上一篇《从零开始搭建产品商业化路径》了解了关于商业模式的探索和建立，提供给大家一些方法论去实操，帮助大家建立一个完整的产品商业化路径，那么在这之后我们该如何将我们的产品的收益量级进行提升和优化呢？作者将会在本篇内容继续与大家分享。
在商业环境里，很多产品已经搭建了自己的核心商业价值变现路径。在这个过程中积累了许多的探索和经验。在面对商业目标的增长上，也应该不断考虑如何将产品的商业化进程推动到更大的增量阶段。
在1到100的过程中，要先明确的是下一个里程碑定在哪里？不同的产品有不同的里程碑，一般来说APP变现类产品，完成0到1的阶段算是一个里程碑，接下来可以为产品制定一个营收目标的里程碑，比如说净营收10万元。有了这样的目标我们才可以继续向下拆解，不断迭代和优化产品路径，一点一点的完成我们的终极目标。
有了明确的里程碑后，我们就可以从现有的逻辑上来思考，找到可以影响关键结果的相关环节，通过提升单点，达到整体收入提升的目的。其中最常见的方式应该就是公式的拆解，我们仍以广告变现为例：广告的计算公式为收益=展示量xCPM/1000。
继续可以将展示量和CPM继续向下拆解，得到如下公式：
最终我们可以获得影响广告整体收入的关键性指标：
作为商业化产品经理，我们可以找到我们操作空间比较大的几个指标，分别是：展示率、点击率和转化率。那么这些环节都分别如何优化呢？
在产品设计层面，我们可以提高广告位的渗透率提升展示率：
第一种思路是在设计广告位入口的时候，应该选择流量大、出现率高的位置设置广告位，如主页信息流等位置，充分地利用每一次的广告展现机会，才能获得较好收益；目前穿山甲等广告平台也提供了很多类似的工具。
第二种思路是将广告放在用户App使用链路上，在用户“必经之路”上展示广告。通常情况下一级页面的PV会远高于二三级，可以针对性的不同用户进行产品路径设计，在不影响主要功能的情况下增加广告位来提升广告展示率。同时也可以配合签到、站内活动、公告、任务中心等产品机制引导用户经过指定路径来增加广告展示率。
第三种思路就是丰富广告样式，目前市面上支持的主流广告样式有如下几种，大家可以参考使用，避免因广告样式单一而影响广告的接入和展示。
1）使用特殊设计
第四种思路是利用角标、动效等小的产品样式来吸引用户点击查看或了解广告内容，是非常有效的一种手段，配合双十一或站内营销活动，可以很好的提升点击率。
2）激发情绪
第五种思路是使用文案、按钮、背景主题等细节产品设计能够激发和影响用户的情绪，人们对于情绪的反应多种多样，但情绪一般都能促使人们采取行动。
1）减少页面层级
提到转化率第一个想到的是购买商品，这也激发了我们第六种思路，当前内容电商也是非常成熟的变现体系，针对于一些视频类APP，目前穿山甲SDK可以直接接入直播等场景，并且提供按照CPS结算的广告收益方式。在此类涉及转化的广告场景中，保证用户以最少的层级到达购买页面，也是减少流失、增加收益的一种手段。
2）提升氛围感
第七种思路是可以参考电商秒杀的页面搭配，在直播专区或活动专区，增加跑马灯或评论区的方式烘托转化氛围，可以一定程度的提升转化效果。
通过这7种优化思路，可以帮助我们优化重要环节的指标，更好的提升整体营收。
飞轮效应是Jim Collins在《从优秀到卓越》一书中提到的概念，里面说到飞轮是重达2000公斤以上的金属轮，被应用于蒸汽机车和拖拉机中。它通过施加一定的力使其运转和移动，一旦开始滚动，放置在金属轮外侧的配件就会开始移动，并使其始终保持不断运动。施加在骑上的所有力将使其在过程中转的越来越快。
我们以一个电商购物网站为例，画出一个增长飞轮，上面的每一个环节都是一个重要节点，每个节点增强，都会带动整体飞轮增强，当整个飞轮滚起来以后就会越来越快，持续拉动营收增长。
和大家分享一个构建飞轮的方法论：找卡点、加反馈、做闭环、提动力；接下来我们一一进行拆解：
在实际业务中，能够最快找到业务薄弱点的地方就是我们的数据看板。以广告变现业务模式举例，一般来说，商业数据包括商业营收、资源利用情况、产品稳定性等主要数据，也包含用户增长数据一起来监测评估整体商业化产品情况。
截图为穿山甲增长参谋数据看板：
在日常使用中，这些数据指标的搭建并不是最难的，比较棘手的是广告的数据口径和数据差异问题，比如：
这些细节出现问题往往很影响业务判断，这也要求商业产品经理不仅要看到商业全景，还能看到业务细节。这些都是要根据当前的商业目标去进行设计和决策的，往往也会受到合作方或上下游的影响。
作者这里建议刚入手的商业产品经理直接选择市面上的成熟解决方案，这样可以先将业务稳定搭建后，再慢慢在系统中不断体会和精进。在上文中提到的穿山甲广告平台，它也支持很多维度的广告数据监测，同时包含上面说到的四大部分数据看板，能够分小时数据供查询。通过这些专业、全面的看板，我们可以更快更准的定位当前产品增长的卡点。
商业产品设计可以描述成是一个“大胆假设，小心求证”的过程，商业化路径的测试和决策也是能体现出商业产品经理价值的地方。刚刚在上文中，我们提到了7种提升收益的思路，“如何验证这些方法是否生效，收益具体有多少”可以借助一些科学的数据体系和系统工具来辅助。数据反馈配合有效的增长模型，能够帮助产品更加平稳的迈向下一个阶段。
这里值得一提的是，穿山甲报表还支持预警功能，若出现数据差异、广告填充等问题，还可以通过穿山甲看到数据诊断报告，能够帮助商业产品经理快速得到反馈，对搭建增长飞轮十分有利。
截图为穿山甲平台填充诊断报告界面截图：
有了前两个步骤的操作，我们基本能够总结出自己产品本身的几个重要卡点，把他们连接成圆环，就能够得到一个闭环的增长飞轮。这里想给大家的启发是，对于增长阶段，大家不要散点思考，也不要串行思考，应该是用闭环的飞轮式思考，找到因果关系，相互促进，形成一个“增强回路”。
在之前的文章中我们也提到过，商业化产品经理不光要着眼于广告变现，还要涵盖用户增长一同考量，我们在建立一个闭环之后，要确保每一个环节的做功和增长对我们来说都是正向收益的，比如花钱买量的钱要少于我们最终赚到的广告收益，要有全局ROI的意识，在穿山甲的报表中也有这样的思路体现——如果在买量端也使用了穿山甲的服务，那么就可以在增长参谋中，直接看到买量和变现的投入产出关系，帮助我们更直观的看到自己的增长飞轮是否健康循环。里面也会用到穿山甲比较厉害的联合建模，能够利用大数据的推算，预估每一次投入大致的产出，对于商业化产品经理来说也是一个非常好用的工具。
通过以上四个步骤，我们就可以搭建起属于自己的增长飞轮，不断向下一个里程碑迈进。通过飞轮我们可以观察到，每个环节之间都存在对应的因果关系，产品商业化的前提是有对应的流量能够产生变现，虽然商业营收是商业产品经理的主要目标，但是也不能对用户体验造成特别多的伤害，我们常说“皮之不存，毛将焉附”，把握好用户体验和商业变现，保护好产品的根本资产，也是每一个商业产品经理在工作过程中要不断体悟和修炼的。
在保护用户体验和平衡商业化目标之间，作者总结了四个常用的手段：
顾名思义，广告频次就是控制广告的展示次数/间隔。虽然广告样式出现的次数越多对于广告效果的转化越有利，但是与此同时，也容易遭到一些用户的敏感。一般能够进行频次控制的有以下几个维度：
样式是用户最直观感受广告的触点，目前大家比较推崇的是原生广告样式，避免让用户分辨出内容与广告明显的区别，这样在广告曝光的时候，用户也能有较好的体感。接入穿山甲的朋友们不用担心，他们已经对广告进行了用户体验优化，还推出了个性化模板广告，方便大家保护用户的体验。
通过数据能够反映出很多现实问题，养成良好的业务监控习惯和数据感觉是每一个商业产品经理必备的能力，着这里我们可以经常总结一些基准值，以便在数据发生变化时能够第一时间发现异常，同时也可以将基准值设置在穿山甲的预警系统中，一旦出现波动，也可以第一时间收到消息提醒。
但是每次异常也不意味着都是负面影响，我们要学会从商业的角度去分析和拆解，或者采用用户调研的方式对我们的目标用户进行信息回收，可能会发现更多不一样的角度。
商业产品本身就是一个非常复杂的系统，谁也无法说通过做好某件事，就可以让商业营收一直上升不停，因为商业永远是不停变动的。我们要在其中不断的矫正和改进自己的产品方向，这时候我们就需要一套能够验证当前商业路径仍然生效的小工具，我们可以通过以下六个问题来时常检验自己的商业路径：
六个问题工具包：
通过以上几个问题，我们能够时常自省自己的业务和决策是否还能够存在商业价值与商业可行性，商业化路途没有重点，但是我们可以在其中不断总结方法，仔细深耕，这个过程是痛苦的，但也是值得的。保护好我们的用户资产才是保护商业变现的根基。
截止目前，本系列文章到此暂告一段落，通过之前的几篇文章内容，我们对商业产品经理的定位、价值、以及在组织中的责任分工进行了描述。商业产品经理在搭建高质量系统的同时，还要通过系统的有效协同组织，来让整体发挥出最大的价值，进而支撑公司的商业化目标。
在商业化产品的路上，我们需要不断打开自己的视角，关注行业和竞品动态，打磨出产品的价值，最终通过系统性的手段和工具推动商业营收的增长。与此同时，我们共同学习了一个商业模式从零到一的搭建，也拆解了走向下一个阶段的路径，了解了穿山甲这类的优质广告平台以及一些好用的优化思路。希望这些知识和方法可以帮助大家，不断推动自己的商业产品走向下一个增长阶段。
最后，欢迎更多有识之士加入商业化产品经理的队伍中来，通过不断对自己提出更高的要求，来达到更高的能力水准。
本系列文章到此结束，大家可以通过以下链接阅读过往文章：
本文由 @Sam 投稿发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Pixabay，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。