随着数据时代的来临，以前的粗放式管理已不再适应潮流，我们需要进行精细化管理，特别是以C端为驱动的运营模式，每一个运营的细节都离不开数据的支撑，互金行业也不例外，各大银行和互联网金融巨头也纷纷在抢占用户数据市场。

首先我们要搭建一套比较完善的数据指标体系。其实搭建数据指标体系，就是在梳理我们的分析思路，很多人在做数据分析时，经常会不知道从哪方面入手，分析的内容和指标也会比较散乱，因此也会被人质疑分析结果是否正确。所以搭建一套完善数据运营指标体系是非常有必要的，它可以帮助我们理顺思路，确保数据分析结构体系化、数据分析维度的完整性以及为后续数据分析的开展指引方向。

指标是连接问题和数据的纽带，只有选择合适的指标才能充分反映问题，一个好的指标是要可量化、易观测的；那么如何来搭建数据指标体系呢？我们可以通过一些营销的管理模型来设计数据指标体系，例如5W2H分析法、4P分析理论、用户生命周期、逻辑树分析法等。

当然相应的分析模型肯定要结合实际业务模式和分析目的来进行，没有业务逻辑的数据分析是不会产生任何价值的。

例如，互金行业中的数据指标体系，我们可以根据用户生命周期来进行搭建。

数据指标体系设计完成后，我们就可以根据用户在不同阶段不同场景下，通过埋点事件来设计数据采集方案，这其实是通过业务驱动指标设计，再驱动数据收集的过程。

三、数据驱动运营增长

那获取到用户数据后，我们要如何应用数据，让数据产生价值呢，我们主要通过以下三方面来进行描述。

01、用数据优化运营策略

通过用户行为数据收集之后，我们就可以知道在运营活动当中，用户浏览注册下载绑卡投资的转化率是多少，每个产品页面浏览时长，浏览次数是多少，首投人数、投资金额等；但数据是要结合业务场景，进行汇总对比分析，才会有意义的，否则就仅仅是数字而已。

例如我们最常见的漏斗分析法，当我们发现用户的投资转化率有30%，这样一看，转化率好像还挺高的，但如果我们跟其他类似产品相对比，跟同环节不同细分用户群相对比，发现其他类似产品或其他细分用户群的转化率是40%，我们才知道这环节上还有很大的优化空间在。

02、利用数据验证运营策略

在互联网产品运营当中，我们经常会遇到多个产品设计和运营方案的选择，甚至于界面按钮颜色一句文案的不同也会有争议，虽然相对于整个运营方案来说，这只是一个细节问题，但对于C端用户来说，往往就是细节决定一切，在这个信息泛滥的时代，往往争取的就是你能不能在第一时刻进入用户的心里。

这时我们可以采取A/B测试，在一切条件都相同的前提下，只有一个变量不同，利用数据来告诉我们那种方案比较可行，让数据来验证运营策略是否正确，降低试错成本；当然在进行A/B测试时，最好是数据量和数据密度不要太低， 以及要有足够的时间进行测试，不然是比较难得到统计结果的。

举个例子，蚂蚁财富app，在引导新用户转化为首投用户时，采取了进度条的展示形式，主要目的就是为了制造紧迫感，虽然是利用用户心理层面因素，但展现形式却有多种。

上面这两种进度条的设计，第一种是利用用户焦虑、恐慌的情绪，让用户觉得在不进行抢购就没有了；第二种则是利用用户大众心理，抢购的人数这么多，那自己是否也可以跟着试试看；这两种设计，各有其考虑的因素，很难说那种会比较好，这时候就可以使用A/B测试，让数据来进行验证。

03、利用数据指导运营策略

数据与数据之间都是有关联的，如果你不知道，那只是你还没有发现它们之间的关联关系而已，最经典的数据分析案例莫过于沃尔玛的啤酒和尿布了，这个案例相信大家都有听说过的， 当一个商业目标对多种行为、画像等信息有关联时，我们就可以通过数据挖掘手段进行数据建模，来预测用户的下一步行为，从而针对性的提出运营解决方案。

例如关于新用户流失严重问题，我们可以采取聚类算法，建立用户流失预测模型，通过数据刻画出流失用户的画像信息，有什么属性特征、行为特征以及流失周期是多长，这样我们可以更加准确的抓住具有潜在流失倾向的用户。

像互金行业，关于用户流失预测模型，我们就可以从用户的投资行为、在投资金以及流失周期来进行构建。

从上面，我们可以看出预流失用户的行为倾向是：近期内无投资行为、有在投资金但想提现的用户，那针对这部分用户，我们就要采取一些留存激活策略了。

最后，数据分析可以给我们提供有效信息，指导营销决策，但也不要迷信数据，要换位思考，这样数据才能发挥其真正价值。

在互联网下半场竞争中实现科学增长，切实让A/B测试发挥增长引擎的作用是应有之义。本文分享了A/B测试对业务转化率提升带来的价值，以及如何在团队中有效推进A/B测试及A/B测试系统科学设计实践等内容。

一、今日头条增长秘籍：A/B测试驱动

抖音可以说是现在增长最火热的公司，流行于大街小巷行走的人们手机之中，它让腾讯感到深深的危机感，被迫应对，从2017年下半年开始，抖音就呈现出现象级爆发式增长。

其母公司字节跳动，估值750亿美元，本身就是一个非常讲究实验、以A/B测试驱动科学增长的公司。

A/B测试对头条系产品来讲是很自然的事情，整个公司从最高管理层张一鸣开始就非常注重。36Kr曾在一篇报道中写道，“头条发布一个新APP，其名字都必须打N个包放到各大应用市场进行多次A/B测试而决定，张一鸣告诉同事：哪怕你有99.9%的把握那是最好的一个名字，测一下又有神马关系呢？”

今日头条从起名字开始就运用了数据思维，创始团队没有头脑风暴，没有投票，没有老大拍板儿，而是采用科学实验的方式，通过数据观测确定了头条的名称。

他们将App Store上各类免费榜单的前10名整理出来，然后根据名字归类（朗朗上口白话类，内涵情怀类，模拟特殊声音类，公司名+用途类等），分析那各类数量占比。分析结论是朗朗上口的大白话效果最好。

其次，分渠道A/B测试，确定先验效果类似的发布渠道，分别投放，界面功能logo完全一样，统计各个渠道的用户下载和活跃等核心数据指标，最后测得《今日头条》效果最好。

二、什么是A/B测试？

A/B 测试是一种产品优化的方法，为同一个优化目标制定两个方案（比如两个页面），让一部分用户使用 A 方案，同时另一部分用户使用 B 方案，统计并对比不同方案的转化率、点击量、留存率等指标，以判断不同方案的优劣并进行决策。

上面图示就是一个典型的A/B测试范例。

在A/B测试比较成熟的公司中，可能并不局限于只有A、B两个版本，可能会有ABC测试、ABCD测试，甚至是ABCDE测试。

有一些情况，可能会出现比较特殊的A/B测试，比如说AAB测试，因为需要验证整个AB测试系统的准确度，需要设置两个对照组，所以叫AAB测试。

不管同时运行几个实验，我们都可以将它们统称为A/B测试，英文为ABtest或ABtest。

结合公开数据和行业深度调查，我们整理了行业A/B测试频率概览图，其中可以看到，公司市值或体量与A/B测试频率呈正相关关系。

像谷歌等大体量公司，它本身具有较为成熟的A/B测试系统与数据分析平台，平均每周A/B测试就多达2000个A/B测试，其中包括一些相对复杂的实验，如推荐算法A/B测试，也有相对简单的A/B测试。至于国内BAT等一线互联网公司，它们每周也会进行上百个A/B测试。

在与我们合作的大部分公司当中，行业分布广泛，比如互联网金融、电商、O2O等厂商，它们自身没有能力和精力自研一套成熟的A/B测试平台，所以他们选择与Testin A/B测试合作，将A/B测试服务快速应用到业务中。

比如，某互联网金融用户，在使用Testin A/B测试前，每周只能做0.1个A/B测试，使用了云测A/B测试服务后，大大提升了A/B测试频率，每周跑大概30个A/B测试实验。

当然，在其每周30个实验中，约有1/3的实验会取得转化率指标提升5%-30%的效果，剩余2/3的实验效果并不理想，未取得较好的数据指标提升。

通过这个例子，我们可以看出，大概2/3的产品设想并不符合预期，就是说转化率其实没有原始版本好。这个也是为什么需要A/B测试的根本原因，凭借产品直觉去做产品决策，但2/3的改进并不是最优解。

上述图表展示的是微软必应搜索引擎A/B测试增长曲线，覆盖Bing从2008年到2015年的时间的A/B测试实验增长情况。

可以看到，在Bing产品初期，每周A/B测试频率维持在10~50个，到2012年之后，Bing A/B测试每周频率进入快速增长。

图表右下角绿色曲线，是Bing移动端的A/B测试频率增长曲线。通过该图表，我们可以看到，Bing非常看重并认真实施A/B测试实验，以驱动数据增长，促进业务发展。

三、A/B测试应用场景及案例

我们先看下A/B测试在移动应用中的四大应用场景，分别是App、落地页、后端算法和小程序。

APP端是目前移动互联网增长的主要载体，PC或H5(如常见的朋友圈刷屏活动)或者广告投放落地页面等则可以归为落地页，还有后端算法场景，如推荐算法、广告算法、千人千面等等。

目前增长最快的应用场景，则是小程序。

在不同的场景，A/B测试的侧重点也有不同，但最核心目标仍然都是围绕业务的增长展开，也就是大家所熟悉的「北极星指标」，或者是 DAU、MAU等在A/B测试中设定的具体目标。

案例一：相机拍照类应用

以Camera360为案例，它选用Testin A/B测试服务帮助其进行产品优化决策。

该案例是其产品商业化过程中的一个尝试，希望提升商店中表情包或道具的付费比例，但要完成付费指标，首先要提升商店入口点击率。

所以，他们设定了多个商店入口方案（更改图标样式、文案），通过A/B测试来验证哪个方案可以最大化提升商店入口点击率。

在验证过程中，他们也针对人群目标做了相关定向测试，如日本、中国、韩国等区域，最终他们针对这一入口同时上线7~8个测试版本，通过A/B测试，将整体点击率提升了80%左右。

案例二

本案例为互联网理财行业的App，他们期望通过更改签到按钮的文案提高签到人数，从而提高留存率，按钮文案由「签到」改为「签到赚钱」，并进行A/B测试，为A、B版本分配了各5%的流量。

在经过测试后发现新版本的签到次数比原始版本签到次数提高4.17%，其中95%置信区间结果显示小范围人群的试验结果推广到全量用户之后，有95%概率获得1.7% 至 6.6%的提升；p-value小于0.05，显示新老版本有显著统计差异，Power 为100%，说明统计功效显著。

通过这次简单的A/B测试，就极大提升了App留存率。

本次测试，也借助Testin A/B测试的可视化功能，直接修改相关元素属性就实现了对照功能，无需开发人员介入。

那产品什么时候需要A/B测试呢？

我们知道进行A/B测试需要成本，比如需要开发多套版本，需要搭建可用的A/B测试及数据分析平台等。

从投入产出比考虑，进行A/B测试平台有2个必要条件，一是产品决策影响大，二是产品方案选择困难。

如果某决策对产品影响很大，但选择不困难，则没有必要进行A/B测试，比方是否决定给App增加微信及第三方登录方式，这对产品影响很大但决策并不困难，因为业界已有常见的解决方案。

再比方说，添加某很细小的功能，且该功能入口极深、用户量不大，那么A/B测试优先级也并不高。只有当一个产品决策同时满足影响大和选择难这两个条件的时候，才最适合进行A/B测试。

拿我们自身进行的测试来说，我们会基于功能影响大小、选择困难程度，对要做测试的功能做好优先级排序，然后判断哪些功能要做A/B测试。

四、A/B测试落地三要素

通过与我们的合作伙伴，如自如、36氪、子弹短信或51信用卡等众多增长团队交流，我们发现A/B测试做到落地有三大关键要素：

• 第一，人的因素，或者说整个团队的思维习惯、思维方式。
• 第二，业务流程，就是增长工作流程。
• 第三，工具。

展开来说，在「人」的角度上，要求整个团队具备数据驱动增长、A/B测试驱动决策的思维习惯，这是最重要的事情。

同时，如果增长或产品团队负责人本身不具备这种意识，认为A/B测试无关紧要，比较依赖经验进行产品优化决策，那么A/B测试做起来也很困难。

对APP也好，包括现在的小程序也好，新型产品层出不穷，产品面对的竞争也异常激烈。加之目前互联网流量红利期逐渐结束，获客成本增加，如果想继续获得业务增长，目前最有效的办法就是落地A/B测试、以数据驱动增长这一路径。

行业发展趋势决定所有团队都会慢慢迁移到用科学的实验进行增长这条路上来，即使你现在的团队推进A/B测试困难，但是我相信不远的将来，A/B测试将是最重要的产品增长驱动力。

我曾与较多欧美增长同行进行过深入交流，有一个很深感受就是他们的互联网企业中 A/B测试氛围更强，主要因为美国人工成本相对较高，他们特别注重投入产出比，所以他们很早进入到精细化运营阶段。

在业务流程上：

• 第一，需要注意你的产品是什么形态，是依托APP、小程序、公众号还是Web网站。不同的业务场景，A/B测试落地方案也会不一样。
• 第二，要考虑A/B测试是否很好融入到了产品迭代或增长团队工作流程中去，最佳实践就是做到将整个产品优化迭代流程、发版节奏与A/B测试紧耦合，形成流水线作业，这也是BAT等公司能够把A/B测试每周频率做到那么高的原因。

在工具方面，一种是自研，另外一种是使用第三方服务。

自研的话，在可控性、业务耦合方面有一定的优越性，但对一般企业来讲，其研发成本、人力成本很高，开发A/B测试服务还涉及到较为严格的数据统计，需要配置专业的数据分析师。

如果使用目前市面上的第三方工具，比如Testin A/B测试服务，可以最大化降低成本、加速业务落地A/B测试服务。

比如，某小程序用户当天接入Testin A/B测试服务后，当天就运行起三个A/B测试实验。无论是自研还是使用第三方工具，关键在于适合自身团队。

五、A/B测试最佳流程实践

A/B测试最佳流程，可分成四个步骤：

• 分析数据：分析现有原始版本的各项数据指标，如注册转化率等，比如说注册转化率仅有10%，针对这一转化率提出想法；
• 提出想法：比方说要改进注册流程，之前用户需要输入短信校验码，计划改成图片校验码，形成改进备选方案。有了该基本假设后，预估大概率可以提升转化率；
• 重要性排序：限于团队资源有限，无法把所有需求想法全部都去验证，这就需要做重要性排序，选择最重要的这几个改进方案去做A/B测试，接着进入第四步；
• A/B测试：在这个过程中，我们要监测A/B测试数据，结果一般有两种，一是数据证明实验无效，一是证明实验有效。我们经过大量测试发现，大部分进行的A/B测试实验，1/3被证明有效， 2/3被证明无效（与原始版本效果差别不大，或者比原始版本效果还坏）。

这里需要大家注意，不是所有的实验都会被证明对指标增长有显著效果，如果是这样，我们就没有必要进行实验了。

如果遇到这种情况，需要告诉自己的团队成员不要灰心，正因为某些实验被证明无效，我们才会找到有效的增长方式。

实验失败是大概率事件，我们最好的办法就是增加测试频率、持续测试，而非浅尝辄止，又回到经验主义决策的老路上。

如果你的团队从来没有做过A/B测试，有三点建议给到大家：

1. 从最简单的文案A/B测试开始，比如说测试关键按钮中不同文案的转化率；
2. 多做团队间的经验分享，多分享你的成功经验，有效果的事情大家都愿意尝试；不要天天去分享失败的经验，如果过多分享失败经验，会让你包括你的团队对A/B测试产生质疑，影响团队士气；
3. 可以优先使用第三方免费的A/B测试工具，比如Testin A/B测试，目前支持App、Web/H5、小程序。

六、企业A/B测试成熟度模型

上面介绍了落地A/B测试的三大关键因素，以及A/B测试的最佳实践流程。在这部分，为大家分享企业A/B测试成熟度模型。

我们把企业A/B测试分成四个阶段，分别是起步阶段、成长阶段、成熟阶段和大规模应用阶段。该能力的成熟度最核心指标，就是每周能做多少个A/B测试。

处于起步阶段，平均每周能做0~1个A/B测试，整个组织架构处于开始尝试A/B测试阶段，但内部没有成型的A/B测试实验平台，仍使用最简单的分流方式和数据分析方法进行实验。

此时的A/B测试并不是一个标准的A/B测试，从实验评价体系角度来看，已经设定一个最基本的指标，比如说转化率，但仍没有体系化。

何为体系化指标？也就是从单一指标演进为多维度指标体系，系统跟踪实验对产品的多方面影响。

第三个阶段就是相对比较成熟的阶段，这个时候每周能做到3~10个测试，A/B测试已经成为产品迭代流程的一部分，并需要可视化A/B测试，后端A/B测试等高级功能，以便满足多样的A/B测试需求。

在成熟和大规模应用阶段，提到了一个名词OEC。OEC，可以理解成综合评价指标，可能是复合型指标，在很多单项指标通过加权平均后得到。 通过OEC的设定，指导整个组织的业绩发展。

七、A/B测试系统设计能力

上面分享了如何落地A/B测试。接下来，跟大家分享下设计一个典型的A/B测试系统，需要具备哪几点能力或特征：

1. 科学流量分割

包括唯一性、均匀性、灵活性、定向性及分层分流。

1. 唯一性是指通过精准且高效的Hash算法，确保单个用户每次登录应用时被分到的试验版本是唯一的；
2. 均匀性，则是确保分流人群，各维度分配比例均匀；
3. 灵活性，则需要支持用户随时在实验的进行过程中，调节实验版本之间的流量分配比例；
4. 定向性，则是可以根据用户标签来实现精准定向分流，如根据用户设备标签及其他自定义标签特定分流；
5. 分层分流，则可以满足并行进行大量A/B测试需求。

左：未开启分层分流机制；右：开启分层分流机制

这里重点介绍下为什么需要分层流量分割机制。如果没有分层流量机制，则存在如下限制：

• 每个用户最多只能参加一个A/B测试实验
• 多个实验不能同时使用全体用户进行测试，可能因为人群覆盖度不够高导致结果偏差每个实验的可用实验流量受限于其他正在进行的实验，缺乏灵活的流量分配机制

有了分层流量分割机制，就可以很好地满足并行进行不同业务或不同场景，或者不同产品模块之间的A/B测试需求。

1. 科学统计算法

• 科学统计，使用科学的统计分析方法来对实验数据进行分析，并给出可靠的试验结果；
• 区间估计，给出95%置信区间，避免点估计带来的决断风险；统计显著性判断，通过p-value来判断不同实验版本之间差异显著性；统计功效判断，通过Power来判断不同实验版本统计功效是否充足；精益分析，对实验数据进行去噪音处理，去除噪音数据，以提高统计结果的质量。

上面就是基本的分享内容，限于篇幅，更多A/B测试后面有机会再与大家分享。

互联网巨头们的动向一直以来也是互联网的风向标，他们的一举一动小到牵动着小型互联网公司的心，大到牵动着整个行业。

腾讯这段时间有两个大动作，微信支付分内测和零钱通公测。

微信支付分变种于微信信用，腾讯想做一个和支付宝芝麻信用对抗的信用体系，但是很明显微信信用没有成功，现在又推出微信支付分想再次挑战芝麻信用。

而微信零钱通就是对标支付宝余额宝，2017年11月就在部分用户中内测，直到这几天才全面上线公测。

据官方介绍，用户开通零钱通后，可以将微信钱包里的资金直接用于微信支付所有场景的消费，并同时自动获取理财的收益。

从这两个功能来看，微信妥妥地又要和支付宝抢市场了。

这不禁让我想起去年对互联网大厂们的金融帝国布局做调研时的一些发现。

互联网领域有句话，叫做站在风口上，猪都能飞起来。而这几年刮过的风口貌似有点多，从打车大战到O2O大战再到共享单车大战，这风口换得是不是有点快？

结果机缘巧合下，调研过程中发现原来这些年从始至终只有一个风口，那就是被支付宝打开的互联网金融风口。

其他的什么打车大战、O2O大战、共享单车大战，全都是被这个风口吹起来的。

一、余额宝的诞生

互联网金融是前几年互联网大厂们布局的主要方向，阿里、腾讯、百度、京东、小米、奇虎360、网易等等，都在抢这一块的市场。

这也是个很奇怪的事，似乎一夜之间，互联网巨头们纷纷干起了金融的业务。

按理支付宝04年就成立了，一直做到2013年的时候都干了快十年，市场上完全没有和支付宝竞争市场的对手。微信支付、百度钱包、小米金融等在12年时是完全没有的。大家都忙着干自己的主业，腾讯做社交、百度做搜索、小米做手机，大家在各自的领域里专注。

互联网金融这件事，在2013年之前，更像是一个功能，不是不做，而是有没有必要专注做的问题。

因此，支付宝虽然2004年就上线了，但却并没有引起一场让巨头们厮杀的战役。支付功能对做电商的阿里来说是必须有的基础服务，但对做社交的腾讯和做搜索的百度来说却显然不是。而当时主打3C的京东，靠着货到付款功能，成功地避免了支付功能缺失带来的不便。

到2010年，阿里小贷成立了，推出了专门针对B端电商卖家的小额贷款。至此，支付宝在支付功能的基础上，有了属于自己的金融业务。然而这也并没有引起外界太大的注意，只是被视为中小电商卖家的福音。

一切似乎都很和谐，BAT依然在各自的领域里称王，互不干涉，完全没有开战的理由。

直到一款产品的横空出世——余额宝。

2013年6月余额宝上线，上线当日7日年化收益6.3%，随时存取。上线6天后突破了5000万的申购。

此举一夜之间登上各大头条，金融业哗然。

最先感受到威胁的是银行业，举个例子：

假如有100个人，每个人手里差不多都有一万块钱的闲钱，因为平时可能要用，大家都存银行活期，只能拿活期的利息。

这时候有个聪明人，把所有人手里的钱集中在一起，一共100万，他拿出其中90万去存定期，剩下10万仍然存活期。

因为大家虽然都会要用钱，但实际上不会每天都用，用的额度也不尽相同，假如每年只有10%的人会急需用钱，那实际上10万块钱就满足了100个人这一年取用的需要。

一年之后，90万定期就会产生定期的收益，把定期收益分给100个人。

于是，大家都得到了接近于定期存款的收益。

在这个过程中，大量的活期存款从银行流出，进入了余额宝，再由余额宝以大额存单的形式存回银行拿到高息。这些功能，其实普通的货币基金也有，但为什么余额宝会让银行睡不着觉。

因为余额宝的用户增长真的太快了，上线后的第18天，余额宝资金规模到达了66亿元。8个月后，余额宝资金规模突破4000亿元。

淘宝+支付宝的10年用户沉淀，一夜之间爆发出了惊人的力量。

这些原本在线下银行体系中不被优待、没有议价能力的小微用户，通过余额宝聚集在一起形成了一个庞然大物。银行失去了天然的垄断屏障，必须支付比之前更高的利息才能让资金重新回到银行。

就像马云所说，支付宝要让银行睡不着觉。

这一仗，支付宝一举成名，正式成为了一个独立角色，不再仅仅只是属于淘宝体系的辅助系统，开始具备了支付、小贷、理财功能的支付宝朝着金融超市的方向大举进军。一个新的独角兽——蚂蚁金服诞生。

二、微信红包的意外

互联网界沸腾了，通过余额宝，他们看到了互联网在金融领域的巨大想象力。

互联网天然地拥有跨地域跨人群的服务海量用户的能力，就像马云曾对沃尔玛说的：“沃尔玛如果要增加1万的新客户，需要建新的商场、新的仓库、新的员工，很多的配套。但对于阿里来说，只需要增加两个服务器。”

金融业同样，银行想要覆盖更多的客户，需要更多的网点，更多的员工，更多的ATM机，每一样都是成本。而互联网企业，只需要在自己的APP里上线这个功能，就可以触达自己的所有用户，唯一需要增加的是服务器。

当阿里为众人打开了这样一个新风口后，无数的互联网公司都纷纷开始金融化。其中，与阿里同样沉淀了海量用户的腾讯，加速抵达战场，开启了与阿里之间旷日持久的支付之战。

2013年8月5日，微信5.0上线，微信支付功能推出，可以绑定银行卡。

微信支付诞生了，然而开局却并不顺利。微信5.0面对的第一个问题是：用户没有理由绑定银行卡。对于用户而言，微信只是一个免费的短信工具，只有信息的交互，没有钱的交互。金钱并没有理由在微信上流通。

没有金钱的流通，自然也不会有绑定银行卡的需求，更没有使用微信支付的需求。这似乎是一个死局，不绑定银行卡就没钱，没钱就没有流通，没有流通大家就没有理由绑定银行卡，不绑定银行卡微信支付就是一个空架子。

那么，在今天已经覆盖了我们生活中大部分支付需求的微信支付，在当时又是如何度过了这个难关呢？

从微信6.0开始说起。

微信5.0中，微信支付功能虽然上线，使用率却很低。2013年第三方统计显示，移动支付市场，支付宝占有率76%，腾讯财付通只有3.3%。这个差距，是支付宝用十年时间奠定的，不止腾讯，百度、京东、网易、小米等大厂，虽然都在抢滩互联网金融风口，却无法在短时间内培养出用户的使用习惯。

对用户来说，我用微信QQ发发信息，用百度搜搜东西，用网易看看新闻发发邮件，我为什么要在你们的平台上有钱的流通？支付宝已经很好用了，并且还有一堆的银行APP，实在没有理由再添加其他的支付工具了。

支付宝靠时间与用户习惯，建立起了一条长长的护城河。

面对此，京东放弃了支付板块，上线了京东白条，从消费金融开始入手。小米拿下了各类经纪牌照，转型为金融渠道。而腾讯呢？却靠着微信6.0中迭代出的一个小应用——微信红包，改变了支付战局。

微信红包是微信支付团队里的一个小团队用自己的业余时间做的一个小项目，没有任何申报，利用手边的资源直接就做了。

这一个小团队，被当时微信支付的总经理吴毅称为一群小孩，他回忆微信红包出现时的场景说，他当时在自己的办公室坐着，觉得外面突然特别吵，一帮人在那里又喊又叫地闹腾，他就推门出去说：“你们在干什么？怎么这么吵啊？上班呢！” 这些小孩就说，“我们做了一个发红包的小应用，特别好玩，你要不要试一试？”

一个是点对点红包，一个是拼手气红包，当时是作为一个插件安装在微信里，大家开始测试，这时候就有人顺手把一个红包丢到了腾讯的一个大群里。

于是，一个从根本上改变了支付宝和微信支付战局的产品，就这样发布了。而在此之前，腾讯内部都不知道有这样一个产品。

2014年1月26日，腾讯财付通微信公众账号推出了“新年红包”，用户只要关注账号就可以向好友发送或领取红包。

一夜之间，微信红包以病毒式传播的模式在社交网络中蔓延开来。春节期间，达到了458万用户参与，收发红包数量达1600万个。

在红包的催化下，微信绑卡量呈指数级增长，因为收到红包的用户，很多会选择提现，自然就会触发银行卡绑定行为。

就这样，微信红包的出现，打破了微信5.0的死局。从一个点开始，依托着微信社交网络，完成了微信支付的冷启动。

对比支付宝，在2013年12月时，支付宝宣布拥有了3亿实名认证用户。微信支付与支付宝的用户数差距，显然还很大。然而微信已经找到了方向，靠微信红包，微信支付7个月时间就拥有了485万用户。

这样的利器，当然要放大使用。

2015年2月9日，微信放出大招——春晚红包。

2015年春节期间，微信联合各类商家推出“春节摇红包”活动，金额超过5亿的现金红包。活动在除夕当晚进入高潮，伴随着春晚主持人口播详细的互动引导后，用户点击微信“发现—摇一摇”进入即可参与“摇红包”。同时，每个抢到红包的用户，还可额外领取多个“红包”分享给好友领取，让大家共同讨个好彩头。

于是，通过春晚这个中国最强节日，无数人坐在电视机前，跟随着主持人的声音，疯狂的摇晃着自己的手机。

春晚过后，微信支付完成了从400万用户到1亿用户的增长。而支付宝积累一亿用户用了多久呢？大概是8年，而微信支付只用了一天。

微信红包的崛起，被马云称之为“偷袭珍珠港”。

至此，微信支付从支付宝的追赶者变成了支付宝的对手，阿里与腾讯的支付之战彻底打响。

三、吹起无数风口的支付战

春节红包是微信支付崛起的开端，它不仅让微信支付在移动支付市场中攻城略地，也奠定了微信支付在移动支付业务的一席之位，同时也代表移动支付市场从电商主导的时代开始向以社交为主导的时代转变。

对此，马云发表内部讲话，“以前，我们对别人、别的行业呼吁’天变了’，今天我们发现自己头顶上的天也变了……我们绝对不能轻视这瞬息万变的时代，很有可能是由于我们中的任何一个人的疏忽和不求进步，让2013年成了我们最后一个好年。”

支付宝的反扑正式开始。

第一局，春晚红包战

2016年阿里砸了2.69亿拿下了猴年春晚的合作资格，推支付宝红包。支付宝抢到了春晚这张王牌，靠春晚崛起的微信红包在2016年则只能无奈转战其它战场。

那么春晚红包之战，阿里算赢了吗？梁宁对猴年支付宝红包是这么总结的：

支付宝红包怎么做的？它设计了一个玩法“集齐五福，分两亿现金”。大家肯定也有印象，一堆人都集齐了四福，就差最后一张敬业福。

我们来盘点数字，支付宝一共发出了82万张敬业福。而所有用户里，集齐五福的有多少呢？79万。

这样一听没什么概念。我们再扔两个数据出来，参加这个活动的用户有多少呢？最少不可能少于2000万用户，而活动当年支付宝的总用户是多少呢？四亿用户。

互联网领域讲究用户的爽点与痛点，什么叫爽，就是被满足。被满足的感觉就是爽，不被满足就是不爽。用户满怀期待，努力了半天去集福，集齐了四个，最后一个没集着，肯定不爽。

2016年支付宝红包的不爽率有多高？支付宝花了2.69亿去打广告，79万人中奖。如果有2000万用户参与支付宝抢红包的话，那么96%的人是不爽的。如果支付宝四亿用户都去参与了抢红包，那么99.8%的人都是不爽的。

花2.69亿让90%多的用户不爽，这就是支付宝红包最终战果。

最终，在之后几年的春晚红包战中，再也没有哪个产品成功复制微信红包的战绩，春晚红包与其他所有营销手段一样，越用效果越差，因为用户已经不愿意在参与这种让他们感觉无聊的互动了。

第一局，春晚红包大战：微信支付VS支付宝，微信赢。

第二局，滴滴快的打车补贴大战

滴滴快的的打车补贴战开始时间，其实是早于春晚红包战的。

2013年04月，快的获得阿里巴巴、经纬创投1千万美金的A轮融资；2013年8月，快的打车接入支付宝。

2013年04月，滴滴获得B轮腾讯融资1500万美金，2014年1月04日，滴滴打车接入微信支付，1月10日，嘀嘀宣布使用微信支付，乘客车费立减10元、司机立奖10元。

10天后，快的和支付宝接招，宣布与滴滴相同的补贴措施。此后，双方更是携各自“干爹”腾讯和阿里疯狂砸钱。

一直到2014年5月17日滴滴快的同时宣布取消乘客补贴。滴滴称已经补贴了14亿元；快的也称补贴超过10亿元。

这场大战开始的猝不及防、毫无征兆，战火却一夜之间烧遍全国。短短几个月时间，双方直接烧掉了24亿，这让没有巨头资本支持的其他所有打车玩家瞬间出局，只剩下嘀嘀和快的。

到了2015年2月14日，滴滴与快的宣布战略合并，打车大战终结。

这一场战争开始得快，结束得快，甚至烧钱也烧得很快。这就变成了当年许多投资人复盘的案例，为什么这个风口起来的这么快，结束的也这么快？

最终对这场战斗的复盘，最接近核心的结论是——这其实是移动支付市场上腾讯与阿里巴巴的战争，在腾讯与阿里巴巴的支持下，这场移动支付的“启蒙”战争，以线下支付为场景，发挥了重要的作用。

在投资人看来，这一场战争的开始，本来就不是由这个行业自己带起来的，是腾讯和阿里为了争夺移动支付市场而带动的。

这是支付宝与微信支付站在同一起跑线上的第一场大战，在线下场景中实现移动支付需求的激发，他们通过补贴大战，共同完成了教育用户的使命。

如果不是有微信红包这个意外产物，在打车大战结束时，微信支付的用户增长，其实是与支付宝齐平的。毕竟对于靠补贴烧出来的用户来说，同时拿两家的补贴显然更为划算不是么。

第二局，打车补贴大战：微信支付VS支付宝，平手。

第三局，O2O大战

O2O的定义，一直很模糊，如果非要形容，大概就是将所有线下业务，搬到线上。这是当年提到比较多的一个定义。

2015年，阿里联合蚂蚁金服斥资60亿复活了口碑，百度旗下的百度外卖也独立发展开放融资，腾讯连续投资了美团、58。同时，总计有94家公司于BAT等巨头发生资本关系，其中O2O领域的公司数量最多。

一时间，行业风口论形成，大量资本疯狂涌入O2O，由此引发了持续一年之久的O2O投资和创业热潮。

由于资本的关注，加之进入门槛低，引来大批创业者涌入这一领域，与此同时O2O开始了野蛮生长。一时间餐饮、汽车、家教、美妆、洗染、家政等，几乎所有的行业都出现了O2O。

为了快速拓展市场，初创的O2O大多选择“烧钱”的方式对用户进行补贴。2015年O2O的火热，也着实让中国的消费者享受到不少实惠。上门O2O烧饭饭为了快速吸引用户，仅需花几块钱就可以吃到星级厨师烧的菜；票务O2O推广业务时，用户只需8.8元就能看一场好莱坞大片。

还是熟悉的配方，还是熟悉的味道。到这里，我们感受到了与滴滴快的打车大战时相同的烧钱与疯狂。

而最终，与打车大战相同，风口来得快去得也快，半年后，O2O退烧，风口论不再，泡沫破灭后只剩下一地鸡毛，O2O行业甚至一度被投资人冠上了骗子的称号。

从整个结果来看，所谓的O2O，不过是将所有线下场景，全都植入移动支付需求的一种总称，它的疯狂完全不是由用户需求推动的。而是作为BAT支付战的战略布局，背负着完成渗入线下全场景的使命，被巨量资本吹起来的风口。

当风停下时，整个O2O大战最终留下的，是如今我们随处可见的二维码支付和手机外卖。

整个大战BAT全部参与，然而百度明显掉队。曾经的外卖三巨头，百度外卖已死，美团外卖归腾讯、饿了么归阿里。门店里随处可见的是支付宝和微信支付二维码相依相随。

这一局：百度输，阿里、腾讯平手。

第四局，共享单车大战

开局就是双寡头格局，腾讯投摩拜，阿里转头投了ofo。

经历过O2O洗礼的创投圈，这次清醒了很多，一开始就不看好共享经济，也看得很明白，共享经济就是噱头，真正打得是高频出行场景。

然而不管多不看好，16年的科技圈新闻基本被共享经济承包了，摩拜、ofo的融资消息天天刷屏，甚至进军海外。最终哄得各路资本蠢蠢欲动，以至于后面出现了优拜、小鸣、小蓝、町町等等共享单车项目。

这一次，游戏结束得比O2O还要惨烈。

还是同样的开场方式，摩拜和ofo大笔融资，同样补贴大战获得了大批用户。

其它单车项目也纷纷效仿，先融资、先烧钱，未来再谈盈利。

但所有人都没能活到未来。

长期的烧钱，让摩拜和ofo的资金链都出现了不同程度的危机。

2017年两家公司拿融资拿到手软的时候，就先后爆出了“欠薪”“挪用用户押金”等新闻。等到17年4月美团宣布收购摩拜，有媒体报道称，摩拜债务总额合计超过10亿美元，现有股东已放弃继续支持，也没有新的资本再愿意入场。

紧接着5月，一名对ofo财务情况比较了解的业内人士接受媒体采访时称，ofo对供应商欠款12亿元左右，城市运维欠款近3亿元，合计欠款15亿元，但账面可动用现金不足5亿元。

摩拜、ofo过得不太如意，但毕竟还有腾讯、阿里护盘。

而跟随其后涌入共享单车领域的其他人，则不那么好过了，町町单车被爆出非法集资，创始人被抓；悟空单车资金链断裂，丢车率高达90%；小蓝单车被滴滴买下，车是滴滴的，欠款还是小蓝的。

再一次应验了打车大战和O2O大战的轮回，风口过后，一地鸡毛。

这一局，阿里与腾讯依旧得到了他们交给共享单车的任务回报——高频支付场景+出行数据。

四、新战局的开启

复盘了互联网金融风口的形成和抢占高频支付场景过程中被巨头带起的无数浪花，其实是件蛮有意思的事情。再看看前面我们提到的微信支付分内测和零钱通公测，不难看出，微信与支付宝之间的战役还远没结束，这中间我们甚至省略了一些像支付宝意图搞社交的事情。

巨头们的战役远比想象的要威力巨大，它们的战略需求可以一夜之间吹起一个行业。而当它们离场，一切又瞬间幻灭。

不论如何，双寡头格局已经形成，接下来巨头们又会掀起哪些风浪，让我们拭目以待。

一直在思考，互联网推广的本质是什么？

后来，终于想通了，推广就是一个劝服用户做某件事的过程，我们引导用户关注APP、去下载、去使用、去回访、去下单、不要流失，等等。

推广文案就是一个劝服用户采取某些行动的文案。首先，向大家展示行动力公式：

用户行动=动机力量-障碍力量

任何行动都需要背后有动机驱动，阻力是普遍存在于自然界的，只有给予足够大的动机力量。

帮用户扫平一切障碍力量，用户才会按照我们的方向去采取行动。

动机力量=理性需要+情绪激动+感官愉悦

理性需要、激动的情绪（冲动）、感官的愉悦组成了人类行为动机的三大因素：

理性需要指的是用户通过理性分析，觉得做这个动作时对自己有好处的，然后就去付诸实践。

情绪激动是指当用户情绪激动时，会因为冲动做出某些盖过理性的举动，比如小时候妈妈说男孩子不能哭，但是有时很委屈的时候，还是会忍不住哭出来。

感官愉悦是指用户收到强大的感官刺激后，做出了某些特殊的行为。

比如广东人看到雪和河南人看到海，都会举起双手去拥抱它（笔者广州人，第一次看到雪的时候直接在地上滚了好久）。

1. 从理性需要去写文案

客观地陈述用户使用产品后能够获得的利益点，就是通过具象化理性去说服用户。

用好定位，直抒己见：

如果你的产品有一个很特别的产品定位，那么不要犹豫了，直接告诉你的用户吧，理性足以劝服他们去购买这个商品。

一些红海品类尤其要善用定位，突出“我们在某方面做得更好” 。

典型例子如：

怕上火，喝加多宝！

都是饮料，我们再去火做得更好。

小米6，拍人更美！

都是拍照手机，我们拍人更美。

给予一个跟用户相关的理由：

有时候，一些产品设计很好，但是用户总会感觉得跟自己好像关系不大，这时候，可以给他们一个理性的理由。这里是一个生活上的例子：

前些日子，我家换车。像大多数女性一样，妻子对汽车只是颜控，她们对汽车的性能和空间并没有多大要求，而我们男性多数都会喜欢SUV的空间感和驱动力。

如果我跟妻子理性地阐述汽车的动力组成和悬挂设备，她一定是无感的。于是，我这样阐述了SUV的好处：

“后排宽敞的空间，可以轻易放进一张儿童座椅，另外两位坐在后排的成年人也不会感到拥挤！”

于是，妻子同意了。说真的，这台车的颜值的确不高，过高的地盘，粗矿的外形，妻子是肯定不会喜欢的，我只能够从她关注的“儿童座椅”和后排舒适度着手去说服她同意。

给予一个正当消费的理由：

我们在购买某些产品的时候，总会带着一些负罪感，可能是因为贵，甚至可能根本没什么卵用。

这里介绍一个东东——洗碗机，洗碗机成为了很多家庭中的一件厨房装饰品，事实上很多人只是买回去，但是却不怎么用，那当初这些用户是怎么被劝服购买的呢？

首先，很多新婚夫妻的都是不愿意洗碗的（说的就是你，别不认了），但是被长辈打上“不做家务”的标签，又是我不愿意的。于是，就有了以下文案：

• “XX洗碗机，全为你的健康，比起手洗，细菌附着率少99%”

• “XX洗碗机，全为家人健康，精洗水果，农药残留低达0.001%”

我们不是帮你解决“懒”的问题，我们是在帮你解决“健康”问题哦！就这样，给了用户一个正当的理由去消费。

理性文案是写作文案的基础，很多时候，理性需要就是产品本身的卖点，再加以挖掘，变成一个为核心用户量身定做的理由。

2. 让用户情绪激动

兴奋

当男人看到漂亮性感的女人，当小女生看到赤裸上身的彭于晏，当南方人看到雪，当中原人看到海，是的，这就是人类无法压抑的神秘情感——兴奋。

“You know you’re not the first, but do you really care?”

“你知道你不是第一个跟她***的，可是，你在乎吗？”

这是阿斯顿马丁的二手车广告，把二手车打比方为***，极具挑逗力，再配上插图，简直让人尖叫。

不过，这种开车的广告，在我国还是少搞，可能会引起舆论的强烈批判。

恐惧

人生，就是一个不断获得，又不断失去的过程。人们害怕失去，人们对生活没有安全感，为了平息自己的恐惧，我们做了很多理性以外的选择。

场景化地展示一个让人恐惧的情景，有助于刺激用户发生行为。

“不知何时开始，我害怕阅读的人。”

这是一个最为经典的恐惧案例，恐惧拿捏得刚刚好，不至于“吓死”用户。

（如儿童手表的售卖如果老师说儿童拐卖的例子，那就是吓死用户），用户又可以通过购买他们所销售的商品——书籍，来解决他们心中的恐惧。

“每增加100名用户报名，我们将增加10元报名费”

前段时间，新世相的营销课程红遍了朋友圈，他们采取了阶梯收费的形式，利用用户害怕失去当前优惠价格的恐惧，来引导用户尽快完成订单。

3. 让用户感同身受

文案需要场景化，需要调动起用户的感官体验。

占领用户的感受器官，全方位地占领用户的视觉、听觉、嗅觉、味觉、触觉，自己去亲身体验产品，把产品能带来的感官享受，告诉你的用户。

乐纯酸奶的品牌文案，让我听到就会分泌唾液。

“每一口都像在舔盖儿。”

小米行李箱的文案，让我从触觉感受到把握着它时的舒适，读到这句文案的时候，手中一股暖流。

“舒服，仿佛拉着恋人的手。”

障碍力量=货币成本+心力成本+安全性疑虑

1. 让用户觉得不贵

广东有一句谚语，叫做“小数化长计”，意思就是每天一点点的花费，一年下来就是很多很多了。

同样，我们可以反向使用这个思路，把一些价格略高的产品分摊到每一天去，这样子用户就不会感觉到价格高昂，而愿意为产品埋单。

有机大米比普通大米要贵两倍，一公斤要贵10块，每次购买一袋就要贵上50块了。于是，就有了如下的文案：

“一家三口每顿饭只需要多3块钱，就能吃到香甜软糯的五常有机大米，为孩子的成长注入动力。

每个月少吃一顿麦当劳，就能获得这一份大自然的健康馈赠，何乐为不为？”

文案中用到了“大数化小”和“类比计价“的写作技巧，将每月两袋大米贵90元拆分成30天，再将90块的价值等价为一家三口吃一顿麦当劳。

2. 帮助用户选择，减少抉择的心力成本

在某课外补习机构楼下，有一个咖啡屋，放了好多凳子，很多家长等孩子的时候，就会坐上去，服务员就会过来问：

“先生，需要摩卡、榛果拿铁还是香草拿铁呢？我们今天榛果拿铁特价哦”

据我的观察，70%的家长都会点一杯咖啡。想象一下，如果服务员问“先生需要喝点什么？”，家长可能就直接离开座位，站着等自己的孩子了。

这就是帮用户直接删除一个障碍，让用户跳过选择是否消费，而直接选择消费什么。

3. 让用户得到安全感

新产品对于用户充满未知性，表现最明显就是互联网金融理财产品，凭什么我会把我辛辛苦苦的血汗钱存进去呢，P2P跑路的新闻可是一个接着一个啊。

但互联网金融的运营同事们，总有着特别的文案技巧。

• 名家背书

美国沃顿商学院+一个外国西装革履的老头子，俨然一副权威可信的样子，让用户一下子就记住了飞贷，也感受到了飞贷的安全性。

这里还提一下，入选美国沃顿商学院的这一个定位十分特别，快速占领了用户心智，也是值得借鉴的。

• 数据说话

“人人贷累积出借人数858395，累积出借人赚取550342万元。”

“3分钟借10万，已有108万人成功申请。”

简单地陈列数据，有力地证明了人人贷的实力，无需多言就证明了自己的稳健可靠。

我们来整合整条公式：

用户行动=理性需要+情绪激动+感官愉悦-货币成本-心力成本-安全性疑虑

虽说这是一条万能公式，但是写作能力的提升需要经过无数的锻炼、效果的增长则需要通过无数次AB测试和数据分析，才能写出更好的文案和达成更好的效果的。

我们一起努力！

提起数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表。其实，“ 分析 ”本身是每个人都具备的能力；比如根据股票的走势决定购买还是抛出，依照每日的时间和以往经验选择行车路线；购买机票、预订酒店时，比对多家的价格后做出最终选择。

这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。

一.数据分析的战略思维

无论是产品、市场、运营还是管理者，你必须反思：数据本质的价值，究竟在哪里？从这些数据中，你和你的团队都可以学习到什么？

1.1 数据分析的目标

对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值 ，驱动企业业务增长。

1.2 数据分析的作用

我们常常讲的企业增长模式中，往往以某个业务平台为核心。这其中，数据和数据分析，是不可或缺的环节。

通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务，重新投入用户的使用，从而形成形成一个完整的业务闭环。这样的完整业务逻辑，可以真正意义上驱动业务的增长。

1.3 数据分析进化论

我们常常以商业回报比来定位数据分析的不同阶段，因此我们将其分为四个阶段。

阶段1：观察数据当前发生了什么？

首先，基本的数据展示，可以告诉我们发生了什么。例如，公司上周投放了新的搜索引擎 A 的广告，想要比对一周下来，新渠道 A 比现有渠道 B 情况如何，A、B 各自带来了多少流量，转化效果如何？ 又比如，新上线的产品有多少用户喜欢，新注册流中注册的人数有多少。这些都需要通过数据来展示结果，都是基于数据本身提供的“发生了什么”。

阶段2：理解为什么发生？

如果看到了渠道 A 为什么比渠道 B 带来更多的流量，这时候我们就要结合商业来进一步判断这种现象的原因。这时候我们可以进一步通过数据信息进行深度拆分， 也许某个关键字带来的流量，也许是该渠道更多的获取了移动端的用户。这种数据深度分析判断，成为了商业分析第二个进阶，也同时能够提供更多商业价值上的体现。

阶段3：预测未来会发生什么？

而当我们理解了渠道 A、B 带来流量的高半年销量不到百万部，苹果要放弃印度市场吗？低，就根据以往的知识预测未来会发生什么。在投放渠道 C、D 的时候，猜测渠道 C 比渠道 D 好，当上线新的注册流、新的优化，可以知道哪一个节点比较容易出问题；我们也可以通过数据挖掘的手段，自动预测判断 C 和 D 渠道之间的差异，这就是数据分析的第三个进阶，预测未来会发生的结果。

阶段4：商业决策

所有工作中最有意义的还是商业决策，通过数据来判断应该做什么。而商业数据分析的目的，就是商业结果。当数据分析的产出可以直接转化为决策，或直接利用数据做出决策，那么这才能直接体现出数据分析的价值。

1.4 数据分析的 EOI 框架

EOI 的架构是包括 LinkedIn、Google 在内的很多公司定义分析型项目的目标的基本方式，也是首席增长官在思考商业数据分析项目中一种基本的、必备的手段。

其中，我们先会把公司业务项目分为三类：核心任务，战略任务，风险任务。以谷歌为例，谷歌的核心任务是搜索、SEM、广告，这是已经被证明的商业模型，并已经持续从中获得很多利润。谷歌的战略性任务（在 2010 年左右）是安卓平台，为了避免苹果或其他厂商占领，所以要花时间、花精力去做，但商业模式未必成型。风险任务对于创新来说是十分重要的，比如谷歌眼镜、自动驾驶汽车等等。

数据分析项目对这三类任务的目标也不同，对核心任务来讲，数据分析是助力（E），帮助公司更好的盈利，提高盈利效率； 对战略任务来说是优化（O），如何能够辅助战略型任务找到方向和盈利点；对于风险任务，则是共同创业（I），努力验证创新项目的重要性 。首席增长官需要对公司业务及发展趋势有着清晰的认识，合理分配数据分析资源、制定数据分析目标方向。

二.数据分析的3大思路

而面对海量的数据，很多人都不知道从如何准备、如何开展，如何得出结论。下面为大家介绍做数据分析时的 3 个经典的思路，希望在数据分析的实际应用中能给大家带来帮助。

2.1数据分析的基本步骤

上面我们提到了数据分析与商业结果之间关联的重要性，所有商业数据分析都应该以业务场景为起始思考点，以业务决策作为终点。数据分析该先做什么、后做什么？基于此，我们提出了商业数据分析流程的五个基本步骤。

第一步，要先挖掘业务含义，理解数据分析的背景、前提以及想要关联的业务场景结果是什么。

第二步，需要制定分析计划，如何对场景拆分，如何推断。

第三步，从分析计划中拆分出需要的数据，真正落地分析本身。

第四步，从数据结果中，判断提炼出商务洞察。

第五步，根据数据结果洞察，最终产出商业决策。

举个例子：

某国内互联网金融理财类网站，市场部在百度和 hao123 上都有持续的广告投放，吸引网页端流量。最近内部同事建议尝试投放神马移动搜索渠道获取流量；另外也需要评估是否加入金山网络联盟进行深度广告投放。

在这种多渠道的投放场景下，如何进行深度决策？ 我们按照上面商业数据分析流程的五个基本步骤来拆解一下这个问题。

第一步：挖掘业务含义。

首先要了解市场部想优化什么，并以此为北极星指标去衡量。对于渠道效果评估，重要的是业务转化：对 P2P 类网站来说，是否发起 “投资理财” 要远重要于 “访问用户数量” 。所以无论是神马移动搜索还是金山渠道，重点在于如何通过数据手段衡量转化效果；也可以进一步根据转化效果，优化不同渠道的运营策略。

第二步，制定分析计划。

以 “投资理财” 为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及最终转化的效果。记下俩可以持续关注这些人重复购买理财产品的次数，进一步判断渠道质量。

第三步，拆分查询数据。

既然分析计划中需要比对渠道流量，那么我们需要各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单等类型数据，进行深入的分析和落地。

第四步，提炼业务洞察。

根据数据结果，比对神马移动搜索和金山网络联盟投放后的效果，根据流量和转化两个核心KPI，观察结果并推测业务含义。如果神马移动搜索效果不好，可以思考是否产品适合移动端的客户群体；或者仔细观察落地页表现是否有可以优化的内容等，需找出业务洞察。

第五步，产出商业决策。

根据数据洞察，指引渠道的决策制定。比如停止神马渠道的投放，继续跟进金山网络联盟进行评估；或优化移动端落地页，更改用户运营策略等等。

以上这些都是商务数据分析拆解和完成推论的基本步骤。在接下来的内容中，我们都会有这个分析思路。

2.2 内外因素分解法

在数据分析的过程中，会有很多因素影响到我们的北极星指标，那么如何找到这些因素呢？在此向大家推荐内外因素分解法。内外因素分解法是把问题拆成四部分，包括内部因素、外部因素、可控和不可控，然后再一步步解决每一个问题。

举个例子：

某社交招聘类网站，分为求职者端和企业端。其盈利模式一般是向企业端收费，其中一个收费方式是购买职位的广告位。业务人员发现， “发布职位” 的数量在过去的 6 月中有缓慢下降的趋势。对于这类某一数据指标下降的问题，可以怎么分析呢？

根据内外因素分解法，我们可以从四个角度依次去分析可能的影响因素。

内部可控因素：产品近期上线更新、市场投放渠道变化、产品粘性、新老用户留存问题、核心目标的转化。

外部可控因素：市场竞争对手近期行为、用户使用习惯的变化、招聘需求随时间的变化。

内部不可控因素：产品策略（移动端/PC端）、公司整体战略、公司客户群定位（比如只做医疗行业招聘）。

外部不可控因素：互联网招聘行业趋势、整体经济形势、季节性变化。

有了内外因素分解法，我们就可以较为全面地分析数据指标，避免可能遗失的影响因素并且对症下药。

2.3 DOSS 思路

DOSS 思路是从一个具体问题拆分到整体影响，从单一的解决方案找到一个规模化解决方案的方式。首席增长官需要快速规模化有效的增长解决方案，DOSS 是一个有效的途径。

举个例子：

某在线教育平台提供免费课程视频，同时售卖付费会员，为付费会员提供更多高阶课程内容。如果我想将一套计算机技术的付费课程，推送给一群持续在看 C++ 免费课程的用户，那么数据分析应该如何支持呢？

我们按 DOSS 思路的四个步骤，分解如下：

具体问题：预测是否有可能帮助某一群组客户购买课程。

整体影响：首先根据这类人群的免费课程的使用情况进行数据分析、数据挖掘的预测，之后进行延伸，比如对整体的影响，除了计算机类，对其他类型的课程都进行关注。

单一回答：针对该群用户进行建模，监控该模型对于最终转化的影响。

规模化方案：之后推出规模化的解决方案，对符合某种行为轨迹和特征的行为进行建模，产品化课程推荐模型。

三.数据分析的8种方法

上面介绍了3个经典分析思路，它们可以帮你搭建一个清晰的数据分析思路框架。那么对于具体的业务场景问题，我们又该怎么办呢？我们以一个电子商务网站为例，用数据分析产品 GrowingIO 对该网站进行快速地数据采集、清晰和可视化展示，然后给大家分享这 8 种常见的数据分析方法。

3.1 数字和趋势

看数字、看趋势是最基础展示数据信息的方式。在数据分析中，我们可以通过直观的数字或趋势图表，迅速了解例如市场的走势、订单的数量、业绩完成的情况等等，从而直观的吸收数据信息，有助于决策的准确性和实时性。

对于电子商务网站，流量是非常重要的指标。上图中，我们将网站的访问用户量（UV）和页面浏览量（PV）等指标汇汇聚到统一的数据看板（Dashboard），并且实时更新。这样的一个数据看板，核心数字和趋势一目了然，对于首席增长官来说一目了然。

3.2 维度分解

当单一的数字或趋势过于宏观时，我们需要通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。在选择维度时，需要仔细思考其对于分析结果的影响。

举个例子，当监测到网站流量异常时，可以通过拆分地区、访问来源、设备、浏览器等等维度，发现问题所在。图 7 中，当天网站的访问用户量显著高于上周，这是什么原因呢？当我们按照访问来源对流量进行维度拆分时（图 9 ），不难发现直接访问来源的访问量有非常大的提升，这样就进一步把问题聚焦了。

3.3 用户分群

针对符合某种特定行为或背景信息的用户，进行归类处理，是我们常常讲到的用户分群（segmentation ）的手段。我们也可以通过提炼某一群用户的特定信息，创建该群体用户的画像。 例如访问购物网站、寄送地址在北京的用户，可以被归类为“北京”用户群体。而针对“北京”用户群体，我们可以进一步观察他们购买产品的频度、类别、时间，这样我们就创建出该用户群体的画像。

在数据分析中，我们往往针对特定行为、特定背景的用户进行有针对性的用户运营和产品优化，效果会更加明显。上图中，我们通过 GrowingIO 的用户分群功能将一次促销活动中支付失败的用户挑选出来，然后推送相应的优惠券。这样精准的营销推广，可以大幅度提高用户支付的意愿和销售金额。

3.4 转化漏斗

绝大部分商业变现的流程，都可以归纳为漏斗。漏斗分析是我们最常见的数据分析手段之一，无论是注册转化漏斗，还是电商下单的漏斗。通过漏斗分析可以从先到后还原用户转化的路径，分析每一个转化节点的效率。

其中，我们往往关注三个要点：

第一，从开始到结尾，整体的转化效率是多少？

第二，每一步的转化率是多少？

第三，哪一步流失最多，原因在什么地方？流失的用户符合哪些特征？

上图中注册流程分为 3 个步骤，总体转化率为45.5%；也就是说有 1000 个用户来到注册页面，其中 455 个成功完成了注册。但是我们不难发现第二步的转化率是 56.8% ，显著低于第一步 89.3% 和第三步转化率 89.7%，可以推测第二步注册流程存在问题。显而易见第二步的提升空间是最大的，投入回报比肯定不低；如果要提高注册转化率，我们应该优先解决第二步。

3.5 行为轨迹

关注行为轨迹，是为了真实了解用户行为。数据指标本身往往只是真实情况的抽象，例如，网站分析如果只看访问用户量（UV）和页面访问量（PV）这类指标，断然是无法全面理解用户如何使用你的产品。

通过大数据手段，还原用户的行为轨迹，有助于增长团队关注用户的实际体验、发现具体问题，根据用户使用习惯设计产品、投放内容。

上图中展示了一位用户在某电商网站上的详细行为轨迹，从官网到落地页，再到商品详情页，最后又回到官网首页。网站购买转化率低，以往的业务数据无法告诉你具体的原因；通过分析上面的用户行为轨迹，可以发现一些产品和运营的问题（比如是不是商品不匹配等等），从而为决策提供依据。

3.6 留存分析

在人口红利逐渐消褪的时代，留住一个老用户的成本要远远低于获取一个新用户。每一款产品，每一项服务，都应该核心关注用户的留存，确保做实每一个客户。我们可以通过数据分析理解留存情况，也可以通过分析用户行为或行为组与回访之间的关联，找到提升留存的方法。

在 LinkedIn，增长团队通过数据发现，如果新用户进来后添加 5 个以上的联系人（上图红色线条），那么他/她在 LinkedIn 上留存要远远高于那些没有添加联系人（上图绿色和紫色的线条）的留存。 这样，添加联系人称为 LinkedIn 留存新用户的最核心手段之一。

除了需要关注整体用户的留存情况之外，市场团队可以关注各个渠道获取用户的留存度，或各类内容吸引来的注册用户回访率，产品团队关注每一个新功能对于用户的回访的影响等等，这些都是常见的留存分析场景。

3.7  A/B 测试

A/B 测试用来对比不同产品设计/算法对结果的影响。产品在上线过程中经常会使用 A/B 测试来测试不同产品或者功能设计的效果，市场和运营可以通过 A/B 测试来完成不同渠道、内容、广告创意的效果评估。

举个例子，我们设计了两种不同的产品交互形式，通过比较实验组（A 组）和对照组（B 组）的访问时长和页面浏览量两个衡量指标，来评估哪一种交互形式更佳。

要进行 A/B 测试有两个必备因素：第一，有足够的时间进行测试；第二，数据量和数据密度较高。因为当产品流量不够大的时候，做 A/B 测试得到统计结果是很难的。而像 LinkedIn 这样大体量的公司，每天可以同时进行上千个 A/B 测试。所以 A/B 测试往往在公司数据规模较大时使用会更加精准，更快得到统计的结果。

8.数学建模

当一个商业目标与多种行为、画像等信息有关联性时，我们通常会使用数学建模、数据挖掘的手段进行建模，预测该商业结果的产生。

作为一家 SaaS 企业，当我们需要预测判断客户的流失时，可以通过用户的行为数据、公司信息、用户画像等数据建立流失模型。利用统计学的方式进行一些组合和权重计算，从而得知用户满足哪些行为之后流失的可能性会更高。

我们常常说，不能度量，就无法增长，数据分析对于企业商业价值的提升有着至关重要的作用。当然，仅仅掌握单纯的理论还远远不够，实践出真知。数据分析的方法大家不妨在自己日常工作中，有分析相关项目里尝试使用，相信可以事半功倍，创造更多商业价值。

读过我第一篇文章互金运营入门指南（一）：一篇搞懂6类互金产品的同学应该知道：第一篇主要在介绍各类互金业务、玩家、盈利模式、核心能力要求等，其实是在帮助大家Know Your Product的过程。

了解你要运营的产品，这是运营的第一步，否则你永远无法运营好他。

这篇我们再来说另一个东西：Know Your Customer，知道你的产品目标用户是谁、在哪里可以找到他们、他们在意什么、什么能打动他们，这样才能成为一个不动声色的老运营。

用户画像重要吗？

按下不表，我们先一起探讨几个问题：

1. 你的用户中哪类用户贡献ARPU最高？他们有什么特征？在哪里投放最能获取到这类用户？
2. 哪类用户留存最好？什么打动他们留下来？他们还需要什么？
3. 这次新功能首先对哪些用户开放测试？
4. 这段时间APP活跃越来越低，为什么？

如果你不是在拍脑袋和猜测情况下能回答出以上4个问题，相信你在心里基本都有一张1:10000比例尺的用户画像地图。

所以回过头，上面这些看似跟用户画像无关的日常运营问题都离不开对用户深刻的理解。

一、五维用户画像

每个行业都有自己行业特点的用户画像，电商或许偏重消费能力、品牌偏好，O2O偏重地域属性，金融行业自然关注就是用户资产状况。互联网金融行业由于集合了金融行业和互联网行业特点，所以用户画像会更多维。下图是我总结的互金行业用户画像，我称之为五维用户画像。

这个五维画像分别从基本信息、金融属性、消费属性、兴趣属性、社交属性5个维度对用户进行描述，通过这些描述我们会得到一个对用户的笼统解释。

但此时问用户是谁？在哪？怎么找到他？我们还是回答不上来，因为还需要第二步：在此基础上对用户进行聚类分析，刻画出产品的典型用户画像。

（示例图）

典型用户画像的目的是勾勒出有代表性的用户，能够做到当我们读完画像后脑海里立马能浮现出这个人的音容笑貌、喜怒哀乐，感觉就是身边的一个朋友。

另外需注意在保证画像有血有肉的同时要保证有骨架支撑，这个骨架我称之为用户DNA指标。

凡是能将某类用户与其他用户区分开的指标都能被定义为DNA指标，比如客单价、理财频次、风险偏好等等。

基于DNA指标我们就可以搭建出一套用户分类模型，这套模型可以帮助我们解决大部分运营工作中的问题，但切记一套模型中DNA指标尽量控制在5个左右。

（分类模型示意图）

有了这套模型，后续运营已经成功了50%了，接下来我会举一个实际案例帮助大家体会用户画像在实际运营工作中如何运用。

二、用户画像操盘案例

这个是我在做MGM运营时的一个操盘案例。

MGM就是常见的推荐好友注册的获客模式，模式的关键因素是推荐人。

在运营初期我按照五维画像对所有推荐人做了分析，但是很快就遇到问题：画像是对所有推荐人的均值描述，按照这个描述所有用户的特征都极度趋近。

另外不同推荐人的贡献价值是不一样的，哪些特征的用户是我们要找ARPU最高的那群？

为了解决这2个问题，我从推荐人五维画像里提炼出3条最核心的指标构建了推荐人模型，将推荐人划分为8大类，比如下图标红的推荐人，我叫他“前锋推荐人”，顾名思义就是类似足球场的前锋。

这类推荐人有5000人，占所有推荐人的20%，但他们推荐来的用户出借金额占到79%，非常符合“二八原理”。能否运营好他们，直接决定着运营工作的成败。

在17年6月的时候我们的业务资金需求突然上升，需要3天内额外补充1个亿资金，这是典型的时间紧任务重的棘手活。

常规策略完不成任务、策划活动来不及上线，经过分析我们决定拿这波前锋推荐人下手。当天下午迅速给这5000人定向推送限时返佣短信。短短3天时间共有1000人参与活动，带来资金1.2亿，快准狠地完成这次任务。

复盘这次活动成功的关键，其实是在任务出现前已经对用户有深刻的理解。没有五维画像、8类推荐人模型，我们是不可能在短时间内准确定位用户、预估效果。其实，所有运营工作也都是如此，这也是运营的内功。

最后再次总结下运用用户画像的三个阶段：

1. 基于五维模型做目标用户描述，形成用户轮廓；
2. 结合运营目标提炼3-5个关键指标，对用户做聚类切分；
3. 针对每类用户做定向运营并复盘，最终总结出对症下药的策略。

现在流行的个性化展示、千人千面的运营以及智能推荐都是同样的逻辑，只不过数据源增加了行为轨迹数据，运营动作更加实时、动态。

为什么要搭建积分体系？积分的本质是什么，又有什么作用呢？本文作者以P2P为例，为大家解释了这些问题，并且详细地阐明了积分体系是如何搭建的。

本文结构：

• 积分需求背景和积分本质
• 从平台、用户不同角度发现积分的作用
• 积分的获取、消耗和积分记录作用
• 数据分析检测以及风险规避

一、需求背景

在互联网行业的产品er或运营er工作中常会碰到这样一个需求：我们做积分吧？

不管“做积分”这个需求是来自运营、产品还是BOSS，我们都需要追着追本溯源确定一个问题：为什么需要做积分/积分体系？

通常，关于积分的需求来源背景大概有以下几类：

1. 现行的运营方法未达到预期效果

意思就是做了很多工作却没有看到什么成效，企图通过做积分体系改变当前现状，或者刷存在感。

1. 对标竞品，别人有的我也要有

这一条适用于所有互联网产品，国内的互联网人有句信奉的名言是“不要重新发明轮子”。

对于多数实力没有那么硬的小微型创业公司，学习参考（copy）竞品确实可以减少企业大量的时间成本和人力成本。

1. 其他需求实现的前置条件

本身并没有先考虑要做积分体系，但是在规划一些需求和明确功能的时候发现必须先有积分体系才可以往下做。

比如常见的运营手段：签到、打卡、抽奖、大转盘、积分商城。

二、积分本质

着手前需要认清积分的本质，积分体系设计者对积分的理解会严重影响对积分应用的深度和广度。

积分的本质是平台对用户行为定价的一种介质。基于此积分有以下两个特性：

1. 货币属性

这种介质的作用在于对用户行为价值的衡量，衡量后会对用户行为进行奖励，从而这时候可理解为积分是一种特定的货币。

明白这一点之后你可以把它叫做，Q币、Q点、金币、经验值、印象分、绿色能量…它可以是你想象到的任何东西。

在此，积分已经有了一点货币的属性。这一点属性对于我们后面制定积分策略至关重要。

1. 债务属性

积分产生时并不一定即时进行奖励发放，大多需要通过阶段性积累才可以达到奖励门槛，且用户可自行选择奖励时间，故而积分对于发行方（即平台或者企业）而言是一种债务，因此在设计时需要考虑财务成本和财务健康。

三、积分作用

无论积分需求是否合理，先达成一个明确的共识，即积分体系不是万能的。

在此共识之后我们客观理性的分析积分体系的作用。

积分体系是分两步来做，第一步是搭建基础积分框架，第二步才是积分的运用。

1. 从平台角度作用如下：

丰富运营多样性

以P2P行业为例，在行业发展中各家平台的营销活动大多是：发放投资红包、发放加息券、实物赠送、现金奖励等，数量少而又花样老套。

积分体系的建立可以把“积分”作为一种介质融入平台运营体系中，作为其他运营手段的基础建筑，建立多维的、立体的运营生态。

建立与用户间的连接通道

互联网的价值在于建立连接，人与人、人与信息、人与产品、人与服务，只有建立连接后才会有更多的机会。

在互联网金融行业中，P2P投资并不像股票、基金、比特币等类型的投资需要用户频繁的操作和时刻的关注。

通常在P2P中投资行为完成到得到收益中间有较长的时间空档，在此期间用户缺少与用户与平台主动连接的理由。通过积分体系搭建和配套的营销方法可以增加平台和用户连接的机会。如图:

消除运营中的非连贯性

活动运营中主动或被动造成的参与门槛是为了筛选特定用户，但并不意味着达不到门槛的用户是没有价值的。

对于用户来讲这种活动都对其参与起阻力作用，放到某个时间段里就造成了用户参与的不连贯。

不连贯性可以通过一个实例来理解：

某活动-投资10万奖励戴森吹风机，这个活动的门槛是必须一次性投资10万才可以奖励一个戴森吹风机，对于部分不想单笔投资10万或者不能单笔投资10万的人这个活动从开始就意味着与其无缘。

但是如果有积分的话，我们可以设置按照比例投资可获得积分，通过多笔投资累计积分来兑换戴森吹风机，投资10笔单笔1万的金额。我们所需要衡量的仅仅是活动目的和两种客户价值。

另一种常见场景是：P2P平台活动频繁，每个月一次是最基本配置，绝大部分活动之间无法形成关联。

例如10月份的国庆节、中秋节和“双十一”活动从时间间隔上看距离非常近。采用单一变量衡量用户选择的时候就会出现三种情况：

1. 国庆活动力度＞双十一活动力度————参加双十一活动的用户会有吃亏的感觉；
2. 国庆活动力度＜双十一活动力度————参加双十一的用户会有“曾经沧海难为水”的感觉；
3. 两个活动力度一样————反正每月都有活动，不着急；

这三种情况肯定会让用户产生不同的理解，实际上大概率我们无法控制。

增加用户沉默成本，培养用户忠诚度

人们的每一个动作和选择都是有成本的。当用户在平台上做的动作越多付出的成本越多，故其放弃当前选择的成本也就越高。

共享单车泛滥时感受最明显，行业初期都需要押金的情况下，OFO和摩拜两个先发者基本垄断市场，基于先发优势导致资本厚爱，后来者很难打破垄断，因为用户每选择一种单车都需要重新支付押金，同时还有各种活动赠送的优惠。

这都是实际的利益，没有更大的利益冲击用户的选择是显而易见的。故而后续的品牌都学聪明了，开始不需要押金，当然代价是大量的资金。

只要用户不离开就有机会让其产生价值，故而曰“培养用户忠诚度”，与其说培养用户的忠诚度不如说是增加用户的“背叛砝码”。

1. 从用户角度作用如下：

从用户视角积分给用户带来了更多的实惠，有一定概率增加用户关键行为频率或者活跃度。

具体实惠需要根据产品具体分析，看平台如何利用通过积分给用户带来哪些真正的实惠，在此不做赘述。

特别说明：

因为积分的属性所致，所付出的积分都是从公司利润里拿出来的，每一个积分都相当于增加了成本。而且这部分的成本相对呈隐形成本，用户感知中很难把这部分成本加到收益里边去的。

淘宝、京东购物送积分积累后可以抵现，但本身可以通过提高商品单价解决最本质的问题，但是P2P行业中出借人会始终关注收益率，借款标的或产品的表面收益率会吸引盲目的投资人来投资。

如此，积分这种隐形的成本添加是否还可以吸引用户？怎样利用积分才可以比直接提高收益率更加吸引用户？

四、积分获取

1. 获取方式

积分获取，即用户获得积分的途径和方式。通常是将用户在平台的活动路径梳理出来后，将积分奖励添加到用户活动路径各节点。

实际运用可根据产品用户数据将积分奖励添加到数据不理想的环节中以求改变状况，即对症下药；或根据阶段性的业务目标进行设置或调整。

需要说明的是P2P商业模式不同于互联网内容制造（比如今日头条旗下内容类产品），用户在P2P产品内停留的时长并不能明确且量化的估算带来多少商业价值。

用户从下载到传播这期间是一个线性流程，如果为了增加用户在产品内的停留时间而用积分吸引增加其他环节，在过程中会使用户流程中断而导致用户“分心”，如果想在平台内增加“副本-支线任务”以求用户停留时间更长，切记勿打断用户的主线任务，因为在此环节中一定会有用户流失。

例如上图所示，有些流程是流程是只能走一遍的，比如注册、实名认证、绑定银行卡这三种操作，这三个环节是用户流失率最高的，故此环节的我们给的奖励可相对其他环节高一些。

如果在P2P行业中将现金奖励、红包奖励换作积分，额外的收获是还可以一定程度限制羊毛党；有些流程是常规性的、多次操作的，比如投资、传播，那么在积分设计之初我们最好就核算清楚成本并把其固化下来，通过后面的数据和反馈不断优化。

1. 权重分配

区别于从平台角度出发，从用户角度出发积分存在本质上是为了建立一种用户激励制度，即为了激励用户而设立的一种制度。

激励用户的根本目的是为了刺激平台业务发展，所以就存在奖励用户的行为跟平台业务是否直接相关的判断，在这里称作“强相关和弱相关”，在给予用户积分奖励的时候需要通过积分奖励比例来区分任务权重的不同。在此以P2P平台的行为举例，其他行业各自从主营业务触发考量。

因文章内容较多，故分两篇。

我一直在财富管理部门工作，先后做过渠道获客、固收产品、保险产品，顺带插手过基金、FA等业务，负责的渠道17年给公司贡献200亿AUM，占公司业务的40%，但是我们一直梦想做到半壁江山。

我的工作内容也是包罗万象，从最初的执行者到后来的频道运营负责人，几大运营模块（活动、用户、产品、数据）也都是每日必修课。这样的经历让我踩过很多坑但是也培养了看问题的不同视角，这些体会我也会在后续文章里分享给大家。

先扯到这吧，正式交代下这次《互金运营入门指南》的梗概：

1. Know Your Product：一篇搞懂6类互金产品
2. Know Your Customer：告别“你以为”和“应该是”的用户画像
3. 8个互金运营避不开的“潜规则”
4. 互金运营入门指南-活动篇
5. 互金运营入门指南-用户篇
6. 互金运营入门指南-数据篇
7. 互金运营入门指南-产品篇
8. Normal运营和优秀运营差在哪？认知升级
9. 大道至简，勿忘初心
10. 推荐书籍

flag大兵先立这，麻烦大家帮忙监督，哈哈~

第一回主要给大家简单扯一扯互联网金融。

很多人喜欢给互联网金融下定义，关于此方面相信网上能搜到很多，我就不赘述了，接下来我讲下我的视角：

一、如何定义互联网金融？

首先定义下金融，所有金融的本质就是风险收益，无论是银行、保险、证券都如此。

什么是风险补偿收益？

即每承担1块钱风险你要求多少钱的补偿。

银行借你钱利率怎么定，7% or 18%？

这是综合你的职业、收入、历史信用记录、有无房产抵押评估出借给你的钱不还的概率多大，需要多少钱做补偿才能保证不亏钱。

买份重疾险保险公司收你多少钱？

也是根据生命表计算出不同年龄、健康状态发生赔付概率对应的风险价格。

所以，无论金融业务形式如何变化、线上还是线下，风险补偿收益的本质都不会改变。

再来说互联网金融，虽然金融本质不会改变，但是互联网的加入是否会改变风险的范围、风险定价逻辑以及测算风险的成本呢？

从这个角度我将互联网金融分为3类：

1. 不改变风险收益，仅仅把互联网作为获客、导流、销售渠道；典型代表：各类金融超市、平安车险官网、天天基金网。
2. 将互联网上产生的风险纳入风险范围，诞生出新的产品；典型代表：淘宝退货险、支付宝账户安全险等，这些产品都是为了降低互联网上产生的风险。
3. 将互联网技术融入风险定价逻辑；把网购、社交、信用卡、行为轨迹数据纳入风险评估因子，同时借助大数据、云计算极大提高测算效率、降低风险测算成本；试想花呗1秒钟计算出10万人信用评分，放到线下银行想都不敢想，典型代表：百发100指数基金、支付宝花呗、平安运动保、宜人贷极速借款。

另外，在这3类业务之外还有其他一些基础设施和通道类业务，包括支付、征信、资讯等。此类业务不经营风险，主要作为基础设施来支撑以上3类业务。

二、6大主流互联网金融业务

1. 互联网支付

互联网支付目前是互联网金融赛道里发展最早、模式最为成熟、行业集中度最高的。支付本身不算金融业务，但是因为其高频小额、可积累信用数据、便于为其他金融业务导流的特点，成为各大互联网巨头布局的重点。

BATJ外加TMD等一众互联网巨头纷纷通过收购进入支付领域，目前仍以支付宝、微信两家独大（详见下图）。

（1）业务逻辑

（2）盈利模式

后端向商家收取的手续费和备付金的存款利息。因为竞争激烈，费率不断降低，支付业务收入勉强覆盖成本，盈利能力较弱。

（3）业务核心能力

场景嵌入能力、系统并发效率和稳定、大数据清洗挖掘。

（4）典型代表

支付宝、微信支付。

1. 互联网借贷

借贷业务是目前市场上盈利能力最强、玩家类型最多、对公司能力要求最高、行业竞争最混乱的领域。

借贷业务本身不复杂，就是筹集资金贷给借款用户，赚取中间利差的业务。借用一句话就是“我们不生产钱，我们只做钱的搬运工”。

巨大的利润必然吸引各种类型的玩家加入，银行、消费金融公司、P2P、小贷公司、互联网公司纷纷加入，各种模式也是层出不穷。

下图简单做下分类和典型业务模式：

但是互联网借贷在当前的市场环境中非常难做。

一方面，国内整体征信体系缺失，导致个人信用风险评估和数据共享非常难，这导致严重的坏账和多头借贷。

另一方面，互联网评估借款人的还款能力和还款意愿非常难，还要时刻防止虚假骗贷；再加上互联网对违约和逾期用户的催收更是鞭长莫及。这些都让借贷成为一个看起来很诱人、但处处都是坑的业务。

• 盈利模式：非常清晰，利润=借款利率—资金成本—坏账—运营成本。
• 业务核心能力：大数据风控、低成本资金获取、反欺诈。
• 典型代表：蚂蚁借呗、微众银行、宜人贷、乐信。

1. 互联网证券

互联网证券是目前市场上相对比较冷清、玩家较少的领域——此处主要指经纪业务，此类业务具有强监管属性，必须持牌经营，这极大阻碍了创新的可能。

目前市面上从事此类业务的主要分4类：

1. 开户交易：近年来券商大打费率价格战，导致经纪业务利润越来越少，大部分券商对经纪业务动力不足。仅有国泰君安、华泰等布局互联网业务，也主要是做线上投教、销售资管产品等。
2. 资讯平台：此类平台一般从资讯、数据入手，和券商合作切入交易链条，进而反向收购牌照或者上线固收、基金、保险理财产品，走综合理财路线；
3. 辅助决策：此类公司大多走黑科技路线，主做智能投研、智能策略、智能投顾，未来趋势也是综合财富管理。
4. 后端系统：属于TO B业务，面向金融机构或服务平台提供软件服务。

• 盈利模式：券商靠佣金和资管盈利；其他三类靠佣金、服务费盈利。
• 业务核心能力：牌照、交易系统、资讯。
• 典型代表：国泰君安、东方财富、老虎证券、同花顺。

1. 互联网保险

互联网保险是一个越来越给人惊喜的领域，尤其是今年相当热闹：微保孝顺金、支付宝相互保等爆品每次上线都激起一波热论。

过去十几年传统保险产品和销售被很多人排斥和诟病，这也留给互联网保险更多创新和改进的空间。

市场上的玩家大致分为保险公司、保险中介、流量巨头、展业工具4类，各家玩法因角色也各不相同。

保险公司主要依靠牌照优势做产品创新，尤其是以众安为首的互联网保险公司；保险中介定位为销售功能，因此主做选品、需求匹配，还有与保险公司反向定制、与流量平台合作嵌入。

流量巨头因其流量优势从场景搭售逐步延展至定制产品、收购牌照；展业工具则定位服务线下保险销售员，通过工具绑定销售员，赚取保险公司返佣和销售提成之间的差价。

• 盈利模式：除保险公司外其他3类主靠佣金盈利，保险公司则靠保费和投资盈利。
• 业务核心能力：产品创新、需求激发、流量获取。
• 典型代表：众安、蚂蚁保险、微保、慧择网、i云保。

1. 互联网基金

互联网基金是一个少被大家提起的领域，但因为余额宝的存在使我们无法忽略。

基金作为大众投资产品仅有20年历史，2000年后一直在平稳发展，直到余额宝的诞生让这一走势拉向了天际，通过“T+0垫付+第三方支付”开创了一个全民理财的新时代（如下图）。

基金产品属于典型的资管产品，收益完全取决于基金经理的操盘，互联网能给基金带来的无非是交易、行情资讯、社区交流等辅助功能。

所以除了余额宝模式之外，互联网基金创新集中在社区资讯和智能量化方向，类似量化选基、智能定投、智能调仓等黑科技都在不断出现，比如雪球二八轮动、投米RA、摩羯智投。

由于基金业绩需要相对长的观察，所以此类模式效果仍待观察：

• 盈利模式：交易佣金+交叉销售其他金融产品
• 业务核心能力：量化投资人才、流量获取、代销或投顾牌照
• 典型代表：天天基金、蚂蚁聚宝、雪球、投米RA

1. 互联网财富管理

互联网财富管理无论在国内还是国外都是比较新兴的领域，也是一片巨大的蓝海。传统的财富管理在美国已经相当成熟，类似法律、心理咨询等服务行业，靠提供资产配置建议收取服务费为主。

国内是近10年从外资私行引进，后陆续有银行、券商、信托、独立三方等主体加入。这类传统财富管理主要服务的是个人资产600万以上的高净值人群，靠卖产品收佣金为主，与国外的财富管理也大相径庭。

而互联网财富管理则是将财富管理搬到网上，通过机器人和智能投顾替代传统的财富管理师，用户只需通过手机APP即可享受到财富管理服务。

这样不仅降低服务门槛、节省人力成本，而且通过机器学习将一个理财师可能需要几十年才能培养出的服务能力实现0损耗规模复制，这也正是科技最有魅力的地方。

目前线上财富管理领域的玩家模式基本一致，唯一差异在资产端。银行系玩家资产基本来自银行，私募系则主打私募产品，独立三方则是从各类金融机构批发各类资产，但普遍未摆脱卖产品老路，甚至还有大量的虚假平台打着财富管理的名号非法诈骗。

长期来看：财富管理终究会回到其服务本质，走上独立客观、经营信任之路。

（1）业务逻辑

（2）盈利模式

产品佣金+自有资产投资收益。

（3）业务核心能力

财富管理人才、选品、流量获取。

（4）典型代表

陆金所、诺亚财富派、宜信财富。

三、个人展望

互联网金融兴起仅有短短几年，但早已给我们的生活带来翻天覆地的变化，这就是创新的力量，这也是我的信仰。

我理想中的金融是带温度的，绝不是冷冰冰的数字也不是无常的涨跌，他应该是一个年轻人的梦想，一对情侣对未来的向往，一个父亲的殷切希望，一家人的彼此分担。

我们的使命就是让金融走出高大上的摩天大楼，走向每个人生活的街头巷尾、柴米油盐中。

我理想中的金融是简单普惠的，让每个人更平等地获得。随时随地扫码支付，凭借信用而不是房本就能借款，不再排几个小时队只为了修改银行卡密码。这些微小的改变都在让这个世界不一样。

这是我的金融理想，他的使命不是要颠覆谁，那显得太幼稚，他的存在只是为了每个普通人生活得更美好而已。

所以也期待更多人加入这个行业，我们一起努力！

裸奔式营销，就是无品牌，无背书，无资源，裸地只剩产品可讲的三无营销方式。

除非你的产品优秀到古往今来独此一个，否则，激烈的市场竞争，同行们分分钟教你做人。

那么该如何避免裸奔？俗话说，人靠衣装，产品也要靠背书装。巧借背书，建立受众信任感，才能迅速占领心智，打开市场。

一、 借明星形象背书

请明星代言，是营销界最常用的背书方法。因为明星是个好东西，不仅能转化他的粉丝，利用他的影响力，而且合适的明星形象，还能直接连接并建立起产品的形象。问题是，该如何选择合适的明星？热度高的流量小鲜肉，就一定合适吗？

从二手车行业就可窥见一斑，几乎没有二手车平台选择流量明星做代言，TOP平台里，瓜子请了孙红雷，人人车请了黄渤，优信请了莱昂纳多，没有一家选择用李易峰，Angelababy等当红流量。

原因在于，二手车行业是个极度缺乏信任感的行业，非标品、价格不透明、高客单、信息差等固有行业属性，让用户在一开始总是充满质疑，保持警惕观望的心态。而请明星，是因为平台要借明星形象中的“可靠”、”值得信赖”这些特质，来做信用担保。背书一词的本质就是提供信用担保，明星用自己多年积累的影视形象为其所代言的产品背书，二手车平台也希望用户把对明星的信任感转移到平台上。

同样的道理，居家用品行业，也较少用当红流量明星代言，广告主们偏好选择马伊琍、刘涛、孙俪等大众形象中贤妻良母型的明星。这也是因为品牌方要借明星形象中的“贤惠”、“勤劳”，来为新上市的产品做背书。

总之，新产品或新平台借明星形象来背书，一能圈一波明星粉丝作为产品初期用户，二能用明星的影响力迅速打开市场知名度，三还能借明星形象建立用户信任感，树立产品形象，可谓是一举多得。缺点就是明星代言略贵，对预算有限的公司不友好，那么请明星“推广”、“站台”或者直接买明星的照片使用权也是替代方案，价格会划算很多。

二、 借品牌力量背书

2012年天猫正式成立时，就集中资源大力招商，来吸引品牌商的入驻。2018年拼多多上市后，同样开启品质迭代之路，与天猫争夺品牌资源。

无论是当年的天猫，还是今日的拼多多，都在寻求品牌力量的背书。对于年轻化的电商平台来说，品牌意味着太多。一方面，品牌是产品质量的背书，大量正版、高质量的品牌货品的引入，能淡化假货带来的消费者信任危机，重塑消费者对平台的信任感。另一方面，具有悠久历史的品牌，如恒源祥、上海香皂等，虽然市场份额不高，未必能给平台带来多少GMV的增量，但其深厚的历史和在中老年市场的多年沉淀，同样是一种背书，可以帮助平台赢得消费者的信任。

除了电商平台外，各大广告公司、第三方数据分析公司，也是典型的借品牌来背书的案例。下面2张图分别是阳狮广告和易观数据，在其官网展示的各个合作品牌list，它们一个是4A广告公司，一个是互联网数据分析商。

这种乙方服务型公司借甲方品牌背书的方式，是to B类机构常用的营销手段。乙方借用甲方品牌的力量背书，间接证明自己的能力与行业地位，从而可以获得其他客户的信任感。

总的一句话，不管是to C类公司，还是 to B类公司，都可以借品牌的力量背书，to C公司用品牌背书赢得潜在消费者，to B公司用品牌背书赢得潜在客户。

三、 借社交关系背书

社交关系催生了熟人经济，营销也在借助社交关系的背书，迅速打开熟人市场。

微商在朋友圈卖货，就是在借助自己原有社交关系的背书，而以拼多多为代表的社交电商平台，则是在借助其3亿用户背后的庞大社交网络。其实，以社交关系为核心的营销方式，微商不是首创，拼多多更不是。早在线下的营销时代，“朋友推荐”、“亲戚推荐”就以口口相传的方式，不经意间利用着社交关系的力量。

那么，为什么朋友推荐有着这么大的魔力？首先，我们对朋友有着天然的超强信任感，其次，在我们想要拒绝一个朋友的推荐时，总是于心不忍。在社会心理学著作《影响力》一书中，作者就举了美国特百惠公司利用朋友关系营销的例子。

在20世纪50年代的美国，一家名叫特百惠的公司创造了家庭聚会”的概念，整个聚会由女主人主办，她是在场所有人的朋友，在聚会过程中，她向所有朋友展示特百惠的商品，而每卖出1件她就能够从中获得提成。

不可思议的是，朋友们完全知道女主人能从中获利，但是下一次却仍然无法拒绝聚会的邀请。特百惠的这种家庭聚会，风靡了100多个国家，平均每2.5秒就举办一场。这种利用社交关系背书的营销方式，也让特百惠成为享誉全球的品牌。

四、 借融资/股东背景背书

今年8月末子弹短信火爆一时，一部分原因也在于它的投资人是罗永浩，投资人知名度高，连带着其投资的产品也获得了广泛的曝光和一定程度的信用背书。

除此之外，一个新的创业公司，它的投资人如果是红杉资本、IDG资本等TOP创投机构，那么不管是在产品针对受众的市场营销上，还是争取在下一轮的融资上，都是强有力的背书。再比如，在各互联网金融平台里，股东背景中包含国资成分、银行资本成分的，相对来说会更容易获得用户的信任，这也是借股东背书的应用。

总而言之，营销不管是借助什么类型的背书，根本上是为了获得信用担保。

因为受众很容易对新产品产生好奇，却很难对新产品产生信任。通过借助各种背书，我们能在一定程度上打消受众心中的顾虑，降低获客成本。裸奔式营销的缺点在于，它无法取信于受众，所以在营销上事倍功半。

最后，言而总之，做人不能裸奔，做营销也不能裸奔，让产品穿好背书再出门搞营销吧！

“譬如卖水，有的人只挖井，有的人要修好渠再卖水。如今快手商业化的渠道修好了。”

一向被认为商业化进程缓慢的快手，在1024程序员节这一天终于宣布加速。

快手公司创始人兼CEO宿华表示：“经过一年多摸索，快手商业化提速，即将推出快手营销平台。我们希望通过提供商业能力，让用户在快手社区有更加丰富的体验，实现更大的价值。”

常刷快手的老铁会感受到一个显著的变化：9月之前，用户在快手上不容易刷到广告。近期，快手上广告出现的频率增加，不但可刷出游戏、电商、本地服务等信息流广告，还有品牌参与的标签页广告。

据快手提供的数据：

2018年初，约有10%的用户可以在快手看到广告，现在这个比例是60%，预计年底会进一步增加。

事实上，快手在过去两年已经陆续推出了很多商业化的尝试：“每2个月就有迭代出新”，已经推出信息流广告、粉丝头条、“快接单”平台、商业号、快手小店等等。而宿华所说的“快手营销平台”实际上是一个将过去两年的商业化尝试整合起来的平台。

快手正式举剑致意，要杀入互联网广告的战场。“土味”快手的下沉属性曾经会是品牌在投放广告时的担忧。

不过随着拼多多、趣头条的上市，四五线居民的消费潜力正在引起更多关注。此前哈尔滨啤酒、荣威汽车、百雀羚、酷我音乐、《碟中谍6》、联合利华旗下家乐辣鲜露等品牌在快手的投放都获得了超出预期额的广告效果。而据快手透露：天猫今年把短视频营销最大的预算放在了快手。

快手也进行了一次内部组织架构调整，完成了商业化技术中台系统的建设。而这个商业化中台，让快手能够在不损害用户体验的同时实现商业诉求，并在未来能够继续为A站等的商业化提供支持。

快手终于快了起来。事实上：这个时间节点上，短视频整体的用户增长进入了瓶颈期，新的短视频平台又来势汹汹，快手正在与时间赛跑。

一、快手商业化要怎么做

要从百度、今日头条领地里切下互联网广告的肥肉，快手有哪些准备？

快手与目前互联网广告市场中几大玩家的共同优势是：大流量（快手DAU达到1.3亿，每天上传的视频1500余万）+大数据（快手以普惠原则的数据分发机制著称，精准推荐技术有深厚积累）。

除此之外，快手有两个特色：

1. 区域渗透优势：在移动互联网流量红利趋于尾声的时候，快手能覆盖到“5环外”的流量红利地区。
2. 有较强的社交属性：主播与粉丝共同成长，彼此之间有信任度、忠诚度，“老铁关系”可以明显提高转化率、复购率。

据快手商业化副总裁严强介绍：即将推出的快手营销平台定位于“社交商业引擎”。包括两个体系：快手广告和快手商业开放平台两大类。

两者的区别在于：快手广告的目标是让广告更高效、更精准；快手商业开放平台则以“长期效果”为导向，主要目标是将这些商业能力开放给商家和主播网红们。

快手商业化生态营销负责人潘兵伟则从另一个角度解释：广告体系的信息流广告、话题标签页和粉丝头条，是在公域流量中提高广告的效力；而快手商业平台则进入私域流量领域，基于快手高粘性、高信任度、高忠诚度的社交生态——快手定义其为“老铁生态”。

据快手商业化负责人严强介绍：快手目前的广告可以实现99.9%的预期达成率，未达成则会进行赔付。

在快手战略部负责人看来：“话题标签页”相当于快手内部的“热搜”。开放给商业合作之后，品牌能够获得全平台范围的曝光机会。粉丝头条，是面对C端用户的信息流产品，帮助用户的作品登上头条，具体玩法类似微博的粉丝头条。

而信息流广告早在2017年3月就开始公测，但一直比较克制。据快手提供的数据，2018年初，约有10%的用户可以在快手看到广告，现在这个比例是60%，预计年底会进一步增加。

而在长效营销部分，快手从两条路径出发：

（1）社交生态

围绕“老铁经济”，通过快接单红人与广告主，通过快手小店满足用户强烈的电商需求。

快接单2017年9月就已上线，是帮助商家和网红匹配投放的自主交易平台，类似于抖音的星图平台。目前用户的快接单权限只能由官方审核开放。

快手小店刚开通时，外界一度将其解读为快手商业化的重要一步。目前来看快手小店可以接入淘宝、有赞（提供H5界面直接在快手中完成购买）和魔筷TV（跳转到小程序，帮助完成完成裂变和粉丝沉淀）第三方平台。

而在此次的商业化战略布局中，作为电商并没有作为盈利的重点，而只是广告营销体系的补全。

而对于像友商自建电商平台的策略，快手表示拒绝：将电商功能开放，初衷是更好地帮助用户解决问题，推动合规化，降低交易互动门槛，让交易双方的利益更有保障。

（2）内容生态

开放品牌商业号与矩阵号。

尚品宅配、魅蓝、小米、京东、淘票票、滴滴、蒙牛、小鹏汽车等都已入驻。其中小米各地的线下店更是形成了账号矩阵，线上线下联动获客。

据快手介绍：平台专门成立了工作室，帮助账号打造人格化的、更适合快手平台的内容。

事实上：平台做广告营销业务门槛并不高，但是要做到规模化、高ROI并且吸引足够体量的广告主则有难度。

快手已经进行了两年的商业化探索，而今才宣布“2018是商业化元年”，高调切入社交广告这一千亿级大市场。

快手对其商业化节奏的回应是“慢思考、快行动”，让用户体验和广告营销良好共生，是快手做商业化追求的方向。快手花了很多时间自建了一套“用户体验量化体系“，围绕这一机制，快手让用户体验成为衡量营销行为效果和价值的重要指标。

二、快手商业化视野：从直播出发，拥抱To B

时间轴再拉长。

快手的前身“GIF快手”，诞生于2011年3月。

2012年11月，快手从纯粹的工具应用转型为短视频社区。

随着智能手机的普及和移动流量成本的下降，快手在2015年以后迎来增长风口。2015年6月到次年2月，快手用户从1亿涨到3亿。2017年1月，MAU突破1.5亿，DAU突破5000万。

而今快手有70多亿条库存短视频，每天有1500多万条短视频上传，精准推送给1.3亿日活用户。快手的用户增长，事实上头部短视频平台的用户增长，都进入到了瓶颈期。

快手真正意义上的商业化2016年初就开始了。快手上线直播功能，并将直播低调地放在“关注”栏里。一时间，快手初代网红的名利场进入到大众视野，天佑成为全网Top流量网红。快手的营收也随之爆发。直到今年，快手又上线游戏直播。

宿华去年对外接受采访时说过：当时快手平台有三种变现模式，按重要性程度排序分别为信息流、粉丝头条和直播，理由是“排在前面的更加普惠，可以与更多商业伙伴一同受益。”这传达出快手最高层对商业化路径的方向规划，但实际上，直播当时才是快手的现金奶牛。

事实上，除了近几年兴起的共享单车商业模式创新，互联网公司的商业化模式基本已被框定。

魏武挥之前断言：“中国互联网，合法的商业模式其实就是三个半：游戏、广告、电商以及互联网金融。”快手不差钱，其商业化的焦虑是发展直播之外的变现模式。毕竟直播并未将其流量优势充分利用，并不进入快手信息流，只是在私域流量中做生意。

在快手的“实验室”栏目中，除了直播、电商还有知识付费项目，课程内容已相当丰富。快手正在多方出击进行商业化探索。

快手自己非常愿意与Instagram做类比，都是孵育社区，从而让玩法更多元。快手战略部负责人认为，增速最快的是2B的广告业务，一定是快手营收中增长最快的一点。

为了更好地用技术赋能广告营销能力，在推进商业化的过程中，快手也进行了一次内部组织架构调整。用快手PR部门负责人何华峰的话：是逐步“迭代”完成了中台系统的建设。这个技术中台以及整个快手商业化机制尽力在确保用户体验和商业需求平衡，以实现可持续发展。

而在未来，这一商业化中台机制还将被用于支持更多快手系产品的商业化，包括A站等。

而在商业化的过程中，快手始终在强调，用户体验和商业诉求的平衡：用户体验、平台创作者的收入、商业客户的目标达成，用户永远是第一位的。

如何实现呢？

快手曾经表示：平台用户对广告抵触度远没有一线城市用户那么高。而现在，快手表示：技术解决问题。“用户体验量化体系”下，单条推广播放时长、点赞、评论等更活跃，推荐机制和竞价机制会进行倾斜，好的商业内容是要能够融入快手生态的，是快手用户喜闻乐见的。

社交广告是一个互联网巨头都在争夺的千亿级大市场。

易观发布的《中国互联网广告市场年度综合分析2018》预计：

2018年中国互联网广告市场规模为3509亿元，到2020年增长到6600亿元。其中社交广告2018年市场规模为502亿元，到2020年将增长到838亿元。

快手要成为互联网社交广告的新玩家，有AI和社交生态两大优势。可以想见，短视频平台对中国广告市场秩序的重建力度将非常之大。

三、快手最大的敌人

尽管快手的用户下沉属性显著，但在商业化过程中，快手并不打算大规模“下沉”到一线的地推销售。

有媒体曾报道去年9月，快手开始招聘销售岗位。不过至少目前看来，快手并不打算建立起庞大的销售团队。

快手商业化负责人严强表示：快手做任何事永远会选择最轻的模式，现在针对一些本地的商户，主要是提供自助的广告平台服务；针对品牌客户则主要依靠代理商和合作伙伴来服务。

这样的模式确实够轻，但代理商模式有一个问题是：其很难做到贯彻执行公司的战略目标，仍是要用巨大的利益进行驱动。

百度有庞大的遍布全国的销售部门，阿里有中供铁军，美团也有地推铁军，今日头条也有规模不小的SMB（小型客户直销团队）。所以，快手的“轻”能否取胜，仍待观察。

而除了已公布的商业化探索，快手在其他已有的行业动向方面还未见大动作。

比如热搜，快手将“话题标签”视为平台内的热搜体系，但后续是否会走向真正的热搜榜，仍要在其普惠原则与商业诉求间做平衡；LBS目前只是基于本地广告投放，而后续是否会、何时进一步探索更多的商业化空间，仍是未知。

快手在商业化战略分享会上多次说到“慢思考、快行动”，驱使快手商业化步伐向前的不是财务或外界批评的压力。

但在关注快手的许多行业人士看来，时间是快手商业化最大的敌人。

迷恋算法的今日头条在广告市场撕下一个大口子，收入爆炸式增长，而加入短视频武器矩阵后，势头更猛。老牌广告营收巨头百度加码“AI+信息流”后，营收再次获强力驱动。

而随着腾讯、百度、微博等在短视频领域持续加码，快手的流量和广告存量优势面临被蚕食的风险。在互联网领域，尤其是日新月异的短视频领域，不快就是慢。

此外，短视频用户在上半年爆发式增长后，也进入了迫切需要对存量进行精细化运营、价值挖掘的时期。快手亦然。

字节跳动最新完成了Pre-IPO轮的融资，估值已达到750亿美元。“没有财务和批评”压力的快手，当然还面临着投资人的压力。

不过从另一个角度来看：缓慢、谨慎的商业化背后，也是快手始终在坚持普惠、用户为先的原则。此前在快手用户增长和商业化进程均陷入瓶颈时，有文章《快手宿华交出半条命》称：快手正在遭遇自己的生死时刻。

快手或许是只有半条命，另外半条命宿华把它交给了记录各自生活的曾经沉默的大多数，这是一件很了不起的事。

快手的“别扭”难能可贵。