惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

T
Tailwind CSS Blog
月光博客
月光博客
爱范儿
爱范儿
罗磊的独立博客
博客园 - 叶小钗
Apple Machine Learning Research
Apple Machine Learning Research
IT之家
IT之家
aimingoo的专栏
aimingoo的专栏
D
DataBreaches.Net
F
Full Disclosure
博客园 - 司徒正美
小众软件
小众软件
D
Docker
大猫的无限游戏
大猫的无限游戏
O
OpenAI News
T
Threatpost
Engineering at Meta
Engineering at Meta
Cisco Talos Blog
Cisco Talos Blog
Google DeepMind News
Google DeepMind News
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Y
Y Combinator Blog
H
Help Net Security
C
Cyber Attacks, Cyber Crime and Cyber Security
C
Cisco Blogs
The GitHub Blog
The GitHub Blog
S
SegmentFault 最新的问题
博客园 - 聂微东
A
Arctic Wolf
T
Threat Research - Cisco Blogs
U
Unit 42
NISL@THU
NISL@THU
H
Hackread – Cybersecurity News, Data Breaches, AI and More
博客园 - 【当耐特】
T
Troy Hunt's Blog
PCI Perspectives
PCI Perspectives
Webroot Blog
Webroot Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
AWS News Blog
AWS News Blog
The Last Watchdog
The Last Watchdog
Last Week in AI
Last Week in AI
V
Vulnerabilities – Threatpost
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
P
Proofpoint News Feed
腾讯CDC
V
V2EX
A
About on SuperTechFans
Know Your Adversary
Know Your Adversary
S
Security Affairs
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
【用增系列 – 2】“B端 vs. C端”的用户增长
进击的小趴菜vv · 2024-07-08 · via 人人都是产品经理

vv将以“B端 vs. C端业务”为切入点,讨论二者在用户增长工作中的异同。

诚然,大部分同学都只在自己的B端orC端业务中深耕,不太有工作上对另一赛道的需求。

但笔者vv仍希望,通过文中的横行对比,结合数据分析视角与一些实际案例,帮助读者们能更深入体会“用户增长”是干什么、怎么干的。

  • B端:to Business业务,即面向公司、企业、经营单位等商业个体,提供相应的产品或服务;
  • C端:to Consumer业务,即面向个人消费者,提供吃喝玩乐等相关的产品或服务。

譬如,“淘宝app”就是一个“消费者可以在上边购物消费”的toC软件;

而“淘宝商家版”则是一个“让商家完成经营店铺、上架商品、客服解答等工作”的toB软件。

当然,本文讨论的方法和思路不仅在互联网,且在其他传统行业仍适用。

一、用户视角的不同

1. 二者的用户群不同

讨论业务时,我习惯先从用户视角切入讨论。

B端和C端业务在此方向,有以下2点显著不同:用户身份用户需求

还是以淘宝为例:

  • 我们每个人都是C端的消费者(用户身份),有着“个人的吃喝玩乐等需求”(用户需求);
  • 但如果作为“商家”的角色(用户身份),我们有“卖东西/做生意”的需求,并在这个过程中(如仓促、物流等环节)想办法降本增效(用户需求)。

而消费者的决策相对简单冲动,更注重个人情绪和需求的满足;

企业团队的决策相对复杂理性,小规模/初创团队会谨慎考虑自己的成本收益,大团队则可能需要层层审批流程

【数据分析师vv说】

C端用户规模相对较大,同时每个用户会在APP中留下大量的行为数据。

这使得通过大数据手段与策略(算法)对用户需求进行分析及推动,提供了可能性。

同时消费决策偏冲动,则让激励性策略有更多运营的空间。

B端用户规模相对小(且一般行业内头部就这么几个),所以首先是突出性的“客户资源导向”。其次面对中小型客户时,虽然也可部分参考C端思路,对业务流程进行体验优化。

但如上述,B端用户最终是要做生意的。我们提供的产品和服务是否能“为用户提供价值”、是否能“帮助客户将本增效”、“实现共赢”,是我们自身业务增长的关键。

2. 「淘宝」和「淘宝商家版」为例

淘宝的使用者都是来买东西的消费者。平台会提供推荐或搜索(包括拍照搜索)等功能,帮助消费者完成商品的选购动作(这是用户的基本需求)。

同时,淘宝这几年强调的“逛”策略,以及直播间、短视频等内容的供给,在平台内积累了足够多的消费者偏好数据,使得“猜你喜欢”等主动推荐、精准营销模块,“猜”得越来越准,促进消费者下单效率越来越高。

而对于“淘宝商家版”,也就是“千牛”,则是为商家提供了订单、物流、店铺运营等功能服务,帮助商家能够在线上达成交易(用户的基本需求)。

同时,阿里同时也为商家提供了直通车、钻石展位等付费营销工具,也是为商家实现不同目标下的曝光、触达、成交等目标提供了路径,促进商家更好地落地自己的策略。

【数据分析师vv说】

淘宝平台面向消费者的购买达成,最为关注的指标是GMV(商品交易总金额)。

DAU * 人均单量 * 每单均价

  • 合适的推荐搜索策略,用户每次使用淘宝,都能找到自己心仪的产品,则会促使每个用户下单的次数(即人均单量)提升。
  • “猜你喜欢”、“顺手买一件”根据用户的兴趣偏好进行推荐,使得用户每次下单,都有可能买更多的东西。如下单新款iPhone时,顺带买了新手机壳和typeC充电头。这会促使用户每次下单的金额(每单均价)提升。

千牛面向的是商家服务。同样关注GMV,但从“商家卖东西”的角度去拆解公式时,有

GMV = 售出商品数 * 商品价格

其中,我们通常会从“商家等级”和“商品品类”去看这个公式,即:

  • 商家有大品牌、小品牌、白牌商家。如iPhone15 Pro Max 1TB(高端)卖出了多少台,每台多少钱、贡献了多少GMV;红米(中端)和华某北不知名白牌手机(低端)又分别贡献了多少GMV;
  • 品类也有大众和小众品类、高客单和低客单品类。如手机(高客单)、耳机(中客单)、手机壳(低客单)的GMV分别多少。

二、业务视角的不同

上述从“用户视角”浅聊了下。这一part将从“业务方可以做什么”出发。

1. 获客渠道不同

如笔者上一篇文章讲到,在C端,我们是可以采用先“跑马圈地”、花钱换量,再通过筛选或培养用户,最后完成价值收割的。

B端用户的需求,基本盘一般是固定的(行业规模和用户需求水平),且有明显的行业聚集性

比如你不能强求小区门口的夫妻档超市买一个数据分析大屏挂在收银处(需求水平固定),也没办法把一个“停车场收费系统”卖给一个电商公司(行业性)。

所以B端的获客,“资源导向”、直指目标客户的方式更有效率。如:

  • 行业论坛、协会展会等;
  • 与地方的行业组织建立联系、合作、宣传等;
  • 客户熟人同行的口碑推荐和介绍;
  • 商务团队的客户拓展等。

C端的获客,如上一篇文章说的,常见于社交媒体、搜索引擎、KOL种草等大众传播渠道。此处不赘述。

【数据分析师vv说】

对于C端,我们常会评估渠道、素材的质量,通常是从“拉新数量”、“质量(如留存或LTV指标)”、“价格”去交叉计算ROI,评估我们的钱是否花在了刀刃上。

但对于B端的思路则完全不同。比如我们通过商务团队、展会论坛等渠道触达了用户,获取了用户线索,但真正转化还是需要经过一定的时间周期的。(如上文提到,真正下单、签合同是需要层层领导评估、审批的)。

所以在评价B端业务的渠道质量,关于ROI的计算比较难。特别是线下渠道时,我们更多会关注,“这次会议建联了多少用户、获取了哪些新的目标客户线索,其中多少是大客户或高质量客户线索”等。

假设我们花了很多预算开设的一次大型展会,结果只获取的用户线索不到10条,我们就会评估这次会议是不达标的,需要相关同学进行相关的复盘优化。

2. 维护方式不同

因为B端用户决策流程长、服务周期长,所以“用户/客情维护”是一个占比很大的工作量,包括:

  • 售前:目标客户的联系、沟通、试样、谈合约等;
  • 售后:项目落地、人员培训、服务、问题排查等;

这些都是B端的关键流程,且对于大客户的维护更重要,也更需针对性

比如客户可能因为换了个IT负责人,就不用你的系统了。若运营不去维护联系,你可能无从得知。所以为什么B端有很多大客运营KA的岗位。

相比之下,C端业务可以通过线上的产品、运营手段去对大规模的C端用户进行整体维护。而对于不同的用户,想达到“千人千面”、“精细化运营、维护”的效果,则需要通过推荐、算法等技术手段,搭配相应的人群、商品策略去实现。

不过值得一提的是,对于一些C端的非头部语聊社交(你懂得…)、氪金攻城游戏(“是兄弟就来砍我”),其实平台or工会也会有类似的“大客户运营”岗位。

因为极有可能50%以上的收入都是由几个“大土豪”贡献的。所以整个游戏都需要重点关注、满足土豪用户们的需求和体验。

而对于土豪用户运营,就有点类似B端的KA了。

【数据分析师vv说】

一般对于“客户维护”的评估,都绕不开“流失”的话题。

所以从数据上,C端会关注“用户留存”、“流失率”;B端会关注售前售后的流失节点,以及关键客户的“续订率”。

而以“续订率”这一指标,B端C端的用户表现也不太一样:

  • B端客户决定订阅某SaaS系统,一般都经过深思熟虑,签订的合同、金额都是比较大的、且一旦签下,周期都比较长(大多以年为单位);
  • C端用户,咱都知道,比如腾讯视频会员都是按月订阅。在借不到只能自己订的情况下,还会纠结“连续包月”便宜还是“试用7天”划算,然后还在“自动扣费”的设置上反复横跳,试图多薅一点省一点。

回到主题。与“C端怼个策略就可以线上批量维护”不同,是B端的维护都是需要实打实的人力一个个去对接,所以“将人力成本优先用在重要客户”的优先级评估就尤为重要了。

从数据分析的角度,常见分析客户优先级的维度,有客户的业务规模(500强/上市公司/未融资公司)、员工数量(10000人以上/5000~9999人等)等。

同时除了“销售链路的流失节点”,也可以关注用户在流失前行为(比如是否发生投诉、碰到BUG、退款等),可能会挖掘出更多用户流失的原因。

B端业务的数据分析难度,更多在于“数据采集”。

如我们想对用户线索进行分析,但如果销售和KA都不将相关的线索按规范记录在系统,那连数据都没有,分析就无从谈起了。

三、小结

从整体路线上,B端和C端业务在做「用户增长」时仍围绕着以下主路径目标展开:

  • 明确客户:B端和C端都需要明确目标用户及用户需求,并探索找到这群用户的ROI最佳的获客模式
  • 产品价值:B端和C端都要提供优质的产品或服务价值,才能吸引并留存各自的用户
  • 用户体验:世上没有完美的产品,但良好的用户体验能够极大提高用户满意度和忠诚度

但落实在具体实现目标时,如上述,在业务模式和手段等细节就会体现出差异性了。

从数据的角度,分析师可以为不同的增长策略模式,提供科学的量化指标和评估方法,帮助各业务的用增目标达成。

实际业务过程中,因各业务间差异较大,故聚焦本业务的目标最为重要。

比如我是B端卖餐饮SaaS系统,现在打算先拓客中小型商家。

那么业务上,我如何去找到这部分商家(获客渠道),提供什么产品方案是他们更需要的(产品价值)?

数据上,我则更需要关注“中小型商家”的线索收集,以及新增续订、功能使用的相关数据。

如果我是C端卖高端陶瓷碗(家里用的一整套餐具)的,现在打算拓客“小资、中产阶级以上”的家庭客户。

那么业务上,我如何找到这样的客户(获客渠道),如何打造高端的品牌形象和产品品质(产品价值)?

数据上,我的爆款产品有哪些特征?我能借鉴哪些设计元素,帮助其他系列的产品更能卖上价?

写在最后

介绍了这么多,相信大家已经能感受到,不同业务的目标、模式和落地动作都不一样。

所以在制定策略时既要扣紧目标,也要足够落地。这样大家看待“用户增长”时也不至于认为如“空中悬楼”、而是可以落地并实现收益的。

本文由 @进击的小趴菜vv 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,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