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：
独立站复购类型按如下区分：
• 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
独立站交叉购——当产品类别复购系数过低，比如眼镜/大件家具
• 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
      品牌案例Outer：从极致单品到一种户外家居生活的想象｜BrandStar专访

🪢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

1. 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
2. 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%
3. 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
4. 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

1. 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)
2. 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)
3. 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)？

1. 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
2. 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
3. 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

1. Data：我手头有鸡蛋、西红柿；
2. Information：我找到一个菜谱，可以用手头有的东西做一盘番茄炒蛋；
3. Knowledge：我不断实践，做出来自己满意的番茄炒蛋；
4. 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：

1. 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

2. 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

3. 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

4. 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；