流量红利期已过，增长成为难题。

因为没有增长，增长迫在眉睫！据中国移动互联网QuestMobile报道，BAT用户超过10亿，用户和持续时间板块停滞不前，短视频成为最大赢家。国内移动互联网在社交网络、视频、电子商务、金融管理、旅游等领域的行业用户规模已超过5亿。然而，整体用户和持续时间也达到了顶峰。自2019年以来，活跃用户只增加了200万，人均每日持续时间只增加了18分钟 。总的来说，BAT三系用户已经超过10亿，BATT(头条)四系占用全网用户时间的70%，股票竞争成为新常态；用户端和下沉市场成为唯一的高增长突破；应用端和短视频的持续时间增长了60%以上，成为唯一的赢家。那么如何成长呢？大数据AI在增长中能起到什么作用？这篇文章一个接一个地讲。1.节日数不胜数。不要重建节日。让我们先数一下全年产品运营投入巨资广告的节日。如下图所示：用户也很累。阿里巴巴过不了这么多节日，还有别的吗？创造节日增长似乎有点不好，所以不建议重建节日。2.裂变5环内人的需求贵内挑性价比，5环外人的需求便宜内挑质量。裂变特别适合贪小便宜的用户群。换句话说，拼多多依靠裂变，因为他找到了合适的人群，找到了四五线城市和城镇，所以裂变应该分为用户群。用户群是指在购买保时捷的群体中分享蒂芙尼的爱情故事，在购买日夜的群体中分享日夜的品质。在裂变过程中，产品操作不妨了解5环内外用户的思维：5环内的需求是在好的内部找到成本效益，5环外的需求是在便宜的内部找到好的质量。想想看，拼多多给你发了一个活动，说要把这个链接转给100个人，让大家帮你讨价还价，可以得到一个50元的产品，你会在五环内做什么？明显不会。因为你的人脉比50元值钱，你转发的时间比50元值钱。所以裂变其实在你这样的人群中是行不通的，但如果他是五环外的人，那就成了。做好用户肖像和用户分层工作，更重要的是如何深入挖掘这类用户的需求，增加5环中头腰客户的使用深度。例如，你需要的是高质量、无时间的产品和服务，所以你应该给你一个每日新鲜版本的京东plus，但也是一个会员系统，因为贪婪的小而便宜的人可以使用裂变。3.找出爆款做内容和渠道的爆款营销，只有爆款才能拉新。比如今年夏天微博推出的19元三盒小龙虾，比如每日优鲜等零售平台，拉新效果更好。4.用爆款代替红包可以用红包，但是红包不是抓手，至少在一线不是。以作者自己为例，不会因为给你一个5元的红包就去买东西，显然不会。因此，如果目前app的主要客户群在一二线城市，应该多追求:当用户有这个需求的时候，第一时间想到我就是爆款。5.对于细分领域的电子商务（您可以参考新美达到综合三板斧），首先介绍新美达到综合三板斧，即：一是店铺定位清晰；第二，吸引人的产品和第三个评估闭环。无论哪种电子商务包括平台级电子商务、垂直细分领域电子商务、新零售电子商务、社交电子商务还是短视频电子商务，都应进行用户评估。除非一线城市的酒店已经是连锁店(即共识)，否则酒店必须明确自己的菜系，否则很难活下去。所以在一线城市，店铺要清晰，产品要有吸引力，评价要闭环。比如你开一家叫白桦林的店，信不信由你，转化肯定会很差，因为用户不知道你是做川菜还是当地菜。因此，电子商务在细分领域必须学习三板斧。综上所述，以上五个步骤强调用清晰的用户肖像推荐准确的商品，帮助用户快速决策和下订单，从而提高客户单价的股票增长。热门产品的吸引力与用户肖像相结合，吸引新用户实现增量增长。在案例分析中，让我们举一个每天优先考虑新零售的产品的例子：例如，下沉市场、社交电子商务、新零售和大数据授权零售不仅仅是需要的，而且是流行的。其次，电子商务几乎收集了人工智能大数据的所有元素，包括云计算、算法模型等需要使用的数据收集、数据处理、数据可视化应用等。让我们先看看商品详细信息页面的图片：在阅读了以上两张原始图片后，我相信从用户的心理判断，用户很难有购物的欲望，从用户的心理推理，我们经常可以看到烘焙蛋糕图片在朋友圈中修改以上两张图片。用户心智推广修改步骤：以名义驱动调味品，加强圈1中的杨枝甘露，用杨枝甘露推荐消费者购买葡萄柚，即让顾客用杨枝甘露订购葡萄柚；圈2的推荐内容太粗糙，仅限于用户犹豫购买哪种葡萄柚，但推荐不仅是为了这个功能，这里推荐的真正目的是提高客户单价；圈3的内容从用户心理分析，建议直接删除。使用数字智能来促进修改步骤：现在无论是下沉市场，无论是股票用户还是增量用户都必须注意科学，即通过数字和智能手段实现快速可持续的增长。继续以上示例为例：第一步，收集用户肖像生成数据集，找到正确的“人”，如葡萄柚的性别、年龄、消费水平、职业等；找到正确的“人”、兴趣标签、购物、教育、音视频、游戏、金融管理等；找到正确的“人”、定制标签、定制标签A、定制标签B等；找到正确的“场景”、行为标签、近期活跃应用，最近去过的场景；找到正确的“场景”、场景标签、机场、商业区、电影院、景点、自定义场景等。第二步：数据处理选择合适的宽表，选择合适的数据库第三步。算法模型从业务功能的角度使用聚类找到对类似商品有共同偏好的类似用户；用相关规则算法挖掘推荐商品，用智能大数据算法计算上图圈2推荐的内容。第二步：数据处理选择合适的宽表，选择合适的数据库第三步。算法模型从业务功能的角度使用聚类来找到对类似商品有共同偏好的类似用户；用相关的规则算法挖掘推荐的商品，用智能大数据算法计算上图圈2推荐的内容。第四步：使用不同的数据集来测试算法模型的准确性；收集数据反馈，改进算法模型。当用户记不住重建的节日，当红包裂变浪费人力和金钱，吸引新的效率低下时，我们的产品运营技术是否应该更加*流行模式、产品用户群体的心理定位，并利用大数据用户肖像等技术构建更详细、更实用的运营？