公告：YouTube涨粉丝 --油管刷赞网站
2020，网络商品先自，在这样的黄金时代，我们能亲眼目睹网络的先自动，是何等的幸运地！
先看网络子公司总市值的变动的统计数据，提过曾的BAT光辉光阴吗？谁能想不到那时会没人问，你的子公司有数度？
提过曾的民间传说腾讯的商品，腾讯的控制技术，穆萨的营运吗？谁能想不到那时会没人问，你刷音频号吗？
是腾讯的商品不如好吗？是腾讯的控制技术不如牛吗？却是淘宝网的营运老了？相媲美国际FAANG【FAANG指的是Facebook、苹果（Apple）、Amazon子公司（Amazon）、Netflix、Google等5家美国网络业或信息技术业钜子的齐名】的BAT再说了甚么？却是因为他们老了？
第一集先透过预测统计数据的剧变看使用者去哪儿了，使用者在浏览甚么样应用领域？使用者使用时数极短的应用领域是甚么？再透过预测看AI怎样协助做存量。最后初探ABCD（AI/Blockchain/Cloud/DATA）黄金时代的新盈利模式！
一、统计数据屏，使用者去哪儿了？
没人说统计数据是私有制，AI是农具，农具象征劳动生产率水准，劳动生产率（AI）下定决心社会形态，盈利模式是社会形态，社会形态（盈利模式）要适应环境劳动生产率的产业发展，社会形态是劳动生产率产业发展的方式，社会形态会相对性于劳动生产率。
1. APP应用领域浏览统计数据：亚洲地区炙手可热应用领域榜单短音频+帅哥接吻霸榜！
先看使用者都去浏览了甚么样炙手可热应用领域？从右图统计数据由此可见亚洲地区2020年4月末应用领域程序炙手可热浏览第二名是TikTok（抖音短音频），总收入榜单的第三名Tinder是陌陌的好榜样。
单纯看是音频加接吻驱动力了炙手可热应用领域。
除此之外，抖音及TikTok亚洲地区浏览量超19万次，音频会议应用软件ZOOM，钉钉App此类跟音频相关的应用领域程序均名列靠前。
小结：网络商品留不住帅哥就留不住使用者使用时数。
商品上使用者喜欢的次序是音频>图文>纯字。将文字，音频，音频，图片融合巧妙运用的内容才是使用者去关注浏览的应用领域。
这背后的本质，跟需求和供给关系是一致的。
例如：帅哥是一种稀缺资源，以前是地产繁荣，你会看到房地产领域帅哥云集，后来是网络金融盛行，你会看到金融圈帅哥不断，现在，笔者在做统计数据预测的时候发现，居然没人用AI控制技术专门看抖音上的小姐姐，详情见右图，至少说明抖音上帅哥多。
帅哥在哪里，那里机会就多！右图为github上面的抖音专看小姐姐。
2. 社交统计数据：社交商品的DAU/MAU，跳动的帝国正在兴起！
单就增长率来折算字节跳动使用者数增长率是腾讯的近100倍！
怪不得有民谣说，每日抖一抖，活到九十九！
小结：统计数据为王，使用者去哪儿?
2020年Q1根据统计数据的反馈，短音频类商品日使用时数已经极度接近即时通讯商品。如果再加上在线音频，长短音频类商品使用者日使用时数已经超过了即时通讯类商品。
详情如下两图：
统计数据为王，使用者去哪儿？从上图由此可见，使用者喜欢音频（短音频+长音频），使用者花时间去看音频了。
当使用者讨厌一款商品的时候，连它里面的图标使用者都是讨厌的。碍于工作的压力，不得不用而已！
3. 电商统计数据：专一的为女性使用者讨便宜！
详情统计数据排序如右图：
拼多多名列的上升至少验证了以下商品逻辑：
其一：C2M必将成为趋势，我们大多数读者体验过，知道拼多多的购物流程跟淘宝网是不一样的，这背后的逻辑就是CEM，想在拼多多上下单至少要找到除此之外一个买家跟你一起拼单。这样就形成了C端使用者自发的聚单，然后卖家规模化接单的格局。小统计数据量多批次规模化接单给予卖家降低生产成本的巨大空间。
笔者是穆萨巴巴早期商品时期的员工，知道马老师在2007年左右就提出电子商务的趋势是，小批量多批次！马老师的战略在拼多多上得到了很好的体现！
其二：下沉市场空间巨大，不同的地区，市场需求不一样，沉到3、4、5、6线城市去，才能更清晰的了解更广阔的使用者的需求，进而能为那里广阔的使用者带来便利。
其三：裂变模式的成功，拼多多的口号是「拼多多，拼多多，拼的多省得多！」，而无论是私域流量却是社交电商靠的都是裂变模式，即身边的七大姑拼上身边的八大姨，甚至是更亲密的关系一起拼，一起裂变！
淘宝网这次统计数据被超越还可能有一个原因是疫情期间，大家更注重生活经济成本。但是这次拼多多MAU超过淘宝网决不是偶然，有其必然因素，任何商品想获得客户的青睐，需持续的为使用者客户带来更具有性价比的商品和服务！
二、AI屏，使用者怎么留，人工智能中流击水，浪遏飞舟
首先问题：电信营运商使用者去哪儿了？
三大电信子公司基础使用者数锐减2107.3万。
上图表由此可见2020年开年前两个月基础电信使用者数减少2107.3万人！！！
锐减原因：
（1）WIFI替代说
没人预测，是不是因为疫情期间很多人长时间留在其他地方，而且是呆在家里，用一部手机或者WIFI上网就可以了，导致很多号码直接被放弃继续交费而停机销号了？
（2）灰色诈骗电话减少说
甚至还没人指出，因为疫情的原因导致透过网络和电话进行诈骗活动骤降，这部分灰色号码失去了生存的必要。
（3）营运指标更改说
还没人认为，整个2月期间，营运商无法摆摊设点营销，新增的使用者数不如，而流失的使用者多，甚至也没人说是不是营运商的KPI考核指标改了？
总之，这种使用者数的剧烈下降可能是短期行为，但更像是长期的趋势。
首先电信营运商怎么留住使用者的解决方案。
使用者规模几乎预见天花板，不大可能做更大的新增使用者量，当花费大量营运推广成本带不来使用者新增时的解决方案是啥？这个时候我们推一下看。
做使用者增长的核心目的是商业增长，商业增长除了新增使用者带来的消费外还有存量使用者消费频次和消费金额的增长。
怎样做存量使用者的消费频次和消费金额的增长呢？是有更好的服务和更创新的商品。
AI能带来更好的服务：
电信营运商AI运维，电信营运商传统运维体系在运维过程中存在系统变动感知滞后、未来故障无法预测、故障响应慢成本高三大痛点。
针对上述痛点，电信运维结合AI深度学习算法，推出智能运维解决方案，以提升电信IT系统的运维能力——既提升了电信IT系统的维护效率，又节约了电信IT系统维护成本，满足电信网络智慧运维的需求。
AI网络优化了更加高效的运维，更好的不断网更高效的信号就能提供给使用者更好的商品和服务。
AI客服，无论是10010却是10000号却是10086，普及的AI机器人客服，一方面降低了营运成本，除此之外一方面增加了商品服务时数。AI客服更是增加了商品与使用者沟通的渠道
AI预测，根据已有的使用者消费记录，运用AI模型帮使用者推荐更加适合的套餐，甚至为使用者推荐智能硬件，也能为电信营运商代理新的营收。
AI不仅是融资的工具，AI更是增收的利器！
其次：AI助力企业推广转化为企业增长。
Amazon号称其电商营收的35%来自算法推荐。
（1）精准推荐算法模型
精准推荐中的常用模型有：交叉销售模型、关联推荐匹配模型、网络信用模型、电商动态定价模型、信息聚合分类模型等等。
文中尽量不采用高等数学公式，尽量用直白的商品经理听得懂的语言进行讲述，因为公式可以在商品具体业务落地的过程中根据所需要公式有选择的进行针对的学习。
交叉销售模型：
利用关联规则发现两个商品间潜在的相关性，进而进行捆绑与推荐；关联规则可用Apriori等算法实现，交叉销售透过研究客户的商品使用情况，消费行为特点，发现老客户的潜在需求，一方面透过商品之间的关联，寻找实现商品捆绑销售的机会，另一方面为新商品寻找已有使用者中的精准目标群体。
建立模型的具体步骤为：
- 以个体使用者为单元，收集其订购业务种类，计算其订购比例；
- 提取订购比例较高的几类业务，计算不同业务两两间的相关性，分组、筛选与分类；
- 针对相关性和替代性高的业务组合进行交叉销售，如绑定销售精确推荐。
Apriori算法：
Apriori 算法被用来在交易统计数据库中进行挖掘频繁的子集，然后生成关联规则。常用于市场篮子预测，预测统计数据库中最常同时出现的交易。通常，如果一个顾客购买了商品 X 之后又购买了商品 Y，那么这个关联规则就可以写为：X -> Y。
例如：如果一位顾客购买了牛奶和甜糖，那他很有可能还会购买咖啡粉。这个可以写成这样的关联规则：{牛奶，甜糖} -> 咖啡粉。关联规则是交叉了支持度（support）和置信度（confidence）的阈值之后产生的。
支持度的程度协助修改在频繁的项目集中用来作为候选项目集的数量。这种支持度的衡量是由 Apriori 原则来指导的。
Apriori 原则说明：如果一个项目集是频繁的，那么它的所有子集都是频繁的。
（2）关联推荐匹配模型
关联推荐匹配模型着眼于使用者统计数据的基础属性、媒体属性等，实现商品精准定位，在广告的定向投放上效果显著。
建立该模型需要采集的使用者统计数据有基础属性统计数据如性别、年龄、总收入、学历；环境属性统计数据如手机上网时间、城市、地点、系统平台、语言环境；媒体属性统计数据如浏览的媒体、浏览的内容、兴趣关注点、当前的需求；消费属性统计数据如关注品牌、关注商品、消费水准、消费心态等。
三、Business model屏，先于使用者厌倦就提早变动。
统计数据是新的私有制，AI是新的农具，盈利模式是社会形态，私有制和农具的剧变推动社会形态盈利模式跟着变动。
盈利模式变动之一：长尾效应显现，少就是多
早年在穆萨工作时，曾淘宝网网对商户和客户营运有个KPI指标是上传的知名品牌商品数量，当著名客户和商家上传的商品数量越多代表着营运人员营运的越好，这背后的目的是著名品牌能提高商品的销售，对淘宝网产生更高的GMV。
但在统计数据和AI的双重作用下，国际电商巨头Amazon产生了新的结果，Amazon上的销售统计数据显示，不是著名的书带来的销量大，而是那些专业度高，专业覆盖度够长的书能带来更大的销量。
上图背后显示，在AI大统计数据黄金时代，Amazon上架很多头部书籍带来的GMV，不如小众图书带来的GMV高。证明在AI大统计数据黄金时代，不是越多越好，相反少就是多。
盈利模式变动之二：从使用者参与到使用者创造
B站自己生产的新番寥寥无几，亚洲地区第一大音频中文网站泵更是不自造音频，他们的音频内容几乎全部由使用者上传，被称为UGC或者PUGC。
高德地图、腾讯地图越来越智能，智能预测到在你出发上班之前就提早知道哪条路线比较拥堵，地图APP就是利用UGC统计数据。也就是数以亿计的APP使用者，手机既能接入移动网络，又能利用GPS定位，实际上现在的手机GPS、水准仪等都已经具备了很不错的精度。当你打开地图APP的一瞬间或地图APP在手机后台运行，GPS开始定位，并且移动网络也已经开始工作了，手机会自动计算你在某段距离里行驶的速度，然后回传到APP所在服务器。
当成千上万的GPS统计数据持续密集集中在同一个路段的时候，基本可以判断路段行驶缓慢。加上算法模型融合的其他统计数据，例如出租车统计数据、公交车统计数据，第三方统计数据，预测出行路况将越来越准。
盈利模式变动之三：从TO C到 TO B
TO C是做流量的生意，好比网络热文里说，腾讯系厉害的不是商品，是腾讯系早年累积的流量优势。纵使商品差一点，也能靠既有流量优势耗死对手；而从事TO C领域习惯的腾讯系，才刚刚提出产业网络的概念；
TO B 国内商品中协助企业管理客户的超过Salesforce.com的企业尚无，Salesforce.com早已经是千亿美元级的TO B巨无霸；
TO C盈利模式一般不是直接变现，更多的是，羊毛出在猪身上，狗来买单；TO B 是向客户直接收费，这就要求你的商品一开始就能创造价值，纵使一个细分领域的价值也要精准的为客户带来效益。
TO C不是没有盈利模式了，只是时下更好的盈利模式是TO B，TO C的商品例如，你继续可以小创新做个火几天朋友圈的某某社交商品，你继续可以花钱买流量。TO B的商品不同，TO B的商品是越做越火，越做企业价值越高，你会看到蓝色巨人IBM几乎一直TO B,你会发现ERP企业巨头SAP持续TO B数十年。
在5G黄金时代，使用者数下降是必然，规模经济将进入尾声，营运商使用者数的下降就是网络行业逆转的预警，使用者数天花板和增长红利期结束了，接下来将进入残酷的存量经营大战，谁的内容营运能力强、谁的AI控制技术扎实、谁的AI大统计数据人才储备好，谁就将会是网络下半场的赢家。
统计数据屏、AI屏、盈利模式屏，3屏统计数据都才刚刚打开，盈利模式的核心是在一个成长性的行业里，顺风而为！
专栏作家
连诗路，公众号：LineLian。人人都是商品经理专栏作家，《商品进化论：AI+黄金时代商品经理的思维方法》一书作者，前穆萨商品专家，希望与创业者多多交流。
题图来自Unsplash, 基于CC0协议
