理性和常识来判断。

常识显而易见、容易理解，但我们因为成长、学习形成的偏见和个人利益的诉求蒙蔽了我们。 

2.幸福和成功，不是一回事

我从小到大受的教育是一直要我学先进，立志做个有用的人的。所以，现在回想起来，我对人生楷模、人生目标，甚至是人生意义的思考都是非常早的。

初中开始，我就设想过自己做科学家、政治家、企业家之类的。读人物传记，想自己最想成为谁。然后又开始很喜欢看一些哲学书，思考诸如“我思故我在”之类的问题。

总之，感觉从我识字开始，好像我就是在不停地给自己设立目标，然后找优化路径去实现这个目标以及我理解的人生大目标。

直到很久以后，我已经创业几年了以后，我才开始意识到目标达成和幸福未必是同一件事。我对幸福的思考、理解和探索是非常晚的。

最开始，我读过本·沙哈尔的《幸福的方法》，然后读到了罗素的《幸福之路》。

读完《幸福之路》，我自己的总结大概就是下面几句话：

第一，要有勇气去面对常识，用常识做理性的判断，用理性的意念指引自己的行动。

第二，要把对成就一个无限完美的自己的兴趣，转移为对外部客观事物的兴趣。

第三，对不可改变，不可能征服的事要会放弃。

这里第一句是核心，因为后两句其实是第一句实践的自然结果。对于第一句，两个关键词是“理性”和“常识”。

① 关于常识

人是宇宙中非常非常渺小的存在，人生的时间又是无比的短暂，能做的能改变的都是极其有限的。这应该是我们时时都应该清楚的背景。

人的思维观念在很大程度上取决于他的出身，年幼时受的教育以及当前自身的利益角色。所以当判断一个权威的观点，或者判断一个世俗通行的看法，一个父母的期望的时候要能知道他的背景，结合他的背景利益角色来看。

在结合了这些背景事实的基础上需要的往往只是常识去判断，更多的需要的不是睿智，而是面对事实时是否有勇气依然追寻理性。

不同地区，不同人群圈子的价值观是不一样的。一个地方的非主流很有可能是另一个地方的主流。在当时英国的罗素看来，美国的主流价值观是比拼财富。而在英国有贵族阶层的时候，贵族阶层的比的更多的是非财富的东西，如艺术。

“普通人性中最令人遗憾的一种人性就是嫉妒，因为嫉妒的人不会从自己拥有的东西中寻找快乐，而会从其他人拥有的东西中找寻痛苦。”

嫉妒是不同阶级，国家，性别之间趋于公平的主要动力。同时，期望通过嫉妒来获得那种公平也会是最糟糕的公平。它在削减幸运者的快乐，而不是增加不幸者的快乐。

“人性的一个特点是总是更乐于给不太需要爱的人爱，就像银行更愿意借钱给不太需要钱的人钱一样。”

“你的动机并不总像你想的那样无私”

“不要过高估计你的价值”

“不要指望别人也像你一样那么看重你”

“所有的不快乐都是由某种分裂或不一致造成的。意识和无意识不协调就会造成自我分裂。不能靠客观兴趣和爱的力量将自己和社会连在一起，就会造成两者不一致。”

② 关于理性

“激发情感不是理性该干的事，尽管理性的一部分作用就是找出可以阻止会危害福祉的情感的方法”。

同时，“理性是不希望减少任何炙热的情感的。有理性的人在干到了全部或部分的这些情感是，会为自己能感受到它们而高兴，并不会加以节制”。

*文章为作者独立观点，不代表笔记侠立场。

参考来源：

1.《读罗素：幸福与对自由的贪婪》，黄峥；

2.《劣币驱逐良币，电影院现象及其他》，黄峥；

3.《把“资本主义”倒过来》，黄峥；

4.《市场多一点，还是计划多一点 － 关于供给侧改革的一点想法》，黄峥；

5.《如创业的投资和如投资的创业》，黄峥。

分享、点赞、在看，3连3连！