RFM 模型使用场景分析：RFM模型的三个基本假设：R：用户离得越久就越有流失风险F：用户频次越高越忠诚M：用户买的越多越有价值但是这三个假设的衡量标准是不固定的，是会随着业务有较大波动的；R：用户离得越久就越有流失风险如果是服装这种季节性消费，用户间隔2-3个月是很正常；如果是手机、平板这种新品驱动产品，间隔时间基本跟着产品更新周期走；如果是家居、住房、汽车这种大件耐用品，R就没啥意义，用户一辈子就买2次；如果是预付费，后刷卡的模式，R就不存在了，需要用核销数据代替。F：用户频次越高越忠诚如果用户消费是事件驱动的，比如赛事、节假日、生日、周末；如果用户消费是活动驱动的，比如啥时候有优惠啥时候买；如果用户消费是固定模式的，比如买药的用量就是30天。M: 用户买的越多越有价值如果用户是图便宜，趁有折扣的时候囤货呢？如果用户买了一堆，已经吃腻了、用够了呢？如果用户买的是耐用品，买完这一单就等十几二十年呢？如果用户消费本身有生命周期，比如母婴，游戏，已经到了生命周期末尾呢？

对于私域流量而言，它本身上不是一个商品展列的一个货架，它比拼的不是商品展示的效率，它比拼的是商品打动用户的效率，它可以做到在你的社交社交场景下面找到商品打动你的点，并结合，那么在这种情况下，用户在商品详情页的流量会大于它的商品列表页的流量但是这种情况有一个弊端，就是当你一个平台，想要去进行大促的时候，用户很难去进行商品之间的组合跟选择，因为从你的商品想体验到列表页过程中，列表页的展示效率是拖后腿的

零售企业数字化转型之数据中台：比如说数据产品经理在数字化转型过程中，他可以一起来推动业务方来进行数字中台的搭建。在传统的零售企业中，他们的数据是分散的，数据生产员是不统一的，对于数据的意识是不同步的。不同的部门对于数据的诉求是不一样的，它本身并没有动力去推动这个事情的一体化。数据产品参与到数字分析中，它更多地是运用他对于数据指标的熟悉以及数据分析方法，找出数据的异常点。至于给出具体的业务建议，往往是需要业务的具体人员一起来协同给出。输出埋点方案，其实也并不是数据产品经理应该干的事情，在做这件事情的前提下，是数据产品经理有一套完整的买点管理体系，跟管理平台，那在这种情况下，数据产品经理需要去定义买点的一个格式跟交接流程

中台产品之后是啥？再往前一步，大胆猜想一下。在中台产品之后，还有一种数字化转型的产品，也就是为传统企业的转型提供全流程的服务。在B端上，全流程的服务比较好理解一点，因为B端，它可以直接采用全流程的SAAS去进行客户的管理，或者说客户的拓展，它本质上是一个B端销售的生意。但如果服务的一家新零售企业，他作为一个低端的产业，那么，更多的是通过数字化转型来促进它本身组织的转变。因为在它本身的组织下面，如果这个数字化转型部门完全由内部来推动的话，他会受限于内部的很多阻力，它本身的是能力不足够。所以数字化转型产品更像是一个组织中台，它将数字化转型下，企业需要的职能重新组织。

功能产品经理跟中台产品经理：功能型产品经理是在满足用户需求，为用户创造价值的情况下去，寻得商业价值的闭环中台产品经理在一开始的时候是出于减少企业内部的开发成本，将多样性多定义的模块或者指标统一化，而长远来看才是中台能力的提升，通过辅助业务产品的发展来触达用户。所以中台产品，它本身是不依赖于具体某一个业务的，她所做的事在多个业务的协同下去提升内部的模块使用效率或者从中台能力的角度为业务赋能。

论产品同其他职能岗位的合作：产品，它作为一个贯穿生产链条的一个岗位，它本身就会跟很多的职能打交道，因此职能之间话语权的强弱，就是一个非常有意思的现象；比方说如果设计中心是在产品中心里面，是由产品的老大来带的，那么你可能就没有办法基于设计本身的一个思路去做事情，要为产品让步。换一个情况，如果产品的团队是在一个研发的老板带领下，那么产品本身你可能就是出于为研发产出需求，文档为研发来做项目管理为研发来做具体的一个落地执行；所以你有没有话语权，取决于老板间的关系，而老板间的话语权关系，实际上是取决于你目前产品是由什么驱动；创业初期，那如果是产品驱动的，那一切为产品让步。成熟期的产品，大家需要产品、研发、设计多轮多轮驱动的情况下，那么其他职位的话语权会逐渐的补充。

论产品跟业务方的关系：电商产品或者中后台产品有时候是有一个业务方的，它可能来自于内部，也可以来自于外部；产品跟业务方正常该是怎么样的关系呢？产品，它本身应该要服务好业务方，但它不应该脱离它本身的发展路径，它的发展路径不应该是围绕单一业务方来的；如果是围绕单业务方来的，那么产品它就不再是一个独立的地位。产品本身就没有了自己的一个发展路径，缺少能力进化的路线图；单一的业务方在产品看来只是客户的其中一个，我们是一种合作关系，是一种供应关系，而不是我必须对你委曲求全。

根据对前对传统行业（非互联网）行业数据的使用理解，总结一下问题：1、  高估数据的作用：认为数据可以解决任何问题，算法模型训练，分销利润制定，甚至积分与货币的兑换比例。只要是跟数字相关的，就跟数据相关。2、  低估数据的成本：预算招一到两个数据分析师/数据产品经理，目标做的非常的宏大，上来就要搞一个数字中台。甚至认为使用了神策等外部数据可视化平台就可以解决数据驱动问题。4、  无视数据的价值：老板关注什么，执行层才会干什么，如果老板懂得指标的拆解，并且对于指标的反应都能提出解决方案，那么从上到下就会形成用数据说话的氛围，也可以用数据来区分不同团队的职能跟OKR。

为什么会有数据产品：1、  得到资本方的认可，领导层会雄心勃勃，启用数据方面的战略。2、  公司自身，也会碰到非常多管理的问题，就会希望结束粗放式的增长和运营方式，转向更精细化、更专业、更有效率、更能控制成本的增长。3、  各部门都按自己的需求提取数据，会出现口径不统一的情况，比如一个部门和另一个部门的同一指标，出现不同解读。4、  各部门自己提的数据需求，基本上总是会有漏的环节。

电商常用指标与可视化平台-使用场景1. 概览：迅速了解店铺、平台今日整体状况，决定是否需要进一步进行分析。典型场景，如何让卖家在十分钟之内掌握店铺整体情况，判断是否需要进一步介入，运营人员在上班前观察昨日大盘数据，看是否有异常。数据的展示方式主要是以可视化的图表。极少使用图表。2. 趋势与明细：支持对商品、流量、店铺三个主体的趋势跟细节分析，需要确定具体指标，不过重点还是对指标的下钻。典型场景1，本日用户新增从趋势看低于预期，排除掉周期性的数据影响之后，确认有问题，需要分渠道查看用户新增。此种情况在渠道有限或者支持渠道筛选的情况下可以通过图表展示。3. 实时大屏：实时的数据大屏主要应用在大促等场景，针对流量高峰，提前准备好应对措施，根据大屏实时调整。

公司关注成本之后，会限制创新，关注成本意味着公司没有找到新的增长点，没有识别增长点跟培育增长点的能力。公司从关注增长转化成控制成本之后，公司内部的创新就会越来越难，单一小组，单一组织就很难扭转这种情况，且会因为控制成本而遏制创新；

现在像零售商跟品牌商都在做自己的私域流量，依靠现在的企业微信+小程序+公众号。但个人感觉品牌商，或者新兴的品牌商（完美日记、花西子）要比零售商（屈臣氏）做这件事来的更加顺利。像屈臣氏这样的零售商要如何转型？在私域流量要讲品牌故事吸引消费者下单，但平台最大的故事不就是中间商赚差价。

社区团购的爆发原因：两年前社区团购也火过，大战一场后纷纷消失。 因为，那时候多数社区的订单密度不够，运费远 远降不到1元。但今天，拼团习惯普及和疫情压 力一起助力，跨过了订单密度门槛，成就了一个 十年两三遇的新产业机会。

社区电商所需要的平台能力：3.1 团长运营将社区团购的增长跟拉新外包给外部的，本地化的团长， 团长收取取决于佣金。负责解决推广销售，配送自提，客服售后等服务3.2 物流支持平台自配，自建物流仓储和冷链物流，通过数据管控优化配送物流路径、或第三方配送、平台将商品汇总与产品基地联系，一件代发。3.3 产品围绕小区场景展开，价格低廉，品类围绕生活，平台从生鲜品类入手，可往自营商品等生活用品转型。3.4 技术支持围绕小程序提供商品管理，商品营销工具。