关于探探

前段时间比较有空,于是体验了下探探.

一个感受是付费引导蛮咄咄逼人的.

但是设计上基本上是以功能性障碍为主.

除开一些像like数的诱导消费存在之外,本身并不是又一个很好的持续性的付费动机.

所以感觉即使能破冰,会有下一步付费动机的可能性应该还是不大的.

就滑动看到的概率来说,可能不到10%.

不过除了这些点之外似乎也没有一个合理可行的付费点设计.

因为社交产品本身并不能够说成为一个付费产品.

对于大多数社交思路来说,还是一种冷启动的陌生关系为基础,本身就不存在什么特别需要倾注的价值前提.

即使有诸如交易性的倾向的话,也并不是一个能够成为付费点的东西.

毕竟很难屏蔽具体的交易和交流方式.

淘宝之类的能够做到平台独占和依赖性的原因主要在于交易频次.

而社交产生的价值不大可能是一个高频次的附加产品.

另外一个更本质性一点的就是社交产品的冷启动问题.

无论是号称兴趣为主的算法驱动还是其他地域之类的启动方式.

核心本质要解决的是初始信息流的产生的问题.

像微博知乎等产品,实际的体验其实跟加入的时间先后有相当的关系.

一个是平台本身的用户氛围.

一个是平台干涉的程度不同.

探探启动的一个众所周知的就是真实用户数的问题.

真实性一个是来源于平台本身的推送数据.

另外一个是用户本身.

对于后者有发现一个比较有趣的现象或者模式.

某一个match的结果用户,在某个时间点会重新制造profile.

也就是说会把照片和时间线信息等清空,然后重新用另外的人设和照片等装饰一番.

这个其实算是某种程度上反映了至少是一部分用户的平台玩法.

以一种另类的cosplay的方式做某种形式的生活体验.

因为原则上来说,一般不太会去关注或者说发现这些变化.

某种程度上来说,各种滤镜和PS的存在实际上也是这种身份重构建的一个思路.

所不同的是更多的是无意识的.

这可能也可以解释为什么说对于美颜的照片等形式用户会更愿意 暴露 自己.

一方面自然是处于某种审美性的满足需求.

另一方面可能更多是一种面具和无关性的防火墙设施.

跟真实身份的关联性其实并没有太多的关系,形成一个相对微妙的公开性的匿名形式.

对于平台推送数据的真实性这块其实并不是太好推断.

做过一些测试,例如范围限定尽可能地窄等.

确实是有可能出现推荐用尽的情况.

但是这里带来的一个疑问就是,隔天或者隔段时间这个是会被fill的.

而且另外一点就是,其实位置服务并没有授权,推荐能感知的可能更多的是ip/wifi等带来的geo信息.

即使假设说geo位置的推荐是可靠的,那么带来的另外一个问题是,用户数量的密度.

一个是不是真地有那么密集.

第二个是即使有,对应的状态选取是怎么确定的.

以几公里范围算,人口估计几十万.

推荐几十个算万分之一的话.

千万人口也就是几万用户.

似乎也算合理.

不过根据直观感受来说的话,应该有相当部分是fake profile.

所以如果据此反推的话,真实用户数其实比较堪忧.

而且从构造的各种人设来看的话,其实风格还是相对比较统一的.

可能某种程度上确实算是真实用户,只不过是类似游戏中的运营之类的性质.

另外一个就是关闭男女限制之后的一些体验.

在实际的十来个mach当中,大概有两个是男性.

一个的身份相对真实.

是一个类blue App的应该是算法程序之类的小哥,直接写在bio里.

另外一个是有些美颜过度的小哥,照片还挺多.

其他信息留白,这点倒是更像真实用户.

因为bot的话,其实更容易丰富信息,反而真人会有各种顾虑和限制暴露的想法.

所以这个倒有点意外.

有调研类的用户存在这点可以理解.

但是有潜在的blue用户这点倒是出乎意料.

当然,也有可能实际上是一些多样化的bot的情况.

在翻看男女的Albums的时候有一个比较明显的体验区别.

就是女性Albums下的留言其实是比较预期的风格的.

但是男性下面的女性留言则更显得普通正常一些.

如果单单看对话的话,可能和其他平台的交流没什么太多的区别.

当然,是也有部分风格是跟男性留言是类似的.

但总体来说,会更正常一些.

所以某种程度上来说,可能更适合以一种女性向的角度去设计的场景.

因为带社交交流性质和行为的用户更多的是倾向于女性立场的.

探探的另外一个主要部分是直播.

有时候觉得,如果单拎出来看的话,直播更多更像是一种谈话性的访谈节目.

主要是是主播和里面的观众的一些互动聊天.

当然,也存在一些主要是唱歌等才艺为主的.

但简单来说,可能更多的还是提供服务形式的差异问题.

它们有个比较共同的特质是会比较频繁地喝水.

这个也很容易理解.

因为强度放在那里.

有观察follow几个主播.

有些是几乎一天24小时都在的.

有些是有相对固定的时间段,比如晚上.

从直播间的一些聊天得到的消息是,大多数来说是有所谓工会组织的.

形式上就是从属与一个公司下面.

像某个几乎全天的主播就曾经说过,没事会去公司上播.

但似乎并不是有强制性的班次安排的.

更多的可能是一种类提成的形式.

因为有一些主播也谈过工会有表露过希望它加播的意向,但它自己选择了不.

至少说明多多少少还是一个双向的过程.

但多少少少似乎是除了主播之外没有其他职业的.

即使是其中一位非全天固定时段的,也说白天主要是休息.

当然,这可能更多的是一种防火墙措施.

尽可能地隔离真实情况所做的一些人设.

但是对于全天性的主播来说,上播的状态无论如何都是实际存在的.

查过下里面打赏的换算比例,大概是1:100.

follow的几位里面可能平均也就几万,几十万的样子.

也就是一天或者一晚上下来几百块.

如果勤快的话,确实收入也有一定.

只是不知道工会那边的比例分成怎么样.

对于才艺类的主播似乎大多数是艺校出身.

这个倒也不难理解.

一个是基本功还是能听出来一些.

第二个可能更现实的是,一般技校确实可能就业比较难.

所以某种程度上来说,确实可能是一个比较好的新兴行业.

一方是才艺就业.

一方是访谈消费.

某种程度上来说,可能是一个去掉中间商的bar的驻唱形式的存在.

或者说是一个没有酒馆的酒馆老板娘的形式.

问答围观与广告系统

考虑下能不能把法律咨询做成问答围观的形式.

第一个是费用问题.
专业咨询昂贵的地方在于专门的针对性和具体的施行措施.

所以考虑这两个为成本的话,对应计价自然是基于这两点的价值来说的.

那么,对于咨询方来说,如果想要费用低廉的话要么就是得到的专门针对行变弱.
要么就是施行策略变得概览.

这样从逻辑上来说,价格才可能低廉.

这里的一个问题就是,这些 低廉价格换来的价值对于咨询者而言是否还有意义.

比如一个具体的案件.
常规就是专门的律师给予各个细节方面的考量和对应的应对方法.

而低价获得的可能只是一些原则性介绍和大致的轮廓方向.
这些对于求助/咨询者来说可能是没有意义的.

或者说需要咨询者有比较强的整合扩展能力.
比如有一定的律法基础可以根据keynote找到合适的执行策略.

又或者说,需要咨询者有比较明确的ROI概念,对于什么价格得到什么程度的帮助有一个理性合理的定价方式.

这是一个用户素质门槛.

那么,假定用户有了这种门槛素养之后,需要解决的问题就是如何合理地地匹配定价和解决方案.
本质上,就类似于与广告的 bidding问题.

在解决方案有了合理出价的前提下,虽然不能说容易解决.
但至少是一个现成的相对成熟的工业应用场景方案.

那么,这里的新问题就是如何给出合理的方案定价.
因为询价是用户自己的理性判定,所以这里不用考虑,只要看对应方案的定价.
然后就是经典的最大/最优匹配搜索问题了.

切换到提供咨询者也就是律师角度.

针对任何咨询,一个专业人士理论上都可以针对提供方案的详细程度给出一定的定价要求.
但考虑实际的咨询撮合里面,提问的数量应该是远远大于提供方案的人员数量的.

所以依靠律师一个个根据自己的回报去筛选是不太现实的.
而且对于提供方案者而言,挑选某种心理ROI区间的或有preference.
这样的话,对于其他区间外的问题就基本不可能得到回答.
这对于撮合系统来说可能不是一个理想的情况.

所以这里问题的推送应该是有一个算法筛选分配在作用.
目的有几个.

一个是帮助主题匹配.
二是在匹配主题的情况下,平和收益预期.
以及第三点, 提高被回答的覆盖面/广度.

稍微想下就是一个黑盒的搜索系统.
只不过query主题变成了预期收益.

这样的话,对于律师方来说,需要的是一个收益预期.
比如回到多少次得到大致多少回报,或者一定时间内 期望通过回答得到多少收益.

也是一个类广告的bidding系统.
可能更像是DSP方面的思路.

那么综合两边一起看的话,其实就是比较标准的搜索广告模式了.

于是顺便的,一些对于"广告"买卖双方的反作弊行为也有了一定的先验方案可以借鉴.
当然只是理论上.

flaw的 风险首先在于律师的欺诈性点击驱动.
也就是利用一些因素提供提供低质量回答得到超额收益的动机.

而回答的价值是否公允这个应该是由阅读者/付费购买者/咨询方决定.

所以这里大概免不了需要一个买方的价值是否公允的一个反馈信号.
以此作为卖方flaw的ranking的因素.

而为了激励买方积极作出反馈,则必然需要一种对买方有利的驱动方式.
最简单的就是返现/折扣咨询费等.

那么这样的话,这种激励制动也就产生了第二个flaw点.
买方的欺诈动机.

如果对于买方的 欺诈反馈信号也是使用卖方评价的话,那么就很容易陷入一种驱动循环.
比如需要额外的驱动机制,让卖方对买方做欺诈评价,而这种驱动也就成为新的flaw点.

所以,如果不能通过卖方信号的话,如何才能对买方的欺诈动机做识别呢?

首先需要明确的目的是防止恶意的买方欺诈.
也就是说需要允许买方的合理的有意的对卖方对欺诈反馈.

因此,这里需要的是对恶意买方欺诈的定义.

一种可能的方案是以买方反馈历史作为信号.
基于的假设是,如果是刻意恶评的话,那么跟正常的合理用户的欺诈反馈行为是不同的.
比如对于某个 高信用卖家的的恶评,比如对大规模卖家的无差别恶评等.
这是一个长期的类规则维护系统.

然后是,基于规则系统的问题在于只对有一定历史记录的用户有效.
对应的策略可以是不停的白纸用户.

所以,这里就不得不对这类白纸用户有所限制,或者说存在个别功能锁定期.

当然,这里可能存在一些优化点.
比如一些针对恶意用户对回归模型的早期特征预判等.
但总地来说,因为存在false positive的风险,如果控制不当可能会大规模地迅速摧毁卖方的平台信心.
所以保守做法可能还是监护性为主.

那么,对于卖方来说存不存在这种类似 买方的恶意欺诈呢.
理论上是不会的.

一个是可以通过专业准入审核做到.
毕竟相对买方来说卖方数量相对小.

二是欺诈成本高,收益小,不可复制.
这个是专业信用背书支撑的.
因为如果一旦专业透支,那么相当于平台不准入了.

买卖双方定价模型.
撮合系统.
反欺诈.

当然,最重要的一个基本立足点是咨询方的出卖动机.
或者说收益率是否达到一个程度的问题.

信用价值变现与风险

考虑下付费订阅和粉丝经济的关系.

传统的粉丝经济算是纯粹的消费性经济.
主要是建立在某种精神性享受的投入变现的基础上.

虽然有时候也表现为一些周边或者实际物质性的购买回馈.
但总的来说,还是建立在一种类似宗教但随从信仰上面.

而付费订阅或者说现在所谓的知识经济呢.

字面上来说是一种知识交易.
无论是以专栏,直播或者问答什么的方式展现,浅层的思路是知识交换.
或者说用一个比较中古的词来说就是咨询.

直观的交易标的物是购买者所定义的"知识".
或者说信息内容.

那么,从交易的角度来说,成交的这笔交易有着什么样的特殊属性使得其能成交呢.
或者说是什么支撑着这种交易的存在.

就信息本身而言可能并不存在独占性或者稀缺性.
即便是传统的咨询业务,也不不是说只此一家别无二店可以提供.

那么是便利性么.

也不一定.

像文章栏目订阅来说,跟传统的报纸杂志订阅并没有什么太本质的区别.

也就是说,这些信息并不不一定是必需品或者急缺品,对于交易的频道和效率而言.
并没有什么太大的权重趋向优势.

权威性或者说影响力么?

可能.

所谓的信用背书.

通过已有的身份地位和影响力支撑的对言行的信用加成.

那么信用和信仰之间的区别是什么呢.

依靠信仰的经济依托的是一种不计回报的纯成本投入.
或者说并不要求有明显的回馈回报.

比如购买一个周边可能并不是因为有什么特别的实用功能.
而是一种建立在自我认知范畴内的联系性产生的溢价.

而信用经济是一种某种形式的远期估值体系.
对交易的结果标的隐含了某种实际的价值回报在内.

就像某些问答专栏等,购买的是一个对结果的合理性预期.
解决问题或者收获/知道了什么.

所以本质上来说,它是依赖于这个远期合约的定价合理性的.

也就是说,这个期权交易的结果对购买/持有者而言是有一定的实际价值偏离的.
或者说行权之后存在对价格波动的敏感性.

比如并没有解决问题或者说预期的结果不理想等等.

这个会对行权者对承兑方的信用估值产生重新计算/衡量/定位的需求.
就像自由市场里对价格合理性的回归波动.

但是知识经济的这种波动会一想到其他人么.
或者更明确地说,这种波动有有效存在么.

由于每一个交易都是基于买卖双方的二元交易.
对于第三者来说,当次交易的标的物的价值是没有意义的.

一个问题的有效合理性原则上来说只对提问者有实际意义和有效评定方式.
对于其他人来说,这个private value并不具有普适性.

所以这个价格的波动也并不存在的普遍存在意义.

或者稍微严格地说,只对具有类似提问需求的人会存在信用/价格波动现象.
而且由于每个人的评估体系/private value的估值体系存在相异性.
所以波动的实际效应具有不确定性.

因为批判标准不具有普适性.

于是,只要维持这种信用加成.
那么变现方式就是相对稳定的.

因为每一次交易都可以看作是同样初始条件的相互独立的可重复实验.
影响结果通常并不会累计.

除非是在某些基本价值观/世界观或者说普世价值相关/大是大非的情况下,才会对整体信用造成影响.
因为这时候的参与评价群体是约等于全部潜在买家.

某种程度上来说,这种模式的风险也就在于如何稀释每次交易造成的不良影响.
或者说受众面.

关于广场舞的一些发散

有时候晚上跑步经过某广场,看到有人在跳广场舞就会想动机.

是什么驱使这些人做这些行为的.
尤其一些整装制服,有纪有律的时候.

从旁观的角度来说,这是一种服从式的娱乐.

如果可以称之为娱乐的话.

领队的口号或者无论来自于什么形式的节奏.

往大了点说,可以说是某种对过去生活方式的一种外在的表现缅怀之类的.
尤其考虑到年龄和年代背景的话.

青春时期从集体主义走来,多多少少会在生活方式上留下一些烙印和特有的反射.

而广场舞同时作为一种舞蹈和集体活动又或多或少地契合了一些所谓的人生的遗憾点和荣耀点.

群体下的高度制度化和服从性.
以及舞蹈所需要的妆容等,带有一些少女情绪的东西在里面.

某种程度上来说,可能更像是一种自我补偿的方式.

当然,抛开这些形而上的意识形态方面的东西的话,可能只是单纯地恰好有了这么一种打发时间的方式.
就像下棋或者散步什么的.

如果近一点观察的话,会发觉里面似乎是有某种形式的阶级/阶层存在的.

一级是具有统一服装的不分部分.
次一级是没有统一服饰但是具有相当规模的相对固定的群体.

再一个就是不属于上述两者的第三阶级.

第三阶级的一个特点就是会游离在上述两个阶级旁边,以模仿的形式参与进来.

如果以竞技的概念来说,大概就是种子,专业和业余的区别吧.

但不管以什么形式理解.
不能否定但就是存在这一种单向但类似promotion但一种情况.
也就是阶级之间但单向转化.

或者说职阶路径的金字塔形式.
自下而上的转换.

如果考虑顶端存在一个容量限度的话.
那就是可繁殖的金字塔形式.

也就是达到一定程度之后会做分裂发展.

那么纯理论上上来说,只要下级有源源不断的人参与进来.
则金字塔的数量将随之呈幂次方式增长.

对于给定的金字塔层次分布特征和总人数的话,就存在一个理论上的金字塔数量上限.

把金字塔这个概念转换为族群或者说社区的话,也就是说对于一定时期来说.
整体只可能存在有限的基于广场舞构建起来的社群.

考虑地理分布的话,也就是一定的地理空间上,最多只能存在若干个特定的社群.
而社群的的层次分布特征和规模可能就跟这个区域的人口和硬件设施相关了.

但无论如何,数量固定或者说增长天花板的存在是确定性的.

然后考虑这些社群构成的网络结构以及对应的信息流动特征.

把社群本身作为网络节点的话,由于人群活动特征和地理位置的关系.
节点间的消息传递距离可以认为是跟地理位置远见相关的.

换句话来说,对于地理位置较近的两个社群之间的信息流动和交换可能更为频繁和快捷.
反过来说,对于地理位置相隔比较远的节点之间,信息的传播以及有效性就相对地更弱一些.

也就是说,对于特定区域来说,信息的传递范围和有效性是可预知/估计的.
其覆盖度相关于社群的数量和各个社群的大小.

如果定义一定的信息传递有效性的量化值的话,那么就可以把信息值在范围内的社群视为一个有效信息传播网络.
或者说是整个"稀疏"信息网络中的"稠密"子网.

提这个概念的本质还是为了强调,信息的传播范围的局限性.

那么,对于一个传播范围具有明显局限性的信息网络.
或者更直观地,定义为一个有限的局域网的话,如何具化并且最大化信息的价值呢?

比如传播了某家店适合周末家庭聚餐的化,如何使得这条信息价值最大化呢?

由于前面所说的,网络的局域特性和规模限制,即便转化率100%,那么对于单条信息来说,价值也可能有限.

尤其如果考虑实际的化,转化率是一个i.i.d的话,如果社群规模太小,转化率又不高的话,可能就因为数值上的原因被衰减掉.
从而使得整体的转化率以及对应的可兑现价值降低.

那么有解决方法么?

这里价值上限存在的一个原因是隐含了一个条件.
即兑现只能是针对现有的局域网络而言的.

所以,如果这个兑现网络是另外一个更广泛的广域网的话,那么至少从量级上来说,还可以再提升一下.

也就是说,如果能把消息传递扩展出这个社区的话,至少价值兑现能够进一步扩大.

考虑回归到人的个体角度看待.

那么在消费过程中,原有的社群网络就扩展为了一个多层网络结构.

一层是以广场舞人群为个体群居的稀疏的网络.
也就是一开始所考究的网络结构.

然后由这个网络延伸出来的基于"吃饭"或者说家庭关系的节点网络.

或者反过来,考虑整个人类社会的整体关系网络.
那么前面说的稀疏结构网络就是这个整体网络的一个子集/子空间.

也就是说,从这个角度来说,价值兑现所面对的就不是原来的局限性网络,而是整体人类.

所以理论上来说,信息传递是可以扩展出去的.

问题在于怎么样或者以何种形式扩展出去.

在考虑这个问题之前还有一个问题就是.
如果这种扩展方式是不经过广场舞网络的节点到达的话,那么就没有意义了.

也就是说,如果可以不经过广场舞网络节点转化的话,从商业层面来说,就没有存在的必要性了.
或者说,就没有必要构建这么一个子网了.

即是说,如果存在这么一种扩展方式的话,那么它必须要满足几个条件.

一个是经由局域网节点.
二是比不经由局域网节点能带来更高的转换率或者成交数.

其中第二点可以是第一点的副作用.
也就是说,局域网节点作为gateway能够提高流量的效率效能.

以计算机网络的角度来考虑这个问题的话,就是这些gateway从路由层面来说,提供了更高的网络分发能力.
而更好的网络分发能力就意味着诸如时延带宽方面的优势.

也就是说广场舞节点要能够为消费行为提供某种优势.

而对于消费行为来说,绝大多数优势都可以以某种方式或者形式通过"折现"体现出来.

最直接的方式自然是折价了.
而折价从商家的角度来说,只要边际存在就不是问题.

于是问题就变成了.
在给定的商家的成本收益曲线的边际空间内,让广场舞节点具有更大的边际优势从而让商家愿意优先原则作为实现呢?

从价格层面上来说,商家给出的价格越低,那么从边际角度来说,就需要越多的成交量.

也就是说,对于给定的价格优势,节点需要做的是保证一定数量的成交量.

某种形式上来说,就是作为商家的销售存在,背负这一定额度的销售任务KPI.

那么,如何让广场舞参与者有更高的意愿尤其是自主意愿去完成这些KPI呢?

也就是前面说的,如何让其把消息扩展出去的动力更强烈.

从等价交换的角度来说,要有动力完成这些销售任务,也就因为这完成任务会有相应的激励.
考虑到前面的广场舞网络存在性的隐含条件,这种激励应该是反馈或者说作用于参与者在广场舞网络中的角色的.

当把激励,角色,KPI放在一起的时候就有一些很熟悉的概念/模式浮现出来了.

想想游戏的类似场景.

关于转化效果的一点延伸

考虑像电商等平台的推广位.

通常来说是有限的.
换句话说,在一定顶尖内,为这些广告位付费的广告主用户也是有限的.

那么,在不考虑增加广告位等扩展的前提下,盈利的提升就应该对于广告位的竞价价格增长.

但这个竞价不是无止境增长的.

最基本的,对于投放广告方来说,投放的决策一个边界在于用户导入成本和用户lift time value的一个差额边际.
在这个边际为0之前,就有持续投入的动力.
反之就没有必要继续投入.

因此,对于广告平台来说,竞价的利润边际在于广告主的成本边际.

那么如果这个边际被触大之后呢?

或者说除此之外还有其他拉动利润增长的方式么?

考虑Google的广告网络.

Google的广告渠道一个是搜索结果里的展示.
一个是各个站点内的Google广告.

共同的点在于,对于一个页面访问session来说,广告位是固定的.
但是展示内容并不是长期固定.

对于不同的展示人群来说,在同一时间同一页同一广告位存在着不同的展示内容.
也就是不同的广告主投放.

换个角度来说,就是对于整体人群在同一时刻做了区别性的对待.
某种类似A/B Test的隔离策略.
或者说某种分时策略/思路.

其关键点在于,并不是通过扩展广告位来解决销售增长的问题.
而是某种形式的"space sharing".

一个简单的描述就是,考虑一个页面有N个展示位,总共有P数量的人群访问/PV.

那么,对于不扩展广告位的做法来说,就是只能销售N个展示.

但是,如果对PV数量P做个划分/sharing.
即假设分成G组/group的群体.

那么实际上就相当于在同一时间由原来的N个impression变为G*N个impression.

也就是说,在这种情况下,可销售展示的个数从N变为N*G.

也就是说通过简单改变G的数值就可以相对轻松的增加可销售基础.

这里的一个隐含假设是PV是无限的.
或者是对G的再划分不敏感的.

也就是说,PV的基数基本使得,即使G不停划分和细化,对于一定用户基数的广告主来说,也不会转化率方面的波动影响.

那么这里的一个问题就是,转化效果的评估再用转化率这种百分比方式还合适么?

假设对于当个广告主来说,有用户基数U,转化率为R.
总共有N个广告主的话,就是总共N*U*R的总体PV转化.

那么对于广告平台来说,没有产生价值的pv数margin就是M=P-N*U*R.

然后考虑做了G划分的情况.
这时总体的转化PV就是G*N*U*R,未产生价值的pv margin就是M=P-G*N*U*R.

也就说说,对于M来说,这是一个关于G的函数.
函数特性是-1,也就是G越大,margin越小.

于是,对于一定流量的广告平台来说,策略选择的一个依据就是尽可能地minimize M.
也就是提高可转化PV的数量.

这样的话,只考察广告主的转化率水平并不能很好地反映minimize的objective satisfaction.

因为一个情况就是G退化为1的情况也并不影响广告主的转化率.

实际上,对于minimize objective的一个最直观反应就是有效广告价值PV数E的增长.
也就是E=P-M.

即只要看转化PV增长了多少就可以了.

换句话来说,在广告平台的角度,调整展示策略的一个效果评估主要应该看转化PV的增长绝对数值.
而不是单纯地关注广告主的转化率变化.

一个极端情况就是,一个策略的调整导致广告主的转化率下降.
但是对于平台来说,因为转化基数变更了,所以整体盈利是上升的.

这里的一个积极意义还在于,转化基数的变更可能对应的是曝光类型的多样化.
也就是说,参与曝光的广告主也变多了.

那么,一个理想的策略调整结果就应该是广告主的转化率没有太大的边际波动.
同时转化基数得到增长,拓展了广告主的曝光个数.

某种程度上来说,可以说是保持点击转化的前提下.
对广告的展示和消费人群做更多的个性化方面的区分.

关于红包的一些杠杆算术

下午简单估算了下微信红包除夕那天的流水,可能有1600亿的样子.

引申的一个问题是,如果这笔流水是阿里系产生的会怎么样.
毕竟,双十一那天的流水貌似也才900亿.

考虑这么一个玩法.
系统产生一些虚拟货币,以某种参与形式分发给用户,并诱导作为红包分享.
这个虚拟货币可以是天猫积分之类可以直接抵现/折扣的.

那么以微信的数值替换过来的话,就相当于产生了1600亿的消费储备金.

然后这1600亿能最终产生多少消费呢?
也就是杠杆率有多少呢?

假设最终的杠杆率为Multiply,那么实际上对于红包数额Bonus,对应的转化收入Revenue存在关系:
Revenue=Multiply*Bonus

这里如果杠杆率Multiply是固定的话,那么对于阿里来说,红包数额Bonus是系统可控的.
也就是相遇说,在这种情况下,理论上收入Revenue是可以操控的.
某种程度上的印钞机.

于是,实际的杠杆率是什么情况呢?

考虑到实际情况中代价/消费并不是100%的转化结果,假设转化率为Conversion.
那么实际的可用消费储备就是Revenue*Conversion.

另外一个考虑就是,阿里的代金/消费券实际上是一种补贴,并不是没有成本的.
这个成本的约束应该在平台和卖家间的交易费率的约束.

实际的Revenue=Bonus*Multiply*Conversion - Fund
其中Fund为补贴的等值金额.

对于卖家来说,一件商品的成本为Value,售价为Price,出售数量为Amount
那么其利润Earning=(Price-Value)*Amount.

这里Value可以认为是一个固定成本.
则,Earning实际上是一个关于Price和Amount的函数.

考虑电商平台上还存在一定的推广因素.
这个因素既影响价格Price,也影响销售Amount.

定义价格因素为Advertis,销售影响为函数f(Advertise)的话
Earning=(Price-Advertise-Value)*Amount*f(Advertise).

回到平台上面.
考虑交易费率Tax.

对于平台来说,总体的收益是关联于商家的Earning以及对应的Tax的.
简单考虑Tax为固定比率的话,那么平台的收入
Income=Earning*Tax + g(Advertise).
其中,g(Advertise)为卖家的推广费用.

展开一下就是
Income=(Price-Advertise-Value)*Amount*f(Advertise)*Tax + g(Advertise)

这里,令Income=Revenue的话,则有
(Price-Advertise-Value)*Amount*f(Advertise)*Tax + g(Advertise) = Bonus*Multiply*Conversion - Fund

考虑一般供需曲线约束的话,价格Price和Amount是存在一定的函数关系的.
更近一步的话,考虑销售数量在供需曲线之外,也是关于推广费用Advertise的函数.
那么,上式的左边除去Value和Tax等常量则就是一个关于Advertise的函数i(Advertise).

变换下的话,有
Multiply = (i(Advertise) + Fund)/(Bonus*Conversion)

对于理想的理性均衡市场来说,给定推广费率Advertise,那么市场总体价值i(Advertise)就是一个常数.
如果在假设红包的消费转化力Conversion也是常数并且分别记为k,1/a的话,简化记述为:
Multiply = a*(k+Fund)/Bonus.

这里Fund是红包补贴的成本,Bonus则是红包对应的金额.

把杠杆率Multiply代入回Revenue的话,有
Revenue=a*(k+Fund)*Conversion - Fund
->
Revenue=a*k*Conversion+(a*Conversion-1)*Fund

所以简单地说,就是存在一个投入多少,对应产出多少的类固定收益.

至于实际如何,就看拟合不拟合地了了.

板栗的剥法

晚上心血来潮想吃板栗.
于是便去买了斤,23块.
顺手Google了下成本价,感觉利润率还蛮高的.

然后想到了一个问题.

利润率高就是一门好生意么.
或者说,单纯看利润率是不是就能判断是否有价值/值得去做.

考虑简单的revenue = income - investment.

对于一个商品而言,价格/售价带来的收入income是大致固定的.
那么,要提高利润/收入revenue的话,减少成本investment的投入就是很自然而然的想法.

但这里隐含一个奇妙的假设.
那就是这个计算是基于单次交易的.

也就是说并没有考虑周转率.
或者说转化时间.

一个稍微极端点的例子就是.
存在一个利润率为80%的交易A与一个利润率为1%的交易B.
A的交易周期或者说完成时间是100年,而B则只需要1秒.
那么,不用计算也知道在一定时期内B的累计收益要比A高.

修正一下的话,就应该是
revenue = (income - investment)/transation_time.

拆分一下的话就是
revenue = income/transation_time - investment/transation_time.

如果一个产品的生命/销售周期是确定的.
那么income/transation_time的部分就是一个常数.
所以,maximize revenue的方法实际上就是minimize investment/transation_time.

把这个minimize的部分换个角度看的话,实际是就是要求单位时间的内的投入尽可能地少.

如果transation_time不是确定的话,但预期收入income和预计投入investment是确定的话,不如一些成熟产品的销售开发等.
则明显的只能通过缩短transaction_time来达到优化revenue的结果.

如果都是不可预期的呢?
比如一个新东西的研发,可能一切都是不那么确定.

考虑另外一种形式.
revenue = income - investment - transation_cost.

这里,尽管income和investment可能也是当前不确定的因素.
但在研发或者说投产之后,则可以认为是已知的.

换句话说虽然是不能实现量化的,但从性质上来说两者的运算是一个常数.
因此,问题也就简化为minimize transation_cost了.

这里取巧的是并没有定义具体的transation_cost是什么.
而只是一种泛化的对影响交易流动速率/周转率的东西的一个统称.

具体到栗子的问题.
影响它周转率的是什么呢?

一个是人流,一个是炒栗子的速度.

给定一定的炒栗子的速度,那么周转率就首先受人流量的制约.
当人流量到达一定程度的时候,就收到炒栗子的速度的制约,而且存在一个极限瓶颈.

这里仔细想想的话,其实是分几个阶段.

第一阶段是收人流制约的阶段.

这时候该如何最大化收益呢?

自然是想办法增加流量.

思路可以是招揽顾客,这是基于地点固定的假设针对landing转化率的优化.
或者切换不同时间点人流地方,这是基于地点不固定的针对流量的渠道优化.

甚至更进一步的,以横向开店的方式综合landing和渠道的流量优化.

从现实角度来说,这个阶段基本上是可以无限延续下去的.
只要市场还没有饱和.

如果已经饱和了,那处于什么阶段都是无意义的.
因为过剩使得这时候并不存在进一步优化的空间.

单纯思路上考虑的话,第二个阶段就是栗子产量更不上需求的阶段了.

一个自然的想法当然是提高生产效率了.
使得单位时间的产出栗子数跟上需求的增长.

然而,如果存在一个物理极限呢?

考虑下定义产量跟不上需求这个描述.

实际上就是
demand - supply > 0

利益最大化的过程实际上就是让
demand - supply -> 0
的过程.

而前面的假设是supply已经达到物理极限了.
那么还存在优化的可能么?

如果以某种形式减少demand呢?

考虑这里的supply其实是一个时间相关的函数.
所谓的达到极限也即使supply的速率达到了一个极限.

既然supply是个时间相关的速率函数,那么demand也应该是一个时间相关的速率函数.

也就是说实际上,它表征的并不是需求的总量,而是需求的单位时间速率.

做个定义
demand = (people * demand_per_person)/ unit_of_time

这样的话,即使前面假设people继续增长,那么通过调节demand_per_person也可以维持不等式里demand的值.

这个demand_per_person的实际意义可能是分量,也可能是配给的限额或者其他类似等价的东西.

另外一个思路是考虑supply.

原本的supply假设是跟demand无关的.
如果有关呢?

如果demand可以转化为某种形式的supply呢?

一个可能的形式就是如果买栗子的用户自己炒栗子的话,那么demand - supply = 0就是恒成立的.
跟最初的单方的炒栗子的物理极限无关.

退一步来说,把炒的过程分解摊分给用户,也能在一定程度上扩展物理极限的约束.

相对与demand_per_person的方案来说,转化demand为supply的方式理论上跟持续一点.
毕竟现实里demand_per_person并不是一个可无限细分的量.

所以,理论上来说,貌似是一个在市场不饱和的前提下永续下去的东西.

到这,发觉栗子没吃完就已经有些腻了.

于是,大概也不是一个特别不容易饱和的东西.

界限

阿里影业在"原创与IP相煎何太急"的那番言论配上那个"我不是针对某个人"的表情了.

平心而论,里面的竞争淘汰轮并没有什么太大的偏差.
只是可能字里行间描述不够妥当罢了.

虽然说作为一个文化创意产业,并不是能单纯的从时间人力上堆出质量的,需要讲究天赋和修养.
但跟竞争体系并没有太大的冲突.

毕竟,就像wake up girls里描述的日本偶像产业.
你努力了并不代表就需要为你付出什么.
只要存在比你努力同时更有天赋的,那么没什么理由拒绝接受更好的.

虽然说这样可能在一段时期内,由比较固定的商业化模式.
但长远来看,无论哪个产业,也得在商业化和艺术性上做出一个权衡.

就像当初 叶隐娘 上线造成的赏析纷争一样.
套用和菜头的说法,就是没有这些商业化的成功,哪里能供养出所谓的艺术性.

所以,对于各位编剧们的反应,大抵是一种较为安逸的时代要过去了的最后挣扎反抗吧.
用阿里的话说,就是拥抱变化吧.

另一点是阿里影业关于IP的看法.

IP这个词应该是前几年才开始谈的概念.

其实也不算一个崭新的思路,充其量不过是周边概念的繁华.
本质上有点类似对既有消费群体的消费点做一些类gradient descent的迁移optimization.

具体到中国电影来说,衍生品的聚焦现象也确实存在.
远的诸如 爸爸去哪儿/跑男 之类的综艺到电影,小时代,到稍近一点的琅琊榜的泛娱乐一条线.

抛开影片质量问题,票房上还是说地过去的.
所以,在数据上来说,阿里影业也自然有底气认为剧本并不是一个决定性的影响因素.

而事实上,从消费者的角度来说,也确实可能如此.

就像某些嘲笑直男的段子说的.
去看电影有时候并不不是真地去看电影.
至少不是只是看电影,而是作为一种娱乐候选.

所以就消费结构/行为来说,替换选项很多.
反过来说,促成候选的原因当中,剧情/质量可能只是其中一个决策因素而已.

尤其在现在各种互联网概念横行的当下,部分人选择看电影作为娱乐项目的原因可能只是恰好有补贴/打折.
而这点上,恰恰是作为一个经销平台的阿里所促成影响的.

退一万步来说,如果各互联网公司把电影补贴或者在线购票入口关闭,整个电影行业还能否继续繁荣还是一个问题.

毕竟,行为模式已经被重构,各个决策因素的权重也产生了变化.
选和不选的因素,可能已经不是电影/编剧行业能够左右的了.

某种程度上来说,互联网其实是个挺可怕的行业.

可能在不知不觉中就把其他行业摧毁或者变为其附属.

就影视行业来说.
翻某司财报,电视剧的毛利润在60%-70%左右.
制作大概是4000w左右的投入,100-200人的规模.

考虑如果这4kw是通过娱乐宝或者类似的资金筹集,并锁定一年,之后付10%左右的利息.
算50%的利润,减去10%的利息,还有40%的利差存在.

而传统的制造业也就10%-20%的毛利率.

通过互联网渠道众包筹集差不多就是1200w的空手套白狼的纯利润.

换个角度来说,就传统的电影电视自筹资金的模式来说,可能受实际票房的影响.
而实际票房可能直接有影片质量决定.
所以这个时候各个业务线包括编剧的能力就存在着比较大的价值比重.

但是按互联网的做法,实际上是不承受成本风险的.
所影片质量和实际票房只不过是锦上添花的事情.

利润空间的大小跟实际产品并没有直接关系,而跟筹集面的广度有关.
这也就是为什么阿里影业要强调IP的原因.

作为一个"期货"性质的投资,自然是有一定消费用户基础的东西更容易筹措到资金.
而且通常来说粉丝群的忠诚度还是相对较高的.

从广义上来说,这里的IP其实可以指向任何能够促成交易成立的因素.
而不仅仅是某一个节目品牌或者明星.

比如娱乐包当初就是作为一个比余额宝收益高的品牌"投资品牌"出现.
所以即便说没有合适的具体IP可用,通过互联网的导流思路还是能够解决大部分问题的.

尤其当这种三板斧的行业遇上金融这种专攻杠杆和远期套现的产业,一切可能就更加野蛮和隐蔽了.

某种程度上来说,游戏行业就算是这种结合体的一个超前展现.
用不同的难以让人眼前一亮的模式套上万年不变的变现核心.
尤其一些生命周期模式明显的,只不过在换着不同的方式repeat着.

所以有时候会想,到底是什么原因,让人很难再有那种心动感.

就像一潭死水.
辽阔而单调.

不过也可能只是天花板了.
毕竟,很久以来,确实没有什么新的角度和维度了.
虽然不太想承认.

因为到底,这是很沮丧的认识.
但,大概就是所谓界限问题吧.

无用功

今天晚上看到某条关于新浪微博调整timeline显示算法的消息.
大致意思是04年底的一个改动,对一些高频发布和所定义的低互动内容做"降权"处理.
同时对广告渠道的这里消息做豁免.

对商业渠道做保留处理,这也不是不能理解.
毕竟需要一种盈利模式.

而且就赚钱能力来说,不得不承认新浪微博比先驱Twitter更早实现.
后者现在有许多功能其实也是在借鉴微博的做法.

毕竟,做这种公共消息平台,始终是很难脱离用流量变现的.

只是对用户自己timeline的干涉,这点倒是颇有中华民族的传统美德/家长精神.

事实上,这种看上去是"为你好"的做法,对于国内公司来说,算是某种定势思维吧.
之前的微博自己的智能排序,以及BAT的种种默认开启的做法.

一个算是载入失策的典型应该算是著名的"艰难的决定"吧.

中性地来说,操纵用户的timeline,服务方不明说的话,大概多数人也不会有什么发觉.
毕竟,虽然说timeline的成分构成是自己筛选出来的,但是具体产生了什么其实自己也是不知道的.

这便是这种公共场合性质平台的一个特点.

消息的消费其实是个体自己筛选编辑的一个合集/结果.
里面构成的偏好,其实来源可以很复杂.

有些是资讯类,有些是说话方式,有些是个人关系,有些是其他一些兴趣点之类的.

这几个基本点原则上也是个概论兴致,实际上是可以继续细分下去的.

但如果想通过做feature然后做推荐的话,估计效果并不会太好.

因为从结果上来说,拟合的也只是当前follow状态的一个近似快照.
按照这个结果去寻找匹配的话,谈不上有很强的依据性.

第一是因为这个结果是一个time vary的过程.
某个feature的有效作用可能只在某个时间段或者某些时间段有效.

当然,把每个feature做time serial方向的predict,然后用在分别每个时间段的predicated value做feature vector重新做拟合的话,可能更符合直觉.
但计算量是一方面,实际有效性又是另一方面了.

第二个原因则是个人的偏好其实也是个time vary的过程.

虽然可以再在一个predict,然后跟上面的结果再一起做regression.

但是明显的,这里有太多的predication了.
说没有误差,或者说不影响"准确性"之类的,实在很难令人信服.

所以,通过推荐来扩充网络的健壮性并不见得是一个好方法.

而且从发展历程来看的话,个人的timeline其实多多少少还是靠自身去发掘维护的.

因为毕竟是公共空间,而且早起的模式是更aggressive的转发而没有steady的评论.

这点跟微信这类封闭空间是有先天优势的.

微信一个值得称道的点就在于早期理念的封闭性.
依靠某种程度上的口口相传建立的network.

某种程度上来说,这是一个值得记录的关于口碑传播的大规模社科实验.

结果也可能很明显.

口碑传播确实具有相对的高质量预告以及忠诚度.
但是同时反映了"口碑"供给和发放的有限性.

毕竟,某个领域的周知品牌也就那么几个.
所以从传播效果上来说,其实是一个固定配给的市场.
或者从消费角度来说,是需求固定的一条供需曲线.

而且一个明显的缺点在于,品牌的传播性是的dominated tipping point可能更靠左.
因为这种封闭环境的口口相传很难有足够的突破性去推翻原有的口碑.

一是前辈有着先发优势,覆盖面不是一个层级的问题.
二是传播毕竟是一个存在延时和损耗递减的过程,能存活多久本身就是个问题.

当然,这不是封闭空间独有的问题.
开放空间也有.

只不过开放空间的消息暴露度基本是100%.
个体有动机的化,筛选优化剔除的难度相对低很多.

简单说,就是区别在于消息多元化的程度不同.

消息结构单一或者不够多样的话,纠偏的能力就较弱.
但同时也因为纠偏能力偏弱,传播速度和接受程度可能比多元结构的更快.

毕竟一个闭合圈子的话,某种程度上来说思维结构和接受方式存在一定程度的相似性.
消息处理和消化成本会低很多.

多元结构需要各种预判和处理,相对来说,对消费的门槛和需求复杂度要高些.

不过不管是哪种结构,基于的一般逻辑都是消费者自身的一个筛选再组织过程.
区别只不过是候选的来源问题.

所以,本质上来说,这些流量平台的立足点首先是消费者对消息的主动接受过程.

虽然表现形式上来说可能是一种推送过程.
但实际上,还是基于用户的一个预先选择.

因此,对于用户这个node来说,network flow的驱动方式其实是来自这些node的pull过程.

考虑这么一个network或者说graph.
用户作为subscriber,s-node.
流量的变现提供方,或者说广告主,或者营销实施方作为publisher,p-node.

那么,在这么个一个graph里,实际上就可以划分为两个sub-graph.
分别由s-node和p-node构成的s-graph和p-graph.

于是,该如何定义这个graph的network flow的cash模型呢.
或者说,怎么评估这些网络所能带来的变现能力呢?

考虑,对于network里的某个节点,初始有一定的energy.
然后pull的过程其实是从其他节点slice/aggregate energy.
即energy_x(t+1) = absorb( \sum_{i=neighbour(x)} slice(energy_i(t))) )

也就说t+1时间的节点energy是吸收/pull的t时间的周边节点的energy构成的.
即从following的node里吸收信息,然后再消化之后,供其他节点消费.

这里犹豫的一点是absorb function要不要是守恒的.

如果不守恒的话,也就是整个network的energy可能是可变的.
而且具体到个体node的话,还有个问题是energy到0之后,是否要从network里移除,还是继续保留甚至允许非实数的参与.

守恒的话,直觉上模型/论述起来可能要简单一些.

因为如果把energy替换为cash的话,就是相对简单的零和市场.
不然的话就是一个动态变化的市场.

所以先考虑一下守恒的情况.

如果不区分s-graph和p-graph的话,那么对于graph的network flow来说,不过是energy/cash的互相自然周转而已.

考虑区分的情况的话,把"流量变现"行为定义为一种对flow做routing的行为的话.
那么,实际上就相当于吧neighbour函数返回的neighbours做了更改.

也就是说,实际上是更改了网路的连接结构/状态.

付费的p-nodes实际上是往原有的s-graph里添加新的节点,并改变原有的s-graph的结构变成一个新的graph.
而新加的p-node的作用实际上就是往外emit energy.

那么如果absorb是守恒的,而且考虑p-node的目的只是emit完所有的energy然后退出.
也就是说,纯粹的推广传播之后就消失.

则留在network里的energy就会越来越多.
而这些energy的多寡并不在开始的pull模型里参与任何作用.

也就是说,理论上并没有囊括对现有网络结构变化的影响描述.

考虑absorb是一个非守恒的过程.

对于纯粹的s-graph来说,非守恒就因为这整体network的energy可能衰减到0.

那么,对于平台方来说,一个动力或者说objective就是尽可能地维持或者maximize整体network的energy/cash.

考虑一个特例的简化情况.
也就是,在没有p-node参与的情况下,整体s-graph的energy是恒定/稳态的.
而p-node的加入,则是跟特定的s-graph子集产生连接.

即:
energy_x(t+1) = absorb( \sum_{i=neighbour(x)} slice(energy_i(t)))) + absorb_p(slice(pnode)).
即每个被连接的s-node的energy状态改变的absorb function被加入了一个absorb_p项.

那么,对于原有的objective就相当于maximize各个\sum absorb_p了.

也就是对与付费传播选定的advertise target,其影响不能使得network的整体energy有所衰减.
而如果\sum absorb_p >0的话,那么这一部分的energy就可以当作是平台的盈利来源/cash.

于是,如何定性absorb_p呢?

假设p-node向外emit的energy都是equal quantities的.
那么,实际上absorb_p的性质就相当于对energy的接受/转化程度如何.

也就是说,在这种稳态假设的前提下,广告推送的目标应该是对广告不反感,不会降低自身energy的目标群体.

理论上来说,给定一定的emit量,并不一定总能找到足够的positive的s-nodes去absorb这些energy.
现实一点的情况是,这个candidate的sub s-graph可能存在一些s-node的absorb_p的值是negative的.
但总体来说,还是一样的objective function.

考虑给s-graph的energy稳态做个限定区分的话.
即,如果某个s-node的energy低于/高于一个值的话,那么就不会再往外emit energy.
换句话说,就是s-node不会从低energy的s-node上面absorb.

于是,在理论上就存在某个energy级别并且低connectivity的s-node变成一个黑洞.
从而实际上地减少了整个network的effective energy/flow.

对于s-node在某个值不往外pull的情况,其实原则上是reduce到不emit的情况的.

因为不pull不代表不存在network flow.
只要不到emit的临界点.

所以,回头看的话.
其实说了一堆废话.

毕竟,推送到不反感的用户,维护/鼓励用户的读写活跃度这些都算是直觉上就能想到的东西.

说到底不过是在自我强调一些东西而已.

夸夸其谈

昨天还是前天,手上的Nexus 6收到了例行的OTA.
完了之后,发现除了是个security update之外,还多了Android Pay.

说起来,Android Pay算是Google第二次做支付相关的了吧.
之前的是Wallet+Checkout的组合,现在Checkout没了,变成了Android Pay而已.

有趣的是,Checkout原来是一个可线上线下的解决方案.
不过相对来说偏向线上.
毕竟原型对手是Paypal这类为在线商家支付提供的解决方案.

现在的Android Pay则是针对线下的一个支付场景.

大概的思路应该是线上没有先手优势,线下大家起跑线都差不多吧.
而且手上有Android这个移动基础设施,多多少少有点先天优势.

原则上来说算是一个关于card的管理应用工具.
毕竟除了信用卡银行卡之外,各种会员卡礼品卡之类的也可以应用.
这点不由得让人想起Coin.

就个人来说,还是比较偏向于Coin这种实体卡形式的.

手机虽然说作为现代接入终端,计算能力和便携性都没什么问题.
但其多功能多角色的职能,可以说既是优点也是缺点.

一个简单的场景就是打电话的时候支付.

所以,终究来说,有些功能还是需要从手机上面decouple出来的.

就像现代的PC和video game console的关系一样.

通用和专用多少是有差别的.

而且就Coin独立存在的形式来说,至少免除了跟其他App混杂在一个运行环境的问题.
这点对于涉及钱的地方还是比较敏感的.

所谓环境越复杂,结果就越难以保证.

不过就Coin的具体产品形态来说,之于Android Pay还是有些局限的.
毕竟,后者能轻松扩展到其他领域的卡片.

虽然说这点局限性在于磁条和IC卡的技术代沟.

当然,除了这点Coin说到底还是一个开创者.
除了集成卡片这个思路之外,加入卡片的方式也较Android Pay更Google一些.

只要照片就能辅助完成.

而Android Pay还得自己填.

尤其是涉及gift card之类的.
开始以为是依靠Google的图像识别技术去匹配可能的候选.
后来看FAQ倒是取巧地扫条码.

这点多多少少有点失落.
到底看上去不太符合"人类希望"的风格.

不过像Android Pay这种东西,很难说不会走Checkout的失败老路.

从支付的角度来说,并没有带来太多的革新和令人眼前一亮的地方.
唯一的unify card的概念还是源自于Coin.

便捷程度上也很难跟其他可能的产品做出太大的区分度.
唯一可能让人放心的就是Google的技术能力至少能保证一定的安全性和隐私习惯的问题.

所以,本质上来说,这并不是一个能让人眼前一亮或者说有所启发的东西.

这大概就是创新的艰难之处.
尤其是基于一个follow别人思路的东西.

加上Android Pay的价值只是为Wallet的数据做桥梁的.
本身战略意义不及后者.

就算是要Cash Flow的数据,也不一定需要Wallet和Android Pay的存在.
有只是说更光明正大和方便精确一些而已.

虽然说对Google来说应该还是会有些底线的.
不像某些国内公司,拿了Android的各种权限,通过诸如读银行淘宝等短信收集消费行为数据.

Google的风格大概回事劝诱其他人通过它自己的支付接口或者给追踪SDK里加针对性的方法诱导第三方过渡数据.
所谓don't be evil的真谛.

说白了,就是为了一些数据而已.

毕竟这几年来稍微有点新意的模式都是基于数据做优化的.

像Uber和Airhub之类的,本质上来说也是基于结构化做的一种效率方面的social optimization.

不过相对来说,Uber在这方面可能藏着一些更深入的思路.

当你去看Uber的时候,会觉得不就是一个利用闲散时间和闲散社会资源做整合优化的一个东西么.
就跟它的follower lyft/滴滴/快滴之类的一样.

但看它经常做的另一件事其实是线下的一些cross promotion的活动.
看起来就像是跟某个品牌一起做的一个营销活动而已.

然而,如果换个思路,把Uber看作一种推广/推送渠道的话,可能就是另一种场景.

从这个角度看的话,其实Uber不仅在提高社会效率上面做了优化.
而且在此基础上创造除了新的广告和推广价值.

如果把车流和人流同比为线上流量的话,那么cross promotion的意义就相当于流量经过各个站点是展示的广告位.
Uber则是代替Google做这个广告位的publisher.

所以,某种程度上来说Uber是在起一种线下的定向导流的价值再创造活动.

某种程度上来说,把Uber比作线下的Google也不为过.

因为本质上来说,出行这一点代表的是线下的一种流量.
而Google在网上所做的一切也是基于对流量的操控提取做到的.

现阶段的Uber可能还只是浅层的商家活动.
但本质上来说Uber是可以对这种流量做manipulate的.

就像Uber Pool.
虽然依然个是social optimization的问题.
但是技术上说是做到了merge network flow的.

而支持这个的必然是关于network flow的各种pattern的数据.

这个数据就好比网站的PV/UV,还是全时的数据.
如果再把每个地点看作一个URL/Web Site的话,做个pagerank也是不难的.

而且如果考虑时间分布,做个分时变化的dynamic pagerank也是可以的.

这个往大了说,可以优化交通.
毕竟现在的Uber的schedule分配应该是不会look forward的.
而且有时也无法look forward.

但如果有了一定关于路线的概率分布数据,那么区域性的资源优化利用和预规划也理论上是可行的.

这是从Uber的全局出发的角度.

而对于每一个地点这种线下website来说,也可以有一个时段性的refer和bounce数据.
更乐观点的是refer和bounce数据是可以撮合到一起的.

这点对地点商家来说,至少可以做一些跨区域的上下游的促销行为支持.
对于商业中心规划来说,也可以根据link in/out来做一些选址方面的优化.

如果把同样的思路apply到indoor navigation的话,对于一个特定的商业中心来说,就有可能优化一下商铺的分布.
或者商场的一些机构性调整.

当然,这种调整是一种相对于游客/顾客来说被动的调整.

顾客主动的调整的话,可以是商家/商场针对流量概率的一些预判做的动态活动引导.
至于目的是疏导流量还是提高转化,就看具体需求做不同的规划的问题了.

像参考Ingress和即将有的Pokemon Go.
在不考虑使用群大小的前提下,是很容易引导流量产生变化的.

所以对于Uber来说,它对这个领域social optimization的理解可能比其他人更深入细化一点.
一旦上升到抽象的network flow的问题,它的愿景可能就更广大一些.

简单想下,直接把Google在web方面的所作所为和各种优化apply到Uber身上,也是没什么大问题的.

所以,就这点来说,原创者到底是原创者.

理解和接受别人的想法,可能要么是天赋问题,要么是努力的问题.
而创造出新想法,那就真的是天赋问题了.

而且更重要的是,一个东西内里所隐含的真正逻辑可能只有自己知道.
尤其,如果一个东西重要的其实并不是结果,而是得出这个结果的过程.

就像你拼命地烧钱补贴抢占市场,以为模式的终极模式是革命是垄断是定价权.
而这个模式真正重要的地方可能在你根本想不到看不到的地方.

销售为王

早上,或者说中午过马路的时候,顺手收了张传单.
然后冒出一个问题.

怎么去追踪这些传单的转化率,或者说评估效果呢?

像互联网上的话,追踪手段其实很多.
但是这种线下的方式的话,如果按照线上的思维思考的话,可能不太容易.

对于传单本身来说,不像线上可以对访问者/接受者做各种annotation.
也很难从其他地方infer出一个人的identity.

所以,依照常理来想的话,貌似是个很难解决的问题.

但有人提到了一点,传单上的返点/优惠券.

作为一个promotion,最根本的目的还是提高营收.
或者说提高转化率.

所以这里要追踪效果其实很简单,统计下使用情况就可以了.

而且衍生的计算边际效益/成本等问题也就自然而然了.

于是,到这里发觉自己的想法还是比较幼稚的.
或者说不切实际.
没有根据实际的商家情况却考虑估计的问题.

开始的思路是把宣传的"收益期"过度扩展了.
纳入了诸如接受了传单,但是没有在当期宣传期转化,而是在以后被转化成店里客人的情况.

即是考虑宣传的目的是"知名度"/"流量标的"这种可能不太适合的思路.

毕竟,在一个以浮夸著称的互联网行业待久了,视野总是被类似"流量为王"/"用户基数"这种东西所困惑.

对于实际的商家这种程度的scale来说,关注的点可能是实际的营收波动变化,而不是这种long term和huge scale的问题.
所谓小本经营.

所以,回过头来看派发传单这种行为的话,其实它关心的并不是转化率之类的问题.
而是实际的销售提升.

或者说,"打折促销"这个词语组合的本质目的在于后者的 促销.

因此,评估这种行为的工具就不需要是追踪或者可追溯性,而是直接的绩效或者KPI指导.

也就是,这是一个可以直接量化观测的东西,就没必要做一些准量化的时期,去曲折地观测结果了.

某种程度上来说,这种把简单问题复杂的化的原因还是在于个人的局限性上面.
就像经常用来嘲笑工程师的那句话一样,手里拿着锤子就看什么都是钉子.

对于一个普通的小店铺商家来说,只需要评估传单带来的边际营收效果即可了.
不用考虑那么多.

那么,如果换个角度.
给定一定数量的传单,如何最大化营收效果的提升的?

比如不同地段派发效果带来的转化率.
如果存在区别的话,那么如何均衡分配才能最大化收益呢?

如果是常规思路,自然是不同传单,然后通过不同的样式来区分转化来源了.

但是,这对于商家来说其实是不太现实的.
毕竟不同样式也就因为这一定的印刷成本增加.

而且小规模的来说,即使提升了,最终的效果可能还cover不掉增加的成本.

所以,一个能想到的办法就是分期不同地点派发.
这样实际上就是把一个稳定可预测的收入方程拆分成一个加权的线性组合收入.

把区分转化率的"投入成本"变做概率性风险散落到各个地点的转化系数/权重上面了而已.

于是,这里其实可以看出为什么线上思维不符合线下思路了.

本质上来说,线上的追踪成本某种程度上来说很低廉.
所以很容易多样化.
而且通常来说,追踪的周期理论上是无限延长的.

但是线下不同.
线下要考虑一定的投入成本以及时效性.

线下的促销本质决定了它关注的周期很短.
而线上可能更关注的是engagement.

如果考虑大型线下连锁的呢?

其实没什么太多变化.

因为区域性决定,效果和观测方法都不会有太大的不同.
只不过从连锁规模的角度看的话,需要一级级往上汇总区分.

所以,拆开来看的话,不过是简单的层别关系而已.

然后考虑网上销售/零售的方面.
或者说电商的促销广告.

某种程度上来说,电商的促销目的也是为了提升销售额.
所以,原则上来说,对于来源追踪并不需要太关心.

把广告成本也考虑进来的话呢?

其实就是类似线下的地区转化率区别.
这个依赖的是前期数据.

所以,电商在这一块跟线下的策略其实是没什么区别的.
甚至在成本控制和收益目标方面,也是没什么差别的.

电商有限的优势之一在于点对点的物流.
而随着目前电商的自提以及线下已有的就近送货来说,能拉开的空间其实不太多了.

当然,C2C是另外一回事.

但是C2C的处境可能更尴尬.

因为客户分布地理上和网络上都可能更稀疏,于是带来的就是通过优化"投放"的可能收效微乎其微.
尤其是在一些平台型的地方.

而对于像Tmall之类的大中型C来说,其实已经是某种程度的B2C了.
这个跟线下的区别只是"销售地点"的不同.

就如同一家线下零售提供了一个在线订单的服务一样.
本质上来说,还是线下的那套成本/利润模式.

因为最终关注点都是销售.

所以,抛开C2C的部分.
所谓电商,只不过是一家开在互联网的分店而已.
游戏规则和侧重点并没有太多的不同.

于是,把互联网其他地方的玩法搬过来用,其实就显得有些无谓和多余了.

毕竟,这是销售为王的地方.

一个称不上新的想法

算是今晚早些时候的一个想法吧.
关于书籍二手交换的.

一般来说,跳蚤市场或者说二手市场的旧物交换都是直接的交换.
所谓直接交换就是,一方所需的正是另一方所能提供的.

但是总体来说的话,这种交易能成立的几率相对较小.
毕竟并不是所有人都能达成这种直接交易.

从进一步的整体市场角度来考虑的话,其实还是有促成交易的优化空间的.
考虑这样一个场景.

甲持有物品A,意欲换物品B.
乙持有物品B,意欲换物品C.
丙持有物品C,意欲换物品A.

这里明显的是存在一个环状交易结构能满足所有人的交易需求的.

但是对于基于直接交易的模式来说,这种本来能够促成的交易其实是不可解的.
因为交易局限在直接匹配的双方之间.

即是说,两种交易结构的区别在于,市场在撮合的过程中,考虑的参与者的多寡问题.

所以,如果把所有交易者纳入到一个交易需求当中的话,就有能够尽量地最大化实际成功的交易比数.
这就有点像金融市场里的做市商.
实际上,是承担流动性提供者的这一个角色.

或者通俗点说,存在一个名为市场的掮客,通过制造一些流动性促成了原本并不能成立的交易.
也就是一个事实上的撮合系统.

通过把每个交易标的物/欲交换的物品看作是一个有向图的节点node N.
对于一个参与者想要用N1交换N2的话,即是在有向图中存在一个从N1指向N2的edge.

于是,整个交易的"意图市场"/intention就是由这些node换个edge构成的有向图.
而促成交易的方式就是尽可能地把图中的闭环剥离出来.

因为闭环实际上就等价于上面提到的ABC类型流动性提供支持的环状交易.

对于直接交换模式的交易来说,实际上就是环状交易的一个特例而已.
参与者节点只有两个的情况.

因此,本质上来说,这个撮合交易的方式并不复杂.
只不过具体到实践上的话,utility function的选择可能涉及到不同的maximize策略.
毕竟,但就闭环的选择来说,就存在是最大化链路长度,还是最大化全局促成的交易数,这也是个抉择.

然后是about the business.

具体到二手交换这个范畴来说,因为不同的标的物存在不同的价值/价格.
那么在具体的实现上面的话,就存在着两种选择.

一种是ignore不同标的的价格区别.无视不同物品的价值差异.
这样带来的好处就是简化的撮合模型.

当然问题也很明显.
一个明显的cheating的方式就是高价物换低价物.
虽然从市场平衡的角度来说,应该都还是围绕等价交换或者近似等价交换来进行.

但是不管这样,都存在一种方式让系统产生过多的无效撮合,产生不必要的交易噪声影响撮合效率.
因为从机制上是系统可以给出撮合建议,但是用户会无视这种不平等的交换.
而过多的这种无效撮合必然地影响着撮合系统的效率和可用度.

而且从概率上来说,也因为各种原因实际产生了不平等的的交换的事情.
这个对于系统还是被损失方来说,都不能算是一件好事.

第二种是respect不同标的的价格区别.
这个是能够解决不等价交换的问题.
但随之而来的问题是,从一定程度上来说降低了环状交易的发现概率.

因为存在价格区间/匹配度的差异,相当于过滤掉了一些本该存在的edge,改变了图的拓扑结构.

一个解决办法是引入 信用代币 补充因为价格差距产生的流动性缺失.
比如,甲 用 价值10的物品A 换 乙 的价值100的物品B.
系统在促成这比交易的时候,对甲乙做个会计处理.

计甲,
借:100的物品B
贷:10的物品A + 90的信用代币

计乙,
借:10的物品A + 90的信用代币
贷:100的物品B

在这种理想情况下,整个资产负债表是平衡的.

但这里存在另外一个问题.
这个信用代币到底是什么,或者说如何产生.

如果把它设计成系统"赠予"的类似一些游戏经济系统里的货币的话.
从长远来看,这种信用代币的实际价值是趋向于零的.
即使实质上是把交易推回到不等价交换.

因为无论信用代币的产生是以时间作为参考因素还是以其他用户行为作为增减标准,都同样存在这个问题.
关键点在于,无法把用户行为直接变现/等价为对应的货币价值.

考虑把系统引入作为流动性的负债方,即

计甲,
借:100的物品B
贷:10的物品A

计乙,
借:10的物品A
贷:100的物品B

计系统,
借:乙的90的信用代币的溢价抵押
贷:甲的90的信用代币的折价债务

这样的话,把系统作为risk taker加入进来的话,整个资产负债表也还是平衡的.
而且这里的信用代币跟货币价值是直接挂钩的.

这样是不是就没问题了呢?

考虑系统对甲的90代币的折价负债.
如果甲最后"违约",没有后续的正向交易以间接通过系统平掉这90的债务的话,那么就相当于系统多了90的不良负债.
因为甲"违约"的同时,还必须保证对乙90的信用代币的溢价/抵押赎回支持,整个系统的负债表变为:

计乙,
借:10的物品A
贷:100的物品B

计系统,
借:乙的90的信用代币的溢价抵押
贷:甲的90的信用代币的折价债务

也就是总体增加了90的货币债务.

所以这种方式的风险实际上是类似甲的信用交易的违约行为.

如果完全杜绝这种负债交易的话,实际上也还是退回到等价交换的模式.
因为如果不允许信用透支的话,是促成不了这种非等价交换的.

所以,要么通过一些行为模式给予一定的信用透支额度,尽量把系统坏账风险降低.
要么就是让用户提供足够的"保证金"避免信用透支的产生.

如果采用"保证金"方式的话,信用代币的模式实际上等价于一个折扣价格购买标的的形式.
也就是说,对于拥有溢价抵押的一方来说,有点类似于传统销售模式里的卖方,通过销售得到了一笔收入.

那么,进一步地,提供信用代币和货币直接兑换的话,实际上就是一个物品销售平台.
只不过销售的方式是经过系统撮合促成的交易.

更进一步的话,如果把整个市场的"买方"情况暴露出来,提供给卖方.
那么卖方就有能力像做高频交易一样,"主动"利用撮合系统促成交易,完成销售.
同时,也存在一个利用不对称信息做交易的间隙,使得做市商能够通过"优化"交易配对,赚取差价利润.

一旦市场买卖信息是可获取的,那么类似各种金融衍生品的玩法都可以复制过来了.

退回来说的话,这么一种交换撮合系统,实际上就是一般的二手买卖市场.

在刨除了金融交易系统的一些特质之后,只不过是一种存在以物换物的特例的零货币/现金交易的特例的形式而已.
实际上,如果考虑让系统承担一定的信用透支风险的话,其实就类似现在电商的各种白条/信用产品了.

再考虑一下现有电商环境下的各种比价工具,实际上也算某种撮合系统的原始形式.
只不过不算高效且只是单向撮合而已,卖家没有对应的反馈信息以做可能的相应调整.

所以,这是一个称不上新的想法.

所谓小国寡民

某天在小区电梯间,闲着没事就开始浏览周围的广告.
于是忽然发觉,其实这些平面广告挺有针对性的.

印象中之前是一些针对老年人的优惠,现在是一些补习班和小升中之类的.

想想,其实这个很理所当然,毕竟广告的投放还是要考虑受众以及覆盖面和回报的.

但换个思路看待的话,投放广告的行为,是某种主动的的对特定特征人群的筛选行为.
也就是说,是一种现有目的,再找受众的过程.

那么,反过来,如果已有受众,再找目的呢?

对于一个居住小区来说,由于价格因素,大致可以人物居住人群有着相似的资产水平.
再考虑到平均收入范围以及小区附属的交通属性的话,应该可以认为有着类似的年龄和工作年限背景.
至少从经济实力和收入水平上来说,应该不会有太大的差异.

于是,这里就有了一群相似收入和支出结构的人群存在.
且比较重要的一点是有着相似的年龄和家庭组成结构.

这也就因为着在人生的一些共同路径,诸如婚丧生老病死上面,有着隐含的类似的现期和预期需求.

这一点的话,观察下一些小区的配套商圈也可以看得出来.

毕竟,作为商铺来说,首要的目的是寻找可供挖掘的消费人群.

如果把时间范围拉长一点看的话,理论上作为配套商圈的商铺经营内容应该也会随着变化.
在假定居住人口变动不大的情况下,人口年龄结构便会相应地重心往后推移变化,从而对消费的需求变化产生方向性的影响.
从而使得供需结构产生变化,对商户结构就行重新的编排.

也即是所谓的"老龄化"或者年龄的整体结构性变化产生的经济影响.

那么从个体的角度来看,如果把整个居住环境作为一个统一的服务提供者来看待的话,则是类似一个终身服务的概念.
随着消费者生理心理年龄结构的变化,服务提供者随之提供适应性的变化服务,以解决其需求.

所以,重新把各个个人放在一起作为整体看待的话,就是一个系统提供一个闭环的终生服务的概念.

从经营的角度来看,就是通过消费这一行为在系统中得以"生存"下来.

从广义上来说,整个人类社会就是这么一个系统.

如果把范围缩写点,国家本身也是一个这样的系统.
并且,国家作为系统考虑的话,还有一个比较明显的特点.
就是税收.

原则上来说,可以将"税收"作为是这种生存服务系统的盈利模式.
尤其把国家以及其对公共行为的影响作为商业行为考虑的话.

换句话说,"税收"这种商业模式的实质在于,倾入到人一生的各个交互点,从而进行利润化处理.
也就是说,这种盈利模式的立足点不在于单次或者某几次的最大化收益,而在于长期性的比率处理.

考虑如果把人的一些偶发性购买行为作为独立事件考虑的.
那么,一般的思路就是最大化单次购买的成本和价格差.

而如果把人一个的支出看为一个定量的话,那么这个定量则是由上面所说的各个独立消费事件组合而成的.

由于各个事件本身已经利润最大化了,那么对于参与支出利润瓜分的各个生产者来说,最大化利润的策略就剩下尽可能地包揽覆盖这些消费组合了.

通俗地说,就是覆盖产品的覆盖面.

像税收的形式,实际就是以各种税的形式渗透在各种产品渠道上.

而像沃尔玛之类的就是渗透日常消费的部分.

值得注意的就是想Amazon/淘宝这类电子商务,覆盖面是线下百货不能企及的,而且类似国家,在上面的所有交易都会有类似"交易税"的佣金.
也就是说,某种程度上来说,这跟"国家"的商业模式是几乎一样的.

不同的地方在于,"国家"是一个单一的寡头模式,具有独占性.
但一般商业则没有这种几乎绝对的垄断方式.

由于竞争的存在,一般企业的有着相对的lockdown成本,以使得其独占模式并不具有国家般的绝对性.

那么,在存在竞争的情况下,"税收"这种商业模式的利润最大化策略是如何的呢?

由于消费的总支出固定,而对于各个商家来说,最大化的策略又都是消费组合的覆盖面.
在存在竞争的前提下,消费者对应的策略就应该是在支出固定的情况下,最大化收益.

也就是寻找能够相对低成本提供覆盖面的商家.

于是,原则上来说,均衡点就应该是各个商家覆盖边际为0的地方.

问题在于,这个为零的地方是否存在/有解,或者说有现实意义.

对于一个始终有利可图的消费点,只会对覆盖边际差生正的影响.

考虑一个不那么有利可图,即是需要从其他店腾挪利润以保证覆盖面和使得边际大于零的情况.

也就是,存在那么一个消费点,它是在倾斜利润之后,强行扩大覆盖面的话,会使得边际小于零.
这样的话,作为商家来说,就有了不进行覆盖的决策.

也就是说,存在一个消费点,使得某些商家不再进入.

那么,在假设存在覆盖边际小于零的消费点/领域的前提下,竞争性的税收模式是允许存在相异性的.
即,允许商家之间有着不同的覆盖面.

于是,在不考虑研发和开拓成本的前提下,或者在研发和开拓成本足以保证足够的进入门槛的假设下.
税收模式的最佳策略应该就是尽可能地独占某些消费点的优势.

而独占的方式有很多.

朴素的技术创新/需求扩展.
以及lockdown手段.

像服饰的风格,电子产品接口的非标准化等.
概括来说,就是某种形式的品牌忠诚度.

所以,这里的关键点在于某人说的"think different",所谓的差异化.

而要成为类似"税收"这种长期且覆盖面广的维度的模式的话,也就要求这种差异化具有长期/持续性,并且需要能不断"横向"扩展.

就电商来说,它虽然可以横向无限扩展,但是很难有确定的持续性和长期性.
毕竟,无论从哪个维度来看的话,都不是无可替代/不可竞争的.

那么回到最开始的问题.

如果已有受众,那么如何产生"目的"呢?

对于小区居民来说,存在一些特质是具有区域性的.
也就是这些特质是具有独占性的,这就保证了一定程度的长期和持续性.

而覆盖度的话,由于小区居民是整个人类社会的子集.
那么可以认为只要是合理存在的模式,都可以在这个子集内应用扩展.

某种程度上来说,如果把小区作为"国家"来看待的话,物业可以认为是一个授权的代理执行机关.
理论上来说,可以有专有的商业交通医疗教育和一切对公对私处理通道.
也就是相当于某种形式上的次级行政区域划分,只不过这种划分的依据不是地域,而是建立在雇佣关系的联合体下面.

所谓小国寡民.

习惯成自然

晚上洗澡的时候发散了下思路.

现在的所谓O2O是线上往线下倒流量.
那么,如果换个方向,从线下往线上呢?

考虑下线上广告的点击率,可能也就千分之2~3左右.
而一些有目的行为的实际转化率可能也就1~2%左右.

也就是说,在互联网公共空间,如果你有100w的流量,那么可能只有其中的2k到3k会对你比较注意.
在这2~3k的流量里,可能最后只会有不到100会对你提供了实际的消费收入.

粗略算的话,就是大概每1w流量产生一个消费.

线下的话,考虑人流比较集中的商业地段.
按地铁人流估算的话,一节车厢标准12人,12节车厢,2分钟间隔就,一小时人流量大概就是4k3.
如果考虑通常地铁都存在站着的情况,小时人流按8k算.

于是,即使不考虑线下各具体业务的经验模式消费周期,其流量的转化比率也是比线上高得多.
即便是按照细分情况下,有目的流量的转化率为2%来算的话,8k流量小时转化也就160单.
这个从平均水平上看,似乎跟线下差不多.
但考虑到线上商家数量的基数,均摊下来的单数可能对比起来就微不足道了.

先期互联网讲究的是所谓长尾理论,也就是基于虽然比例小,但基数足够的情况下,利润也可观这一思路.
但是,其涵盖的一个假设就是利润是独占的.
也就是所谓的比例小可以忽略的隐含意义.

只是,在转向去中心化的O2O/经销平台的思路的时候,这个假设就很难继续成立.
尽管,不可否认的是,存在少数几家经营独占,形成近似垄断或者寡头局面的时候,这个理论还能成立.
比如天猫的某些品牌店.

与之对比的就是日益艰难的普通淘宝卖家.

所以,如果把倒卖流量这种线上已经很成熟并且证明有效的模式,迁移到线下的时候,如果不能保证其"寡头"特性的话,本质上就是两个东西了.
没有效果也是自然而然的.

这个就像O2O的雏形,团购这个前辈一样.
固然,团购的失败因素之一线下消化不了线上的带来的流量.
但反过来看的话,团购确实使得线下商家达到的前所未有的售卖峰值,按理说盈利和利润都应该随之到达一个极值的.

事实是没有.
因为倒的流量是通过低价促销,降低利润率带来的.
也就是供需曲线的变化,在需求攀升的情况下,边际利润也随之剧烈抖动.
其结果,就不是简单地卖多买少所能衡量的了.

所以,如果把团购换个新的名称叫O2O,继续纯粹复制线上的流量游戏,那么结果大概是不会有太大不同的.

那么,对于确实是需要流量,并且流量的导入不会引发不必要的边际抖动的地方呢?
比如在线的果蔬销售.

这里的问题在于,理论上的计算是供需区间取值是可以无限区间的.
而实际上,线下跟线上,或者说实体和虚拟经济的区别在于,实体经济的对应需求变化的供给变化弹性不足.
在一定的时期内,即使需求大量攀升,供给也可能不会有太大的变化.

于是,经典的经济学推导就是价格会攀升,然后随着价格攀升,供应方会增多.
竞争加速,而由于这个供给的调整有着时间滞后性,所以一个明显的风险就是需求如何对应变化.

也即是说,即使是这种形式的O2O,其风险在于流量的新鲜度和稳定性.

那么,回到开头的,如果线下往线上倒流量呢?

实际上,相对于整体线上,线下带来的流量几乎是可以忽略不计的.

考虑线下一个具体的商家店铺,顾客可能就那么些,视经营内容不同,一天像餐饮能有个几百人已经相当不错了.
而这几百人即使全部直接迁到线上,也是微乎其微.
唯一可能有点价值的就是里面的回头客.

把这些消费数据化,返回线上的话,无非就是一下消费行为和特征.
再通过一些手段,也就回到了所谓"推荐"的话题.

也就是说,顶多通过消费行为的分析,经由平台,把流量按地区,习惯,消费水平等特征进行线下店铺间的流量互换和引导.
就好比Yelp大众点评之类强化了个体体验一样.

这个本质上跟线上对线下的形式二是差不多的意思.

属于很难证明,倒流真地起了积极实际作用的一方面.

大多数线下经营讲究的是回头客的数量,或者说所谓的客户维系.
也就是某种程度上的流量稳定性问题.

所以,如果从这个角度来看的话,CRM之类的系统是最早的线下往线上导入的工具/途径之一.
包括最初的VIP制度,是为了保证有足够稳定的持续转化能力.

而且后来变种的VIP某种程度上算是一种积极激进的手段,本质上不是防御性地维护旧友关系,而是进取地发觉新的稳定来源.

换句话说,就是既然供给不能无限制地提高,那么尽可能地固化需求,尽快地达到峰值才是线下实体经济所关注的.

对于这点,线上能提供些什么,是在线下做不到或者根本没有的呢?
更明确地说,是普通小商户,能利用线上资源做什么?

也许只需要把已有的各种维系手段,搬到线上.
尤其一些会受物理限制的方式,或成本相关的地方.

比如考虑下,常去聚餐地方的BBS/店内相册,跟掌机论坛的PSV专区有什么区别.

所谓习惯成自然.

Good Man`s Economic

Bilibili推出的新番承包计划还是挺有点创意和想法的.

虽然从概念上来说,这个可以说是众包的形式.

但退一步想的话,其实是最原始的付费观看模式.
只不过这里不是不付费就无法观看的模式.

也正是不付费也能无差别观看使它成为一个有趣的模式.

之前预热的时候,官方也推出过一份调查,参与人数大概30w左右.
主要是对于广告方面的倾向性调查.

4个选项.
75s,35s,15s和0s.
对于大概是11%,34%,35%,17%.

这里本是就是一个有些出乎个人意料的结果.
35s和15s的人数基本持平,而不是预想中的广告时间少的分布较多.

这个也许可以理解为Blibili用户还是比较体量站方的广告行为的,只是对于时间有个比较大的浮动范围.
只要不是75s这种超长时间的广告,貌似都还是支持的.

那么一般在这种情况下,大多数的决策应该就是选取一个符合调查预期的广告时间,然后开始广告贴片补贴版权了.

但是,Bilibili却没有.
它说了一句颇为鼓动人心的话:"bilibili购买的正版新番,永远不加视频贴片广告".

姑且不去评论这句话.

对应于直接简单粗暴的插入广告,bilibili算是选择"众包"这种新的模式.

而如果以这个结论反过来看前面哪项调查的话,就觉得问题设置地算很巧妙了.

不直接提是否愿意捐赠这个有碍调查结果的前置条件.
选择观众对于支持正版愿意做出的牺牲程度为标准做测试,收集数据支持,倒也是个非常高明的做法.

对于模式本身的效果的话,以观察的两部番的数据来说的话.

Fate\Stay Night UBW是97.1w播放,9120承包.
大概是千分之9.3的付费率.

电器街的漫画店是59.1w播放,3562承包.
大概是千分之6的付费率.

后者在当天的付费率差不多是千分之7左右.

理想点,算每话成本6.2w,平均播放70w,千分之7的付费率来算的话.
大概是需要每付费12.65的水平.

对比其他视频网站单片可能5块的水平来说,12.65的预期算是颇有难度.
不过考虑到普通电影一般是长期版权,却时效敏感度/弹性较低,所以这个预期也算不上离谱.

那么如果是考虑广告模式的话呢?
70w播放,按千分之1的点击算的话,差不多有700个点击.
每点击0.2价值的话,一话的广告收入差不多也只有140块.

即使考虑上长期效应,70w播放翻个10倍也不过1.4k.
这个不论怎样都无法直接抹平6.2w的成本.

所以,至少从收效上来说,众包的方式即使摊不平版权成本,但至少可以对冲相当一部分成本.

当然,这个是建立在上面的数据水平能够维持的前提下.

但至少民调的数据显示,还是有相当一部分用户愿意以某种形式的出让,来帮助换取正版版权的.
这说明市场和用户意识还不是那么糟糕.

而且如果考虑到为了这个付费功能引入的B币扩充一下,能够取代硬币,成为支持up的一种方式.
或者至少能让原创Up能通过一定的兑换比例通过B币套现的话,对于Bilibili的原创部分的发展也是有一定帮助的吧.

至少提供了一个简单的第三方Up直接盈利的途径.
且这个途径天生地跟观众自由选择有关.

虽然细想一下的话,其实是"网络主播"的方式.
但是,Fans经济本来就是源远流长的.

这么想的话,9Bishi还是挺有商业头脑的.
又不失底线.
算真正热爱一个东西,且懂得如何珍惜地运作的人.
不然大概是不会去想这种尽量取悦和满足各方面的方案吧.

某种程度上来说,这种众包的粉丝经济是非常古典的一些模式的复刻.
但是放在版权问题比较微妙的中国来说,又显得有些令人惊讶和新奇.

基本上,这个是一个"让好人付费,且不会给予好人任何特别奖励"的模式.
它能不能work,需要看有多少"好人"坚持下去.

但是就是这么一个乌托邦式的模式,至少在开头看起来不错.
给一个貌似前途很黑暗的行业,甚至给其他行业带来一些新的思路模式和曙光.
告诉人们,"好人"还是很多的.
世界还是有救的.

盈利不仅仅只有持续擦边球,冲排行榜,强奸用户,强买强卖,挖各种付费陷阱的方式.
还有更正面,积极,无伤大雅的方式.
"Good Man`s Economic".

这个不能不说是很让人佩服甚至尊敬的.
不管最后结果如何,至少还说明在某种环境下,还是有人愿意think different,make changes的.

So.
It`s your move.

To big,To fail

有时候,看到各种打车软件竞相提高补贴的新闻会很困惑.
原因在于,这有什么意义?

如果是按照传统的预先占领市场的垄断思路来考虑的话,似乎也并没有道理.

假设事实上现在只有一家这种公司,那么,对于后来公司的进入门槛是什么呢?

如果不考虑政策门槛,纯市场因素的话.
那么一个使用过程就涉及到三方.
应用公司,出租车司机,以及乘客.

对于乘客来说,选择的因素在于支付成本.

要么是尽快完成旅途,要么是尽可能减少实际的现金流支出.

在不考虑司机的因素下,即使对于垄断市场的后来者来说,只要能在这两方面有优势,就能够争取到乘客的选择倾向.
而乘客的这种选择,实际上直接依赖于出租车司机方的相应供应能力.

对于尽快完成旅途这个选择倾向,其所对应的供应限制在于,司机能否通过应用快速地完成匹配确认.
而对于尽可能地减少实际现金成本,这个司机和乘客共同的目的来说,在不考虑匹配效率等可因提高单位时间而提高收益的情况下,在于应用能提高多少补贴.

对于快速匹配这个需求,这个是跟市场占有率无关的因素.
尽管,对于市场的绝对占有着来说,因为已有装机量的关系,在这方面有着一定的优势.
但从本质上来说,这个是资本层面的门槛.

只要不存在排他条款的存在,这个不能算是门槛.

而补贴激励则更是资本问题.

因此,即使有人能首先完成垄断,其最终也没有能足够保证其地位的进入门槛.

所以,对于打车应用来说,不存在先入优势.
而由于起市场占有率高低与资本投入高度相关的特性,这注定会是一个不断缩减和逼近0利润的模式.

尽管,从理论上来说,它可以保持很低的毛利润而通过数量基数来获得可观的利润.
但毕竟是竞争的状态,在到达一个利润临界点之前,任何人只要足够资本都可以进入洗牌.

那么,对于这一个几乎没有什么不确定风险,且注定低收益的行业,为什么还有人趋之若鹜呢?

另一种观点是,这是普及推广移动支付的踏板.

即使说,通过打车这一个切入点,让用户养成移动支付的习惯,以及预先占领移动支付领域.

这个观点的前半部分,即所谓的"养成移动支付的习惯"这个在某种程度上是个伪命题.

因为没有需要移动支付的东西,所以先推出一个提供移动支付方式的东西,并大力推广.
这个思路就好像说因为没有钉子,所以先发明锤子一样.

如果市场并没有出现移动支付的趋势,那么就暂时没有提供移动支付的需求.
满足一个不存在的需求,并不会带来任何的"创新"和不同.
就像0乘以任意数都还是0.

至于所谓的占领移动支付这点,可能就更微妙了.

所谓移动支付,如其名字所透露的那样,包含两个要素.
移动和支付.
也就是说,支付这个行为是在移动的环境和语态下完成的.

大多数情况下,这就意味着在线下的环境里完成线上的支付.
也就是所谓的某种O2O概念.

它和传统非电子支付所不同的在于,在线下的环境里,是线下完成交易还是线上完成交易.
也就是说,对于一个传统的线下交易来说,其区别在于,最后的支付部分是线上完成的还是线下完成的.

于是这个地方就有趣了.

相比与线下的直接交付,有什么理由选择线上完成呢?

跟前面打车应用的理由一致.
便捷和优惠两个方面.

"优惠"对于无论线上,线下来说,都是无差别一致的.
无论哪方,只要能提供,都不算门槛.

而"便捷"通常就是指,到底是用现金呢,还是用电子支付.

现金受所带零钱,找零,额度等客观条件的约束.
而电子支付恰好没有这方面的问题.

因此,移动支付作为电子支付的一种方式,有存在的理由.

但这个对于任意一家标签着移动支付的第三方来说,都是平等无差别的.
因此相互之间并没有因这个而能构筑竞争门槛.

尤其不同于B2C,线下交易并不会线上的流量和平台绑定.
换句话说,它不是淘宝店铺,并不是只能接支付宝.

所以,对于线下商家来说,接入不同支付第三方的成本基本可以忽略不计.
也就是说,支付第三方之间并没有竞争壁垒.

因此,所谓的占领移动支付也是不成立的.

甚至,这些带着互联网标签的企业,在"移动支付领域"并不比信用卡式的支付更有竞争力.
而且在"终端普及率"这个概念上,信用卡式的电子支付已经算相当成熟和普及了.

唯一的优势在于,移动支付可能比信用卡式的前辈支付方式有着更低的终端普及成本(对于商家来说).
也就是说,移动支付的战略地在于这一块的普及率.

从某种程度上来说,对于已经开拓的市场,后入者的成本更低.
因为不用支付开荒费用.

所以,从竞争的角度来说,后发制人可能是更经济有效的方式.

当然,另一个突破点是之前谈过的OnlyCoin的Unify Card概念.
但这个也并不能成为竞争的门槛和先入优势.

毕竟,就像换一张银行卡一样,这个成本并不高.

于是,一个问题就是,既然这种切入"移动支付"的方式并不具有效率和效益,为什么还有人前赴后继地涌入呢?

大概是对于一家在原有行业/旧概念里占有绝对垄断和优势地位的公司来说,"不作为"是一个很"恐怖"的事情吧.
尤其是在一个新概念看上去跟现有优势具有高度相似性的场景里.

不去部署开辟新领域,好像就会连旧有优势也会消失掉.
本以为牢不可破的城墙,在风雨飘摇里显得格外脆弱所致的莫名恐惧和危机感吧.

想起某本关于次贷危机的小说有个标题叫too big to fail.
稍微改一下.

大概就是to big,to fail吧.

外设的视角

前几天看到onlycoin的时候,有种这么久了,终于有点新鲜点的思路的感觉.

稍微浏览了下描述,本质上其实就是个复制银行卡信用卡等信息东西.
只不过是把这多张卡集中到一张卡上存储而已.

这个本身不是什么很激动人心的东西.
倒是这个集成卡的思路可以发散下.

毕竟,这个至少解决了卡太多的问题.

但是细想一下的话,其实还可以更丰富一下.
或者说实现上更优雅一些.

毕竟,直接复制卡这一点,总觉得不算是一个很好的解决方法.

一个可能更折中的办法是自己发行一个信用卡,或者依靠银行发卡.
然后实际以这张卡消费,再通过一些协议跟back的其他银行卡和信用卡做对应的对账和销帐.

技术上来说,应该算是以其他银行卡和信用卡作为资产抵押的一种抵押卡吧.
或者说是信用代理.

这样的话,不仅可以给使用者提供一个unify的用卡体验.
更重要的是,实际的交易是经过自己发行的卡的.

换句话说,这里就比较微妙了.

技术上是可以得到所有经卡交易的明细的.
毕竟,第一步的交易对账是发生在这张unify的卡上.

于是,买了什么,消费了多少,刷卡频率这些都可以简单地统计和收集进来.
再进一步,对交易的卖方做一些统计和整理的话,也可以比较轻松地得到消费地点,类别等信息.

将这些信息做一下配对的话,也应该比较容易地可以得出一些消费的高频发生地点,以及某些地点的大致消费水平.
也就是说,可以得到一些地方的消费特征.

而有了这些信息的话,反过来做线下营销和平面广告的话,可能就更有一些针对性了.

加上有了消费习惯的数据积累的话,对一些季节性的消费行为就可以比较直观地了解到.

预先能够得到一些消费序列的话,那么在销售上就可以把整个序列作为一个商品来考虑了.
这样的话,就可以考虑类似规模效应的策略了.

单点的盈利高低不再那么重要,因为可以从整个消费链条中摊平.
增收的点就在于如何让这条链条变得更长,或者说,激活潜在的消费了.

当然,能做到这些的也并不是完全因为有了unify的卡.
但是,能把线上和线下数据,尤其是跟交易消费相关的数据结合起来的,大概也就只有类似的思路吧.

目前的移动支付的话,还只是专注在怎么把支付从PC延伸到mobile上.

某种程度来说,还是属于一种"经验"迁移的过程.
把已有的模式,放到新的平台上面.

纯粹的平移的话,交易内容其实还是基于线上的产品交互的.

一些离线的交易,也只是通过一个代理的方式,转换成线上交易.

换句话说,其实还是以online的方式桥接offline.

但是,从所谓移动互联网的趋势来说,online和offline,现实和线上的差别其实是渐渐模糊.
或者说互相融合的.

这个从smart phone的普及,以及平板概念的复活就可以看出.
人是越来越离不开互联网,但是又越来越不需要"显式"地留在互联网.

这个就要求互联网的一些功能尽可能地日常化,后者说物化.

这大概也就是一些诸如Glasses/Smart Watch之类的便携设备概念兴起的缘由.
所谓的真正意义上的外设概念.

所以,按照这些思路的话,unify card也算是一种支付方式的外设概念.
它跟现在的手机支付的区别在于,看上去很传统,但是实际上包括非传统的部分.
线上和线下消费可以透明地结合在一起.

手机支付如果需要涉及线下的话,至少需要一种机制能够正确地识别商品价格.
或者说,能够从非标准的环境中,完成标准化的账户交易.
比如QR code里encode了完成支付所需的信息,以方便通过普通网络完成交易.

又或者商家能够便携地生成支付信息,然后让买家完成支付.
而这个,其实跟unify card就没什么区别的.
因为这个支付的生成工具本质就是类似POS机的东西.

所以,实际上,网络跟现实的交汇点其实并没有想象中那么少.
有时候可能只是因为缺乏一些另外的视角罢了.

所谓"外设"的视角.

某种程度上来说,也是一语双关了.

时间的回归

Google要关闭Reader了,于是RSS已死掉调子又被重新提了起来.

其实死的不是RSS,而是互联网的精神吧.
至少是某一个时代的互联网精神,即使它肯能已经不为时代所用了.

RSS作为一种公告协议,提供的是内容的无缝聚合.
换个角度来说,其实RSS是某种程度上的内容平台.

当然,或许内容垄断更适合用来称呼这种主导地位.

在RSS面前,凡是以内容为核心的网站,不可例外地被统一在RSS背后.
而,对于RSS阅读器来说,这些内容制造者的影像最终也就剩下内容本身.

所以,如果退回去看的话,其实某个时代还有过RSS扼杀了内容这种说法.

这也是为什么会有摘要RSS的出现,为什么会有Feed内广告的存在.

不过是屈服于平台下的让步而已.

所以,从商业角度来说,RSS并不能为内容产生者带来更多的什么.
没有剥削已经是很仁至义尽的了.

对于Reader这种RSS阅读器来说,它没能创造出新的商业价值,却不可避免地不同程度地损害者内容提供者的利益.

尽管,对于内容产生方来说,这种损失其实很难估计.
因为纯粹的流量并不代表什么.

但,至少,没了流量,就少了一个可考虑的思路.

无缝的互联网对于用户来说,当然是最好的.
因为它意味着廉价,便捷,对等,以及主导权.

网络的一切都在使用者的手上自由组合演绎.
每个人都是这网络的上帝.

但是,谁来为这种权力买单呢?

尽管,有人生产的内容只是为了分享,而不是具体的可考虑到商业收益.
但是,如果这类人不能达到多数,那么,谁去供养这种权力呢?

所以,现实是,即使现在的网络结构越来越具体化,长尾使得任何一类人都能找到相似体,任何一类内容都能找到读者.
但是,这并没有否定个体之间存在共性.

他们有共同点资讯需要,共同的搜索需求,共同的娱乐方式.
即使不是普遍意义的共同,但至少也是一个相当巨量人群的同质需求.

如果这些消费者能够自己产生内容供养自己的话,这不会有什么问题.

关键在于,多数人多数时候在多数场合都只是单纯的消费者.
如果一个人能满足自己的所有需求,那么社会就没有存在的必要.

于是,专门的内容提供者就成为必要的存在.
而必要性本身就意味着需要用一定的价值去换取.

而商业化是最普遍的逻辑.

从这个角度来说,RSS即便没有对内容的可持续增长做过实质性的帮助的话,那么至少起到了一定的阻碍作用.

所以,Google关掉一个无法做贡献的产品的做法合情合理.
况且,本来就已经有更商业友好一些的Currents.

只不过,对于用户来说,这条路变得更被动一些.
毕竟,原本自己便是编辑,而现在,只能是纯粹的读者.

但这种"被动"真地算得上一种损失么?

或许.
因为去熟悉和接受新的方式,改变现有的生活,多少是有些让人不太舒心的.

但至少,它带来了变化的可能.
虽然并不一定向着好的方向变化.

除了流量可以做交易外.
时间也可以尝试.

一些关于所谓移动互联网的看法

  看着漫天的mobile game消息,想起了social game的发展历程.
  当大家都知道一个地方有金矿的时候,其实你再去就会发现剩不了多少.

  就像两三年前,你做Social Game可以很容易到几百万DAU,但是慢慢地大概也就10w作用了.
 
  毕竟市场是有限的,平均水平就在那里,分下来其实不多了.
  当然,每个人都认为自己更出色.
  这是另外一个问题了.

  想想,其实手机本身的移动热潮就在慢慢消减.
  毕竟人对通讯设备的需求是相对固定的,尽管有周期性,但大抵还是可以预期的.
  
  看似热闹的Android和iPhone之争,其实不过是smart phone在逐步替换老旧的feature phone而已.
  这是互联网带来的生活方式的改变.

  考虑一下这个替换速度和人口增长,大概规模还是能估算出来的.
  看Apple财报,除了中国特殊点外,其他地方的增长速度还是相对稳定的.
  大概这一两年也还能保持吧.

  对app来说的话,大概很快娱乐类的重心将转到pad上面吧.
  毕竟手机有它的局限性.
  虽然现在硬件在飙升,但是考虑到pad的适应性和压榨空间相对高些,手机还是没什么优势的.
  更高的硬件意味着更多的能耗,要么有革新的电池技术,不然手机的外观大小多少是制约它的重要一点.
  想到一个和pad大小差不多的手机就不寒而栗.

  pad作为当初netbook的继承人或者说胜利者,存在还是有一定意义的.
  毕竟较于Notebook,它舍弃了很多东西,也一次换来了相对的便携性.这是netbook之所以死掉的原因.
  而恰恰是因为这种便捷性,pad很适合小范围内的mobile使用.加上体积等硬件带来的优势,确实足以替代notebook了.
  有了可替代对象,自然就意味着有了存在的意义.

  在phone和notebook之间一个平衡点.

  说回app,具体地游戏这种娱乐项目.
  由于硬件和相关软件技术也才在发展阶段,所以手机和pad不会有太大的差距.
  但是从长远看,手机和pad的最终体验还是会有差距的.
  尤其是pad的地位可能更尴尬一些.

  如果是纯比拼硬件效果的游戏,那自然pad优于手机,但未比优于notebook和其他常规设备.
  它能带来的唯一区别是操作方式是触摸等其他常规设备做不到的.
  但在这个特性上却又疏于手机.

  所以,如果要有让一款游戏因为pad而存活,那大概只能是拥有华丽的硬件燃烧能力,加上相对简单的触控/重力/电磁交互方式了.
  而手机,同样因为自身限制,只能考虑利用自身独特的流动特征做文章了.GPS也好,蓝牙也好,通讯信号也好.
  
  如果横跨几种设备呢?
  当然也可以,就像程序要跨平台一样,只能舍弃各种相关特性,用很少很简单的东西,搭建一个系统.
  也就是说回到最淳朴的境界,从内容上取胜.
  这相对来说,还是比较困难的.

  所以,如果不能依照平台或者设备的专有特性下工夫,多半是要走一些弯路的.
  就像把web game port到SNS上.
  
  基因不对,要成功的话也只能期望变异了.

  一个是相对离线的mobile环境.
  一个是可连续在线的mobile环境.
  一个是可长久在线的非mobile环境.

  还有就是即便游戏受欢迎了,盈利模式也还在探索中.
  毕竟现在传统的是一次性付费.
  至于virtual currency这条路,多少还限制于支付的便利性.

  当然,所在平台可能提供了另一套支付手段.
  离线特性多少增加了风险,或者削减了物品的价值.

  也许还是走走类广告的路子好些.
  毕竟,跟商家捆绑,只要用户在任何一方有实际消费行为,双方都能得利.
  win-win的大团圆结局.

发掘用户的支出成本

  周末在看一本讲犹太人的书.
  里面的一些内容带来的联想比较有意思.

  犹太人的经商理念里,借贷似乎是一件很自然的事情.
  从现代经济的概念来说,这是杠杆行为.
  但是,从另外一些角度来考察的话,似乎也能挖掘出一些东西出来.

  事实上,不论是所谓的杠杆,还是直接的借贷,本质上说,就是将一件东西从一个地方转移到另一个地方.
  回归到人身上,并且局限点说,就是把一个人暂时不用的/处理优先级比较低的资源转移到急需的/处理优先级比较高的人手中.
  
  就借贷来说,是从资本充裕到资本急需的转移过程.
  换句话说,这是一个转换/汇聚到过程.

  不考虑借贷双方资本数量级的关系的话,借贷本身是一个资本重定向/重定义的过程.

  简单点说,就是把资本从一个形式转换为另一个形式.
  
  这个的意义在于,如果把它推广开来,其实能在很多地方找到相似的痕迹.
  比如腾讯QQ的在线时间累计等级体系.

  用前面的话说,就是把用户的时间"借"过来,沉淀成为量化的"固定资产",然后进行资本形式的转换,变成一种会员体系,回过头来"贷"回给用户.
  
  其中的重点在于,把零散的时间收集起来,变化为价值.

  从用户层面上看,某种程度上来说,这是一种把支出收益比最大化的过程.
  在没有会员成长体系之前,付出的在线时间是0回报.
  而又了之后,价值在于所谓的QQ等级.

  虽然实际上,这种收益是腾讯认为制造出来的.
  但不可否认,这是一种一定程度上的双赢局面.

  延伸出来的一个话题就是,如果发现这种最大化收益的方式呢?

  回溯到QQ会员上.
  可以看出的是,关键点在于找到支出项.
  或者说成本项.

  就像做理财,要优化收支状况,先要知道收入支出的的详细情况.
  
  对于做产品来说,就是在收入不变的前提下,发现支出状况.
  同时改善之.

  于是,当把用户在线时长考虑到支出项目之后,就很容易有把支出变为收入的思路.

  换句话说,就是想办法让用户的每个操作的价值最大化.
  
  想想WOW的成就系统,其实差不多也是这个思路.
  把用户的各种零散行为汇聚提炼,尽可能地将之变回可视,可衡量的东西.
  认为地制造出价值所在.

  这是第一次层面.
  也就是从用户角度的增效投入产出比.

  第二层面应该是对service provider的实际利益来说的增效.
  WOW的成就系统通过设置阶梯式的成就,由简入繁地"培养"用户行为,从而将这些行为成为游戏的一种玩法.
  从另一个层面推动游戏本身的多元性而间接提升游戏价值.
  QQ的会员体系则是通过反向促进在线时长增加了用户粘性,从而进一步回馈回整个QQ生态系统.

  可以看出,这是一个类似螺旋型的推动方式.
  先推动用户观感上的投入产出价值的提高(等级/成就),然后在提到一个程度之后,介入.
  用一句白话说,就是设个套,入套之后圈之.

  因为一个普遍的理由是,人们对于已经获得的东西,通常第一观感是继续持有.
  所以,对于等级制度/成就系统,大多数人在力所能及的范围内,将一直追入下去.

  所以,根本的在于如何发现支出,并尽可能把它转换为收入.