酷开网络大屏指数研究院赵磊：增长无处不在，OTT 领航家庭经济数字化转型

来源：GrowingIO 2020 增长大会（上海）

作者：赵磊，酷开网络大屏指数研究院院长

大家好，我是酷开网络大屏指数研究院的赵磊。

今天和大家分享的主题是，“增长无处不在，OTT 如何领航家庭 经济 数字化转型”。今天分享的本质，就是在产业当中落地一个切实可行的增长框架，把我们怎么做增长的历程和一些经验给大家做一下分享。

1.关于酷开网络

首先，给大家简单介绍一下酷开网络。酷开网络做的是电视机里面的操作系统，涉及影视、广告、 游戏 、应用分发等增值业务。

2009 年我们做了第一台 互联网 电视。2013 年发布了酷开品牌电视，发布售卖的时候创造了一个吉尼斯世界纪录。2017 年爱奇艺 投资 酷开，提供更好的运营服务，也实现了团队的更新、所有年龄层的覆盖。2018年百度投资酷开，为酷开提供内容资源及技术支持。

现在，酷开网络已经成为了粤港澳大湾区的独角兽企业，估值超过百亿。随着大屏时代到来与客厅经济的回归，酷开网络率先发布系统 8 无界空间，借助物联网实现空间赋能，为用户打造智能化、规范化的电视场景。

很多人说自己不怎么看电视了，但是我最近看电视还是比较频繁的，因为电视已经不再是以前单向信息传递的工具了。现在电视可以和用户互动，推荐的内容都是和我平时的爱好相关。还有物联网设备，通过电视都可以控制。随着技术的发展，在家庭中会逐渐形成一个规范化场景，我开会用电视、玩游戏用电视、投屏用电视，交互场景越来越多。

2.酷开网络的增长框架

未来，由于有了智能物联网的设备，电视的使用会越来越频繁， 科技 给家庭生活带来了一些不一样的东西。看到了这个前提，所以 OTT 行业的增长有无限可能。

2.1 OTT 行业面临的挑战

但是，酷开网络在探索行业增长道路时，遇到了两大尖锐问题。和我们相同的产业化公司，同样会遇到类似问题。

第一个问题，当前粗旷的运营方法，难以满足用户的个性化需求。用户希望是千屏千面，每个人给他的东西独一无二的。

第二个问题，没有更好的理解用户的方法，业务的增长遇到瓶颈。今天我打开淘宝，我刷着刷着会发现我愿意看了；今天打开抖音觉得这个内容挺喜欢，也愿意看下去：这本身就是用户理解能力，背后通过大数据技术、通过机器学习理解用户。

但是落地到产业当中，如果我的企业不是 创业 公司、不是从 0 开始，而且我们有自己的业务系统，也做了一些业务数字化，那如何把增长思维加上，这是一个很关键的问题。我们也可以明天就落地增长，但是这些增长经验赋能到我们的产业当中去，也是个问题。

我们认为，OTT 行业中智能化理解用户与增长引领相辅相成，所以我们选择了一个相对复杂的框架，同时开启数据智能化与增长驱动，利用数据赋能增长。

2.2 酷开网络的增长思维和框架

进一步思考，你会发现背后本质的问题，增长存在两种思维，一种是流量思维，一种是超级用户思维。

流量思维，即把用户当作流量，这是传统模式。在流量思维指导下，企业通常一手抓渠道，一手控制价格。超级用户思维，该思维模式认为用户全生命周期价值远大于单次获客。

在超级用户思维的指导下，业务人员会针对用户不同的生命周期，建设差异化流量、提升用户使用率，以维持用户完整的生命周期。这样的增长是健康的、可持续的。

当我们理解了这个后，也提了一个把目标和方法融合在一起的指导思想：

一切增长都需要落地到产业中！

这是非常关键的。落地到产业中的增长方法很多，很多时候会停留在理论上；大家觉得很好，但是没法落地。具体该怎么做呢，给大家分享一下我们酷开网络的方法。

我们建设了一个“增长+AI ”双驱动的闭环框架。上层是基于增长，建设了一套科学的、数字化的、以“可视化”驱动的闭环流程，指导我们用试验驱动业务增长。下层是把过程中学习到的经验通过模型、通过智能化的方式沉淀下来，形成一个闭环反过来指导业务。闭环一旦建立起来，增长就沉淀在我们产业当中，就形成了一条可行的路径。

3.增长驱动的解决方案：明道、趋势、优术、践行

当然，要想实现数字化驱动增长，还需一套完成的解决方案。酷开网络规划解决方案时，发现四大关键因素，我们将之称为“四个力”：

1、洞察力：面向家庭用户的洞察能力。

2、渗透力：酷开网络的品牌与内容，甚至是用户深度。

3、价格力：在市场上以最优的价格打动用户。

4、沉淀力：沉淀用户之后挖掘全生命周期价值。

现在市面上有很多关于增长的书籍，它们有的把增长框架分为不同阶段。实际上我认为，企业做增长只需找到适合自己的阶段足以，能够抽象出两三个环节最好。

增长的本质，在于理清如何挖掘流量价值；如何提升线上线下转化；如何沉淀数据。在酷开网络驱动增长的解决方案中，我们将其概括为明道、取势、优术、践行四大阶段。

2.1 明道：家庭用户洞察与精细化场景流程

第一点，明道，洞察家庭用户以及每一个精细化的场景。

电视前的用户应以家庭为单位衡量，而不仅仅是电视机、或是单独的个体。因此我们围绕家庭场景建设了 12 大类、96 小类的标签体系，涵盖使用场景、电视使用情况、互动方式、兴趣偏好、组成结构、文化观多样维度。

只有通过全量精细化标签并实时计算更新，才能完整地描述用户画像、洞察用户痛点、发挥用户数据价值。进行用户标签的最终目的，是发现我们的用户是谁。

在围绕用户进行产品设计和功能迭代时，我们很容易犯下一些错误。比如把我们自己需要的功能或把竞争推手推出的功能当成用户需求的功能。实际上，这些都不对。我们必须关注我们的的用户是谁，用户背后的受众是谁。只有正确认识用户，洞察用户需求，才能有效制定增长策略。

有了这些能力后，我们就可以洞察用户的这些领域，具体包括：

1、用户：谁是我们的超级用户？哪些是潜在的超级用户？

2、市场：用户购买的aha时刻是什么？购买时间分布如何？

3、消费动机：市场趋势如何？对于目前产品和服务，是否会有新的市场？

4、消费路径：用户购买路径如何？如何从付费率、ARPU 值、留存角度优化消费路径？

以上四个方向都可以通过挖掘数据获得洞察。但在增长实操中，并不需要把所有的方向找出来。我始终认为，做增长应该要明白聚焦的概念，找到突破点才是关键。

2.2 取势：指标管理体系建设，挖掘精细化流量价值

第二点，取势；这个很关键，叫做指标体系建设，来挖掘精细化流量的价值。

我们内部建立了一个金字塔，从最底层的 MVP 到快速成长，到业务稳定，到增长驱动，最后到最顶层的价值。

每一层都有指标要求，我们内部称为 2583 法则：

2就是指标定义的两大原则，

5就是五个分层，

8就是八种指标定义的方式，

3就是指标拆解的三种方式，OSM+UJM+场景化。

举个例子，上图就是我们常用的指标体系分层设计思路，OSM+UJM。首先找到你的目标（Object），然后找到你的策略（Strategy），最后确定你的度量（Measurement），刻画出你用户的全生命周期。

结合分层，就可以得到这个的数据指标体系，从一级指标往下拆解二级指标、三级指标甚至四级指标。在这个分层指标体系中，需要有数量上的要求。有人说我的一级指标有二三十个，这个没有任何意义，指标越多不一定是好的事情。

指标体系最大的价值，就是有一套科学的方法，能够让我们进行正向和逆向的回溯，减少无效指标的干扰。下面我结合酷开网络的案例给大家讲解一下。

最开始我们通过一些用户行为，建设指标的过程当中，你就和策略相关，你会关注一些关键行为，最后成为了北极星指标。而北极星指标可以逆向回推。

我讲的这个案例，在座的大部分人肯定想自己都能做，相信这个事情很简单。但是，难的地方在哪里？你的公司、你的团队能否始终如一的去做这些事情？我们内部的指标是强管理的，所以我们团队在内部做这些事情的时候觉得还是困难的。如果你的团队把指标管理的非常好，我相信搭建指标体系对你来说就不是什么问题。

2.3 优术：分析引擎体系建设，提升转化率

第三，优术，指的是分析引擎的建设。

最开始建设分析引擎的时候，我们考虑过两种方法：第一种，直接在业务中沉淀分析引擎；第二种，先规划好分析引擎再去做。以前我们认为，分析引擎体系可以在实践中不断迭代；但是在具体实践中，得到的结果改变了我们原先的认知。建设分析引擎，应该是先规划，再去实践。因为一旦规划和引入策略框架后，我们的业务也会随之调整。

因此在这里建议大家，建设分析引擎时一定要先基于模型、分析引擎的概念进行宏观设计，再进一步指导微观业务。

目前酷开网络建立了用户模型、营收模型、行为模型和产品模型等等，这些体系为我们后期分析提供非常大的帮助。而且你有了模型，未来的增长试验要沉淀什么、要分成几个步骤，都有据可循。

这是我们的分析引擎，总体而言，酷开网络的分析引擎经历了六大阶段。从一开始的纯报表分析、精细化分析、数据模型分析，再到增长策略分析、多因子增长策略分析，再到第六代的趋势分析与预测。

我非常赞同 GrowingIO CEO Simon （张溪梦）的举例，数据分析其实就是解魔方的过程。一开始就是一阶魔方，就是一个骰子；二阶魔方，一面有4个块；三阶魔方，一面有9个块。我们不停增加维度去把它拆解下来。我们基于人的主观判断，一般人就玩到三阶魔方，厉害的人可以到四阶魔方。再往下更高阶的就很难了，所以说未来一定是基于模型的方式来驱动整个分析体系的建议，因为它的整个决策都是非常可观的。

进一步，我们将智能推荐与增长框架相融合，一方面通过引擎快速找到用户，另一方面基于增长框架进行推荐效果与参数的调优，为用户提供智能化推荐服务，最终形成增长闭环。

举个例子，过去我们在做交叉推荐模型的时候，往往在模型处理与策略调优这一环节停下。但实际上，我们是可以往下做的，即借助模型实现自动化策略的下发与沉淀。在这里我也建议智能化做得不错的企业，可以把后面的环节衔接起来，这样能产生更好的效果。

同时，我们可以拆解一整套分析模型，单独赋能独立业务。我们拆了付费潜力、产品包、价格敏感、营收四个模型，进行产品价格投放的全自动化运营。经过酷开网络实测，机器能够产生比人更好的效果。

有了分析引擎，我会把它和我们的智能化衔接，比如以前我们的智能推荐。现在和我们的增长框架先融合， 一方面通过我们的“先知引擎”快速找到我们的用户并进行推荐。那么推荐的效果、推荐的参数怎么调整，那就基于我们整个增长框架不断调优，这就形成了一个闭环。

给大家举一个我们做的交叉推荐模型的案例。我们从用户的行为特征，包括用户特征、影片特征、上下文特征等出发，抽象模型进行推荐。以前我们做到中间这部分就停止了，但是现在我们继续往下走，增加了下面策略下发和沉淀的环节。 如果智能化做的还不错的朋友，可以尝试把后面的部分接起来，效果还挺好的。

而且这个过程中还有很多单独的分析模型可以拆解出来，赋能独立的业务。我们拆了4个模型，从产品包、价格敏感度等等，拆出来它就可以实现产品投放的全自动化运营。而且我们实际测试了，机器的效果会比人好很多。

2.4 践行：关注用户全生命周期，用增长实验实现流量再生

第四，践行，如何切实执行我们的增长试验，让流量再生。

我把增长实践分为两大部分。一部分是我们通过什么工具进行增长实验；另一部分是如何进行组织体系建设。相比之下，我认为建设企业组织体系更为重要。只有建设与数字化增长范式相匹配的组织架构，才能保障增长这件事顺利落地，并持续为业务赋能。

当组织体系足够敏捷时，便形成了企业级敏捷，就像上面这张图各个小团队融合在了一起。团队间的弹性、适应性以边界也会变得更强，小步快跑的增长实验也拥有了更多的空间。

弹性组织为企业未来一切的发展方向提供可能，这也是增长的价值。这是我认为最重要的部分，建设一个企业级的明捷的组织体系来保障增长的落地。

4、案例：洞察流量——大转盘用户旅程

有了前面这些方法，我们在做一些活动的时候会怎么去分析和优化呢？

我们在电视机上有一些 新媒体 营销 活动，比如右边这个大转盘抽奖活动。这个大转盘活动参与的人数还是很多的，我们也是真金白银往外给用户送奖品，用户还挺喜欢这个活动形式。

我们罗列出整个用户旅程的全部路径和步骤，在上图左边，然后拆解所有的指标进行分析。然后进行测试，并且和历史数据进行对比。

分析上面两个漏斗，你会直观发现这次活动的数据是下滑的。但是下滑的原因是什么，我们一开始不知道。这个页面已经改了N个版本，这次也不知道引入的是哪个版本。

我们做的第一个用户行为分析，研究用户在页面上的点击分布，如上图。我们发现登陆按钮点击较高，通过同期活动点击热力图对比来看，这次大盘登录按钮有 15% 的点击率。很有可能是用户进来之后还得登录，登录失败了很多人就流失了，这是极有可能的。

以前我们分析到这一步就结束了，但是现在不是这样的。第二步，我们会结合用户的行为去判断有点击用户和无点击用户是否有特征差异。

通过这个图，我们基于用户活动参与的心理时间成本，得到一些洞察：

抓住用户进入活动后的 20 秒黄金时间点，增长一个有效的互动交互环节能有效地提升用户活动参与度

在 40 秒内能够让用户有效地开启活动环节

在 2 分钟内，能让用户完成一次活动或游戏的互动。

这也是一个很重要的模型参数，我们称之为魔法数字，是用户参与活动的心理时间成本。把这个参数抽象出来，未来是可以复用的。

第三，基于全量精细化的人群，我们可以洞察所有对我们感兴趣人群具备什么样的特征。他们的时间段特征、家庭画像特征、行为特征，而这些将来会是你参与活动之后所能沉淀下来的经验；基于这些沉淀的经验，指导你二次改进产品和运营。

这三点汇总起来，就形成了我们的改进方案：我们先找到用户群体；然后了解到用户的需求；最后，设计一个从宏观角度基于数据决策来讲非常科学有效的一种活动方式。一个是优化登录流程，另一个是优化活动节奏的流程，减少多余环节。

整个优化后的效果非常好，大幅度促进了流量的转化和复购，促进了业务增长。上图中的箭头，就是我们发现问题后赶紧修复的时间点；修复优化后，整体量就上来了。

因为这只是一次简单的小活动，峰值会逐渐下去；如果我们同时开展很多长期性的活动，你会发现未来的波峰会持续保存。如果你加了自动化推荐的能力，由机器去推荐给合适的用户，那未来它效果的持续性一定是远高于人工运营的效果。

5、增长心得

最后和大家分享一下我们做数据驱动和增长的心得。

第一点，流量。通过今天的拆解，我们其实更懂得流量思维和超级用户思维的差异，更注重超级用户的运营，让用户能更长久地留在我这里。

第二点，转化。转化一定是有一套科学体系的，而且当转化复杂的时候拍脑袋决策会形成彼此之间的干扰，所以我们要分层分析转化。在不同的节点做转化分析，研究这些节点之间是否有关联，并通过指标来验证。

第三点，数据沉淀。我非常赞同 Simon 说的，每个企业都要有自己的数据银行。数据银行的最终价值不是说你把你之前的数据存下来，那个没有太大作用；而在于你存了一份活的数据，这个数据能够协助你沉淀经验，指导下一次的投放、运营和产品设计。

最后和大家分享一下我的几点大方向上的心得。

首先，我觉得增长真的是一种思维方式，他给我们一些传统的思维方式带来一个新的改变，而它也确实要结合我们每个产业每个产品自身的特点要做落地。

其次，流量精细化、策划驱动转化，数据沉淀是发挥增长长效机制的基础。

最后，数据模型化、智能化是未来增长的核心驱动力。现在大数据技术包括 AI 技术其实是已经进入了应用阶段，而我们的起点如果从模型化和智能化来做的话，我觉得现在是一个非常棒的点，这些也是未来驱动增长的一个核心竞争力。

以上就是我分享的全部内容，谢谢大家。