数字化时代，时不时会蹦出一些新名词，这是每个探索数字化的小伙伴最头痛的事
（也是苏嘉Tech公众号接到最多的“投诉”——名词术语太多，需要Google理解一下）
比如，什么是客户体验管理(Customer Experience Management)？
图片来源：Wiki百科
我们在本文中介绍过用户价值模型，还有用户价值指标体系，用户行为数据指标，三者是综合认知用户的方法论+数据采集标准，目的是了解用户是什么样的群体，存在什么需求，从用户的角度如何看我们；
我们在广告流量货币化中，或者说此前的不同的文章多次提及到一个观点的谈论：营销能力自带时代属性
传统数字广告时代：用户追踪能力差，数字媒体广告充当广域广告角色，提高广播能力，盈利能力未革新
程序化广告时代：用户追踪能力高，效果性广告提供ROAS计算模型， 高效提升广告主盈利&广告决策能力
隐私广告时代：用户追踪能力更高，但用户隐私意识觉醒，从消费者数据营销时代过渡消费者数据体验时代
什么是消费者数据体验时代？
提出的ROX(Return on Experience)衡量公式的黄峰老师，在他的著作《全面体验管理》中是这样解读客户体验如何影响增长的：
更高额购买：溢价方面，低价竞争升级为体验增值；
更深度认同：在转化上，心智占领升级为心智认同；
更多自然传播：在获客/信息传播上，品牌应从买流量转为聚合传播，注重自然流量的累积，同时依靠心智认同人群的自发分享，用优秀体验为品牌带来增量；
更长期关系：在复购上，品牌应从单向营销转为关系共建。
消费者数据体验时代，通过散布在不同体验触点的零散数据实现结构化分析，对用户体验定量，继而商业优化：
预期体验
超预期体验
体验迁移成本
产品价值
网站正常下单
合理价格产品
送货上门
售后
网站/邮件推送个性化服务体验
产品使用体验
物流信息推送体验/外包装体验
产品使用说明体验
离开产品同时离开个性化服务
产品传播
个性化广告
社群传播/K因子传播
离开产品同时离开产品/服务关系链
用户关系
单次购买
持续复购习惯
离开产品需要重新搜索、筛选、分类新的产品
从用户体验的角度，用户价值则是用户主观判断能否帮助自己解决特定问题：
用户体验的主体是用户，只有用户说有价值，才是真的有价值，用户说差，不管运用多强大的理论都没意义
用户价值是在用户体验时产生的，用户需求必然被真实场景约束，因此没有使用产品却声称的价值，没有意义
用户体验是主观感受，哪怕我们的产品/服务实现用户问题的解决方案，但用户自己认为并没有解决，或者解决得不好，同样会降低用户对产品价值的判断。
狭义上的用户体验，是网页设计/互动，产品设计/使用，用户交互
但实际上的用户体验，是我们整体和用户交互的过程是否足够丝滑
用户的广告/社媒/内容/站点/邮件/PWA等虚拟触点交互，延伸整个产品/服务过程中的所有用户真实物流感知，从广告文案是否引起用户不适，到背后的订单分配系统是否能合理地满足用户的需求，都属于用户体验
????品牌需要克制
因此用户价值创造，除了需要关注影响用户本身需求的因素，重点还在于我们如何实现：
当从我们本身视角关注用户价值时，需要专注自己产品/服务的场景和领域
头部卖家可能会覆盖到方方面面，大多数独立站卖家团队需要的是，选择自己关注的目标用户的需求或者价值，而不是替用户完全实现全链路的价值。
用一句白话说，就是“不是用户需要什么（什么好卖），我们就都要满足他们（就卖什么）”。
这跟在讨论用户需求时提到的“我们不需要考虑所有用户的需求”是一个道理。
在品牌星球讨论会过程中，有个句给我印象非常深刻：品牌需要克制
以程序化广告为例子，重复多次的广告信息固然可以加深消费者的记忆，但不是同样的广告重复得越多越好；
当网站上有其他竞争对手的产品同时存在时，重复同样的广告是有效的；
但重复推送广告次数太多，用户会失去新鲜感，从而成为衰退用户；
此外，如果网站的内容与广告中的产品一致性太低，转场丝滑度太低，必然导致用户流失。
????DIKW模型用户价值创造
人与人知识水平在拉大，思考/整理方法也是知识，很多人只学了收集，但不学习逻辑，归纳，总结，判断
结合一下ChatGPT热度， 说下SUGA苏嘉对于“思考”的思考：
有一个研究人工智能的朋友在自媒体里面写了，这次ChatGPT实现了一个非常厉害的闭环：、
优化生成模型 -> 采样用户Prompt -> 人工标注答案排序 -> 训练更契合当前用户群体的RM -> RM优化生成模型
意味着ChatGPT的学习速度和训练速度是已经足够能力自我提升迭代
——我们不觉得这是一件恐怖的事情，人工智能会不会毁灭人类，很难说
——但人工智能必然比人类会积累数据
所以真的可能发生的事情，是人与人的知识“贫富差”会越来越大
DIKW（data 数据 info信息 know知识 wisdom智慧）金字塔模型本来形容的就是，大量的数据经过梳理之后形成信息，并从中总结出逻辑完成知识积累，最后蜕变成为预测性的智慧
引用知乎看到的举例：
https://zhuanlan.zhihu.com/p/140338649
Data：我手头有鸡蛋、西红柿；
Information：我找到一个菜谱，可以用手头有的东西做一盘番茄炒蛋；
Knowledge：我不断实践，做出来自己满意的番茄炒蛋；
Wisdom：我专门写了一本书讲番茄炒蛋的历史、不同国家的做法、营养价值、适合搭配的主食等。
图片来源：DIKW模型图
从马太效应来说，强者越强，所以会发现数据信息甚至知识的存储和搜索越来越方便的时候，智慧反而会越来越成为“富人”的专利——懂得使用思考工具的人或者形成了自己的逻辑闭环的原因，他们的思考速度会如ChatGPT一样会越来越快
信息差是现代化商业提及频率非常高的黑话（术语），侧面反映的问题是大部分商业团队学习停留在信息层积累
但随着科技手段的越来越进步，信息收集能力差距在拉平，意味着在未来能自我归纳总结并且推导的团队才是赢家
很多时候，一个智库最关键的东西不是如何去累积数据/信息/知识体量，而是有没有从 Data » Wisdom 的能力（ChatGPT目前看起来非常优秀，原因在于已经完成了良好的学习闭环，学习能力可以飞轮增速）
大部分人或者团队没有整理，归纳和推导的习惯，对团队积累还是很漠然的，或者说更多集中于战术实践拓展
图片来源：Jaron截图
有朋友也好奇过为何SUGA苏嘉为什么要去做公众号和飞书留言板？为什么要去写独立站MarTech知识的文章？
以及运营一个独立站内容的知识星球，本质上这是SUGA苏嘉本身的Data→Info→Know→Wisdom的进化步骤
ETL/ELT手册
用户手册
工具手册
用户需求收集
用户体验管理
data 数据
⬇统一数据指标
⬇数据埋点采集
⬆️个性化触达
????自动化数据采集&用户触达
info信息
⬇用户（身份/行为/信用）数据集
⬇用户归因
⬆️用户分层
????数据打通/流程挖掘
know知识
⬇用户价值模型
????用户旅程设计/分析
????RPA部署
wisdom智慧
????预测用户需求
????智能AI能力
团队技能能力
数据处理能力
用户增长(运营)能力
工具（自动化）能力
SUGA苏嘉在????数字化独立站如何选择SaaS工具提及到在订阅电商中应用的数字化管理手段总结的三大手册，其实也是我们在DIKW模型下，如何总结(订阅)电商过程中创造用户价值的思考过程：
如同知乎Up主的例子：
Data：通过买量/自然流量/用户自发分享，不同触点获取用户，同时获得用户的初始数据——身份/行为/信用
用户增长团队在数据团队统一的数据指标中，选取用户数据并设计埋点方案，工具团队配置自动化采集
图片来源：Jaron/Yoki绘图
Information：根据数据归类，对用户个体图计算(Graph Computing)，形成基于知识图谱的用户画像；
工具团队在全团队整体工作流程，实现应用工具之间数据打通，并以此为基础，进行流程挖掘(PM，Process Mining)
流程挖掘（PM，Process Mining）则是基于客观数据的自下而上的流程优化技术，核心在于业务系统中真实流程的挖掘和可视化呈现
因此流程挖掘作用于全团队整体工作，呈现不同视角下的流程路径，直观地展示瓶颈和异常点，提供分析改进的有力依据
此处，我们说的流程挖掘是应用于客户数据分析以及敏捷响应用户需求
图片来源：RPA流程挖掘图
数据团队/用户团队需要对用户数据ETL(抽取 extract 、转换 transform 、加载 load )，将不同触点收集的数据归纳并整理为统一格式，并以此为基础上对用户归因/分层
用户归因（术语是，单一客户视图 Single Customer View ，SCV）：收集有关潜在客户和已转化客户的所有数据，并将其合并到单个记录中
用户分层：Marketing is not for everyone，尤其不同触点习惯的用户——有些喜欢邮件交互，有些更习惯简单沟通，因此针对不同习惯，用户采购层级等不同方面对用户分层，并设置对应方案
图片来源：Jaron/Yoki绘图
图片来源：Jaron/Yoki截图
Knowledge：我们在数字孪生品牌：数字孪生.png探讨过涌现现象
https://wiki.swarma.org/index.php/%E6%B6%8C%E7%8E%B0
图片来源：集智百科
用户价值模型也好，客户旅程分析也好，本质是发掘出单一用户群体化的涌现特征，将用户群体行为量化
用户价值模型——从全团队角度审计业务模式，根据客户生命周期价值决策推广/运营/内容/数据支出
用户旅程分析——从用户角度出发，反思和用户交互过程是否需要优化，提供更优质的互动
图片来源：B2B Inter
Wisdom：有些时候，用户也未必能说清楚他们本身的真实需求（包括我们都一样），好比说iPhone民主化，最后给到用户手上必然是各种功能大杂烩，不伦不类的怪物
图片来源：OH Shanghai
所以用户预测本质，是让用户生活更高效、更有趣
乔布斯和苹果团队预知到并实现的是
去掉繁杂的键盘
提供方便操作的触屏
塞进电脑级别的计算能力
提供多任务处理的系统
相关文章
