Business Operation

商业产品运营（广告方向）该怎么做？

Fundamental¶

1. 商业产品与用户产品不同的地方在于 to b/to c。
2. 商业产品是以变现和赚钱为目的，用户产品是以用户增长和留存为目的。
3. 商业产品不排他，而用户产品是相对排他的。
4. 商业产品大部分是需要培训来使用户上手，而用户产品通常不需要培训用户就会使用。

Concepts¶

index¶

指标名	全称	用途 / 适用场景
SOV	Share of Voice	品牌声音份额，衡量品牌曝光量在行业或平台中的占比，常用于品牌建设复盘与对标。
COV	Conversion Over View	广告转化率：转化次数 / 曝光次数，适合衡量品牌广告的实际效果转化。
SOI	Share of Interaction	用户互动占比，适合衡量内容型广告或社媒传播互动（点赞、评论、转发等）的表现。
ROAS	Return on Ad Spend	每 1 元广告费带来的收入，精细化衡量电商类效果广告效率。
CPO	Cost per Order	每笔订单的平均获客成本，适用于有“下单”行为的广告主（电商、外卖、旅游等）。
LTV	Lifetime Value	单个用户在生命周期内贡献的总收入，结合 CAC 评估长期用户价值与投放回报。
CAC	Customer Acquisition Cost	获取一个新客户的平均花费（营销 + 运营 + 折扣等），可与 LTV 对比，优化投放策略。
CTR	Click-Through Rate	点击率：点击量 / 展示量，基础曝光转化漏斗指标。
CVR	Conversion Rate	转化率：转化量 / 点击量，常用于评估广告素材或落地页的表现。
DAU	Daily Active Users	日活用户数，衡量平台 /APP 活跃度，是增长与留存的基础指标。
GMV	Gross Merchandise Volume	商品交易总额，不扣除退款 / 成本，常用于电商、直播带货、平台类业务。
ROI	Return on Investment	投资回报率，通用财务 / 投放效率指标（利润 / 投入成本），更全面反映投资效果。
PUR	Pay Users Rate	付费率：付费用户数 / 活跃用户数，反映变现能力或产品吸金力。
ARPU	Average Revenue per User	每用户平均收入，常用于游戏、SaaS、内容平台等订阅 / 增值模型分析。
ARPPU	Average Revenue per Paying User	每个付费用户的平均贡献收入，反映用户质量与消费能力。

AARRR¶

阶段	主要指标	常见运营手段 / 工具
Acquisition	新用户获取	SEO、信息流广告、社媒推广、联合运营
Activation	首次关键行为	引导体验、注册激励、关键路径优化
Retention	留存率	用户分层运营、Push/ 消息触达、日常活动
Revenue	收入变现	提升 ARPU、设计付费路径、付费节奏引导
Referral	用户裂变	邀请有礼、任务制裂变、社群分享等

Ad¶

模式	全称	计费逻辑说明	适合场景 / 特点
CPC	Cost Per Click	用户每点击一次广告计费	效果导向、跳转类广告（如落地页、电商商品详情页）
CPM	Cost Per Mille	每 1000 次展示计费	打声量、品牌曝光、产品发布会等需大规模可见的场景
CPT	Cost Per Time	固定时间段资源买断（如首页开屏）	头部资源、活动大促、明星代言 / 开屏、平台日历抢占
CPA	Cost Per Action	用户完成转化行为后计费（如注册、下单）	电商、App 注册、线索收集类场景（通常效果投放核心指标）
CPI	Cost Per Install	用户完成 App 安装后计费	应用分发、工具类 / 游戏类 App 推广等
CPS	Cost Per Sale	按照实际成交金额来付费	联盟营销、分销返佣类场景，平台广告主最喜欢“无风险投放”的方式
CPP	Cost Per Purchase	按每次交易笔数计费	电商交易广告，适合低客单价高频购买场景
OCPC	Optimized CPC	转化优化版 CPC，结合机器学习智能出价	高预算 / 多数据 / 成熟账户投放，追求高 ROI型投放策略
CPUV	Cost Per Unique View	每个“唯一用户”展示一次计费	防止重复轰炸用户，提升用户体验，常见于品牌预算控制策略
CPV	Cost Per View	每次视频完整播放（或播放超 X 秒）计费	视频广告（如抖音、YouTube），用于评估视频吸引力和前端传播效率
vCPM	Viewable CPM	仅展示“可视范围”内的广告才计费（非滑过去的）	品牌主追求真实曝光，防止“虚假展示”作弊，更真实的 CPM

data theories¶

名称	核心解释	实战举例	如何避免
辛普森悖论	总体趋势与分组趋势相反	总 ROI 涨了？其实是预算倾斜到高转化渠道了，其他在掉	做分组（渠道、地域、时间段）分析，建立对照面板
幸存者偏差	只分析成功样本，忽略失败群体	看 ROI 只分析“下单用户”，忽略 99% 不买的人	建立完整样本视角，分析流失漏斗
自选择偏差	样本因自身行为特征而非因变量干扰	点击广告的人本来就对产品有兴趣 → 看起来广告超有效	采用随机分组设计（A/B Test）、对照人群对比
安慰剂效应	预期影响行为结果	新广告页面用了新设计 → 用户预期高 → 点击率提升	做双盲 A/B 测试，控制用户对设计的心理影响
回归均值	极端表现后，自然回落趋于平均	某条素材 CTR 爆表，下周自然掉 → 并不一定是它“失效”了	看趋势线 + 周期分析，拆分短期波动与长期趋势
多重比较问题	多次测试容易出现伪显著	跑 100 个素材测试，总有几个 P<0.05，但可能是巧合	控制显著性：Bonferroni / FDR 校正 / 降维分析
指标替代谬误	错误用替代指标判断目标	用点击量当“兴趣”，用注册数代表“价值”	明确真正业务目标，慎用代理指标
滞后指标陷阱	有些关键行为反映较晚，初期数据误导决策	用户看广告第 3 天才下单 → 前两天数据看起来转化很低	用滑窗 + 生命周期模型建模，考虑用户“转化周期”
漏斗解释错误	只看中下层数据，不考虑上层质量	CVR 很高 → 但其实曝光很差 → 总转化依旧低	建立完整漏斗数据追踪机制，不只盯着一个指标

user¶

sequenceDiagram
  autonumber
  Analyst->>UserDB: 查询当前 DAU 构成
  UserDB-->>Analyst: 提供新/老用户比例

  Analyst->>TrackingSystem: 拆分用户来源渠道
  TrackingSystem-->>Analyst: SEO / 广告 / 社交 / 自然流量

  Analyst->>DeviceLogs: 拉取设备和操作系统数据
  DeviceLogs-->>Analyst: iOS vs Android / 系统版本占比

  Analyst->>CDP: 提取用户画像标签
  CDP-->>Analyst: 年龄 / 兴趣 / 地域 / 消费能力

  Analyst->>BIPlatform: 查询用户生命周期阶段
  BIPlatform-->>Analyst: 注册7天内 / 30天 / 90天老用户

  Analyst->>AnalyticsSystem: 查看用户行为指标
  AnalyticsSystem-->>Analyst: 平均使用时长 / Session数 / 转化率

  Note right of Analyst: 判断是冷用户、沉默用户，还是整体流失

Examples¶

问答思考

• 飞书文档某一天流量下滑 20%，你从哪些维度分析？
  首先从用户维度拆出是数量（用户量）还是质量（使用深度）的问题，再逐步排查是来源维度（如特定的引流入口中断）、渠道维度（某个客户端入口异常）还是功能或者技术维度的问题，或者有可能是外部事件导致的异常。

• DAU 下降排查全景图

  sequenceDiagram
  autonumber
  User->>Analyst: 提出 DAU 下滑 20%
  Analyst->>DataSystem: 校验数据准确性
  DataSystem-->>Analyst: 埋点/埋点丢失/周期问题？
  
  Analyst->>ProductTeam: 是否有产品崩溃/功能不可用？
  ProductTeam-->>Analyst: 登陆异常 / push失败 / App闪退
  
  Analyst->>UserDataPlatform: 拆分 DAU 构成
  UserDataPlatform-->>Analyst: 新老用户 / 地域 / 设备 / 渠道占比
  
  Analyst->>ContentOps: 内容推荐策略有变？
  ContentOps-->>Analyst: 热门内容下架？算法更新？KOL掉线？
  
  Analyst->>MarketingTeam: 是否有营销暂停？
  MarketingTeam-->>Analyst: 推广断投？渠道问题？外部竞品活动？
  
  Analyst->>ComplianceTeam: 是否遇到政策/平台限制？
  ComplianceTeam-->>Analyst: 封禁风险 / 舆情事件
  
  Analyst->>Analyst: 汇总所有维度 + 拆趋势曲线 + 拆小时级波动

• 理解抖音电商广告产品矩阵（DOU+ / 品牌广告 / 竞价广告等）的协同逻辑
  抖音电商广告其实形成了一个协同矩阵。
  DOU+主要是用来做冷启、测试素材或者扩大自然量级，它覆盖面广、成本低，但不精准；
  竞价广告像FEED投放（信息流）则更适合拉新和转化，它依赖算法精准投人群，适合控 ROI；
  品牌广告，比如TopView或者超级首位，适合品牌打声量，在节日节点提升整体认知度。
  所以这三类广告是“冷启–转化–品牌建设”的协同路径，在多目标投放策略中各自发挥作用。

• GMV 提升 30%，如何排除自然流量干扰？
  一是技术层面，用归因数据判断GMV是来源于广告还是自然流量，比如通过短链跳转、UTM追踪、抖音后台的“广告GMV”指标做数据拆分；
  二是对照实验，如果同时期未投放广告的产品GMV持平，而投放产品涨幅显著，说明广告贡献大；
  同时也可以看“点击/浏览/投后新增粉丝”的指标，看用户是否是因广告路径进来的。 这样可以最大程度排除自然流量影响，还原广告本身带来的GMV价值。

• 分析 TikTok Shop 与抖音电商的生态差异
  TikTok Shop跟抖音电商在逻辑上是一样的，但在发展阶段上有很大差异。抖音电商生态已经非常成熟，用户对直播带货、短视频种草都很习惯，达人、商家、平台规则也非常明确；
  而TikTok Shop在很多海外市场还处于冷启阶段，用户购物心智没那么强，达人种草的路径还不完善，更多靠平台激励、跨境商品和内容驱动起量。
  商家生态方面，抖音以本地品牌和强私域为主，而TikTok Shop还在培养本地商家，跨境商家是主力。
  所以TikTok Shop还处于教育市场阶段，需要更强的内容运营、投放协同和商家服务。