隔壁西站

数据闭环，可以简单理解为有数据、有监控的迭代循环，它可以被应用在公司业务中，帮助企业提高业绩，推动增长。那么，数据闭环需要具备哪些要素，才可以真正地发挥作用？本篇文章里，作者就针对数据闭环的定义、价值等方面做了解读，一起来看。

引子

现在是一个大家都感觉被卷的时代，而卷让我一个东北人想到的就是花卷，一圈一圈、一环一环的卷着。而在各个公司中，让大家能够持续与行业卷、与平行团队卷、与上下游卷的一个方式就是：数据闭环。

今天我就尝试写一下我理解的数据闭环是什么，还有他能干什么。通过一些简单的事例尝试阐述一个抽象的概念。

一、数据闭环是什么？

刚听到这个词的时候，我第一个反应时：这又是一个新被创造出来的词汇吗？但是随着对业务的了解，就理解其充分性和必要性。同时找到了一个大家都耳熟能详的类比对象：错题本。

我们可以回想下错题本是怎么来的，老师为了让大家能够提升自己的学习成绩，提出了这种学习方案，大体的流程就是：

老师教，学生学；
定期考试，月考、中考、期末考；
拉榜单、排名次、发试卷；
老师试卷讲解、学生的错题整理；
学生自己的错题分析及分类（如果学生做的话）；
然后继续这个循环。

如果是个学渣，估计也没有错题整理这一步，但是我们肯定是要向学霸学啊。而刚才说这个循环，首先是一个闭环，其次其中有知识点、有分数、有排名，可以认为也是一个数据闭环。如果算上“家长会”，我们甚至可以说奖惩机制也被纳入其中。

如果我们类比到公司中，那么流程大体就是：

一个需求的提出、商讨和开发，可能是营销方案，也可能是数据看板等等的需求；
需求的开发实现，然后是测试上线；
做对应的数据埋点、数据监控；
监控的实际指标与KPI、OKR、历史数据、行业数据的对比分析；
各自改进自己的部分，从新向KPI、OKR迈进；
然后继续这个循环。

看看是否很像？都是一个循环，一个有数据、有监控的迭代循环。

二、数据闭环能干什么？

刚才我们用类比的方式说明数据闭环是什么，现在我们再来看下数据闭环到底能干什么。

其实从上面的错题本的类比看，主要就是提高成绩，如果再类比到公司，就是提高商业上的业绩指标。

但是这个是怎么做到的哪？

我理解要从三个层面看，数据、监控、链接。只有这三个都存在，闭环才有意义。

1. 数据

先从数据说起，以前的停车场的抬杆动作都是人为遥控器控制，这样就存在一个问题：今天到底有多少车辆进出，很难统计，导致这个里面就有人为可操作空间，而现在的摄像头拍照识别、时间统计、扫码支付等方式链接到一起后，全部都可以数据化，基本杜绝了上面提到人为问题。

2. 监控

再看监控，如果我们还用刚才的例子，停车场要不要24小时运营，如果需要，就要每个进出口都有个人在准备遥控抬杆，那么至少要2班倒；如果不24小时运营，那停车的用户如果想晚上出去怎么办？所以需要随时监控这个动态，才能让这个停车场正常运营下去。

再用办公软件的打卡功能来看下这个问题，早起大家打卡用公司门口的指纹机、工卡的刷卡器、刷脸机，这个最大的问题是并发量低，不知道读者们是否体验过早上排队打卡的情况？尤其是秋冬有些人的手指会脱皮，然后会一直识别不出来，导致排队的都迟到。

而如果是APP打卡呢？我们可以做到当你打开办公软件时，我们就主动监控你是不是在公司附近(GPS、公司WiFi等），如果是，直接打卡就好，然后通知提醒一下用户；如果不是，再看看距离打卡还有多久。也可以善意的提醒一下，这样不但没有排队并发量低的问题，也可以解决指纹扫不上的问题。

这就是数据化之后有监控的优势。这里不是从老板的角度看，只是不同的打卡模式间优劣对比而已。

3. 链接

关于链接，刚才讲的案例中其实也有链接，主要是软硬件的组合与人的链接，而更多的链接其实是组织和组织、部门和部门、人和人的链接。

我们再次看打卡的问题，如果一个员工近期经常有迟到的情况，而且都是迟到几分钟，作为部门HR或者他的+1，是不是应该去主动关怀下为什么，有什么家里、身体的困难，需要帮忙一起克服，还是说最近加班太晚了，需要增加调整工作内容；而如果一个人连续的大范围迟到，那么HR是不是该思考做招人的准备了？

如果我们再看大家经常用的外卖服务，其中涉及到餐厅、骑手、客户，信息的状态在三者间流转，从开始的客户浏览菜单、付费下单，到餐厅的接单、准备餐食，再到骑手的取餐、运输和交付，全部链路都是链接三方的，同时还支持三方在线上时时交互，这样的效率或者说用户感知层面肯定比下拉单，傻傻的干等着好很多。

所以我们以上说的三个点结合到一起看，没有数字化的，需要数字化；有了数字化，就能设置各种监控指标，高了低了都能监控到，并且及时给到对应的负责人；同时不同环节的信息可以在整个商业连路上流转，让大家实时、及时的知道现在是谁在干嘛，而在这个基础上，诞生了最重要的一个结果：可以迭代。

4. 迭代

可以迭代有个强依赖项就是*行业知识*。上面举例基本上都是一些大家日常生活中的常常能见到的例子，而一些行业内的数据闭环可能根本不在大家日常生活的范畴里。比如制造业、临床实验等。所以真正的迭代离不开业务知识。但是为了更好的理解这个事情，我们还是需要找一个日常的例子来说。还是以外卖为例。

刚才我们说的链路中，如果想让从下单到送达的时间更短，有不少的节点可以优化，我们就从餐厅做菜和骑手运输来分析这个闭环中有哪些可优化的点。

餐厅备菜：单个人的饮食习惯或者方式可能有波动，但是一个办公楼、园区的一群人的饮食习惯是有大趋势在的，所以如果一个5KM范围内的点菜是有规律可循的，尤其是在有优惠征程的情况下，所以这就可以反过来影响餐厅做餐备菜的进度和数量；如果这个存在误差，或者不懂比较大，那么可以优化流程：提前点餐。10点就通知推送让大家提前点餐，中午正点吃饭。这些都是迭代的方法和方向。

骑手送餐：这个其实和导航差不多，变化点就是多途经点的全局最优解问题。一个骑手一次送5个，可能顺路还要去取2个，那就是送7个，这个流程怎么走，还是说中途发现整体时间要超，就把那2个让别的骑手去取，这都是可以持续优化的点。

甚至我认为外卖最好的迭代就是“延误险”。既然我们监控了各个环节、尝试了各种方法，用户还是感觉送的慢，那行吧！我就用延误险，让你对迟到不那么反感。

本来我预计11:00到，如果我没到，客户投诉，但是我现在告诉你如果11:15不到，就赔付运费险，那么客户大概率想等等的。而殊不知，系统认为11:00到的概率是80%，而11:15到的概率是99.99%（个人猜测，没有实证）。

三、数据闭环是否一定只解决bad case？

数据闭环是一个系统，对于一些业务复杂、人数众多的企业来说更是一个复杂系统，而一个系统一般都包括正循环和负循环；

刚才所说的所有情况都是基于负循环来看，也就是通过负例来让系统更加稳定，而我们也可以看下正向的例子在数据闭环中如果体现和使用。

现在很多新能源车企的线下点都是车企直营，而且给各个销售都配置了对应的营销软件（可能就是个企业微信），而在定期统计的过程中，其实我们会发现有一些店铺、有一些店员的销售成绩是遥遥领先与同行。而这就产生一个问题：这个遥遥领先的人或者店铺，做对了什么？

我们可以让他说下他做了什么，或者通过系统可以分析的数据看下他和别人的区别，然后再理性分析下这个中间是否有逻辑上的因果关系，如果是，那么就应该沉淀到系统中，或者沉淀到培训中，或者沉淀到考核中。

比如他在客户到店后的第三天会给客户二次询问，这个比第7天的转化率高，那就要改成3天；

比如他在客户到店后让客户注册一个APP，先拿个小礼物，后续可以在车企APP上更好的关注车辆的价格及配置信息，那么其他人也要干；

比如这个店铺有儿童乐园，家长带孩子来了，孩子多玩一会，家长就多一些时间和销售接触，那其他店铺也要这么干。

而以上这些都是数据闭环中的正向循环。

四、写在最后

公司里的学霸和学渣都可能用了数据闭环，但学校里的学渣大部分不用这个东西，这个是公司和学校一个很大的区别，所以大家在公司中实际落地数据闭环要慎重。

很多人不知道如何训练自己的结构化思维，来帮助自己在实际工作中更好地执行。本文总结了“结构化思维训练方法”，希望对你有所启发。

结构化思维是一个很大的话题，近期有多位读者留言，想让我聊一聊，我也梳理了一些“结构化思维训练方法”，希望能对你有点帮助。

我不喜欢引经据典聊高大上的“是什么”、“为什么”，所以本文只说“怎么做”。

一、向先进学

之前的公众号曾经分享过王戴明老师讲的产品经理四大学习方式，从另一种定义来讲，我认为都可以归纳为“向先进学”。

我们要做一件事，一定要对它有一个大体的轮廓认知，即知道目标在哪，缺什么补什么。

比如我们可以寻找相关的思维模型或书籍，我认为最具代表性的是“金字塔思维”（自下而上的归纳总结，和自上而下的逐级拆解）。

非常推荐的一本书是《麦肯锡结构化战略思维》，星球里也有这本书的读后感，感兴趣的朋友可以找来读一读。

我们还可以多观察前辈们如何结构化表达，这一点，我今年在听领导分析问题时，有强烈的体会。

我也加入了几位前辈的知识星球，偶尔会浏览其中的提问，很多自己没有思路的问题，看到星主的回复之后简直拍案叫绝。

在感叹之余，我会揣摩星主文字背后的思维方式，并试着把这种方式代入自己的习惯中。

二、觉察自己的思维惯性

培养自己的结构化思维习惯，其实就是改变自己“非结构化思维习惯”。但凡是对自己某种习惯的改变，前提都要先做到自我觉察。

即我们要及时觉察到自己的几类常见的思维惯性。

1、个体思维惯性

我们经常只站在单个个体的角度来考虑问题，而忽视了组织、社会等维度的原因分析。或者说是从微观角度、表象思维来分析。

比如一个项目为什么会延期，从个体思维来讲会有很多很多原因，每个任务节点遇到的困难，每个团队成员展现的能力不足，都是项目延期的原因。但在非个体思维的角度看，这是项目管理流程，管理方式，团队协作模式上的问题。

所以，觉察到自己思维的局限性，是改变的开始。

2、自我的思维惯性

自我思维和上面提到的个体思维有所差异，自我思维更多是站在自己的角度考虑问题，即缺少“同理心”和“换位思考”的能力。

比如上文提到的项目延期问题，产品经理会有自己的理解，开发工程师一定会有不同的理解，同理，测试工程师、项目经理、客户、领导等不同角色，对于这个问题的理解都是不一样的。

所以当我们仅站在自己的角度考虑问题时，自然也不会具备结构化思维能力。

3、当下的思维惯性

另外一个常犯的误区，则是只看到当下，缺少了对过去的总结梳理，缺少了对外来现象的展望，仅是以现在的结果分析现在的情况，最终呈现的维度也会很片面。

所以，总结来看，对于上述的这些思维误区，分享几个我日常使用的分析技巧：

任何问题，都可以按时间轴区分为过去、现在、将来，三个维度；
任何观点，都可以按视角区分为宏观、中观、微观，三个层级；
任何现象，都可以按范围区分为个人、团队、社会，三个范围；
另外，从管理经济学的角度分析，所有事物都可以区分为“供给侧”、“需求侧”两个维度，这又是一种结构化拆分的方式。

还有诸如：员工、领导、客户的角色维度；表象、原因、底层逻辑的深挖；按照名词定义的拆分，从不同定义出发分别阐述观点（详见《麦肯锡结构化战略思维》，后面有时间我也会写一写关于“定义拆分”的话题）。

掌握以上几个方法，基本能应对大部分日常问题。

比如面试官问了一个问题，为什么会造成这样的问题，如果你应聘的是初中级职位，可以选择个人、团队、公司，三个维度回答；如果应聘的是高级职位，可以选择个人、团队、社会三个维度回答。

比如我之前的一篇文章聊项目推进乏力时，有何破局之策（【五千字总结】项目对外推进乏力，有何“破局之策”）。大部分人都会具体到方法层面，而从定义上来说，可以先区分成“内部推进”和“外部推进”两大类，再在这两类的基础上进行细分。

因此，这些问题我们都可以按照不同的角度拆解、筛选，再结合其他维度的例子适当丰富。

三、刻意练习

那么，有了框架和方法，也能够觉察到自己的思维惯性之后，如何快速培养自己的结构化思维能力呢？我总结了以下10个具体的刻意练习方法，供你选择。

1、用工具辅助自己：比如思维导图这种非常适合整理思路，练习自上而下拆解步骤的工具，真的建议经常用。

2、把笔捡起来：不要只靠脑子想，把笔拿起来在纸上写写画画。因为大脑空想的专注力和记忆力是极差的，很多好灵感都会丢失。

3、在日常问答中练习：平时和同事、同行之间聊天时，避免简单的片段式沟通，学会用一段话表达一个完整的观点。

4、回答领导的提问：很多时候，领导会让大家谈谈看法，这其实是一个非常好的练习机会。如果你担心自己说不好，也要会后预演，也要把这个问题的答案想清楚，能自己表达出来。练习几次，就可以主动在会上发表意见了。

5、模拟面试问题：面试过程中的很多即问即答的问题，都是非常有效的练习机会。甚至同一个问题自己可以从不同的角度回答，每隔一段时间回答一次，你会发现自己对问题的认知越来越深入了。我也是在做模拟面试的过程中，又重新梳理了这些思考维度。

6、多找观点类文章：很多常见的辩证性观点，网上有很多分析、博弈的文章，各有各的道理，我们可以多看一看他们的结构化表达思路，上下文以及论证论据之间的连接形式，体会这种思维方式其实就是多“熏陶”，熏着熏着，就黑了。

7、找前辈指点：有时自己想10次，不如前辈指点1次，尤其是没有方向，或者遇到瓶颈时。以自己的局部视野有时不容易发现问题，则可以找前辈就某些问题展开讨论，也许能让自己豁然开朗。

8、多问自己几个为什么：尤其是在需求洞察、产品设计的过程中，我们很容易想当然的思考。很多现象我们的第一反应大概率是错误的，我们可以多问自己几个问题：如果不这样可以吗？这样一定对吗？还有没有特殊情况？

9、多尝试逻辑关联词：为了让自己的表达具备逻辑性，我们可以采用逻辑关联词。比如因为、所以、因此、然而；比如首先、其次、再次、最后；比如1、2、3。通过逻辑关联词的加持，让自己更注意观点的逻辑性。

10、在实践中总结：在行中知，在知中行。知的前提是总结提炼，而非驴拉磨式的闷头走。所以边做边想，才是更有效的提升方式。

最后，提一个非常适合做结构化拆解的“大”问题：你觉得身边遇到的企业，有哪些问题？这个问题很大吧，如果用发散性思维，东一榔头西一棒子，肯定是不行的。但通过结构化思维拆解，还是可以形成相对清晰的思路。我的方式是先从宏观进行分类：

区分企业所处的行业；
区分企业的类型；
区分企业的规模；
区分企业当下的生命周期。

之后，再基于每个分类单独、或者组合，细化为中观的二级分类，比如是公司治理的问题、人力资源的问题、产品定位问题、市场竞争问题、团队管理问题、流程体系问题等等。最后基于二级分类列举微观的现象，这样才能形成一个初具结构化的呈现结果。希望今天的分享对你有用，也希望有兴趣快速提升结构化思维能力的朋友加入我的知识星球，或者参加我的模拟面试，我们可以好好聊聊~

AI技术正在不断地影响着我们的生活，并掀起许多领域的变革，那么，在AIGC技术的引领下，哪些商业领域的变化趋势可能会出现？本篇文章里，作者就发表了他的看法，并从AIGC的商业应用扩展分析、商业落地趋势分析等维度做了解读，一起来看。

一、AIGC的商业应用扩展分析

1. 人工智能（AI）

1）客户服务

AI在客户服务领域的应用主要体现在聊天机器人和自动客服系统上。例如，阿里巴巴的虚拟客服助手“AliMe”可以自动识别用户的问题并提供准确的解答，大大提高了客户服务的效率和满意度。通过深度学习和自然语言处理技术，AI不仅可以理解客户的问题，还可以根据历史数据和用户行为进行个性化服务。

2）市场分析

AI也在市场分析领域发挥着重要作用。通过对大量的市场数据进行分析和挖掘，AI可以帮助企业更准确地了解市场趋势和消费者行为。例如，通过分析社交媒体上的用户评论和反馈，企业可以及时调整产品策略和营销策略。

2. 大数据（Big Data）

1）消费者行为分析

大数据技术可以帮助企业深入了解消费者的购买行为和喜好。

例如，亚马逊通过分析用户的购物历史和浏览记录，为用户提供个性化的产品推荐。通过这种方式，企业不仅可以提升销售额，还可以增强与消费者的关系。

2）供应链优化

大数据还可以应用于供应链管理领域。通过实时分析各个环节的数据，企业可以更有效地管理和优化供应链，降低成本，提高效率。例如，通过分析物流数据，企业可以优化物流路线，减少运输成本。

3. 云计算（Cloud Computing）

1）信息化建设

云计算为中小企业提供了实现信息化建设的低成本解决方案。企业无需投入大量资金购买硬件设备，只需支付使用费用，就可以享受到强大的计算能力和存储空间。例如，许多中小企业通过使用阿里云和腾讯云等云服务，实现了业务的快速发展。

2）远程协作

在新冠疫情期间，云计算也展现出了支持远程协作的重要作用。通过云服务，企业员工可以随时随地访问公司的系统和数据，实现高效的远程工作和协作。

4. 区块链（Blockchain）

1）供应链管理

区块链技术在供应链管理领域的应用主要体现在提高供应链的透明度和安全性上。通过区块链技术，所有供应链参与方可以实时查看供应链的各个环节的数据，确保数据的真实性和一致性。例如，沃尔玛利用区块链技术追踪食品的生产和运输过程，确保食品的安全和质量。

2）金融服务

区块链也在金融服务领域发挥着重要作用。通过创建一个去中心化、不可篡改的分布式账本，区块链为金融交易提供了更高的安全性和效率。例如，许多银行和金融机构正在探索使用区块链技术进行跨境支付和清算业务。

二、AIGC的商业落地趋势详细分析

1. 跨行业融合

在AIGC的推动下，跨行业融合已成为一大不可逆转的趋势。以金融和零售行业为例，传统的零售业通过AI和大数据的应用，实现了对消费者行为的深度分析和预测。金融机构则通过与零售企业的合作，为消费者提供更便捷、个性化的金融服务。

具体应用：

金融科技：金融科技公司如蚂蚁金服，通过大数据和AI技术，为消费者提供了更便捷、低成本的金融服务，如小额贷款和投资理财服务。同时，这些公司也与传统零售企业合作，通过数据共享和分析，实现了对消费者的精准营销和服务。
智慧零售：零售企业如京东和亚马逊，通过AI和大数据技术，实现了对消费者购物行为的实时监测和分析，为消费者提供了更个性化、便捷的购物体验。同时，这些企业也与金融机构合作，为消费者提供了便捷的金融服务，如分期付款和消费贷款。

2. 智能化升级

AIGC技术的发展也推动了企业的智能化升级。企业不仅在生产和运营环节实现了智能化，也在产品和服务上实现了智能化。

具体应用：

智能制造：许多制造企业通过引入AI和云计算技术，实现了生产过程的自动化和智能化。例如，特斯拉的自动化生产线通过AI技术实现了对生产过程的实时监控和优化，大大提高了生产效率和产品质量。
智能服务：服务企业如滴滴和美团，通过AI和大数据技术，实现了对服务过程的智能化管理和优化。例如，滴滴通过AI技术实现了对司机和乘客的实时匹配，提高了服务效率和用户满意度。

3. 安全和隐私保护

随着AIGC技术的广泛应用，企业也面临着数据安全和隐私保护的重大挑战。企业不仅需要保护自身的商业数据，也需要保护消费者的个人数据。

具体应用：

数据加密和隐私保护：许多企业通过引入区块链技术，实现了对数据的加密和隐私保护。例如，通过区块链技术，企业可以实现对数据的去中心化存储和管理，确保数据的安全和隐私。
安全合规：企业也需要遵循相关的安全和隐私保护法规，如欧盟的通用数据保护条例（GDPR）。通过建立完善的安全和隐私保护制度，企业可以更好地保护自身和消费者的权益。

三、观点与展望

1. 观点

1）数据安全与隐私保护

在AIGC的广泛应用中，数据安全和隐私保护成为了一个不可忽视的问题。企业在使用AI和大数据技术进行数据分析和处理时，必须严格遵循相关的法律法规，确保消费者的个人数据不被泄露或滥用。例如，企业可以通过使用区块链技术实现数据的加密存储和传输，有效防止数据泄露和篡改。

2）技术和人才短缺

技术和人才短缺也是制约AIGC技术商业落地的一个重要因素。企业在引入和应用AIGC技术时，往往面临着技术不成熟和人才短缺的问题。为了解决这个问题，企业可以与高校和研究机构进行合作，共同进行AIGC技术的研发和人才培养。

2. 展望

1）持续创新与学习

展望未来，AIGC技术将继续推动商业领域的创新和发展。企业应持续进行技术创新和学习，不断提升自身的技术和管理水平。例如，企业可以通过建立专门的创新团队和实验室，进行AIGC技术的研发和应用实验。

2）拥抱新技术，应对市场竞争

随着市场竞争的不断加剧，企业必须积极拥抱AIGC等新技术，以提升自身的竞争力和市场地位。例如，企业可以通过引入AI技术实现生产和服务的自动化和智能化，提高生产效率和服务质量。

3）社会责任与可持续发展

在AIGC技术的应用中，企业也应注重社会责任和可持续发展。通过AIGC技术，企业不仅可以实现商业价值的最大化，也可以为社会和环境的可持续发展做出贡献。例如，企业可以通过大数据和AI技术实现对环境和资源的有效监测和管理，促进企业的绿色发展和可持续发展。

对想做小红书的账号或品牌而言，了解小红书的流量分发机制，可以帮你更好地打造爆款笔记，获取更多流量。这篇文章里，作者就梳理了小红书的流量分发逻辑、现状与应对策略，一起来看看吧。

不管是达人运营账号还是品牌商业投放，了解清楚小红书流量分发机制，都是非常必要的。在我们品牌医生的小红书社群里，也有很多关于该话题的讨论。

今天我们会从4个部分给大家把小红书流量分发机制讲清楚。

一、小红书流量分发逻辑

1. 第一波流量：内容标签匹配和社交关系链推荐

一般小红书笔记发布通过审核后，系统会将笔记的标题、图片、内容等信息，解析成相关的笔记标签，并且系统会根据这些标签相对精准的分发给有相似标签的用户流量池，而第一波流量池的大小是根据历史相似笔记来评估决定。

如果笔记在初始流量池获得较好点击率、互动率后，那么这篇笔记会被推荐给更大的流量池，在更大的流量池中依旧能获得好的点击率和互动率，则会继续被推荐给更大的流量池。

在这个一层一层推荐的环节里，影响的关键因素是自然推流下的“点击率、互动率”。（人为的转发刷互动，点赞基本不能产生影响）

但无论数据指标怎么变化，内容算法的核心还是考察笔记带来的粉丝交互行为，粉丝的交互行为，间接反映了笔记的内容质量，即便是粉丝数不多的达人，在得分优质的前提下，笔记也会被系统推见给更多粉丝，形成“阶梯式”算法推荐。

2. 搜索页流量分发逻辑

用户在小红书搜索完某个关键词后，页面自然呈现的笔记的排序逻辑。

小红书笔记的排序会遵循以下4个要点：• 遵循关键词匹配：搜索会优先呈现关键词匹配度高的笔记内容，特别是标题里有提到的对应关键词；

追新：发布时间越近，且互动率越高，越容易展现；
权重逻辑：优质用户账号互动过的内容，更容易被推荐；
追爆款：互动量越高，越容易出现在搜索页面。

二、小红书流量分发现状

1. 平台给予底部 KOL&KOC 有流量扶持

经过大量发现页和搜索页的内容整理，发现小红书达人的流量分布是底部>腰部>头部。定义达人量级：头部>50W, 腰部10-50w，底部1-10w；koc<1w。

以“美白精华”为例（如下图），在小红书的搜索框里面搜索关键词，“综合”项下前50篇笔记，近5成为底部达人。

我们通过横向对比不同量级账号文章的曝光互动情况，明显看出：内容爆与不爆和账号的相关性比较低。

图源：小红书

另外从发现页自定义每次推送的10条内容来看，其中20%是低点赞量的内容，也可以侧面说明内容的分发逻辑。

2. 小红书报备笔记数量占比持续增长

以近30天核心的13个类目的商业笔记情况来看（如下图），不同类目，商业笔记比例会随着入局的品牌越多，竞争越激烈而逐渐提升，且同时商业笔记打造的爆文越多，所以小红书平台也已经开始全面商业化，我们的类目到底要不要做商业报备，比例怎么控制，可以跟着行业大盘来。

数据来源：灰豚数据

2023年6月15-2023年7月14

但是从爆文率来看，以护肤类目近30天的“祛痘”关键词下的top3000笔记来看（如下图），还是非报备的爆文率更高，所以软广依旧是有价值的。但是随着官方将报备笔记的可识别标签的取消，从用户端无法识别是不是硬广，有可能数据最后会趋同。

数据来源：灰豚数据“祛痘”关键词下的笔记

2023年6月15-2023年7月14

另外商业达人的数量的总量35w+（截止7月中旬），但官方披露的创作者总数是有6900w+，商业达人只能占到0.51%，所以小红书整个平台还是趋于自然分享的，没办法实现那么高的商业化。

3. 从内容形式上来看，视频笔记 > 图文笔记的流量

以下取自23年6月核心类目的767.2w篇内容计算来看，不同行业的视频笔记和图文笔记的的互动对比，明显可以看出视频笔记的平均互动是图文笔记的3倍。

数据来源：蝉小红23年6月行业数据

但是在关键搜索词的场景中，可以直观看到是图文的占比要更高，视频素材出现基本都在30名开外（这里抛开广告位的内容），如下图搜索“祛痘精华”的页面展示：且视频内容出现更多还是以历史超级爆款为主。

图源：小红书

所以品牌在布局内容时，可以考虑：用视频拿更多的曝光，用图文去卡更多的搜索广告位，提升品牌的营销效果。

三、怎么发小红书能获得更多流量

1. 嵌入关键词

小红书平台会把内容解析成无数个关键词，此时关键词是指小红书后台根据笔记内容语义自动生成出来的，笔记中的图片也能自动识别，不过自动生成的关键词文本与笔记正文文本不一定相同。如下图所示，这篇“2023年在上海置购一居室要花多少钱”，平台自动解析的标签还会涉及房价、上海攻略、上海房价等。

图源：小红书

上述关键词是小红书系统对笔记的抽象和理解，同时也是小红书搜索和推荐的重要依据。并且小红书后台关键词标签非常多，预计500w个。所以在我们发布小红书内容的时候，可以结合我们需求人群进行关键词嵌入，方便目标用户搜索的时候，根据关键词看到我们的内容。

2. 搜索补齐词

用户在小红书平台搜索框中输入自己想搜索的词语后，搜索框下方列表联想出来的词语，这些词语不一定是关键词，但是这些词一定来源于用户的输入，具有一定的搜索流量。

图源：小红书

搜索“面膜”后，会连带出现一些其他的搜索补齐词（如上图），这时如果品牌将自己的种草笔记埋入适当的关键词将有助于提升其在特定关键词下的搜索排名。具体哪些关键词对于人均互动量的影响更大，更容易得到平台推荐，而后将这些关键词植入对应的笔记中，助于提升流量的获取，关键词的搜索量以及竞争度可以通过小红书聚光平台的搜索数据进行查看。

四、小红书运营中大家的常见问题

Q1：小红书笔记流量的三个主要来源？

A1：第一是推荐，第二是搜索，第三是关注。

其中推荐流量，相当于是系统猜用户喜欢。它的精准度会比较差，毕竟是猜的。

而搜索流量，是用户告诉系统：这个东西，我想要了解。它的精准度会比前者好很多。

关注流量，一般只有在博主知名度较高，粉丝量大或者粉丝跟自家产品的目标人群比较契合的情况下，才比较有作用。

Q2：现在在小红书里面短视频的流量会好点，还是图文呢？

A2：最近看是视频流量和爆文率会高于图文，从3月的项目投放看是短视频会更好。

Q3：上万的爆文在关键词搜索的排名很靠后是什么原因？

A3：笔记排名影响因素还是比较多的，第一个的话就是笔记的新鲜度，小红书更鼓励用户有更多的新内容产生的，新鲜素材的话是更容易排在前面的；第二点就是笔记内容本身的一个埋词，这个也是比较重要的，还有其他的一些维度，比如互动量也是参考的维度。

Q4：小红书搜索排名的原理是什么？

A4：在众多数据指标中（比如点赞，评论，收藏等），其中影响因素较大的，是【搜索点击率】。

笔记在搜索结果页里的点击率越高，说明搜索用户对这篇笔记的兴趣值，或者说这篇笔记的搜索价值就越高。所以它在搜索结果页的排名位置就越高。

有些时候，用户提出想要某个产品功能，产品经理可能就会将其当作目标来完成，但其实，用户所提的并不是“目标”，而是“方法”。具体如何理解？产品经理要怎么区分“目标”和“方法”，理清自己的业务究竟要做什么？一起来看看作者的解读。

在工作中，很多产品经理会把“方法”和“目标”混为一谈。比如说，用户想要的一个XXX功能。很多产品经理就会把这个当做“目标”去完成。

但其实，用户只是提了一个“方法”，并没有说明自己的“目标”是什么。本文将结合笔者的一些工作经历，分享一下对于“方法”和“目标”的经验之谈。

一、做用户要的？做竞品有的？

在排需求优先级的时候，我们经常会用到好几个维度去评判需求价值，比如用户的呼声，比如竞品最近上了xx功能。这其实是非常常见的，尤其是一些大厂的二线产品，生怕自己一不小心落后一线，所有的精力都花在如何追赶上。

这种思路没有错，复制对手的成功经验是非常“合适”的一个选择，能够最大限度地降低错误成本。但这里笔者想要指出的是，没有哪一个竞品/用户是神，任何竞品/用户都有可能提出风险大于价值的功能。

举例，苹果在早些年推出了3D Touch这个技术。（3D Touch是一种立体触控技术，被苹果称为新一代多点触控技术，屏幕可感应不同的感压力度触控。——来自百度百科），安卓厂商纷纷开始跟进，大吹特吹这种交互形态多么的先进优雅。但结果大家也都知道了，8年后的今天，这个技术并没有带来什么多么高效的体验，苹果也默默的下架这个技术能力，热度之后一盘散沙。

苹果在手机厂商中的确是头部梯队之一，但并不代表苹果的每一次决定都是对的。比如刚刚说的3Dtouch，比如笔者个人非常不喜欢的下拉通知和功能按键分开，比如笔者个人非常不喜欢异形屏。

然而现在在很多手机厂商的发布会，我们基本的感觉就是苹果和鸿蒙的复制品。这两家发布了啥，其他手机厂都迅速跟进。但很少有人会去解析，为什么苹果要做这个功能？这个功能在苹果的商业环节中充当了什么身份？（现在常说的就是提升用户体验，但到底有没有提升就是仁者见仁智者见智了）然后顺便踩一下头部说我们又多做了哪几步让体验更好（更复杂）。

虽然举例3Dtouch有一些马后炮，但比如现在的灵动岛，StandBy，到底是不是用户核心需求，大家可以多思考思考。

还有一个维度就是用户呼声，之前笔者也分享过，做个某个功能模块FAQ用户反馈最高的功能，花了三个月开发设计，结果使用率不到0.1%。

说这个功能价值低吗？不低，解决了这个功能TOP1的问题；价值高吗？这么低的一个使用率来看，这一批用户好像并不是我们的主体用户（侧面也验证了二八法则，声量最大的用户并不是大多数用户）。

我当时决定还是要做这个功能的原因是这个优化属于我们功能的核心能力，即使用户量不多，但是他属于核心功能的一部分。不过显而易见的是，这部分的数据表现可能并没有那么好，老板在不懂业务的前提下，就不明白你为啥要花大量精力做这个需求了。

二、明确自己的根本出发点是什么

之前我提到过，所有的需求都是为了满足商业模式。（详情可见：无序的业务思考，有序的业务建模 | 2023产品经理大会心得（一））那么就需要确认这个功能在你的商业模式中承担一个什么样的环节。无论是满足用户需求，还是实现竞品追赶，你最终都是为了服务商业模式闭环的。

上文我提到的核心功能优化，因为我负责的功能目标是保住整个业务的用户留存。那么我为了实现留存这个“目标”，就需要采用“方法”提升用户的体验，减少用户的流失。

基于这样的一个“目标”，我去看用户反馈，去看竞品分析的时候，才会有进一步的思考。这个“方法”用户提了/竞品做了，我要不要跟进？这个“方法”跟进对于我的“目标”是否有帮助？

比如3Dtouch，是否真的能够提升“目标”？对于用户来说这个“方法”是否合理？“方法”能够提升多少的效率？“方法”能覆盖到多少的用户？

基本上我们可以确认，“目标”和“方法”的区别就是，目标是最终目的，方法是实现目标的一种途径。

这里就有人会问了，如果我负责的功能是留存，难道转化，拉新，这类就不用思考了吗？如果你是在一个大厂中工作，产品经理足够细分的情况下，笔者觉得的确不需要思考，因为这样可能会使你的核心目标变得模糊。

但从个人的成长来说，笔者的建议是需要，作为一个产品经理，你必须思考自己本职工作之外的问题，才能得到成长。如果有好的方案能够将的你的目标和这些目标进行结合，当然是可行的。但是一定不能够顾此失彼捡了芝麻丢了西瓜，比如为了转化放弃留存，为了留存抛弃商业。

三、AI只是“方法”，不是“目标”

无论你现在在大厂，还是在小公司，应该都接到了老板要做创新AI业务，跟进AIGC或者大模型的需求。然后一群人哼哧哼哧地开始想怎么根据这些技术去设计功能。目前看来各家都已经逐步的推出了一些玩法，有的可圈可点，有的不知所云。

而笔者个人的总结就是，可圈可点的，一般都是解决了一个用户具体的明确的目标，只不过采用了AI的技术作为方案。

比如现在热度极高的妙鸭相机，网内已经有非常多的分析文章，去分析是怎么打动用户的，技术是多么的取巧，裂变营销做的多么棒。但其实归根结底，这就是基于AI的能力，优化了一个好几年前就有的合成形象照的功能。同时用户目标非常清晰——想要一张媲美海X体的艺术照。

我们先提出一个问题，但如果把AI技术当为“目标”，会造成什么后果呢？比如我们现在看到的一些常见的语言大模型，这个功能的“目标”是什么？解决了用户什么样的问题？也许你会拿一堆的prompt跟我说解决了这些那些有的没的。但是我们要认识到，这个场景下，用户需求其实是非常不清晰的。

举个例子，我跟ChatGPT说，“我想要一份工作汇报，这个汇报中包括……”。刷刷刷GPT给我生成了一篇汇报。

然后问题就来了，我如何判定这篇工作汇报符合我想要的需求？

我们回忆一下用户场景，我是在不知道工作汇报怎么写的情况下，才去找GPT去生成，那么我在拿到结果后，怎么判定这个就是可以用的工作汇报呢？GPT怎么判定这就是我的老板喜欢的汇报呢？

根本点就是，用户的需求不清晰，用户自己都不知道自己想要什么。为什么文生图的AI功能容易成功，因为用户即使完全不懂美术，但是也能看出好坏。上面的妙鸭就是用户非常清晰知道用户要一张什么质量的照片，这个照片有明确的参考标准（这也是AI产品中经常会遇到的问题，如何平衡用户指标和技术指标，文生图是最好评判的了）。

四、End

归根结底，只有将“方法”和“目标”区分开来，我们才知道自己的业务到底要做什么，自己负责的模块的价值是啥。而不会被其他的因素干扰。

方法有很多，目标只有一个。

用户提的方法是否能够实现自己的目标，或者解剖用户提的方法，去看用户的根本目标是啥，这样才能更好的判定自己要做的是什么。这也是老生常谈的挖掘用户根本需求了，不再过多赘述。