1.营销在泛交易类（电商、本地生活等）中的关键 – 补贴
营销在不同业务中的核心关注点是不同的，关键的做工方式也是不同的。之前写的一篇文章描述了营销活动在不同业务中所呈现的形式差异，侧面讲了一下不同业务的对于营销活动的诉求，准确来说是对营销的诉求是有差异的。本篇着重来讲一下营销对于电商和生活服务等交易型场景的关键点，通常对于“巨型活动”的诉求并不强，甚至说很简单，最核心的不是参与交互，更多的是补贴方法。与大文娱、内容类是有很大差异的。
这类大交易场景，我们看中的更多的是用户潜在的购买目的，营销与交易是强绑定的。我们是利用用户潜在的购买目的，给予补贴，促成交易。前期造盘子环节，利用补贴形成竞争优势，说白了就是价格战获取市场；红海之后，利用补贴构成让利，在盈利空间内获取增长和横向竞争。
补贴所呈现的手段有：发权益（关键是券）、折扣、买赠、直接调价（强互动属性）、返现等等
2.用补贴去触发「规模效应」
补贴本质上是通过不同程度的扭曲价格来调节供需，这个是大家初中政治课上都学过的经济学原理。价格直接决定的市场需求量，一个手机卖5000、卖2000市场的需求量是不同的。换个视角，价格高低直接决定了是否会形成规模效应。
这一部分是值得拿出来单说的，大规模的交易、爆款、卖场都是这个逻辑。
当出现规模效应之后，随着规模的扩大，商品成本减少，规模越大成本越低。也可以叫“规模经济”。各大平台都是这么玩的，抖音电商、美团、阿里、拼多多、京东这些大型的电商平台，仔细想想都是这种模式。
这里通常会和「边际收益递减规律」冲突，其实并不难理解，粗暴点来说，边际收益的理论是一种更极限的思维，描述无限膨胀状态下的我们应该适当控制最优规模。而规模效应描述的更像是边际收益递减前做规模所处的阶段。
3.补贴仍然是促成规模增长的最好手段
最开始就提到了用户无论他是否承认，都是存在潜在的购买目的的，我们只要找到「在我们平台上」「潜在目的」变成「实际行为」的阻力。比如说价格贵了，比如说隔壁更便宜，没占到便宜，不信任感。
要做好补贴我们首先要站的角度是人，目前的竞争态势，前几年是以商品为核心的竞争，下半场是以人为核心的竞争态势，这也是为什么各大公司营销占比越来越高的原因。
价格战、高品质形成规模之后，不信任感其实就还好了，现在的大多数人是不会担心在拼多多买东西的。所以关键就是用户认为价格贵、没有优惠。
我们要适当的利用“升斗小民”的趋利心理，比如“损失厌恶” “无利不起” “麦克苏尔定律” 等小便宜心理，或者“铆钉效应” “鸟笼效应” “从众心理”等心理特征，来进行用户心理的干预。举一些例子：
比如买哪家都行，给她点优惠，干预她决策；
比如直接发优惠，让她损失厌恶，触发潜在意愿；
比如直接造节大规模优化，让用户提前期待大规模消费，打造大规模消费；
比如秋天的第一杯奶茶、消费打卡，打造从众消费行为；
比如都买车了，还差个脚垫吗？，让用户突破消费困境；
比如直对竞对，实时调价能力，我总便宜一块钱的比价体系；
比如就剩一件了，便宜的就剩一件了，让用户“再不买就吃亏”；
比如囤货心智的打造，再不买就涨价，一次又一次囤货心智的打造；
比如把价格砍下来，让用户感觉是在通过努力在砍价；
比如现场直降，错过就没有，赶紧下单吧；
比如打造消费氛围，价格一样，大卖场总比日常销售成单更多；
而上面说的这些都是补贴的表现形式，不过这些表现形式被一层“营销活动”包裹住了，大家看到是我有利可图、我最聪明、我真牛*的表象。
就目前的交易类业务中，补贴仍然是最优的增长手段，但是补贴所呈现的形式、同用户交互的形式是值得我们深思的，尤其是目前这样的大环境下。
4.补贴的细分目标和做工对象
4.1 服务于业务指标：客、量、额、利、ROI
前面站在用户视角讲了，我们应该做什么事儿让用户产生购买行为，需要更多的站在心理学的角度撬动C端用户。但如何评估一件事儿做的好，还是要回到平台本身去看。
整体指标：
比如前面提到的规模，整体拉GMV；
细分业务指标：
比如拉新/转化，关注获客成本，让没花钱的人去花钱；
比如促活/提频，让花钱的人更高频去花钱；
比如客单价，让花钱的人花更多的钱；
比如拉利润，让花钱的人买利润更高的单品；
比如竞对比，定向抢客工作；
ROI指标：
比如看效率，更少的钱，达成上面更多的细分业务指标；
这些目标是会有冲突的，比如考核ROI更严格，拉新、转化大概率是锐减的；比如考核GMV（考核数值），大概率会有较多的低价单发生。整个生态的健康程度并不是一个GMV就能说了算的，综合所有环节的指标，根据对应生存阶段做取舍，才是一个良性的发展。
常见的一些具象化指标，平台扩张期，多看看CAC、GMV；后竞争阶段多看看LTV、UE；存量战争时，多看看ROI、UE、OP
GMV:成交总额
ROI：投资回报率
CAC：整体获客成本
LTV：用户终身价值，LTV》CAC 我们才可以判定一个用户是高潜目标用户
UE：单体经济模型，一个行为，比如下单赚不赚钱就它来评估
OP：运营利润，通常是单均利润的综合，薄利多销就多看看它
4.2 看清做工对象、发生位置、补贴差异 – 用户、订单、商品；购买意愿（流量）、购买行为；
做工对象
我们的做工对象永远都是我们的用户，这个比较泛。我们需要细化一下来做事儿。但做工的细分目标对象是多维度的，我们可能是针对某些用户行为、某些上层调整、用户所见&用户所得等等。
整体的对象在电商域细化一下，可以大致分为针对实体做工：用户、订单、商品；针对行为做工：购买意愿、购买行为；
不同目标的做工对象是不同的，比如拉新我们会对用户做工，前期关注CAC，后期关注LTV等等；比如客单价、GMV这些指标，可能是多维的，我们可能会对用户下单行为做工，对商品价格做工，对商品曝光干预（流量，但个人认为不算一个确定实体）；比如利润，我们可能会对商品做工、围绕推荐（流量）做工和潜在购买人群做工；比如竞对比，我们会更关注同类目价格等等；比如促活和提频，我们会对复购行为、购买承接做功；
只有细化到具体目标，细化到具体做工对象，才更容易具象化处我们的战术动作，这应该是高层和一线同学都应该关注的事儿。
此时再根据具体场景去挖机会点就好了，挖机会点这个过程整体也不会太难，难的还是围绕目标把账算明白。
发生位置
要看清一个观点：补贴并不会直接带来增量，补贴后对用户心智/行为的影响才会带来增量。
看一下打法：整体做工力度和整体的用户漏斗/生命周期是一致的，越早环节做的越多，对生态和目标都是越有益的。
- 对于心智上，用户越早的决策链路里，做工越前置，可能能产生的增量越大；做工越后，哪怕越靠近下单，增量也越少，这是一个潜在意愿挖掘的概率问题；
- 对于蓄水上，这个几乎是共识，我们的用户足够多，最后真正购买的人才够多。
具体补贴行为的差异
我们可以补贴用户、补贴商家，补C、补B，这两者是有差异的，对用户的做工空间是更大的，传统通常是补贴商品，电商补贴用户操作共建是更大的。尤其是目前处于互联网的后半场；
补贴的形式可以有 基于权益做工、基于商品本身做工，也就是常说的补品、补券两种模式，这两种都很常见，补品更容易撬动B端，补券更容易撬C。不过目前对于这种模式相对模糊，补券的同时，专用性补品，比如某些券圈定商品可用。
针对细分场景具体的补贴对象、补贴形式 就需要运营同学根据具体场景来看了，不知道怎么做合适，A/B、各大平台的成功案例搞起来了，具体的表现形式一定要考虑不同生态下的天然流量差异，这个差异会直接决定具体的电商表现形式和补贴差异。
5.泛交易场景的补贴效率问题
5.1 没有规模的效率是没有意义的
没有规模的效率是没有意义的，聊提效时一定要有规模的描述。不管是我们做系统设计、做策略应用、做业务运营都是一样的，圈选然后做实验一定程度上就是在自欺欺人，在到达规模阈值，覆盖足够广仍然能保持效率才是置信的提效。数量级为3的一个ROI 9动作、数量为9的ROI 3的动作，不一定哪个最优。这种行为通常就是一种贪心算法，先处理最优的，往往是不可迁移的。随机可能也不够置信，在抽样或推荐的基础上以样本代表生态去做测试可能会好一些。
5.2 增量是什么来的？
前面提到了补贴一定程度上是在扭曲供需关系，这个是本质。
说的直白点就两步，向外做增量、围绕存量做增量，进行供需关系的扭曲。第一个就是直接C补，无论是下发权益还是单品降价，让用户上来就损失厌恶，让不会下单的人下单，而且权益一定程度上是可以携带指向信息的；下一步刺激复购，持续提频，用权益激励和锁住后续消费，让用户保持消费激情和损失厌恶。然后屏蔽用户的消费损失感，提升用户的消费快感，不断建设用户心智。
商家不愿做活动的原因
需要注意的是，平台视角，这种“撮合类业务”最基本的商业逻辑是佣金，GMV和利润是正相关的，但是在商家视角（利润=单量 * 单价 – 营销成本）不一定是严格的现行关系，商家更关注付出成本和订单量*客单价的博弈关系。
这也是为什么很多商业对于做营销这件事儿，持观望态度，很可能是账没算明白害怕有坑。
还有一点，在存量上做增量，但跨店使用这样的提频逻辑，基于经验，用户看看别的心态，可能会让平台有增量，用户无增量。
5.3 补贴的效率问题
之前画过一张权益的图，放到补贴里讲，依旧有效，甚至对于补品的逻辑仍然有效。补贴自身发放的发放形式、时机、有效性、表达形式、核销形式等等都会对用户形成直接的情绪、表达、敏感程度等特征，根据具体视角应用好就够了。
6.这种场景技术应该怎么做？
可以这样来讲，业务的经验可能是无法迁移的，但是技术的经验可迁移的程度就高很多了。
比如补贴本身：运营的人效、开发的人效、整体的钱效、创新/爆款的打造、数据/策略的洞察&实时化变更等等
比如补贴之于业务：更好的渗透形式，表现为更好的技术系统协作这东西可能取决于康威定律，每家公司可能都不一致，但是常见的架构方案总能解决。
然后在这些本质能力之上，建设工单化、智能推荐化、具有因果分析体系的B端系统保障即可。
技术上可以做的，还有技术可能面临的问题和挑战，可以详细的看一下，《营销活动的本质》这篇文章。这类营销系统，万变不离其宗，均有侧重而已。
看看之后慢慢多写几篇不同业务场景的细分营销设计。
7.借这个场景，总结一下这类分析方法
之前我经常会聊自己的做事儿风格，站在每个角度给业务建模，尝试找到合力方向，明确技术的做工点。接下来就细说一下这个过程。
首先确定我们在做什么事儿？比如说营销是一个横向域，比如说电商是一个垂直域，我们永远是在垂直域上做分析，而不是普适类的做横向方案。
那做电商的营销：
我们的所处的阶段是什么？适合这个阶段的终极目标是哪些？ –定目标
我们的业务是怎么玩的，一定要要拆清楚我们的商业模式，换句话说就是我们是怎么挣钱的？–建模型
我们有哪些路径和对象，分别对应什么样的目标，这些路径和对象是否可被做工？–拆视图
我们要做取舍，细分的目标是否对终极目标最优，不同的目标需要做到什么程度？–做取舍
我们站在做工视角，以产品、业务、技术、质量、管理等视角，做分析，做归纳，看同向性？–出方案
站在技术视角，线上化？自动化？智能化？创新模式？技术改变世界？–提人效、提质效、提钱效、做突破
这里面有一个值得深思的话题，我们所处的阶段是什么，适合阶段的目标有哪些。这一点需要单独说一下，多目标健康度更好，单目标效率更佳。单目标通常适用于业务的前期发展阶段，单目标不代表单工具，应该是多工具服务于单目标；多目标通常适用于后竞争阶段。
