无Cookies营销番外篇1️⃣用户/价值/品牌
24932022-12-14 18:52
2022-12-14 18:52
24931 📶前言
📶前言
一个水池有一个进水管和一个排水管。只开进水管，2个小时可以把水池放满，之后关闭进水管，只开排水管，需6个小时可以把水池排空。 问：从空水池开始，同时打开进水管和排水管，多长时间可以把水池放满? 解：设水池的体积是“1”，进水速度是1/2（1小时进1/2池子的水），排水速度是1/6（1小时排1/6池子的水） 时间=体积/(进水速度-排水速度)=1/(1/2-1/6)=3 (小时) 答：需要3小时可以放满
⛓卖家和用户的关系
这里简单叙述苏嘉SUGA一个内部共识：数字化独立站匹配内部流程&用户需求量化并使用自动化方案实现过程；
🔃用户价值数字化管理
苏嘉SUGA的一贯主张：数字化转型是提升团队在无Cookies营销世界中生存能力的必然选择
🧑🍼用户
一方面，随着跨境电商平台/独立站渠道销售功能的完整化，运营能力更强的铺货型卖家替代外贸型卖家，成为主流卖家是必然的事情 然而另外一方面，纯生产的工厂卖家开始追赶铺货型卖家的运营能力，形成独特的工贸一体化
⚗互联网用户增长衰减
用户是需求的集合，因此各细分产品赛道上可获取的用户规模上限，由产品满足用户需求的普适程度决定； 其次，不同赛道竞争剧烈程度和产品/品牌护城河构建的难度（产品力）决定了各赛道中可分到的用户多少。
🧫规模性独立站（站群）变现
🔲广告流量的货币化
一个问题：广告平台是流量的生意吗？ 是，特别是以MAU为核心的流量指标是入局互联网广告的核心，在于流量池也是数据池，通过沉淀大量用户数据，做算法的优化，从而实现VV和ARPU的双升 也不全是，在货币化过程中，流量的变现效率也存在资源禀赋的差距，表面观察为广告ARPU的差距，背后则是平台能容纳的广告数量上限，以及广告本身的转化效率问题
题外话，我们对于新兴出海平台并不看好个人机会，比如，拼多多Temu，TikTok短视频等出海平台： TikTok作为内容输出平台，现阶段没有良好的创作者分成机制（对比Youtube的创作者广告分成）； 短视频APP的网络效应介于梅特卡夫与双边效应之间，用户同时提供内容&消费内容，兼具一定的社交属性； 因此以内容为承载的用户间互动连接是短视频APP的增长引擎； 短视频APPDAU/使用时长的增长，取决于内容创作是否完成用户数据积累和算法优化； 因此没有良好的创作者分成机制，会导致TikTok平台上的创作者会呈现流失严重现状（转移到其他内容平台） 而对于拼多多Temu的不看好，则在于Temu存在非常高的法律风险问题；此外拼多多作为美股上市公司，出海更像维持市值而作出的增量尝试，不推荐尝试。
👥用户价值
🎭用户价值指标体系
🏆平均订单价值 AOV(Average Order Value)
🏅产品价值 Product Value = 用户数×平均订单价值 AOV(Average Order Value)
🎖用户价值 Customer Value = 用户消费频率(Frequency)×平均订单价值 AOV(Average Order Value)
从营销主的角度，产品价值必然是客观性的：产品/服务从开发到最后被迭代，它能产生的最大价值必然是产品本身客单价乘以最大用户覆盖数（产品用户最大覆盖数，往往代表着不同产品对应的不同用户群体） 用户价值体现则是用户主观性，是用户认为产品或服务能否解决问题的主观想法：意味着我们不仅需要提供逻辑上帮助用户解决问题的产品/服务，并以此量化出用户了解和认可我们的产品/服务的价值；用户价值的量化逻辑是产品客单价乘以用户消费频率； 消费频率(Frequency)存在两种衍生： 90天内重复购买率达到1％～15％：用户获取型 90天内重复购买率达到15％～30％：用户混合型 90天内重复购买率达到30％以上：用户留存型 提升产品/服务功能性从而提高AOV 创造产品生态——复购低单价高产品搭配复购高单价低产品从而形成产品矩阵
🪢RFM指标模型
在距上一次购买时间满1个月之后，在数据库里就成为消费为2个月的客户 反之，同一天，最近一次消费为3个月前的客户作了其下一次的购买，他就成为最近一次消费为1天前的顾客
🧨留存期
新用户激活期——如产品/服务使用周期为周，属于高频需求类产品，理想激活时间是1~3天，周期时长为第0周 新用户留存期——留存率降幅明显（正常现象），平均留存率差值均大于2% 长期用户留存期——产品/服务留存率趋于稳定且缓慢下滑，每周约以低于1%的速度降低 流失召回期——产品的留存率有跌有涨，开始进行流失召回策略，测试出成效措施。而当留存率下降幅度突然加大，逐渐脱离趋势辅助线预测值，需要考虑到此时用户已使用产品将近留存期极限，拉回流速度已经比不过用户流失速度。
现金流周期——当用户处于长期用户留存期的时候，意味着用户价值变现是相对稳定的； 吸引新客户的成本是留住现有客户的 6-7 倍 把产品卖给老客户的概率是卖给新客户的 3 倍 总结：5％ 的客户留存率增长往往意味着公司利润 30％ 的增长 根据美国贝恩公司相关调查： 而哈佛商业评论研究提出数据导向是，“用户留存率提升 5% 会刺激收入增长 25%-95% ” 产品迭代周期——当用户留存期缩短（如上图从40周开始减少），即留存期越加短暂往往意味产品需要迭代
🗞客户留存指标——留存线索、流失率、留存率
激活用户：指在产品/服务内完成关键行为，体验过Aha Moment的用户 Aha Moment：多译为“顿悟时刻”，也有译为“啊哈时刻”，由德国心理&现象学家卡尔•布勒(Karl Bühler)首创，对这个表达的定义为：在思考之前某个并不明朗的局面过程中，突然对产生明确或者深入的认识后，而产生的一种特殊的&愉悦的体验。
毛流失率 = (本期内流失RR+减值RR)/上期末RR 净流失率 = (本期内流失RR+减值RR-增值RR)/上期末RR
存在一种理想状态“负净流失”(Net Negative Churn)：金额净流失率<0，金额净留存率>100% 由于增值超过流失和减值带来的负面影响，已有客户的总商业价值是不断成长的； 所以即使暂缓获取新客户，业务也可以保持健康运转。
毛留存率 = (本期末RR - 本期内新增RR - 回流RR - 增值RR)/上期末RR 净留存率 = (本期末RR - 本期内新增RR - 回流RR)/上期末RR
净留存率可以更完整地反映短期趋势，而毛留存率更好地反映了长期趋势； 背后的逻辑是，产品和服务的价值是可长期持续的，而销售Upsell是不可长期持续的。
🔄用户增长飞轮
黏着式增长引擎——重点是让用户成为回头客，并且持续使用产品/服务 病毒式增长引擎——指数性本质：如果每个用户能带来1.5个新用户，那么用户数将会指数增长直到饱和 付费式增长引擎——通常，在确知产品/服务具有黏着性和病毒性前就启动这一引擎，是过于仓促的行为 付费式增长，是规模化飞轮的最好工具——问题在于不单单规模化体量，成本也同样规模化 规模型独立站卖家以付费式增长引擎规模化体量之后，才会发现成本增长速度远高于营收增长速度 原因在于：我们前文提及的互联网人口高速增长红利在衰退，从增量市场转为存量市场 客户获取成本(CAC)在大环境下，必然只会越加上扬，从付费增长变为付费衰退
从某种程度上讲，赚钱是识别一个商业模式是否可持续的UOS(终极指标 Ultimate Oscillator)： 如果从客户身上所赚的钱超过获取客户的花费，并且在时间段上维持，增长引擎就是可持续的； 因为企业不需要外部投资者的钱，并且每天都在增赚钱； 但是，就其本身而言，赚钱本身并不是一种驱动增长的引擎——它只是让企业现金流越来越多； 只有反过头来把一部分营收再用于获取客户时，营收才有助于本身增长，找出增长引擎控制器的两个调节旋钮； 也就是本文的两个重点，客户终生价值(CLV)和客户获取成本(CAC)
🔃用户周期(Lifetime)
🔝客户生命周期价值(Customer time Value)
💲用户状态属性：过去/未来
AOV客单价=50USD，获客成本CAC75USD，客户维护成本15USD/月，求解如何盈利？
💱用户价值属性：交易/隐形
我们通过Newsletter和社交媒体帐户分享内容，即自有流量(Owned Media)触达用户，以此类推付费&被动用户
一篇帖子在社交媒体(Social Media)上分享并获得了大量参与(15,000 多条反应和 800 多条评论) 然后，帖子由另一位意见领袖分享，后者将其推广给与内容互动的新受众(新增的 10,000 多个反应和 400 多个评论) 下一个意见领袖或者K因子继续滚动，形成病毒式传播链：所谓病毒式传播，其实是使受众可以在参与信息的制作和传播过程中，同时成为信息的发布者和转发者，以人际圈席卷的模式，携带信息迅速蔓延的传播方式，即“传者主动传播——受众接受——受众转变为传者自愿再传播”模式。
“一个产品的用户越多，则此产品对用户的价值越大，而且能吸引更多用户使用此产品”
🏧如何实现用户价值模型
文章节选： 一，跨境电商不相信方法论 字节尝试了至少三次，目前看起来胜算都不大。拼多多目前还看不出来，但风言风语也不少。“黑话大户”阿里其实是做的最好的，但近年来趋势也不乐观。 那这不是很诡异吗？按理说互联网这些组织管理方法论最先进，但一复制到跨境电商就不work了，没理由这么多北大清华海归高材生干不过一堆专科生吧？ 但事实就是这样。专科生比北大清华强在哪里？不是英语更好方法论更高级，而是能在一个很细分的领域不断钻研。比如你让一个清华毕业的同学去研究列支敦士登这个国家有啥网红，他肯定是干不下去的，但是专科生可以。反之你让一个专科生去研究人工智能最新技术他大概率也是干不下去的，但清华毕业的可以。 而且清华毕业的人普遍“聪明”，精通职场之道，懂得向上管理，他会知道费劲巴拉去一个个找列支敦士登网红不如给领导写一个“欧洲各国电商分析”大报告。所以大厂项目很多做到后面一看，业务没啥起色，每个人都成了“xxx项目lead". 所以小猫一直有种感觉，就是跨境电商的管理优势并不是什么所谓“科学方法论”的优势，而是充分细化分工和强执行力的配合：因为我每个流程都很具体，所以我不需要那些虚的，你把分给你这块执行到位就行。 这也可以解释为什么在大厂里阿里是做的最好的：因为在被各种黑话洗礼之前，阿里铁军一直是以执行力著称的。而天天大喊“组织管理学”的字节，是项目最容易半途而废的。 其实从员工人数上来看也很有意思，跨境电商的王者Shein大概有小几万名员工（相关报道中说1-5万都有，鉴于没有可靠信息，暂估算2-3万），销售额超过200亿美金，而互联网王者字节营收600多亿美金，有10万人。 怎么理解呢？apple to apple的比较，两者人效似乎差不多，但字节大部分的人和营收都来自互联网，跨境应该只占很小一部分。而shein这么一个单一板块已经占到了字节1/3的体量，不得不佩服。
🤥面试题：把大象装进冰箱，要几个步骤？
主语：你 谓语：放冰箱 宾语：大象
为XX原因 放XX样的大象 XX样的冰箱
🥋关键数据指标
跳出率——意味着产品/服务与目前测试用户匹配程度
弃购率/转化率/订阅率——目前测试用户意愿程度（不跳出但弃购，意味着产品/服务与用户匹配，但存在其他因素所以不转化；根据福格行为模型：动机/能力/促发场景，三者促发行为）
客诉率/互动率——客户体验管理程度，对客户来说，响应速度及时不及时/产品是否送达，是满足与否关键
触达率/复购率/交叉购率——对客户从满足一次到满足多次，普通用户导向忠诚用户，最后打造K因子模型
K因子模型——病毒营销背后的核心关键点，另外有说法是病毒因子/病毒系数K-Factor，几乎所有的增长黑客、用户裂变和病毒营销背后，都离不开它 表格中和病毒系数K值相关的三个要素和变量分别是：
Custs(0)，即初始种子用户Customer； i，即每个用户发送的邀请数量Invitation； Conv%，即每个用户邀请成功转化率Conversion Rate； 计算K因子的公式非常简单：将每个用户的邀请数乘以邀请成功的转换率，即：K = i * Conv% 从图表数据可知，在初始用户量为 10 ，K因子为 2 的情况下，在经历 12 轮增长后，总用户量从10变成了81910 K因子属于用户隐藏价值，某程度也展示我们用户模型是否存在自增长： 0≤K<1：用户不会自增长，不存在病毒营销，因为平均每个用户无法带来另一个完整用户，属于亚线性增长 K≥1：用户将以指数方式增长，也就是病毒式增长引擎，因为平均每个现有用户发展一个或者多个新用户，实现线性或者超线性增长
转化率（访客中真正发生购买行为的比例）是和购买所需时间（客户需要花多长时间才能完成购买）相绑定；二者相结合可以告诉我们更多关于现金流的信息； K因子的另外一个说法，病毒式传播系数（Viral Coefficient，平均每个用户邀请来的新用户数）和病毒传播周期（Ciral Cycle Time，用户完成一次邀请所需的时间）共同推动产品的普及率；
😃用户体验
比如，什么是客户体验管理(Customer Experience Management)？
传统数字广告时代：用户追踪能力差，数字媒体广告充当广域广告角色，提高广播能力，盈利能力未革新 程序化广告时代：用户追踪能力高，效果性广告提供ROAS计算模型， 高效提升广告主盈利&广告决策能力 隐私广告时代：用户追踪能力更高，但用户隐私意识觉醒，从消费者数据营销时代过渡消费者数据体验时代
更高额购买：溢价方面，低价竞争升级为体验增值； 更深度认同：在转化上，心智占领升级为心智认同； 更多自然传播：在获客/信息传播上，品牌应从买流量转为聚合传播，注重自然流量的累积，同时依靠心智认同人群的自发分享，用优秀体验为品牌带来增量； 更长期关系：在复购上，品牌应从单向营销转为关系共建。
用户体验的主体是用户，只有用户说有价值，才是真的有价值，用户说差，不管运用多强大的理论都没意义 用户价值是在用户体验时产生的，用户需求必然被真实场景约束，因此没有使用产品却声称的价值，没有意义 用户体验是主观感受，哪怕我们的产品/服务实现用户问题的解决方案，但用户自己认为并没有解决，或者解决得不好，同样会降低用户对产品价值的判断。
🖖品牌需要克制
当网站上有其他竞争对手的产品同时存在时，重复同样的广告是有效的； 但重复推送广告次数太多，用户会失去新鲜感，从而成为衰退用户； 此外，如果网站的内容与广告中的产品一致性太低，转场丝滑度太低，必然导致用户流失。
🦾DIKW模型用户价值创造
人与人知识水平在拉大，思考/整理方法也是知识，很多人只学了收集，但不学习逻辑，归纳，总结，判断
引用知乎看到的举例： https://zhuanlan.zhihu.com/p/140338649
Data：我手头有鸡蛋、西红柿； Information：我找到一个菜谱，可以用手头有的东西做一盘番茄炒蛋； Knowledge：我不断实践，做出来自己满意的番茄炒蛋； Wisdom：我专门写了一本书讲番茄炒蛋的历史、不同国家的做法、营养价值、适合搭配的主食等。
从马太效应来说，强者越强，所以会发现数据信息甚至知识的存储和搜索越来越方便的时候，智慧反而会越来越成为“富人”的专利——懂得使用思考工具的人或者形成了自己的逻辑闭环的原因，他们的思考速度会如ChatGPT一样会越来越快
如同知乎Up主的例子：
Data：通过买量/自然流量/用户自发分享，不同触点获取用户，同时获得用户的初始数据——身份/行为/信用
用户增长团队在数据团队统一的数据指标中，选取用户数据并设计埋点方案，工具团队配置自动化采集
Information：根据数据归类，对用户个体图计算(Graph Computing)，形成基于知识图谱的用户画像；
工具团队在全团队整体工作流程，实现应用工具之间数据打通，并以此为基础，进行流程挖掘(PM，Process Mining)
流程挖掘（PM，Process Mining）则是基于客观数据的自下而上的流程优化技术，核心在于业务系统中真实流程的挖掘和可视化呈现 因此流程挖掘作用于全团队整体工作，呈现不同视角下的流程路径，直观地展示瓶颈和异常点，提供分析改进的有力依据 此处，我们说的流程挖掘是应用于客户数据分析以及敏捷响应用户需求 数据团队/用户团队需要对用户数据ETL(抽取 extract 、转换 transform 、加载 load )，将不同触点收集的数据归纳并整理为统一格式，并以此为基础上对用户归因/分层
用户归因（术语是，单一客户视图 Single Customer View ，SCV）：收集有关潜在客户和已转化客户的所有数据，并将其合并到单个记录中 用户分层：Marketing is not for everyone，尤其不同触点习惯的用户——有些喜欢邮件交互，有些更习惯简单沟通，因此针对不同习惯，用户采购层级等不同方面对用户分层，并设置对应方案
Knowledge：我们在订阅品牌：品牌的数字孪生探讨过涌现现象 https://wiki.swarma.org/index.php/%E6%B6%8C%E7%8E%B0
用户价值模型也好，客户旅程分析也好，本质是发掘出单一用户群体化的涌现特征，将用户群体行为量化
用户价值模型——从全团队角度审计业务模式，根据客户生命周期价值决策推广/运营/内容/数据支出 用户旅程分析——从用户角度出发，反思和用户交互过程是否需要优化，提供更优质的互动
Wisdom：有些时候，用户也未必能说清楚他们本身的真实需求（包括我们都一样），好比说iPhone民主化，最后给到用户手上必然是各种功能大杂烩，不伦不类的怪物
用户预测，本质是让用户生活更高效、更有趣 所以乔布斯和苹果团队预知到并实现的是
去掉繁杂的键盘 提供方便操作的触屏 塞进电脑级别的计算能力 提供多任务处理的系统 让通信功能退居二线，提供娱乐模块 PS：预测能力不需要每个卖家团队都具备，因此不深入展开讨论
🎥总结
比方说，知道竞品使用某个投放技巧，于是就“学习”了，实际应用才发现场景不能适配使用，直接生搬硬套反而让整体ROI崩掉（所以有时我们不太懂为何大家都对竞品那么关心）
（SUGA苏嘉广告时间）很多朋友都问过为何SUGA苏嘉从事知识星球的运营，答案就是以费曼学习法打造SUGA苏嘉本身的DIKW金字塔
费曼学习法，所见即所得，输出倒逼输入，把学到的知识讲给别人听； 芒格式学习法，反过来总是反过来，学习失败的案例是为了输出成功的决策； 马斯克学习法，第一性原理，解耦合，学习是为了创造；
最新热门报告作者标签
Lazada菲律宾电子产品GMV增长11倍，消费者购物更理性AMZ123获悉，近日，Lazada菲律宾公布的双十二大促数据显示，菲律宾消费者的网购行为正在发生明显变化，相比冲动型下单，消费者更重视商品质量、正品保障和长期使用价值。这一变化表明，电商平台在节日购物季中的角色，正从“低价促销渠道”转向承载高价值、强信任型消费的重要场景。从具体数据来看，电子产品成为本次12.12期间表现最突出的品类，成交总额（GMV）较日常水平增长11倍。美妆和家居品类在LazMall（官方认证品牌专区）同样实现显著增长。Lazada指出，越来越多菲律宾家庭通过电商平台购买电子产品，包括智能设备、娱乐系统及日用家电，选购决策更强调耐用性与可靠性。
摩尔多瓦拟对跨境包裹征税，欧洲监管持续收紧AMZ123获悉，近日，欧洲摩尔多瓦政府正推进针对跨境电商包裹的新一轮监管与征税措施，重点对象包括Temu、Shein、AliExpress等电商平台。据了解，摩尔多瓦政府正在与财政部制定新的法律和税收框架，以应对近年来跨境包裹数量激增以及由此带来的安全与公平竞争问题。摩尔多瓦政府表示，当前跨境小额包裹几乎处于“零监管、零税收”的状态，已难以持续。随着跨境电商迅速扩张，政府必须对该领域进行规范调整，不仅涉及经济层面的税收问题，也包括包裹内容的安全监管。政府指出，摩尔多瓦现行制度下，大量低价值商品进入国内市场，却缺乏明确的法律基础和有效审查机制，这在长期内对摩尔多瓦国家经济秩序和消费者安全构成风险。
快时尚冲击本土产业，拉美多国计划调整关税政策AMZ123获悉，近日，随着中国超快时尚平台在拉美市场的迅速扩张，阿根廷、墨西哥、巴西、智利等多国立法机构和政府部门正计划或已推出针对中国超快时尚平台的进口限制和税收措施，试图保护本土纺织与服装产业。在全球范围内，Shein在2022年底至2023年底期间上线的新产品数量达到150万款，而Zara约为4万款、H&M约为2.3万款。市场研究机构Sensor Tower的数据显示，2025年上半年，Temu在拉丁美洲的月活跃用户同比增长143%，达到1.05亿。低价、快速上新和跨境直邮模式，使这些平台在拉美市场迅速占据份额。在阿根廷，Shein的受欢迎程度在近两年迅速攀升，尤其是在政府大幅放松进口管制之后。
扎心了，超7成跨境人今年无年终奖年终奖取消，公司岌岌可危，跨境人：今年太难了
跨境电商的入场券，变了2025年，跨境电商仍在增长，但增长的方式已悄然改写——它不再均匀洒向每一个卖家，而是像一场“定向灌溉”，愈发向头部与合规能力强的卖家集中。平台数据揭示出这一分化：2025年1—9月，亚马逊中国卖家上新数量同比提升近25%；销售额达到200万、500万、800万美元的卖家数量增幅均超过20%；而销售额超过1000万美元的头部卖家，增幅接近30%。这不是简单的强弱分化，而是一次行业的深层迁移：平台正在亲手改写规则，把“可控”定为第一要义。随之而来的，是三条谁都绕不开的趋势——它们共同把跨境电商，从过去的“流量快跑”，推向了如今的“系统耐力赛”。
25-cv-15218，可食用野生花卉海报版权维权进行时，跨境卖家注意TRO冻结风险!本案是keith律所代理Botanical Arts Press LLC 针对其于2025年8月14获得美国版权认证的VA 2-458-669作品发起的版权维权案件
美国圣诞节后预计迎来退货高峰，退货率或将高出35%AMZ123获悉，近日，Adobe最新发布的假日购物数据分析显示，2025年假日季至今，美国消费者的退货行为较去年同期有所放缓，但整体趋势仍需谨慎看待。11月1日至12月12日，线上购物退货量同比下降2.5%；而在黑五周（Cyber Week）结束后的7天内，退货量仅同比下降0.1%，降幅明显收窄。Adobe指出，当前的退货下降并不意味着假日季整体退货压力减轻。按照历史规律，圣诞节后将迎来集中退货高峰。预计12月26日至12月31日期间，退货量将较11月1日至12月12日这一阶段高出25%至35%。根据2024年假日季数据，每8笔退货中就有1笔发生在这一6天内，Adobe预计这一趋势将在今年延续。
11月波兰电商平台流量排名出炉，Allegro重返第一AMZ123获悉，近日，Mediapane最新的l数据显示，波兰电商平台的流量排名在11月出现变化。波兰本土电商平台Allegro以1919万名用户重新夺回波兰电商访问量第一的位置，超过Temu的1910万名用户，结束了此前数月Temu持续领先的局面。对比来看，10月Temu仍明显领先，当月其用户规模达到1976万人，而Allegro为1897万人。Temu自今年3月首次超越Allegro后，连续多月位居榜首，但两者之间的用户差距始终不大。除Allegro和Temu外，11月的第三名为电子产品零售商Media Expert，用户规模为1340万人，较10月的1164万人明显增长。
抢攻新兴蓝海，一批中国卖家已爆单！你眼中的非洲，是什么样的？偏远、贫瘠、基建差……在这些刻板印象的束缚下，过去很长一段时间里，许多卖家对于非洲的认知都停留在“待开发的潜力股”上，因此鲜少有人在攻略新城池时考虑到非洲电商市场。然而士别三日，当刮目相看。如今去到非洲国家，这样的场景已十分普遍：尼日利亚拉各斯的街头，电商配送车穿梭在车流中，装载着从中国跨境而来的电子产品与时尚服饰；在肯尼亚内罗毕的社区，年轻人正在Jumia的橙色自提点前排起长队，领取他们通过手机订购的中国商品。 这片被误解的电商新大陆，正在成为藏金纳银的财富洼地。
新入口曝光！亚马逊广告后台新增 Prompts（提示词）功能今日分享「结合数据高效优化老品广告」
亚马逊如何结合竞价，优化广告位置表现在亚马逊平台的标品运营中，流量结构的精准布局是决定 ASIN 成长效率与成熟期收益的核心要素之一。标品（如标准化 3C 配件、家居日用品等）具有用户决策链路短、搜索意图明确的特征，其流量资源的分配需高度聚焦于高转化曝光位。本文将系统解析适用于标品成长 / 成熟期 ASIN 的流量结构”，明确其逻辑框架、落地步骤与效果验证，为新人卖家提供可复用的运营范式。一、模式 1 的核心定义与适配场景模式 1 是针对标品成长 / 成熟期 ASIN设计的流量结构策略，其核心特征为 “三角形流量布局”—— 即通过资源倾斜，将大部分流量集中于 “搜索结果首页首位” 这一核心曝光位。
25年健康品牌TOP10榜单出炉，功能型健康产品爆火AMZ123获悉，近日，AI 市场研究平台 Spate 基于 Google、TikTok 和 Instagram 的搜索与互动数据，对健康品牌的年度热度变化进行了统计，整理出 2025 年最受关注、同比增长最快的十大健康品牌。随着“长寿”“功能性健康”等议题持续升温，线上健康消费品牌的关注度在2025年显著提升。这些品牌主要集中在营养补充、功能性食品、运动营养和情绪健康等领域，反映出消费者在压力管理、肠道健康、能量补充和整体健康管理方面的需求持续扩大。数据显示，2025 年热度排名第一的品牌为 Goli，其年度“人气指数”增长达 15 亿次，同比提升 217%。
美国圣诞节后预计迎来退货高峰，退货率或将高出35%AMZ123获悉，近日，Adobe最新发布的假日购物数据分析显示，2025年假日季至今，美国消费者的退货行为较去年同期有所放缓，但整体趋势仍需谨慎看待。11月1日至12月12日，线上购物退货量同比下降2.5%；而在黑五周（Cyber Week）结束后的7天内，退货量仅同比下降0.1%，降幅明显收窄。Adobe指出，当前的退货下降并不意味着假日季整体退货压力减轻。按照历史规律，圣诞节后将迎来集中退货高峰。预计12月26日至12月31日期间，退货量将较11月1日至12月12日这一阶段高出25%至35%。根据2024年假日季数据，每8笔退货中就有1笔发生在这一6天内，Adobe预计这一趋势将在今年延续。
德国对Temu展开反垄断调查，定价机制受关注AMZ123获悉，近日，据外媒报道，德国联邦卡特尔局（Bundeskartellamt）已正式对Temu德国母公司Whaleco Technology Limited启动反垄断调查，重点审查其在平台运营中是否存在限制卖家定价自由的行为。该公司注册地位于爱尔兰都柏林，此次调查源于德国零售协会（HDE）于今年4月向监管机构提交的正式投诉。调查核心为Temu是否违反德国及欧盟层面的“卡特尔禁令”。相关法律明确禁止具有竞争限制效果的协议或行为，若构成违法，最高可处以企业年度营业额10%的高额罚款。德国监管机构怀疑，Temu通过其卖家合作条款，对入驻卖家的价格制定施加不当限制，从而削弱市场竞争。
亚马逊走9810退税模式的灵魂拷问！亚马逊走9810退税模式的灵魂拷问！
亚马逊大规模误判！大批卖家链接遭下架整改商品信息+提交精准申诉
《亚马逊生活日用品类攻略手册》PDF下载作为日常生活不可或缺的重要组成，生活百货品类覆盖范围广泛，包括家居用品、家具、车用配件、户外装备、园艺
工具、运动器材、家装用品、厨房、玩具以及宠物用品等众多领域。这类产品不仅是满足基本生活所需，更体现了人们对美好生活的向往和追求。
《掘金泰国-市场洞察与战略机遇报告2025》PDF下载随着全球经济一体化的加速，泰国作为东盟的核心枢纽，凭借其独特的地缘优势庞大的消费市场以及持续优化的营商环境，成为众多企业战略布局的重要目标。本报告深入剖析泰国市场的政策红利、消费趋势、产业机遇以及合规挑战，旨在为有志于开拓泰国市场的中国企业提供行动指南，助力企业在东盟这片充满活力的土地上把握机遇、应对挑战、!实现可持续发展。
《2025欧美假日购物季营销指南》PDF下载2025年美国假日购物季零售额预计同比仅增长1.2%，总销售额约1.359万亿美元，虽仍保持正增长，但为2009年以来最低增速，市场正在步入低增长的新常态。
《2025年跨境电商东南亚市场进入战略白皮书》PDF下载东南亚电商,正以惊人的速度复刻中国电商高速增长的黄金时代。2024年东南亚电商GMV达到1284亿美元,短短5年涨幅超过3倍。全球电商2024年GMV增幅最快的十大市场中,东南亚独占四席。东南亚是拥有约6.7亿人口的广阔市场,在现今全球关税的不确定性大格局下,因其电商基建完善,利好的贸易政策,和更高的年轻人口占比,成为跨境卖家生意拓张焦点之一。
《2025年TikTok Shop玩具品类行业报告（欧美站）》PDF下载分析TikTok Shop美国市场、英国市场、西班牙市场、墨西哥市场等主流市场点短视频及直播电商数据，选取TikTok与玩具爱好品类相关的内容进行分析报告。
《2025 洗护品类趋势与创新洞察》PDF下载本报告独特价值:将消费者的“行为结果”据)，揭示消费者深层心理动机、并能精准预判未来增长机会
《亚马逊双轨增长指南》PDF下载亚马逊以“以客户为中心”为核心理念，通过整合B2B与B2C的全渠道服务，帮助卖家实现“一店双拓”-- 一次上架，同步触达个人消费者与企业买家，获得双重收益。同时，基于Direct to Buyer(直接触达买家)的模式，更能有效减少中间环节，提升利润空间与品牌掌控力。
《亚马逊全球线上商采趋势与区域洞察》PDF下载随着全球企业数字化转型的深入推进，B2B商采有望成为下一个万亿级别的蓝海市场然而，中国卖家在开拓海外企业商采市场时往往面临着一个关键挑战:难以准确把握海外企业买家的商采行为和决策模式。这种认知偏差不仅影响了产品开发方向，也制约了市场拓展策略的制定。
无Cookies营销番外篇1️⃣用户/价值/品牌
跨境Nav
2022-12-14 18:52
2493
1 📶前言
📶前言
一个水池有一个进水管和一个排水管。只开进水管，2个小时可以把水池放满，之后关闭进水管，只开排水管，需6个小时可以把水池排空。 问：从空水池开始，同时打开进水管和排水管，多长时间可以把水池放满? 解：设水池的体积是“1”，进水速度是1/2（1小时进1/2池子的水），排水速度是1/6（1小时排1/6池子的水） 时间=体积/(进水速度-排水速度)=1/(1/2-1/6)=3 (小时) 答：需要3小时可以放满
⛓卖家和用户的关系
这里简单叙述苏嘉SUGA一个内部共识：数字化独立站匹配内部流程&用户需求量化并使用自动化方案实现过程；
🔃用户价值数字化管理
苏嘉SUGA的一贯主张：数字化转型是提升团队在无Cookies营销世界中生存能力的必然选择
🧑🍼用户
一方面，随着跨境电商平台/独立站渠道销售功能的完整化，运营能力更强的铺货型卖家替代外贸型卖家，成为主流卖家是必然的事情 然而另外一方面，纯生产的工厂卖家开始追赶铺货型卖家的运营能力，形成独特的工贸一体化
⚗互联网用户增长衰减
用户是需求的集合，因此各细分产品赛道上可获取的用户规模上限，由产品满足用户需求的普适程度决定； 其次，不同赛道竞争剧烈程度和产品/品牌护城河构建的难度（产品力）决定了各赛道中可分到的用户多少。
🧫规模性独立站（站群）变现
🔲广告流量的货币化
一个问题：广告平台是流量的生意吗？ 是，特别是以MAU为核心的流量指标是入局互联网广告的核心，在于流量池也是数据池，通过沉淀大量用户数据，做算法的优化，从而实现VV和ARPU的双升 也不全是，在货币化过程中，流量的变现效率也存在资源禀赋的差距，表面观察为广告ARPU的差距，背后则是平台能容纳的广告数量上限，以及广告本身的转化效率问题
题外话，我们对于新兴出海平台并不看好个人机会，比如，拼多多Temu，TikTok短视频等出海平台： TikTok作为内容输出平台，现阶段没有良好的创作者分成机制（对比Youtube的创作者广告分成）； 短视频APP的网络效应介于梅特卡夫与双边效应之间，用户同时提供内容&消费内容，兼具一定的社交属性； 因此以内容为承载的用户间互动连接是短视频APP的增长引擎； 短视频APPDAU/使用时长的增长，取决于内容创作是否完成用户数据积累和算法优化； 因此没有良好的创作者分成机制，会导致TikTok平台上的创作者会呈现流失严重现状（转移到其他内容平台） 而对于拼多多Temu的不看好，则在于Temu存在非常高的法律风险问题；此外拼多多作为美股上市公司，出海更像维持市值而作出的增量尝试，不推荐尝试。
👥用户价值
🎭用户价值指标体系
🏆平均订单价值 AOV(Average Order Value)
🏅产品价值 Product Value = 用户数×平均订单价值 AOV(Average Order Value)
🎖用户价值 Customer Value = 用户消费频率(Frequency)×平均订单价值 AOV(Average Order Value)
从营销主的角度，产品价值必然是客观性的：产品/服务从开发到最后被迭代，它能产生的最大价值必然是产品本身客单价乘以最大用户覆盖数（产品用户最大覆盖数，往往代表着不同产品对应的不同用户群体） 用户价值体现则是用户主观性，是用户认为产品或服务能否解决问题的主观想法：意味着我们不仅需要提供逻辑上帮助用户解决问题的产品/服务，并以此量化出用户了解和认可我们的产品/服务的价值；用户价值的量化逻辑是产品客单价乘以用户消费频率； 消费频率(Frequency)存在两种衍生： 90天内重复购买率达到1％～15％：用户获取型 90天内重复购买率达到15％～30％：用户混合型 90天内重复购买率达到30％以上：用户留存型 提升产品/服务功能性从而提高AOV 创造产品生态——复购低单价高产品搭配复购高单价低产品从而形成产品矩阵
🪢RFM指标模型
在距上一次购买时间满1个月之后，在数据库里就成为消费为2个月的客户 反之，同一天，最近一次消费为3个月前的客户作了其下一次的购买，他就成为最近一次消费为1天前的顾客
🧨留存期
新用户激活期——如产品/服务使用周期为周，属于高频需求类产品，理想激活时间是1~3天，周期时长为第0周 新用户留存期——留存率降幅明显（正常现象），平均留存率差值均大于2% 长期用户留存期——产品/服务留存率趋于稳定且缓慢下滑，每周约以低于1%的速度降低 流失召回期——产品的留存率有跌有涨，开始进行流失召回策略，测试出成效措施。而当留存率下降幅度突然加大，逐渐脱离趋势辅助线预测值，需要考虑到此时用户已使用产品将近留存期极限，拉回流速度已经比不过用户流失速度。
现金流周期——当用户处于长期用户留存期的时候，意味着用户价值变现是相对稳定的； 吸引新客户的成本是留住现有客户的 6-7 倍 把产品卖给老客户的概率是卖给新客户的 3 倍 总结：5％ 的客户留存率增长往往意味着公司利润 30％ 的增长 根据美国贝恩公司相关调查： 而哈佛商业评论研究提出数据导向是，“用户留存率提升 5% 会刺激收入增长 25%-95% ” 产品迭代周期——当用户留存期缩短（如上图从40周开始减少），即留存期越加短暂往往意味产品需要迭代
🗞客户留存指标——留存线索、流失率、留存率
激活用户：指在产品/服务内完成关键行为，体验过Aha Moment的用户 Aha Moment：多译为“顿悟时刻”，也有译为“啊哈时刻”，由德国心理&现象学家卡尔•布勒(Karl Bühler)首创，对这个表达的定义为：在思考之前某个并不明朗的局面过程中，突然对产生明确或者深入的认识后，而产生的一种特殊的&愉悦的体验。
毛流失率 = (本期内流失RR+减值RR)/上期末RR 净流失率 = (本期内流失RR+减值RR-增值RR)/上期末RR
存在一种理想状态“负净流失”(Net Negative Churn)：金额净流失率<0，金额净留存率>100% 由于增值超过流失和减值带来的负面影响，已有客户的总商业价值是不断成长的； 所以即使暂缓获取新客户，业务也可以保持健康运转。
毛留存率 = (本期末RR - 本期内新增RR - 回流RR - 增值RR)/上期末RR 净留存率 = (本期末RR - 本期内新增RR - 回流RR)/上期末RR
净留存率可以更完整地反映短期趋势，而毛留存率更好地反映了长期趋势； 背后的逻辑是，产品和服务的价值是可长期持续的，而销售Upsell是不可长期持续的。
🔄用户增长飞轮
黏着式增长引擎——重点是让用户成为回头客，并且持续使用产品/服务 病毒式增长引擎——指数性本质：如果每个用户能带来1.5个新用户，那么用户数将会指数增长直到饱和 付费式增长引擎——通常，在确知产品/服务具有黏着性和病毒性前就启动这一引擎，是过于仓促的行为 付费式增长，是规模化飞轮的最好工具——问题在于不单单规模化体量，成本也同样规模化 规模型独立站卖家以付费式增长引擎规模化体量之后，才会发现成本增长速度远高于营收增长速度 原因在于：我们前文提及的互联网人口高速增长红利在衰退，从增量市场转为存量市场 客户获取成本(CAC)在大环境下，必然只会越加上扬，从付费增长变为付费衰退
从某种程度上讲，赚钱是识别一个商业模式是否可持续的UOS(终极指标 Ultimate Oscillator)： 如果从客户身上所赚的钱超过获取客户的花费，并且在时间段上维持，增长引擎就是可持续的； 因为企业不需要外部投资者的钱，并且每天都在增赚钱； 但是，就其本身而言，赚钱本身并不是一种驱动增长的引擎——它只是让企业现金流越来越多； 只有反过头来把一部分营收再用于获取客户时，营收才有助于本身增长，找出增长引擎控制器的两个调节旋钮； 也就是本文的两个重点，客户终生价值(CLV)和客户获取成本(CAC)
🔃用户周期(Lifetime)
🔝客户生命周期价值(Customer time Value)
💲用户状态属性：过去/未来
AOV客单价=50USD，获客成本CAC75USD，客户维护成本15USD/月，求解如何盈利？
💱用户价值属性：交易/隐形
我们通过Newsletter和社交媒体帐户分享内容，即自有流量(Owned Media)触达用户，以此类推付费&被动用户
一篇帖子在社交媒体(Social Media)上分享并获得了大量参与(15,000 多条反应和 800 多条评论) 然后，帖子由另一位意见领袖分享，后者将其推广给与内容互动的新受众(新增的 10,000 多个反应和 400 多个评论) 下一个意见领袖或者K因子继续滚动，形成病毒式传播链：所谓病毒式传播，其实是使受众可以在参与信息的制作和传播过程中，同时成为信息的发布者和转发者，以人际圈席卷的模式，携带信息迅速蔓延的传播方式，即“传者主动传播——受众接受——受众转变为传者自愿再传播”模式。
“一个产品的用户越多，则此产品对用户的价值越大，而且能吸引更多用户使用此产品”
🏧如何实现用户价值模型
文章节选： 一，跨境电商不相信方法论 字节尝试了至少三次，目前看起来胜算都不大。拼多多目前还看不出来，但风言风语也不少。“黑话大户”阿里其实是做的最好的，但近年来趋势也不乐观。 那这不是很诡异吗？按理说互联网这些组织管理方法论最先进，但一复制到跨境电商就不work了，没理由这么多北大清华海归高材生干不过一堆专科生吧？ 但事实就是这样。专科生比北大清华强在哪里？不是英语更好方法论更高级，而是能在一个很细分的领域不断钻研。比如你让一个清华毕业的同学去研究列支敦士登这个国家有啥网红，他肯定是干不下去的，但是专科生可以。反之你让一个专科生去研究人工智能最新技术他大概率也是干不下去的，但清华毕业的可以。 而且清华毕业的人普遍“聪明”，精通职场之道，懂得向上管理，他会知道费劲巴拉去一个个找列支敦士登网红不如给领导写一个“欧洲各国电商分析”大报告。所以大厂项目很多做到后面一看，业务没啥起色，每个人都成了“xxx项目lead". 所以小猫一直有种感觉，就是跨境电商的管理优势并不是什么所谓“科学方法论”的优势，而是充分细化分工和强执行力的配合：因为我每个流程都很具体，所以我不需要那些虚的，你把分给你这块执行到位就行。 这也可以解释为什么在大厂里阿里是做的最好的：因为在被各种黑话洗礼之前，阿里铁军一直是以执行力著称的。而天天大喊“组织管理学”的字节，是项目最容易半途而废的。 其实从员工人数上来看也很有意思，跨境电商的王者Shein大概有小几万名员工（相关报道中说1-5万都有，鉴于没有可靠信息，暂估算2-3万），销售额超过200亿美金，而互联网王者字节营收600多亿美金，有10万人。 怎么理解呢？apple to apple的比较，两者人效似乎差不多，但字节大部分的人和营收都来自互联网，跨境应该只占很小一部分。而shein这么一个单一板块已经占到了字节1/3的体量，不得不佩服。
🤥面试题：把大象装进冰箱，要几个步骤？
主语：你 谓语：放冰箱 宾语：大象
为XX原因 放XX样的大象 XX样的冰箱
🥋关键数据指标
跳出率——意味着产品/服务与目前测试用户匹配程度
弃购率/转化率/订阅率——目前测试用户意愿程度（不跳出但弃购，意味着产品/服务与用户匹配，但存在其他因素所以不转化；根据福格行为模型：动机/能力/促发场景，三者促发行为）
客诉率/互动率——客户体验管理程度，对客户来说，响应速度及时不及时/产品是否送达，是满足与否关键
触达率/复购率/交叉购率——对客户从满足一次到满足多次，普通用户导向忠诚用户，最后打造K因子模型
K因子模型——病毒营销背后的核心关键点，另外有说法是病毒因子/病毒系数K-Factor，几乎所有的增长黑客、用户裂变和病毒营销背后，都离不开它 表格中和病毒系数K值相关的三个要素和变量分别是：
Custs(0)，即初始种子用户Customer； i，即每个用户发送的邀请数量Invitation； Conv%，即每个用户邀请成功转化率Conversion Rate； 计算K因子的公式非常简单：将每个用户的邀请数乘以邀请成功的转换率，即：K = i * Conv% 从图表数据可知，在初始用户量为 10 ，K因子为 2 的情况下，在经历 12 轮增长后，总用户量从10变成了81910 K因子属于用户隐藏价值，某程度也展示我们用户模型是否存在自增长： 0≤K<1：用户不会自增长，不存在病毒营销，因为平均每个用户无法带来另一个完整用户，属于亚线性增长 K≥1：用户将以指数方式增长，也就是病毒式增长引擎，因为平均每个现有用户发展一个或者多个新用户，实现线性或者超线性增长
转化率（访客中真正发生购买行为的比例）是和购买所需时间（客户需要花多长时间才能完成购买）相绑定；二者相结合可以告诉我们更多关于现金流的信息； K因子的另外一个说法，病毒式传播系数（Viral Coefficient，平均每个用户邀请来的新用户数）和病毒传播周期（Ciral Cycle Time，用户完成一次邀请所需的时间）共同推动产品的普及率；
😃用户体验
比如，什么是客户体验管理(Customer Experience Management)？
传统数字广告时代：用户追踪能力差，数字媒体广告充当广域广告角色，提高广播能力，盈利能力未革新 程序化广告时代：用户追踪能力高，效果性广告提供ROAS计算模型， 高效提升广告主盈利&广告决策能力 隐私广告时代：用户追踪能力更高，但用户隐私意识觉醒，从消费者数据营销时代过渡消费者数据体验时代
更高额购买：溢价方面，低价竞争升级为体验增值； 更深度认同：在转化上，心智占领升级为心智认同； 更多自然传播：在获客/信息传播上，品牌应从买流量转为聚合传播，注重自然流量的累积，同时依靠心智认同人群的自发分享，用优秀体验为品牌带来增量； 更长期关系：在复购上，品牌应从单向营销转为关系共建。
用户体验的主体是用户，只有用户说有价值，才是真的有价值，用户说差，不管运用多强大的理论都没意义 用户价值是在用户体验时产生的，用户需求必然被真实场景约束，因此没有使用产品却声称的价值，没有意义 用户体验是主观感受，哪怕我们的产品/服务实现用户问题的解决方案，但用户自己认为并没有解决，或者解决得不好，同样会降低用户对产品价值的判断。
🖖品牌需要克制
当网站上有其他竞争对手的产品同时存在时，重复同样的广告是有效的； 但重复推送广告次数太多，用户会失去新鲜感，从而成为衰退用户； 此外，如果网站的内容与广告中的产品一致性太低，转场丝滑度太低，必然导致用户流失。
🦾DIKW模型用户价值创造
人与人知识水平在拉大，思考/整理方法也是知识，很多人只学了收集，但不学习逻辑，归纳，总结，判断
引用知乎看到的举例： https://zhuanlan.zhihu.com/p/140338649
Data：我手头有鸡蛋、西红柿； Information：我找到一个菜谱，可以用手头有的东西做一盘番茄炒蛋； Knowledge：我不断实践，做出来自己满意的番茄炒蛋； Wisdom：我专门写了一本书讲番茄炒蛋的历史、不同国家的做法、营养价值、适合搭配的主食等。
从马太效应来说，强者越强，所以会发现数据信息甚至知识的存储和搜索越来越方便的时候，智慧反而会越来越成为“富人”的专利——懂得使用思考工具的人或者形成了自己的逻辑闭环的原因，他们的思考速度会如ChatGPT一样会越来越快
如同知乎Up主的例子：
Data：通过买量/自然流量/用户自发分享，不同触点获取用户，同时获得用户的初始数据——身份/行为/信用
用户增长团队在数据团队统一的数据指标中，选取用户数据并设计埋点方案，工具团队配置自动化采集
Information：根据数据归类，对用户个体图计算(Graph Computing)，形成基于知识图谱的用户画像；
工具团队在全团队整体工作流程，实现应用工具之间数据打通，并以此为基础，进行流程挖掘(PM，Process Mining)
流程挖掘（PM，Process Mining）则是基于客观数据的自下而上的流程优化技术，核心在于业务系统中真实流程的挖掘和可视化呈现 因此流程挖掘作用于全团队整体工作，呈现不同视角下的流程路径，直观地展示瓶颈和异常点，提供分析改进的有力依据 此处，我们说的流程挖掘是应用于客户数据分析以及敏捷响应用户需求 数据团队/用户团队需要对用户数据ETL(抽取 extract 、转换 transform 、加载 load )，将不同触点收集的数据归纳并整理为统一格式，并以此为基础上对用户归因/分层
用户归因（术语是，单一客户视图 Single Customer View ，SCV）：收集有关潜在客户和已转化客户的所有数据，并将其合并到单个记录中 用户分层：Marketing is not for everyone，尤其不同触点习惯的用户——有些喜欢邮件交互，有些更习惯简单沟通，因此针对不同习惯，用户采购层级等不同方面对用户分层，并设置对应方案
Knowledge：我们在订阅品牌：品牌的数字孪生探讨过涌现现象 https://wiki.swarma.org/index.php/%E6%B6%8C%E7%8E%B0
用户价值模型也好，客户旅程分析也好，本质是发掘出单一用户群体化的涌现特征，将用户群体行为量化
用户价值模型——从全团队角度审计业务模式，根据客户生命周期价值决策推广/运营/内容/数据支出 用户旅程分析——从用户角度出发，反思和用户交互过程是否需要优化，提供更优质的互动
Wisdom：有些时候，用户也未必能说清楚他们本身的真实需求（包括我们都一样），好比说iPhone民主化，最后给到用户手上必然是各种功能大杂烩，不伦不类的怪物
用户预测，本质是让用户生活更高效、更有趣 所以乔布斯和苹果团队预知到并实现的是
去掉繁杂的键盘 提供方便操作的触屏 塞进电脑级别的计算能力 提供多任务处理的系统 让通信功能退居二线，提供娱乐模块 PS：预测能力不需要每个卖家团队都具备，因此不深入展开讨论
🎥总结
比方说，知道竞品使用某个投放技巧，于是就“学习”了，实际应用才发现场景不能适配使用，直接生搬硬套反而让整体ROI崩掉（所以有时我们不太懂为何大家都对竞品那么关心）
（SUGA苏嘉广告时间）很多朋友都问过为何SUGA苏嘉从事知识星球的运营，答案就是以费曼学习法打造SUGA苏嘉本身的DIKW金字塔
费曼学习法，所见即所得，输出倒逼输入，把学到的知识讲给别人听； 芒格式学习法，反过来总是反过来，学习失败的案例是为了输出成功的决策； 马斯克学习法，第一性原理，解耦合，学习是为了创造；
热门活动 
广东
12-26 周五
热门报告 
