隔壁西站

很多企业的产品痛点是产品很棒，品牌相关内容也有，但用户对该产品、品牌没有印象，就不愿意尝试，来了就走。本文总结了品牌的私域电商体验设计的大致三类问题以及相关解决方案。

自19世纪美国淘金潮后，丹宁诞生已有百年之久，从一种坚韧耐磨的布料变成如今经久不衰的潮流，不仅是因为它“可甜可咸”的风格，还有其背后所代表的自由、独立、冒险、叛逆的精神内核。

一、被埋没的产品

虽然说丹宁不会缺席每一个人的衣橱，但我们发现经典的丹宁产品和一个世纪之前的设计基本没有变化，功能性上没有形成巨大优势，加上众多快时尚品牌入局，以及户外运动风潮的兴起，这些都对传统丹宁品牌造成了不小挑战。

单纯地宣传丹宁的文化、历史对路人消费者来说不是非常奏效，传统品牌想要卷出一片天地不仅需要进行理念传达，更需要创造一个让用户可以参与、互动、对话的平台。

很多企业的痛点就在于产品很棒，品牌相关的内容也都有，但用户就是没印象或不愿意尝试，来了就走，甚至不愿意再来。

根据ARK观察，品牌的私域电商体验设计大致有三类问题：

无论是哪种类型的消费者，进入品牌的任何一个平台都是付出成本更高、概率更低的事件，他们会选择进入首页无外乎是为了搜索这家店的好产品。

但线上商城中繁杂密集的信息反而埋没了好产品、好内容。我们需要思考的是用户来了后如何把TA留下，透过体验促进消费，感知品牌价值，提升忠诚度。

二、从种草到拔草

对大多数人来说，搭配衣服的牛仔裤是什么品牌并没有太大区别，他们需要的是一个选择这个商品的理由。

如今的购物入口正逐渐转向心智入口，也就是说，品牌不仅需要提供商品，更要影响用户的心智，而影响心智与内容息息相关，这也是内容电商强势崛起的原因。

相较于从社交平台种草到公域电商拔草，我们认为品牌的私域电商内部也可以完成从种草到拔草的闭环，与用户可持续地进行交流。

品牌的电商店铺首要目的是卖货，设计目的更是在于对用户需求的承接。如今产品即品牌，除了商品，更重要 的是用户自我表达、交流的情绪需求。

“比起促销省钱更在意产品与自身的契合度”
“比起选购平台更需要志同道合的经验交流“
“比起大众化更希望专业的服务指导和更精挑的细选“

比起学习研究更享受产品带来的附加价值和体验我们认为应该将传统货架构建成可提升销售转化的场景。透过场景化、个性化、全面化建立「品牌-服务-生态」的闭环，提高竞争力感知，从而更好地卖货。

品牌闭环。Brand Site 需要在用户侧形成独有的心智，让用户因价值而来，留下信息并有收获，才能抓取用户的注意力和时间。

服务闭环。不同用户群体的期待不同，各有自己主打的场景特色和个性化服务需求，需要改变原先由单一产品出发的主动消费模式，重构高频高需的核心场景。生态闭环。围绕用户数据的沉淀迭代，通过数字基建整体布局，建立用户与品牌强关联，整个体系逐步迈入自动化及快速迭代、精准传导的过程。

三、差异化的符号

鲍德里亚在《消费社会》中描述道“人们购买商品不是因为有用，而是因为商品代表某种意义，尤其是差异化的意义。”

19世纪60年代开始，在美国正处于自由解放运动的浪潮中，反战、嬉皮、朋克与牛仔如影随形。未完成的下摆、手工拼布、亮片、珠子、色彩鲜艳的刺绣等都是叛逆青年们自我表达的个性化标志，正是这种时代下的改造给牛仔赋予了自由、叛逆的含义。

百年后的丹宁已经成为了一种日常化的服饰，这件代表工艺和品质的复古文化单品要如何同时触动丹宁入门者和“丹宁脑袋”们呢？

以某个单宁品牌「E」为例，我们用游戏化的思路结合商品货架与品牌文化，构建一个新的世界观和体验机制——DenimVERSE。

某一天，你在地球上遥远的屏幕那一端，收到了来自DenimVERSE留下的线索，邀请参加一场名为「觉醒」的计划，唤醒人们探索宇宙文化的奇点。传说，人类只要穿上「E」的牛仔裤，就可以穿越到「E」星上并在这里获得丹宁旅人的身份通行证。除了外来移民，「E」星上面还有许多具备独特文化的原住生物「养牛人」。他们有着独特的文化和技术，来自不同的种群、身份、性格。初来乍到的人类，可以找到养牛人并和他们成为朋友，在这里变得更酷更时尚。

透过全新的品牌电商小程序，旅行者可以在浏览过程中获得宇宙指引和碎片化线索，并从中拼凑出完整的故事细节。

在每一个触点上，通过视觉、文字及交互方式的多维度演绎让消费者感受到丹宁文化的多面性，引导旅行者们深入浅出的探索品牌历史、产品工艺以及背后的匠人精神。

空间站：

DenimVERSE的起始，以人群类型、话题系列为主的导航，让旅行者可自行选择探索路径。空间艺廊：

带旅行者穿越数字路径直达目的地的导览直通车，提供决策指引。丹宁工坊：

在这里购买各类牛仔裤，和“养牛人”进行文化和技术交流，并有机会加入成为永久居民。工艺箱子：

装着各种工艺元素，除了版型、刺绣 、铆钉、镶边…还埋了一些硬核牛人才能发现的关键信息。银河公路：

穿梭过去、现在和未来，感受品牌在时间河流里留下的痕迹。旅行家护照：

结合线下线上之旅，参与活动即可成功点亮标记，如门店打卡、查看新品、了解品牌历史等。将激发兴趣、助力选购、离店激活作为三大核心场景，以「探索」和「服务」为主线，从导航到分类再到商品展示，在积极主动的、吸引人的、有价值感的、互动陪伴的用户旅程中制造意外惊喜，在每一个点上激发需求，让用户与品牌、用户与用户之间能够产生关联。

我们用「产品驱动轮」结构化种草，驱动内容流向用户。通过解耦功能模块，加入不同颗粒度的内容在跨功能的设计之中，形成更高效、高频的产品设计手段。从而连接起「种草-购买-护理」的无缝体验，搭建闭环式陪伴服务，建立用户无法离开的理由。

结语

货架电商在发力内容，内容电商则在布局货架，两者之间的界限变得愈发模糊，模式日渐趋同，总是主动或被动卷入价格战。

归根到底还是需要回到人、货、场之间的关系，从GMV转变到CLV，打造差异化的内容场，关注丝滑的用户体验，也许就是一剂良药。

产品经理在设计、开发产品的过程中，需要对用户有深刻的洞察和了解，从而更好地满足用户需求。其中，用户画像和用户旅程设计这两样工具的运用，可以帮助产品经理更好地了解用户，提供更优秀的产品和服务。那么，怎么做用户画像和用户旅程设计呢？来看看作者的梳理吧。

用户画像和用户旅程设计是重要的产品设计和用户体验设计工具。通过深入了解用户，并从用户的角度出发，我们可以更好地满足用户需求，提供更杰出优秀的产品和服务，符合“用户至上”的理念。

一、专业术语

二、什么是用户画像和用户旅程？

1. 用户画像（User Persona）

用户画像是基于市场调研和用户数据分析，对目标用户进行详细描述和刻画的工具。它是一个虚拟的人物形象，代表了目标用户群体的特征、需求、行为和偏好等信息。

用户画像通常包括用户的个人背景、行为模式、目标和动机、痛点和期望等方面的描述。通过用户画像，产品团队能够更加深入地了解用户，明确目标用户的需求和偏好，并以此为基础进行产品设计和营销策略的制定。

2. 用户旅程（User Journey）

用户旅程是指用户在使用产品或服务的过程中所经历的各个阶段和相应的互动。它描述了用户从接触产品到完成目标的整个过程，包括用户触点、行为、情感和需求等方面。

用户旅程设计帮助产品团队全面理解用户使用产品的体验，发现用户可能遇到的困难和问题，并为用户提供相应的解决方案和改进措施。通过用户旅程设计，产品团队能够更好地优化产品的用户体验，提高用户满意度和忠诚度。

三、如何去做用户画像和用户旅程？

在进行用户画像和用户旅程的设计时，你可以考虑以下步骤和方法：

1. 市场调研和用户研究

深入了解目标市场和用户群体，通过定性和定量研究方法，如用户访谈、观察、问卷调查等，收集和分析有关用户的需求、行为、偏好和挑战等信息。

tips：用户访问调查表需要提前制定需要询问用户的问题，可以是引导用户做访谈内容。也可以是提前发给用户，再收集汇总（这种效果一般，建议一对一的访谈）。

2. 分析用户数据

利用已有的用户数据和分析工具，如用户行为分析、网站分析和社交媒体分析等，来了解用户的行为模式、兴趣爱好、消费习惯等。将数据转化为有价值的信息，为用户画像和用户旅程的设计提供依据。

tips：基本上是触媒的用户数据，比如通过埋点工具或者一些网站分析工具，比如growingIO、个推、TalkingData、神策 。用户分析的数据是用户真实的在平台上的数据统计，具有参考指导方向。

3. 定义用户画像

根据市场调研和用户数据分析的结果，找出目标用户群体的关键特征和共同特点，如年龄、性别、地理位置、教育背景、职业等。然后，用一个具体的人物形象来代表目标用户群体，并编写用户故事来描述其背景、目标、需求和痛点等。

tips：定义画像可依赖用户属性标签，例如年龄、性别、地域、职业等。

4. 绘制用户画像

根据所得到的用户特征和用户故事，用可视化的方式来制作用户画像。用户画像应包括用户的基本信息、兴趣爱好、目标和动机、问题和需求等。可以使用图表、图像、描述等方式来呈现用户画像。

tips：定义画像可依赖用户属性标签，例如年龄、性别、地域、职业等。

5. 识别用户旅程

根据用户画像和用户需求，明确用户在使用产品或服务的过程中所经历的各个阶段和相关互动。识别用户的关键触点、行为、情感和需求等，以便在设计过程中更好地满足用户的期望和需求。

tips：找出用户的关键触点特别重要，比如用户在APP使用购买商品，也会在线下购买商品的场景。这个时候我们就需要把线上的用户旅程数据和线下的用户旅程数据都汇总并做关键问题的收集。

6. 设计用户旅程

从用户的角度出发，为每个阶段和触点设计用户的体验和互动。确定用户的目标、动机和期望，提供相关的功能和解决方案，以确保用户在整个旅程中能够顺利地完成任务并获得良好的用户体验。

tips：属于有效干预用户旅程，比如用户在APP使用购买商品，我们需要他多购物的场景；我们就会购物车页面，增加匹配类似的产品，比如你购买的外套、那我会给你推荐帽子、裤子、鞋子。这个时候如果用户买了外套并且也看到咱们的推荐的帽子，并且购买了；这就属于我们设计用户的旅程。

7. 验证和优化

与用户进行测试和反馈，验证用户画像和用户旅程的准确性和有效性。根据用户的反馈和改进需求，对用户画像和用户旅程进行优化和调整。

tips：验证和优化我们是通过“（2）分析用户数据 “这块，比如我们在设计用户画像旅程前，我们的设计和设计完用户画像旅程后的数据进行比对，如果数据偏差特别大，那就属于我们设计用户画像旅程的有误。如果偏差不大，那就没有问题。具体的数值可以参考：【A/BTest】用户转化率、点击率、购买率等指标上的差异。

数据是企业的重要资产之一，但大多数企业在数据资产管理维度上都面临着一定挑战，其中不可绕开的问题，就是数据确权的问题。这篇文章里，作者就探讨了数据资产确权的难点和建议，一起来看一下。

在大数据时代，数据被视为企业的重要资产之一。然而，对于这些数据资产的管理却面临着诸多挑战，其中最为关键的问题就是数据确权。

本文将围绕数据资产管理过程中的数据确权问题展开探讨，首先介绍数据资产入表的背景，其次探讨权力以及权利的划分方式以及标准，接着分析数据权力与权利包含的范围，再探讨数据确权的内部问题，然后探讨数据确权的外部问题，最后提出数据确权的建议方案。

一、数据资产入表的背景

随着大数据技术的发展，数据已经成为了企业竞争的核心资源之一。这些数据经过加工和处理，可以转化为有价值的信息和知识，从而为企业带来商业优势和竞争优势。为了更好地管理和利用这些数据资产，许多企业开始将数据资产纳入财务报表。

然而，由于数据资产的性质和特点，数据资产入表也面临着一些困难和挑战。其中最主要的问题就是数据确权。数据确权是指确定数据的所有权、使用权、转让权、许可权等权利的归属，以及这些权利的行使方式和范围。

由于数据据有可复制可传播的属性，如果不进行确权，会导致数据滥用的情况发生，确保数据资产流通的唯一合法性这样才有助于形成新的数据要素市场，开启新的财富活动，是数据要素市场化的前提。在数据资产入表的过程中，需要对数据进行合理的确权，以保障各方的合法权益，同时促进数据资产的合理流动和利用。

二、权力以及权利的划分方式以及标准

在聊确权话题之前，我们需要区分权力和权利两者的区别的。权利主体一般是公民与法人和其他社会组织（国家机关进行民事行为时，也是权利主体）。权力主体则只能是被授予权力的国家机关及其特定的工作人员。按其行为属性来讲，权利行为一般是民事行为与社会政治行为；权力行为则一般是立法行为、行政行为、司法行为等属于公务的行为，又称“职权”，是一种公共权力。

在数据确权的过程中，首先需要明确权力以及权利的划分方式以及标准。这主要包括以下三个方面：

法律标准：通过制定相关的法律法规，明确数据的所有权、使用权、转让权、许可权等权利的归属以及行使方式和范围。
协议约定：在数据产生、存储、使用等过程中，通过签署协议约定，明确各方的权利和义务。
分类管理：根据数据的不同性质和用途，对数据进行分类管理。例如，将数据分为个人数据和企业数据、公共数据，将敏感数据和非敏感数据进行区分等。

三、数据权力与权利包含的范围

在数据确权的过程中，需要明确数据权力与权利包含的范围。具体而言，主要包括以下三个方面：

1）数据采集：企业需要明确在数据采集过程中所拥有的权利范围。例如，在用户同意的情况下，企业可以采集用户的个人信息和行为数据等。在国家层面，例如需要医院的实验数据或者企业的经营数据，来去做国家层面的决策分析，企业也需要进行配合处理。

2）数据存储：企业需要明确在数据存储过程中所拥有的权利范围。例如，企业可以要求用户在指定的时间内提供个人数据并存储这些数据。

3）数据使用：企业需要明确在数据使用过程中所拥有的权利范围。例如，企业可以使用用户提供的数据进行个性化推荐、市场分析等。

四、数据确权的内部问题

在数据确权过程中，企业实际在内部就要形成权责的划分，通过企业内部的权责划分，可以达到“以用促管”的效果。我们常常说数据OWNER，就是划分内部权责制定标准的一个过程。无论是数据的生产方、录入方、使用方，都是数据内部确权的第一步。如果企业内部对于数据的产生、使用和录入维护都没有理清，则数据资产的确权就无从谈起。

企业内部的数据权属划分往往是管理问题导致，例如数据使用部门有可能并不是数据的录入方和生产方，对于数据的需求非常明确旺盛，所以数据质量要求很高。而往往数据生产方对这部分数据并没有实际业务场景需求，那么就会出现问题推诿，质量不高，标准无法统一的情况。

针对这个问题，我们一般解决的思路还是利用数据治理委员会，由高层领导拍板下达。当然，除了内部权责的划分问题之外，还需要注意以下内部问题：

数据采集过程中的确权问题：在数据采集过程中，企业需要明确数据的所有权和使用权。如果未经用户同意或者未明确告知用户采集的目的和范围，可能会引起用户的不满和投诉。
数据存储过程中的安全问题：在数据存储过程中，企业需要采取措施保障数据的安全性和机密性。如果未采取适当的加密和安全措施，可能会导致数据泄露和被恶意利用。
数据使用过程中的合规问题：在数据使用过程中，企业需要遵守相关的法律法规和伦理规范。如果未经授权或者不按照约定使用数据，可能会引起法律纠纷和声誉损失。

五、数据确权的外部问题

刚才讲到企业内部的数据权属划分属于管理问题，那么数据确权的外部问题，则显得更为棘手。我们会发现，数据的特性导致我们很难从“所有权”去定义数据到底归谁，一般而言，在判断资产是否存在时，所有权是考虑的首要因素。

但是有些情况下，资产虽然不为企业所拥有，但企业控制了这些资产。例如对于租赁合同，承租人虽并未获得相关资产的“所有权”，但是如果在使用期间内产生了一些经济利益，则通常需要确认“使用权资产”。在这个例子中，出租人虽然“不享有所有权”但是由于“该资源能被企业所控制”，满足了租赁资产“入表”的条件。

所以数据二十条中也提出了“数据资源持有权”、“数据加工使用权”、“数据产品经营权”等数据分置的产权概念，实质上也是将数据资源的所有权和其他权利区分开来了。企业还需要注意以下外部问题：

1）法律政策方面：不同的国家和地区对于数据确权有不同的法律规定和政策要求。企业在开展国际业务时需要了解并遵守当地的法律法规和政策要求。

2）技术方面：随着技术的不断发展，新的数据处理和利用方式也不断涌现。然而，技术在为数据处理带来便利的同时，也可能引发新的确权和安全问题。例如，区块链技术虽然可以提高数据的可信度和安全性，但也引发了对于数据所有权和隐私权的关注。

3）行业标准方面：行业标准是指导企业进行数据处理和确权的重要依据。然而，当前各个行业尚未形成统一的数据处理和确权标准，这为企业进行合理确权带来了一定的挑战。因此，企业需要关注行业标准的发展趋势，以便及时调整自身的数据处理和确权策略。

六、数据确权的建议方案

为了解决上述问题，企业可以采取以下建议方案：

1）完善法律法规：政府和企业应共同努力完善相关的法律法规，明确数据的所有权、使用权、转让权、许可权等权利的归属以及行使方式和范围。同时制定出相应的违规处罚措施，以保障数据的合法性和公正性。

2）加强组织架构建设：企业应建立专门的数据管理部门或团队，负责制定数据处理和确权政策和流程，并确保这些政策和流程得到有效执行。此外，企业还需要加强内部沟通和协调，确保各个部门在数据处理和确权方面保持一致性。

3）提升技术能力：企业应加大对技术的投入和支持，提高自身的技术能力和水平。例如，采用区块链加密技术、数据血缘追溯技术等等。从而对数据流转过程中，加工权、使用权、所有权的划分提供依据证明。

4）第三方进行确权登记：我们可以寻求第三方数据交易所进行数据资产的产权登记。数据产权登记是数据要素一级产权流转市场最根基、最关键的一环，主要发挥数据资源权利确认和保护等作用，可以确保其权威性和公正性。

作为AI应用落地的方向之一，AI Agent这一概念受到了不少企业和从业人员的关注，那么，AI Agent究竟是什么？AI Agent又是如何开展工作的？不妨来看看本文的分析和解读。

为什么要了解 AI Agent ，因为投资者当前只关注 AI Agent公司，OpenAI 等 AI 前沿公司都在研究它。

AI Agent 是AI应用落地的一个方向。

创业圈有个玩笑话，我有一个很牛的idea，但就差一个程序员了。未来，AI Agent 就是帮你实现idea的「程序员」。

读完本文，你会理解 AI Agent 是什么，它是怎么工作的。

一、AI Agent 是什么

AI Agent是指人工智能代理（Artificial Intelligence Agent），是一种能够感知环境、进行决策和执行动作的智能实体。

举个例子，AI Agent 就像是一个小爱同学，住在你的手机或电脑里，有智慧和观察能力。

当你对它说：“小爱同学，我有点不舒服。”

它会像魔法一样，通过观察你的状态、体温，还有最近 24 小时的行动轨迹，并结合互联网上的数据和信息，通过一系列眼花缭乱的分析，在 1s 钟后得出结论，你「阳」了。

然后主动给你生成请假条，你点点头请假单就发给你 leader 了。

还贴心的告诉你，家里布洛芬和矿泉水已经不够了，已经帮你选好商品，只要你一声令下，30分钟后会送到家门口。

它感知到，现在开车并不是一个好的想法，就顺手把你回家的车也叫好了，10分钟后就到楼下，赶紧撤吧。

这就是一系列的 Agent 协同工作的结果。

二、这么优秀，它是怎么工作的

一图告诉你 AI agent 是怎么工作的。这张图描述了一个智能体如何处理、分析和响应外部信息的流程。

有点不太明白，是吧，那我来拆解下。

AI Agent 分为 4 个部分：

1. 感知（Perception）

这是流程的第一步。AI 通过传感器、摄像头、麦克风等，建立起对外部世界进行感知。
输入（Inputs）：感知到的信息被输入到系统中。在这个例子中，输入是：“我有点不舒服”、我的体温、精神状态、睡眠时间等
外部环境（Environment）：系统所在的环境或上下文。比如“我有点不舒服”这件事，会涉及到天气、环境（比如是不是在有花粉过敏的场所）等。

2. 信息处理（Agent的大脑（Brain））

可以说是通用大模型+N多知识库，用来处理信息。包含以下系统：

1）信息存储相关
记忆系统：包括 Storage 和 Memory ，用来存储长期和短期的数据。

比如长期数据是我这个人的基本信息、爱好、基础疾病等；

短期数据比如我家的矿泉水只剩下1瓶了，购买之后这个记忆就可以删除了。

知识库（Knowledge）：包括医学知识库、商品库等，用来诊断我当前的状态，以及后续治疗、生活所需的管理。

2）大模型对信息进行处理

基于感知的信息（input + Environment ）、记忆、知识库等信息，进行加工处理，得出结论（Decision Making）：“我生病了，而且是「阳」了这种情况”。

3）然后制定下一步计划（ Planning）。

Action/Reasoning 是基于其决策的具体动作，但还没有实行。

要帮我写好请假条、帮我买药、买水、叫车等。

3. 执行（Action）

基于 Barin 一系列眼花缭乱的操作，得出了结论，制定了下一步计划，那就需要执行（Action）。

大模型本身不能完成这些任务，需要调用外部的工具。

这时候就会用调用第三方的工具（Tools 和Calling API），通过接口或者应用，与其他App进行互动，达到最终效果。

4. 输出（output）

执行之后，需要一个出口，告诉你执行结果。比如我的小爱同学。它告诉你：“你阳了，已经帮你写好请假条、叫好车.”

以上就是AI Agent的工作原理。

总的来说，这个系统描述的是一个简化的模型，展示了是一个 AI agent 如何从感知信息开始，经过一系列内部处理和决策，最终做出响应的过程。

三、总结

AI Agent 是未来 AI 发展的方向之一（另外一个方向下篇写）。

它可以是私人助手，也可以是你工作的帮手，他能放大你的能力。补齐你的短板，让你成为超级个体。

CDP数据随着时间的推移逐渐增加，不同时间阶段需要进行资源承接，保持系统的稳定能力。本文从方案的实施角度展开，与大家谈谈CDP实施的流程，希望对你有所帮助。

一、方案实施

1. 系统部署规划

根据业务规划进行CDP的系统部署规划，需要进行阶段拆分，包含定开规划、资源筹备、定制开发、软件部署和系统测试。

定开规划：在原有功能不支持或有额外场景需进行定开功能的规划，定开规划要注意产品功能边界及开发成本，在上午和方案确认阶段均有涉及，有偏差需及时跟项目经理沟通与客户协商，尽可能做到风险的把控，方案确认后及时与客户沟通确认，确保项目正常推进。

资源筹备：要收集的信息主要包括业务规划需求（接入应用数、业务量、使用量等）、服务器硬件条件（CPU、存储类型、服务器类型）、服务器软件条件（操作系统、数据库、内核、分区和挂载）、网络条件（IP、域名、负载均衡、端口、子网及子网带宽、访问策略）乃至安全要求（安全合规要求、安全扫描机制、渗透测试要求）。

因为CDP数据随着时间的推移逐渐增加，因此需要考虑CDP上线后1个月、6个月、12个月几个关键节点的规模预估。不同的阶段需要有资源进行承接，保证系统的稳定能力。

2. 系统集成

集成时需要考虑的维度比较多，包含业务数据、埋点数据、三方对接、审核流流对接、角色权限对接等，每个阶段都需要匹配相应的人员进行沟通、对接，最后才能保证系统的集成上线。

业务数据：如果有数据中台则CDP需要给数据中台提出数据处理需求，将数据按照业务场景需求进行初始的质量管理，便于快速的在CDP中进行接入，若没有数据中台，则CDP需要负责数据质量，针对预期对接的业务数据进行表、字段梳理，并且进行数据质量的判断，提出质量问题数据（该问题具体看项目需求范围，主要需要ETL工程师和业务专家介入进行数据治理，保证数据输出的安全性、准确性、标准性）数据完善后接入CDP。

埋点数据：需要与埋点平台、应用平台三方沟通，确认再CDP业务场景下需要哪些埋点，一般来说若有标准的类似神策、GIO的埋点公司的话，埋点梳理已经比较全面，CDP只需要针对场景进行查缺补漏，应用平台进行埋点补充即可，若没有埋点平台的支持则需要CDP根据业务场景进行埋点需求梳理，提供给应用方进行埋点的开发，并且协商埋点的传输方式，一般埋点通过kafka的方式进行实时传输，确保埋点流入CDP的时效性。

三方对接：除了CDP外一般还涉及到上层业务的应用，例如CRM的标签需求，MA的属性行为数据需求，需要各个平台通过提供的API接口、kafka格式等进行优化或开发。

系统集成需要与多方系统进行代码开发和协同联调，需要多方参与和实施必然会存在时间成本和人力成本，在项目建设前必须要考整个项目集的协同预算，避免出现因预算不足导致集成工作阻碍。

审核流、角色权限：企业一般会要求系统有审核流程，一般来讲CDP本身有自身的审核机制，但往往企业需要接入自己的OA进行审核，因此审核机制需要与企业OA打通，这块也涉及到一定的联调对接成本。

3. 定开实施

定开实时主要针对采购CDP来看，可能存在部分不满足需求的功能，均在定开范围内，同时针对数据、指标、标签都会归类与定开范围。

定开范围一定要在方案确认阶段确认清楚，包括相关的范围和边界，避免需求蔓延，导致项目成本和项目风险。

项目实施不会存在完全可控的情况，往往都会出现需求蔓延或需求偏差，在商务和方案确认阶段就需要提前预留好蔓延的预期，同时保证定开实施中的进度风险同步，出现风险及时拉齐项目组及企业针对蔓延的范围进行有效沟通确认，通过商务补充或需求置换的方式，保证项目的成本风险在可控范围。

指标和标签因涉及到数据质量问题，在前中期若有数据质量偏差需提前说明，并提出相应的方案进行沟通推进，实施过程中完全按照方案确认中的指标、标签进行构建，新增范围进行评估项目经理及商务需及时跟进。

To B业务和To C业务所面向的客户性质一般有所不同，这篇文章里，作者便从客户角度分析了二者的不同，并对业务的决策者和使用者进行了分析，一起来看看吧。

ToB：企业与企业之间的商务模式，从企业到企业，买卖双方都为企业；
ToC：企业对消费者的商务模式，买方为个人消费者，卖方为企业。

本篇文章主要从不同客户角度分析两者的不同。首先B 端的客户和用户可能不是同一人，也就是说，通常 ToB 的客户是企业的CEO、采购者、CTO、PMO 等角色。

而真正使用产品的可能是执行层面的员工；C 端的客户和用户通常都是同一个，也就是说买 C 端产品的人通常就是使用产品的人。

一、ToB的深度理解

对于ToB产品来说其服务的本质是一个组织，组织的特点是多人，多人之间必须存在多种协作关系，且多人之间存在共同目标，所以其产品必须满足此类人总体需求。

二、决策者与使用者的分析

项目发起人：项目产品上线后最直接的受益人。其最终目的是节约人力成本、提升工作效益等；
最终决策人：成本的承担者。公司部门、项目最终的利益受益者，也是成本的承担者：财务部门、部门经理、副总、CEO；
终端用户：项目最终使用人。利用项目产品完成操作、进行最终业务落地的人；
周边支持团队。决策支持部门：成本核算部门、技术运维等。

三、结论

ToB产品用户最终的选择遵循的是短板结论，任何一个链条上的产品竞争力的缺失，都会导致用户的流失，应该考虑各个决策链条上的客户诉求。

现在，单一方式的触达效率可能不能满足企业的业务需求，这个时候，我们可以考虑搭建用户全链路的场景化的触达体系，在用户全链路整合营销的逻辑下推动增长。这篇文章里，作者就发表了他的看法，一起来看看吧。

今天的增长我归结为两类：一类是增长效率的提升，这个增长效率可以归为人效，简单来讲就是同等人力情况下可以运营更庞大的用户规模——即同等转化率下的漏斗扩大；

另一类就是今天要讲的，通过整合用户全链路的用户旅程来构建触点进行场景化的整合营销。

这个逻辑是数字化营销的趋势，几年前我就在讲，学明白这个逻辑的学生已经在各行业落地了，像私域的爆发就是建立在这个逻辑下的一个场景落地。简单理解就是在用户接触到你的不同环节和场景下都可以通过不同的触点触达到他，通过背后的用户数据整合进行全触点的触达策略（内容、时机、目的）规划。

如今触点与场景（或者说时机）非常多，我举个简单例子大家就明白了——你早上起床出门上班，乘地铁前买个早餐这时打开支付宝付个钱→乘地铁时打开地铁App刷卡进闸机→看到地铁站两旁的大屏广告→在地铁上打开新闻资讯抖音音视频App等→工作到11点时有点累逛一下淘宝顺便种个树浇个水，中午吃饭看个剧下午摸鱼刷个微信……一天直到晚上回家躺下睡觉，你会发现一天中会有很多场景化的触点。

今天大部分的触点都已经数字化，甚至说在这个过程中可以人为构建很多触点。刚才描述的其实是现在一个企业生态的角度，其实企业生态从另一个角度来看就是在构建多场景触点从而把用户圈在生态平台内，比如像阿里的经济体。

当然并不是所有企业业务都那么丰富，那我们把场景缩小来看，企业自身以及借助不同平台的能力是可以构建用户在不同场景的触点的，比如刷抖音的时候、刷朋友圈看公众号文章的时候，这都是你的触达机会。

为什么说要构建全链路场景化的触达体系？

首先，今天单一方式的触达效率是极低的。因为在信息爆炸的时代你无法占据分散的用户精力。所以你只能通过全链路构建的组合触达方式来提升整体触达效率。

第二点-场景化。场景化的情况下此时用户是在主动摄取信息，能确保产生曝光和认知，那通过不同场景化的内容匹配产生兴趣的概率就会增加，那整体场景化的转化效率会进一步提升。

第三点-全链路。全链路的目的是为了对同一用户的多次触达，把认知转化为兴趣。这个也是很古老的品牌营销理论了——7次曝光定律。你现在自身的角度，如果一个东西看多了，即使不知道是什么你也有想探究一下的欲望。

当然看似这几点，但是想实现并有效，背后并没有那么简单。如果单纯的去进行各个场景下的曝光触达是不可控的——对谁在什么时间曝光了什么是完全不知道的。所以这就是为什么背后要通过数据把整个人群、用户路径、触点行为以及触达渠道串联起来，这个时候就会有统一的策略对其进行调配、个性化营销和效果评估。

上面我提到私域其实就是在微信生态场景下的落地，私域涉及的不单单是企微，还有微信生态下的小程序、视频号、公众号、小商店以及小游戏等，这个时候你可能就明白为什么要有UnionID 以及UnionID的重要作用，本质逻辑就是我之前文章《漫谈公私域之战》提到的OneID的概念。

所以在用户全链路整合营销的逻辑下，核心是对用户旅程路径的梳理、各触点用户数据的集成整合、以及触点的规划和构建。我之前自创了一个名词叫：主动干预式营销——就是结合实时的行为进行场景化实时的触点构建和触达。

在今天我们无法改变信息爆炸与失控的情况下，只能通过对用户全链路的整合来提升触达和营销效率。虽然在今天提升不一定代表提高，不降就是一种提升。

当然对用户全链路的整合不单单应用在营销触达的场景下，对于用户体验管理和归因分析来讲也是一个非常重要的基建和前提，这个后面再讲。有兴趣的可以先看一下我这篇文章《数据驱动的视角转变与客户体验管理趋势》。

面对不同的分销渠道，产品经理应该如何为产品定价呢？这篇文章里，作者谈了谈有关分销和定价的话题，并结合生活中的案例，对产品开发提出了一些看法，一起来看看吧。

01

做产品，尤其是硬件类的产品，总是会有一种打怪升级的意思。

因为你要解决的问题不是线性的，在每个阶段会涉及完全不同领域和层次的问题。

比如说刚开始的时候，你需要的是一种战略层次的市场能力。

主要是对市场及需求的预判和把控。

当然了，如果你在创业，那么有效的资源也是必备的。

因为你需要筹集资金、招募人才……

这个阶段跟软件类产品其实区别上并不太大，核心思想也基本都是一致的。

之后就可以开始构思产品，包括客户访谈、嗅探测试等等一系列的工作。

当你初步完成构思过程之后。

接下来面临的问题就是要提前考虑你未来会面临的各类潜在风险和问题。

比如说上面提到的产品的市场情况，就包括市场规模、市场渗透率这些。

还包括商标专利、你产品的定价问题等等。

如果是 ToB 类产品或者部分场景下的 ToC 产品，你还需要确定谁是决策者、谁是使用者、谁是利益相关者等等。

写这篇文章的时候，也特意去查看了一下现在的婴儿挂件产品。

发现厂家有进步了，开始站在婴儿的角度设计产品。

以往也看到过一些厂家的设计，从上面的角度来看这个产品很好，动物也很可爱。

但是对婴儿来说特别不友好，因为他们只能看到动物的底部。

由于婴幼儿没有选择和决策能力，对于这类产品你的客户就父母。

他们是决策者，而真正的用户是婴幼儿。

再往后进入设计、开发阶段，会涉及ID、硬件、结构的设计。

供应链管理、生产制造等等一系列的内容。

当然了，我们今天的主题是分销与定价，接下来会着重讲解。

02

对于不同的分销渠道，应该如何为产品定价呢？

你是否可以根据销售渠道来制定不同的建议零售价呢？

比如说，你可以通过厂家直销的模式，实现从自建的网站直接向消费者销售产品。

这个时候就不会有任何分销商或零售商来收取一定比例的利润。

而如果你通过分销商进行销售，然后再将其销售给零售连锁店的话。

这种情况下，你就会让多个人获得一定比例的利润或产品的加价。

这里再多说一点，其实这个话题还会涉及到商业效率的问题。

先来看一个公式：

商品价格 = 原材料及制造成本+研发分摊成本+市场推广及广告成本+销售及渠道成本+利润

在商业效率低下的时候，为了把产品价钱做便宜就一定得砍成本，把成本砍到底的时候就成了山寨。

比如男士衬衣，最贵的生产成本也就 120 块钱，最便宜的是 15 块钱，进商场的时候卖的都是 1500 块起；

再比如，女鞋平均加了 8 到 10 倍，化妆品是 20 到 40 倍，客户买到的东西本身成本是非常低的，但是溢价很高。

遗憾的是好像每个人都不挣钱，一个十块钱的东西卖给消费者几百、上千块钱，最后还不挣钱。

问题出在什么地方？

每一层效率都很低下，看着加了十几二十几倍的价钱，消费者不买单、进商场的人少了、买的东西少了；

摊销不掉，每一层都不挣钱，就要求定更高的价钱，成了死循环。

下面继续回到定价这个话题。

下面举个例子来看看不同渠道的定价对企业利润的影响：

假设产品的建议零售价为 100 元，而制造它的成本大约为 20 元。

而当你要以 100 元的价格出售它们时，则可以赚取 80 元。

如果零售成本是 100 元，零售商可能会以 50 元的价格拿货。

在这种情况下，你需要以 20 元的价格制造，并以 50 元的价格出售。

这个时候，你每单位仅能赚 30 元。

这个时候，你可能会想通过自建网站以仅 50 元的价格出售产品，从而提高销量。

虽然在不同的分销渠道中销售时，你将拥有不同的利润率。

但是，无论哪种渠道，零售价格都需要保持一致。

因为，没有零售商愿意销售可以在网上以更便宜的价格买到的产品。

因此，请务必在所有购买平台上以一致的零售价格销售你的产品。

即使通过你自己的网站销售时，你的利润率会更高，你也必须保持建议零售价不变。

当然了，你也是可以针对不同的分销渠道做差异化定价。

但前提是产品要有差异化。

比如说，你可以仅在你自己的网站上出售稍微独特的产品版本。

这样就消除了与零售店的直接竞争。

refer：《硬件产品经理：从入门到精通》 by 李卫朋