经营迭代4.0，从流量权重到AI意图权重

—— 根据智篆商业蒋太帅 2026-07-26 讲座内容整理

2026 淘天电商的经营逻辑，已经从「拼销量、拼点击率」的流量时代，跃迁到「理解 AI 怎么推荐商品」的 AI 经营时代。这篇讲座笔记系统梳理了流量时代 → 人群时代 → 资产运营时代 → AI 经营时代四阶段的算法演进、权重迁移和商家核心动作变化。

无论你是淘宝/天猫商家、电商运营、还是对零售算法感兴趣的从业者，读完本文你会清晰看到:

• 过去十年，平台在重新定义"什么是好的商品":从爆款效率 → 人货匹配 → 类目渗透 → AI 实时意图匹配;
• 每个时代的商家核心动作如何升级:从养词卡位坑产，到 SAB 产品矩阵，再到知识图谱与 LTV;
• AI 时代最关键的"五维权重":可理解 × 可匹配 × 可转化 × 可信任 × 可持续。

一、流量时代

算法围绕商品效率，权重围绕爆款效率

流量竞争:商品效率排序算法的核心逻辑

平台核心问题

消费者进入淘宝以后，平台应该优先把哪些商品展示出来?

• 商品效率排序算法
• 关键词是否匹配
• 商品是否有销量
• 点击率是否领先
• 转化率是否优秀
• 坑产是否足够高
• 店铺是否稳定
• 商品是否具备持续放量能力

核心权重:量、率、额

• 量:销量和成交量 —— 商品历史表现数据
• 率:点击率、收藏加购率、转化率 —— 单位量的行动效率
• 额:坑产和 GMV —— 同样一个位置，谁能创造更高的成交金额

现行"量与格"模型

平台现在进入"量与格"模式。核心是销量的历史数据表现:看过去 28 天的累计数据，其中 28 天为逻辑期、6 天为影量期，影量数据存在时间租约。流量时代仍为爆款的重要参考，但已不是充分条件 —— 新品成长与爆白还需依托新品标。

新品标中心出现后，产品需先到新品标中心再徐刷改，才能打效果。H45、H44、新品标、新品成长 —— 这些后台节点都服务于"产品需达到一定阶段才能获得对应流量扶持"的逻辑。没达到阶段，平台不会给你开放全功能。

双十一等活动自 2022 年新品标功能上线后开始走下坡路:产品交了活动但没有权重;只有通过新品标识提交活动，权重才能放大。

商家核心动作

• 测款 —— 测试市场反应
• 养词 —— 优化关键词权重
• 卡位 —— 抢占搜索排名
• 坑产 —— 提升单位位置产出
• 爆款递增 —— 销量螺旋上升
• 直通车拉动自然流量

直通车养词:从"扣字"到"创意草稿"的迁移

过去做淘宝，直通车养词的核心是优化关键词选择。例如关键词"经济"只有 8 分时（说明这个词显示率低）,通常先用工具把点击率和转化率刷上去，让质量分从 8 分提到 10 分，这是用付费点击率在养词。

养词最关键的指标不是直通车工具的点击率，而是质量分本身。质量分提升后，关键词的排名自然靠前。以前在直通车里上架新品，质量分很低也能跑成爆款 —— 其实是今天加了词，词已经被这个爆款养好了，已经有十分了。

现在的标题写法直接演化成"创意草稿":把任务写实的标题拿过来改一改，每两三个小时写一次。以前写标题要猜词、做红海蓝海丝巷先动茶分析;现在直接借鉴同行优质写法，不再强调单个词的覆盖率。

标题字数与关键词覆盖:最早的淘宝玩法是希望标题能写满 20 个字，因为 20 字的标题能覆盖更多关键词。但即使覆盖了很多，如果在这个词上没有权重，产品在这个词上也难以获得靠前排名。

养词指培养产品在某个词上的权重，方法有两个:一是在腹背对该词进行点击率和转化率的双养，养成后这个产品本身在这个词上就有很大权重;二是直通车开词时方法相同，词的排名靠前。现在写标题追求字数全覆盖，但标品内"位置 = 转化率"机制下，转化率可直接排前面;非标品需走另一套机制。

爆款逻辑:流量→销量→权重→流量的正向循环

正向循环机制

流量导入 → 销量提升 → 权重强化 → 流量放大
商品数据越好 → 平台愿意给更多流量 → 销量越高排名越靠前 → 继续放大成交。

流量时代的三大瓶颈

• 商品同质化:所有商家围绕同一个爆款逻辑竞争，商品越来越相似，缺乏差异化创新。
• 依赖低价和销量:商家越来越依赖低价策略和剧单冲销量，陷入恶性价格竞争循环。
• 消费者体验下降:消费者看到的商品高度相似，难以找到真正满足需求的差异化产品。

这三大瓶颈推动平台进入第二个阶段 —— 从"哪一款商品全平台最好"转向"哪一款商品最适合当前这个用户"。

阶段核心能力

单品效率能力 —— 集中资源，把一个单品推到足够高的位置。

手淘前五屏流量构成:搜索缺位与千人千面主导

当下消费者手机端前五屏几乎不存在搜索流量，全部由付费流量和千人千面的二次回访流构成。即使将商品打在搜索首位，进入搜索页后，相同人群、相似人群也会作为相似推荐出现在结果中。千人千面的核心逻辑可概括为"两个字的相似":相似的人、相似的品、相似的店、相似的品牌进行示范，从而大幅缩短寻找周期。

搜索的前五屏不是付费就是千人千面的二次展示，第一次搜索流量全部进入推荐场。打开手淘感受到的，正是这种推荐拉新逻辑。目前商家越来越倾向于用推荐拉新，而非关键词拉新，因为关键词的 PPC 极高。关键词的流量 70%-80% 以上都流向首坑位，系统对首坑位的精确计算使得每一人的转化率被预先筛选出来，搜索成了用钱、CPC 成本最高的路径。

当前流量方案普遍偏向推荐拉新:全站做收割、短视频拉新，关键词只能去做收割。但不能不养词 —— 关键词仍有行为可言，现在的关键问题是能否把关键词养到第二坑位。一旦上了第二坑位，养词的方法就不再在主动车里，而在人群推广里的自定义标签、关键词行为人群的"兴趣表现"中。搜索行为不再是主动拉新，更多是防守 —— 在推荐端通过关键词行为蓄水的人进入搜索后，做防守和收割。这是关键词发挥作用的主路径。

销量螺旋、同笔/环笔与"一年半以内"窗口期

过去需要销量包，现在仍要销量包。新品螺旋的逻辑是永恒的:单量、权重、螺旋三要素永远成立。系统螺旋依赖两个核心指标 —— 同笔和环笔（同比/环比）。例如去年 Q4 宝贝一步标准是什么，今年 Q2 必须比 Q1 增长多少，系统会反向要求。但商家除了销量、UV 价值是一步标准之外，其他都不可能同比环比大幅增长，因此销量必须通过逐步爬升螺旋式达成。

过去 1.5 年以内，很多商家纠结是否上全站推，最终大部分仍选择全站推。上车后，搜索人会上升，全家关键词都会做时间调整，整个全站推的权重会让上升转移给全站推本身。当下商家要更看重关键词的实物体面、商品有销量、点击率领先、转化优于、坑产足够高 —— 只要店铺稳定，商品就会持续稳定放量。

"20 次保护"标题与"位置 = 转化率"机制

以前写标题一次保护就够了，现在要一次拿 20 字保护。这是从单次保护到约 20 次保护的转变，是当下标题写法的核心差异。

在标题内部，规则非常明显:存在"位置 = 转化率"机制。例如同一个商品，在搜索结果第 10 位与第 3 位的转化率差距达 3 倍;标题内部还容易出现热门位置。今天很多标题内部会出现排名靠前但不算钱的情况，根源就在于标题内部很容易出现位置 = 转化率的机制。

非标品不存在"位置 = 转化率"的机制，因此很难打出所谓的大爆款。在标品场景下，第一名与第二名之间销量差距可能仅几百单，但标品内部即使差距达几千万，依然能形成转化率碾压、跑出大爆款、利润很高。这就是非标品打不出大爆款的核心原因 —— 非标品"位置 = 转化率"机制缺失。

三大场景竞争烈度与刷量循环

整个演化过程中存在三个关键场景:

1. 第一名场景:所有商家围绕同一爆款激烈竞争，导致商品越来越同质化，价格越打越低，最终被互相打掉。标题为了多一次保护而打爆款，因相似的逻辑战而难以突围。
2. 第二名场景:依赖价格优势，是价格战的主要样本。
3. 标品爆款场景:主要手段一是销量越来越大、击穿价格底线;二是标题刷字手段的升级。

早期标题打法最多的是刷销量:动辄上来先让他起几万销量，再把销量曲线拉上去展示给系统。但这种做法官方早已把销量的相关技术全部封禁，因此后来越来越多商家通过平平跑销量上来，一跑几万。但一旦意识到销量多了、要分标，就会被系统识别并淘汰 —— 这也是刷量猫鼠循环的典型场景。

二、人群时代

算法围绕个性化匹配，权重围绕产品与人群差异

千人千面:从商品排序到人货匹配算法的升级。

核心转变

不是哪一款商品全平台最好，而是哪一款商品最适合当前这个用户。

用户标签体系

• 年龄、性别、地域
• 消费能力、品牌偏好
• 价格偏好、风格偏好
• 浏览行为、收藏加购行为
• 历史购买行为
• 用户近期兴趣

消费决策链路:即时消费、购买历史、消费决策

消费者购买决策链路分为三个环节:

1. 即时消费（视觉触发） —— 消费者看到商品高度相似时，如何快速做出选择;
2. 购买历史 —— 消费者过去如何对待这类商品;
3. 消费决策 —— 最终是否下单。

这个链路解释了为什么要做标品:标品通过微改外观就能拉开差距。咖啡机案例 —— 传统咖啡机的壶流是一个旋钮，外观要么纯金属商用、要么塑料;该品牌做了微改 —— 把壶流干在装上的手柄改成实物手柄，外观依然是奶油弓塑料加金属面板，但颜值一下子拉满。很多女生看到后不买咖啡机，而是把咖啡机作为拍照道具 —— 一台两千多块钱的咖啡机，九个月时间卖爆，全因颜值提升带来的场景适配:居家女主们在拍家居场景时，把它作为百件拍摄道具反复出镜。

所以当一个人的场景过于冷革时，要做的不是别的，而是降低场景的冷革感，去做微改创新。

商品标签体系

• 价格带、风格
• 功能、人群
• 场景、品质等级
• 品牌属性
• 购买频率

商品本身的"表现"包括:价格、风格、功能、人群定位、品质、品牌、共产品率。过去的运营手段是"卡标签" —— 围绕人群标签做投放而非改变商品。但卡标签的局限在于:同样一件衣服在不同人群面前没有差异化。

如果同一件衣服，搜索联群不同 —— 有人要同情、有人要约会、有人要显瘦、有人要度假 —— 图片展示就不一样。度假场景需要沙滩、拥持、别墅、海边;试晚观晚餐需要酒店 —— 同样的衣服在沙滩卖 160,在酒店卖 280,就有溢价能力。产品能变，人群不一样，这就是钱钱。

结果

同一个关键词，不同消费者看到的商品开始不同。平台核心算法从商品排序，变成了人货匹配算法。

典型场景

• 同样搜索"连衣裙",有人要通勤，有人要约会，有人要显瘦，有人要度假;
• 同样搜索"咖啡机",有人是新手，有人是发烧友，有人看价格，有人看颜值，有人看操作方便。

从绝对效率到相对匹配:细分爆款的崛起

权重核心变化:从绝对效率，转向相对匹配效率 —— 全店转化率 3% 不重要，核心人群中转化率 8% 就有价值。

人群时代商家应该问什么?

• 我的商品在什么人群中转化率最高?
• 什么价格用的人最容易购买?
• 什么场景下点击率最高?
• 什么人群退款最低?
• 什么人群复购最好?

标品 / 非标品 / 偏标测款的口诀

类型	选人群	测图	测款	关键指标
标品	是	是	否	点击率（非转化的点击率）
偏标	是	是	是	二者都看
非标	否	是	是	转化率（非转化的转化率）

通用口诀:标品测款做图（标品只测图不测款，产品本身标准化，图片决定点击率）;偏标测款不测款（偏标品要测）;非标不测款（非标不是测款的，是测人群的）。

非标品（如服装）外观不同，吸引的人群就不同。同样一件衣服，用韩系、日系、欧美风、中国风等不同风格拍照，针对的人群也不一样。因此非标第一步不是选图片，而是测款式 —— 通过点击率测试找出潜在人群。

标品的指标提升逻辑是非转化的点击率:点击率直接决定产品排在前面还是后面;非标品的指标提升逻辑是非转化的转化率:转化率直接吃爪花率。

从卡标签到商品本身的重新定义

过去电商运营的核心手段是"卡标签" —— 围绕人群标签、店铺标签、产品标签做投放，通过人群定向、店铺定向、产品定向的精准匹配来获取流量。当竞争维度从人群层转向商品层后，运营重心必须从"改变投法"转向"改变商品本身"。商品本身的表现维度包括价格带、风格、功能、人群定位、品质、品牌、共产品率等多个层面，任何一个维度的调整都可能带来完全不同的转化结果。

更关键的是，过去"卡标签"的逻辑默认商品不变、人群不变、场景不变，三者一致后精准投放。但在当下竞争环境中，商品在整个人群中转化效率最高的组合，才是真正的运营机会 —— 这要求从"人、货、场"的固定组合，转向重新定义"什么人群、在什么场景、提供什么价值"。

赛道选择的三问法则

找到差异化的运营机会，核心在于回答三个问题:什么人群、什么场景、什么价值。当一个产品在某一类人群、某一个价格带、某一个使用场景中具有差异化的竞争优势时，运营动作才有意义。

以服装赛道为例，女装风格店是典型的高风险场景 —— 风格主观性强，消费者看着好看但实际穿上身发现不适合自己，退款率极高。因此女装风格店、退款率敏感型店、人群标签型店在当前规则下风险最大，而趋势型店铺相对可控。

反之,素单（基础款）是服装赛道最大的机会。小学生、职场男性、职场女性对素单有持续高频的复购需求，且不受风格主观性影响，退款率显著低于风格店。定制机器赛道同样如此 —— 与其做虚的设计款，不如把机器产能集中在素单品类上，用"小学生穿什么"、"小女孩穿什么"、"职场素单"这类基础款占据主要市场份额。

细分爆款场景

• 小个子人群、大码人群
• 高端用户、学生群体、职场人群
• 送礼场景、户外场景、母婴场景

经营重点: 找到某一个产品，在一个人群、价格带和使用场景中具有差异化优势。

典型人群案例:耳机卖给"精神小伙"

同一个耳机商家，最初在白人群、西维白人群中卖不动 —— 这些人本本分分。后来他发现，这个赛道在钻打耳机卖补兵的确定条件就是专门离婚人群 —— 他把耳机当作精神消费品重新定位。

改完产品后，搜索流量把人群从普通白领变成了 18-24 岁的精神消费。在耳机赛道又没有其他对手，独一份。这就是所谓的"趋势明星":在赛道内部，这种风格类型的产品没有红海，但内部有人下的人——把产品弄出来以后，搜索就把这群人全部覆盖了。

趋势主题 vs 普通关键词

趋势明星里的趋势主题是一个人群概念，跟普通关键词最大的区别就在于:趋势主题已经把人筛选好了，比选的不是关键词，而是已经被关键词定义的一群人群，所以不需要加类目标签。每一个区域主题本身就是一个人群 —— 趋势明星不属于关键词最大，而属于人群最大。

L1 产品卡 L5 人群的失败教训

福建帮的案例揭示了卡标签的局限:同样一件衣服，50 万件的算法，你办多少?同价不同质的商家拿 L1 的产品去卡 L2、L5 的人群，当年 L5 相当善良 —— 他包了五百块钱买这些衣服，觉得垃圾也得贴钱，不能去过就认了。但他给了十五百五，拿着 L1 的产品去包 L5 的产品 —— 但 L5 人群有上线，被 L5 商家反复骗到最后的粪糊了。所以有大量贴货、投诉、起诉:一个 L1 的产品很快可以改个体价，一个 L5 的产品发 50 他觉得你不尊重。

因此现在的贴货品牌里，最聪明的客群是 L5 —— 因为他有脑子、有钱、有认知。但是 L5 也最难做。这时候最好的人群不是 L5,而是中间档 L2/L3 —— 因为别人骗他们，他们不觉得自己上当，他们是做人错律，比 L5 更容易转化。

细分爆款案例:泳装女风格店的反向定位

某泳装女风格店，内部定下了大钱拉多女孩作为目标人群。买泳装的女孩子里面有钱拉多女孩吗?能找到钱拉多泳装吗?找不到。但商品主席刚好有一家出去了，钱拉多女孩刚好在这边，被录像一个有没有这样的泳装 —— 没有。

这家店外部款式 50% 以上都是市场通过的。但它的色系是前辣风—— 比同款深色为主、像素比较高 —— 在签的签的游泳网里显得格外专业。

风格店的核心不是刷杆，而是明白刷土—— 你想把这个衣服卖给谁，你的整个店铺的场景就得这个人。风哥人群、长警人群、学生全体、孕前人群、宋运职场—— 不同人群的色系、场景、款式差异巨大。

商家重视的工具

• 人群标签、店铺标签、产品标签
• 精准投放、人群溢价
• 达摩盘
• 老客和新客分层
• 不同人群累材，不间人群货品

核心能力升级:单品能力 → 人群经营能力。

三、资产运营时代

算法围绕全域经营，权重围绕类目渗透和资产沉淀

SAB 产品矩阵:从经营商品到经营类目和品牌

经营单位变化:

经营一个商品 → 经营一群人 → 经营一个类目和一个品牌

S:超级核心产品 —— 品牌的规模担当

• 获取大规模流量
• 品牌核心认知来源
• 最高销量贡献
• 带动店铺整体权重

A:腰部增长产品 —— 利润、差异化和细分需求担当

• 承接细分人群和利润
• 满足差异化需求
• 提升整体毛利率
• 扩展用户覆盖面

B:基础/新品/引流产品

完成新品测试、类目补充和需求扩张:

• 完成新品测试
• 补充类目覆盖
• 需求扩张和探索
• 低成本引流入口

SAB 循环机制

S 获取人群 → A 承接需求 → B 拓展场景 → 老客回流复购 → 反哺核心爆款
S 类随生命周期可能变 A 类 → A 类放量可能成新 S 类 → B 类测试通过进入 A 类 → 老产品场景重构重新增长。

从单品爆款到人群资产的业态升级

电商经营经历了三个阶段的业态演进:

1. 单品爆款阶段 —— 打一个品、做爆一个款、追求单品的极致转化;
2. 场景化戏子爆款阶段 —— 通过搭配、场景组合提升转化效率，核心仍是单品逻辑的延伸;
3. 人群资产经营阶段 —— 围绕全域人群展开，经营的是人群本身而非单品的成败。

这一转型的核心是:竞争维度从"消费者买哪个爆款",升级为"让消费者形成自己的品类认知和品牌资产"。当一个用户因为某款爆款（比如一款爆款牛仔裤）进入了店铺的品牌人群资产池，他即便没有立刻下单、没有收藏加购，千人千面机制仍会在后续的手淘首页中对他进行二次推荐 —— 这就是人群资产的"留存价值"。

矩阵式人群流转复用:三步法

人群资产经营的核心打法是"矩阵式流转复用",具体可拆解为三步:

第一步:素单拉新 —— 用基础款素单（通用盘、价格带适中）打爆款，让用户在第一次进店时就能以最低决策成本完成转化。这一步的关键是"价格不能高、一定要厚道",目的是把用户拉进品牌的人群资产池。基础款素单的爆款特征是:有消费能力、有复购意愿、想买就在买（决策路径短）。

第二步:A 牌承接 —— 用 A 牌（搭配款、风格延伸款）做二次复购。这一步的核心是"回报对位很重要" —— 必须清楚知道这个用户是谁、有没有小孩、有什么消费需求。基于这些确认信息，按照人群运营逻辑把产品矩阵化（偏商用风格、偏休息风格、偏时尚风格等）,用 A 牌的逻辑把用户需求延展开，提升转化效率。当用户在手淘首页打开时，店铺展示的是大量不同风格类型的转化入口，排行就会靠前。

第三步:关联品类交叉转化 —— 如果用户没买 A 牌搭配款，店铺还有毛衣、外套等关联品类 —— 用户在做精准搜索时，只要关联品类出现在搜索结果下方，就会被用户看到。这一步的核心是"只要关键词里面有第二个任务的产品",用户搜索时就能看到店铺。

案例:牛仔女 L5 人群的矩阵式打法

以"牛仔女 L5 人群"为例，完整的矩阵式打法是:

• 用一款最爆的牛仔裤 E 款把 L5 人群拉进来;
• 然后用大量的 A 款（高腰、按摩两扣三扣、过腿、破洞、攻击水形、四季穿搭等各种百形）做二次承接，把 95% 的未转化用户带到 A 款页面;
• 再用一人多品的逻辑提升转化。

底层逻辑:E 款解决的问题是"拉新 —— 把客户资产从公域拉进店铺人群资产池",A 款解决的问题是"千人千面二次回报 —— 承接 E 款未转化的 95% 人群"。两层资产叠加后，店铺的人群资产才真正形成规模。

SABC 货盘的分层逻辑与多价格带拓展

SABC 不同货盘的定价与毛利率存在差异。S 盘从来都不是为了追求大爆发式成交，核心任务是内部投产、品牌核心认知建设以及最高销量贡献，并带动店铺整体人群盘活。A、B、C 盘各自承担不同目标:A 盘负责回收投产率，B 盘与 C 盘承担利润目标。整体货盘逻辑的关键在于:与推广人员沟通时，要明确 S 盘可以不亏钱投放，A 盘、B 盘、C 盘的毛利足以覆盖推广成本并实现盈利。

当前大部分商家的典型困境:广告费占比偏高、投产比却上不去，整体毛利被推广侵蚀，导致推广人员抱怨"可以做十年"却持续亏损。货盘分层正是解决这一矛盾的方法 —— S 盘用于品牌认知与人群沉淀，A 盘回收投产，B 盘与 C 盘贡献利润，三者协同完成整个货盘目标的最终实现。

传统运营思路中，一个店铺只做一个风格、只做一个价格带;而资产经营思路下，一个店铺可以同时做多个风格、覆盖多个价格带，从而获得足够的利润空间与持续动销的可能性。

SABC 全链路客户资产流转图

资产运营的本质:不是追求某一个产品永远成功，而是让店铺始终具备持续产生成功产品的能力。

SABC 品类利润对冲与费比设计

全域经营效率算法:流量全渠道利用率

算法关注维度:从单品到全店经营结构

• 店铺覆盖了多少类目需求
• 能否承接用户不同价格带
• 能否服务不同生命周期用户
• 能否从新客转为老客
• 用户是否会跨品类购买
• 一个流量是否能在搜索、推荐、内容、直播、店铺和会员之间被重复利用

权重维度扩展

• 类目渗透率
• 新客获取能力
• 老客复购能力
• 会员沉淀能力
• 店铺连带率
• 跨类目购买率
• 全渠道流量承接效率
• 品牌搜索和回访
• 用户资产规模

流量价值重新定义

一次流量的价值,不再由一次成交决定，而是由全链路价值决定:

用户第一次没有买，但收藏了商品、关注了店铺、加入了会员、浏览了多个类目、进入了直播间 —— 最后在大促完成成交。

超级大店四要素:强核心爆款 + 完整产品矩阵 + 清晰人群资产 + 高全域流量利用率

刷收藏加购的失效逻辑

在千人千面机制下，刷收藏加购不仅无效，反而会推高成本、破坏人群精准度。核心逻辑是:一个陌生用户在你店铺刷了收藏加购后，千人千面机制会把这个行为标签带给他的手淘首页 —— 当他再次打开淘宝时，看到的全是与你店铺不匹配的产品推荐，用户体验崩溃、手淘首页推荐准确度下降。

更严重的"恶性循环"是:如果一个男性用户帮某个女装店刷了收藏加购，千人千面会把女装标签带进他的手淘首页，后续他打开淘宝看到的全是女装推荐，他的购买决策路径被彻底打乱。因此刷收藏加购在 AI 时代完全失效。

核心内部与人群资产的双轮驱动

任何店铺的运营都离不开核心品的爆发，而核心品的核心内部任务始终是:有量爆发、ALIP 人群积累、增长品承接。核心内部的任务是直接细分人群的转化。

人群资产维度上，传统思路是一个店铺只做一个风格、只做一个价格带;资产经营思路是一个店铺可以做多个风格、多个价格带。例如 LV 品牌用户，不可能只穿高腰服饰，必然存在其他需求;但如果店铺只做高腰这一个风格，人群资产虽然打通，当下的转化也不会高 —— 因为 LV 的衍生风格需求在冷静范围内，这样的需求下，扩展需要通过其他风格承接。所以 A 盘的属性是地域差异化、地域差异化和细分的需求。

反趋同差异化策略

A 盘的核心作用是反趋同差异化 —— 在同质化严重的赛道中，A 盘的转化率可以达到 20% 多。当 S 盘的核心人群与 A 盘之间没有人群流动时，推广成本会被无限推高:用户的动态消费对 S 盘直接没有关系，动态消费人群与 S 盘完全隔选。一个店铺要承接所有需求，就必须做 A 盘来承接延伸需求;如果不做 A 盘，成本只会越来越高。

老客利用率与品类拓展

新品上架时，系统会自动将商品推给老客。但当前很多店铺的老客利用率其实都很低。AI 时代对老客的要求更加严格 —— 除非有一些内部故意操作，否则大部分商家需要做品类拓展去激活老客。

矩阵式老客运营案例 —— 一二符号的案例中，核心品是核桃油、面条、饼干，这些产品单独做某一品类都很难爆量。但通过将其从一两品扩展到原材料、再到所有关联任务全部覆盖，店铺实现了人群资产的最大化 —— 买过面条的会带动面粉、面粉反哺核桃油、核桃油反过来又会带动面条和面粉，后端老客的利用率高达 80%。

该店铺后续又推出了婴儿泡芙 —— 婴儿不喜欢吃泡芙但加了一些喜欢的浅加气、糖等元素，一个宝宝泡芙上线后，老客就直接带动了一袋面粉的复购，从丢石类拓展到婴幼儿辅食，再往演习延伸。

类似案例 —— 阿迪达斯下最好的品牌是FILA（斐乐）而非阿迪。FILA 不仅是儿童第一运动品牌，儿童长大后其大孩子也会继续穿 FILA —— 这就是新课过去的利益:人群的延续带来跨年龄段复购。

老客复购的资产逻辑

老客怎样才能复购?核心是类目够宽、体验够好。只有体验足够好才会有复购，不可能几次莫名复购;体验够多就会一直在店铺复购，形成会员沉淀、跨品类连带、全渠道流量沉淀、品牌搜索与回访、会员资产生规模。

资产时代的流量逻辑与流量时代完全不同:流量时代是有量就继续爬、继续有爆发、结果有量;资产时代是必须有自己流量的承接能力（持续承接流量的能力）、有自己的资产才会有流量。流量是否能被复用，就是看这个流量能否在搜索推荐与私域池、会员之间被重复利用。

当下平台考核的核心指标是"一人多品硬全渠道能力":已经会有一个流量，这个人能在多个品类购买，能在多个渠道继续取换。单爆款单曲道的店铺只有一个结果 —— 高费力，不会有好结果(*注:"高费力" ASR 不可靠，推测为"高成本"* )。

超级大店货盘分工与全域循环

4 个核心爆款负责引流、2 至 5 个完整产品承担全域循环、S 人群自然不需要全域循环。核心爆款的任务是高引流、高清晰的人群发现;完整产品的任务是做全域的循环 —— 搜索最直接的客户、直播进步会员全域循环;S 人群则不需要全域循环。这样配合的结果是全域资产循环得以实现。

自己开店的流量价值会重新定义:一次流量的价值不再由一次成交决定，而是由全链路价值决定。用户第一次没有下单，但搜索关注了、留了个收藏、进了直播间，最后再完成大额成交，这叫全链路价值。

四、AI 经营时代

算法围绕实时意图，权重围绕知识、匹配与 LTV

从静态标签到实时意图:AI 理解用户的革命性变化

真正变化:开始进入平台理解用户、理解商品、匹配供需和组织交易的底层过程。

静态标签的天然问题

人的需求不是固定的:

• 平时买数码产品，今天可能在给孩子买生日礼物
• 平时价格敏感，今天可能在给重要客户选高端礼品
• 长期购买女装，今天可能在为父母挑选保健用品

实时意图矩阵

• 用户要解决什么问题
• 为谁购买
• 在什么场景下使用
• 有什么预算限制
• 有什么功能偏好
• 有什么时间限制
• 有什么品牌偏好
• 有什么隐性顾虑
• 对品质、服务和价格如何权衡

搜索方式演变

过去:"空气炸锅"

现在:"家里两个人用。厨房很小，不想太难清洗，预算 500 元以内，主要做早餐和鸡翅"

算法升级:意图、商品、场景和解决方案之间的匹配 —— 不是简单寻找标题关键词，而是理解一整套任务。

产品知识库:商品竞争从排名到 AI 候选集

平台需要理解的商品维度

• 商品是什么
• 适合谁
• 解决什么问题
• 适合什么场景
• 有哪些优点和限制
• 和同类商品相比有什么差异
• 评价中有哪些高频共识
• 用户为什么应该选它
• 什么情况下不适合选它

知识权重维度

• 商品知识库是否完整
• 属性是否准确
• 场景是否清晰
• 参数是否结构化
• 卖点是否有证据

• 评价是否能形成稳定共识
• 图片、标题、详情、客服和评价是否一致

竞争逻辑变化

过去商家争搜索排名，现在还要争夺 AI 候选集:

用户向 AI 提出需求时，系统从海量商品中筛选候选 → 商品是否进入候选集，取决于平台是否理解你 → 进入候选集后能否排前，取决于与当前用户意图的匹配程度。

需求图谱:从人群包到类目需求网络

一个用户在一个类目中的需求，不是单点，而是一张网络。

以护肤为例的需求图谱:

年龄、肤质、季节、地域、使用时间、成分偏好、功效诉求、预算、品牌认知、敏感风险、当前皮肤状态、搭配使用产品

平台需要把这些需求节点连接起来，再去匹配商品。

第二层权重:实时意图匹配

• 过去讲人包，未来讲需求图谱。
• 当商品知识库和实时意图矩阵连接后，不是"这个人是否喜欢这个商品",而是"这个商品是否适合解决这个人当前的具体问题"。

AI 时代选品逻辑与"四层云核心"

时代	核心任务
流量时代	流量规模化
人群时代	精细化人群划分
资产时代	人群资产沉淀与运营
AI 时代	从需求识别到商品匹配

淘宝的四个核心算法可归结为四层:

1. 流量层 —— 流量规模化
2. 人群层 —— 人群精准，不跑偏
3. 资产层 —— 持续复盘人群资产
4. AI 层 —— 识别并匹配用户当前需求

AI 时代选品逻辑的变化路径

哪个产品好卖 → 哪个产品适合这个人 → 哪个品牌有持续经营和复购能力
→ 用户当前任务里,哪个商品方案更可创造长期价值

商家要学会的三句话:

• 从商品选中走向人群力选中（从选品走向人群力选中,*注:转录中"体力选中"为 ASR 音近误听*)
• 从人群力选中走向资产选中（从人群力走向资产选中）
• 从资产选中走向知识图谱与 LTV

AI 推荐的核心逻辑机制

以前运营需要把一个商品"推动"（靠曝光与点击）;AI 时代来的是把一个商品"识别",AI 通过推理能力，需要的数据量不到流量时代的 30% 就能完成推理。

AI 推荐的逻辑是用户向 AI 提出需求，系统从海量商品中筛选——平台考核的是 AI 对商品的理解力和选择度。商家要做的不是被 AI 拉黑，而是让 AI 能准确识别你。

讲不清楚"我是谁"、"我做什么"、"我解决什么问题",AI 就会失联。所以商家要学会主动讲清楚这三件事，让 AI 在海量商品中能快速识别并推荐你。

把产品变成知识，把流量变成资产

核心心法四句话:

• 把产品变成知识
• 把人变成意图
• 把流量变成资产
• 把成交变成长期价值

商品变成知识物的能力，讲得简单，长担也论。商家需要从产品发布逻辑走向练习时代（实战落地）,把过去商品变成标准化六要素表达法。

长期是练习必须要，多一次吧（多练一次）。FQ（复购率）不要搞花招，把人也变成知识（把人变成可被 AI 理解的知识结构）。什么叫知识?一看就懂，想明白，长清楚了。

五、AI 时代的权重体系

可理解、可匹配、可转化、可信任、可持续

01 可理解

平台是否能够完整理解商品 —— AI 时代最基础的权重。

• 商品类目是否正确
• 属性是否完整
• 场景是否明确
• 图文视频是否一致
• SKU 是否清晰
• 卖点是否有证据

商品信息结构化的三大要求

标题、参数、卖点需清晰准确不造假，参数必须标准化避免自造新概念让 AI 无法识别。比如"低频 270 毫升"是标准参数,"加量不加价"是消费者一眼能看出的物理价值差异。如果参数自造概念，AI 无法匹配用户搜索词，商品就不会被推荐。

卖点必须有证据支撑

卖点必须有数字说明、专业证书、检测报告等证据支撑，否则 AI 不敢推荐。比如"两斤九个月的回忆"这种文案，需要配合两斤多的价格锚定 —— 消费者看完知道这不是便宜货，是有场景价值的产品。

商品知识库与 AI 识别机制

AI 通过推理能力完成识别，需要的数据量不到流量时代的 30%。流量时代要写分析报告，AI 时代在推理能力上要做的是识别。

AI 推理示例:家里有两个人、住房很小、不太想太难清醒、500 元主要做早餐和鸡翅(*注:转录中"清醒"为"清洗"的 ASR 误听* —— "不太想太难清洗")—— 这些信息 AI 都能推理出来。AI 把用户过去十年的网购记录全部拉出来，机械搜索时代推的是基于销量与价格，而 AI 推的是基于意图与 LTV（长期价值）。

传统搜索时代，消费者打开淘宝搜索空气炸锅，场景相对固定;AI 时代消费者也打开淘宝搜索空气炸锅，但算法的工作方式完全不同 —— AI 不是按销量与价格排序，而是基于用户真实意图推荐。比如一个男性用户想买空气炸锅，AI 会推荐偏男性色、贵一点点的款式，符合其使用场景。

商家场景化图片的 AI 识别原理

AI 通过商家上传的图片自动识别商品对应人群，无需商家手动打标签。

• 典型居家场景:铺在地上、妈妈带小朋友、爸爸坐在地上、很多保鲜餐厨、历史在那边吃—— AI 自动判定这是母婴人群;
• 典型职场/户外场景:办公店、上班族、公司场景、边上还放了一个工位

—— AI 自动判定这是职场经营户外人群。

这两个链接不用商家推、也不用打标签洗标签，商品本身就决定了它的标签，AI 会自动把这个品推给同样是母婴人群的一个人群、或是职场经营户外人群的另一个人群。

结论:AI 时代商家的核心是好好做场景经营，让 AI 认识到你做的是什么样的人，AI 不接受打标签洗标签。

AI 时代的商品基础工作（知识结构化）

AI 时代的基本功第一个是知识结构化回顾 —— 每一条链接先把它基本的商品知识库完整，这是给 AI 看的，AI 取而先知道这个产品是什么、容许什么，才知道把你的商品推给谁。

SEO 标题的命名逻辑就是因为有 AI 想知道这到底是什么东西，所以从这个角度来讲，主图与标题的写法是越清晰越好、越直白越好，AI 就越认识越浅气。

很多商家的 SEO 标题是错误的:比如标题写"三百块钱是传组图图",但实际 AI 看的是"三千块钱是传"—— 这种标题在 AI 眼里就是垃圾。AI 不看这些表面数字与字面，它要看实质意图、知识与品牌。

商品链接形态:单品 vs 套餐

商品链接有两种形态:单品和套餐。记录全店信息的只有单品。套餐、搭配等信息说明，是给 AI 看的，不是给人看的。

如果要把床、床头柜、床垫组合在一起售卖，不能选单品，要选套餐 —— 套餐不计单品权重。当 AI 算法全面迭代后，所谓的"销售"看的是单品，其他都叫信息发布。过去商家做的都是信息发布，不像以前那样靠 SKU 组套，AI 不会去查看那些组套。

标题是给 AI 看的，让 AI 去理解商品，而非给人看。

三个核心要求:观感、准确、不造假

1. 商品链接本身要有观感 —— 视觉表现要清晰、专业;
2. 数据要准确,不造假、不骗人;

接下来重点讲参数。参数必须标准化，不能自己造新概念让 AI 无法识别。比如颜色就是颜色，对应标准颜色代码，AI 通过标准化映射去理解，它理解的是标准化的字段映射。不要去自创一些新的概念或型号名称自己起名字，参数就是参数，按标准写。

AI 时代下商品表达的实例（护肤一人群细分）

"徐熙媛"相关产品的案例 —— 商家把徐熙媛做成网隔，18 岁的女孩子，原料逻辑下标记写的是水、霜、乳、液等成分。但在 AI 时代，这些都是错误信息。18 岁的女孩子只需要补水、防晒就行，不管她收清华、乳液、面霜、洁索都可以，她要的就是精华。以前做不到精细化推送，现在 AI 可以。

再比如 —— 过去 25-35 岁的女性一个人去商场逛街买衣服，后面被互联网取代。过去讲的人去包（搜索）,现在讲的是"需求触发",在一天搜索的瞬间，有需求的人才会被触达。当商品知识库和需求触发匹配之后，判断标准不再是"这个人是否喜欢这个商品",而是"这个商品是否解决这个人当前的决策性问题"。

案例 —— 昨天刚刚买了沙滩风格的衣服，说明今天我要去干嘛，我就住下了。所以今天我打开淘宝去搜索相关产品时，AI 立即识别我当下的核心需求是什么。这就是实时需求（精准需求）。

02 可匹配

商品是否适合当前用户的实时意图。

• 是否适合当前场景
• 是否满足当前预算
• 是否符合当前功能需求
• 是否匹配当前决策阶段
• 是否解决当前问题

静态标签到意图理解的转变

AI 时代的逻辑与过去完全不同:过去是按价格和敏感度卡死;而 AI 时代是从实时意图出发，临时 L1 也可以是 L5 的，按用户真实需求灵活匹配。

AI 怎么算你在礼物场景的偏好?它把你过去十年的购物记录、办公室、工作、生活加购记录全部拉出来 —— 长期购买女生的今天可能再为父母挑选保健品。AI 的实时意图实际上是过一遍的，它根据用户过往经历去推断，根据用户要解决的问题、为谁购买、什么场所、什么预算、什么时间状态进行推荐。

AI 时代需要的基本盘面不是基础数据状况，而是意图实质过一遍。所以商家当下最大的挑战不是主动出多少钱，而是图片的场景如何提取。目前这一套算法已经落地了，跟资产时代的算法是一品一，再双个云起来。算法升级从意图商品长期和解决方案出发，直接基于品牌而非基于简单的关键词寻找与理解。

03 可转化

商品被荐后，用户是否愿意继续行动。

• 点击、深度浏览
• 咨询、收藏、加购
• 购买、连带购买
• 平台会判断成交质量
• 不只是看点击和成交

流量时代权重核心:量率额
人群时代权重核心:匹配效率
AI 时代权重核心:可理解 × 可匹配 × 可转化 × 可信任 × 可可持续

AI 工作的五个步骤

AI 实施（识别）的整个运作分为五个步骤:

1. 可理解 —— 很多商家的产品是 AI 不可理解的，商家自己都不知道自己是什么。
2. 可准备（即知识图谱） —— 可理解、可准备需要商家去抓取知识图谱，目前这套 AI 算法已经落地 50%,有些类目两套逻辑在跑，一套还是以前的页面逻辑，一套就是 AI 逻辑。
3. 可转化 —— 不要以为 AI 来以后不需要转化，产品端适合用户、品牌契合度高，AI 一样把你排序靠后。AI 只是在流量、人群、资产的基础上增加了一个 AI 的优先识别。
4. 可识别 —— 品牌识别。
5. 可信性 —— 据上下文指"可信任"的近义表达。

当下淘宝在做人家事情，在流量、人群、资产的基础上加了一个 AI 图像识别。品跟这个人之间的 AI 图像识别和品牌契合度高，排序就靠前。

转化最终还是三个人/三层(流量转化、品牌可识别、AI 知识结构化)。

04 可信任

商品承诺是否真实，服务是否稳定 —— 评价是 AI 理解产品的训练语料。

• 描述是否准确
• 退款率是否合理
• 差评是否集中
• 发货是否及时、售后是否稳定
• 客服是否专业、商品是否有真实口碑

评价要形成稳定共识

评价要形成稳定共识,而不是泛泛好评。好评如潮不等于共识，需要的是大量正面评价围绕少数核心概念。比如大家都喜欢这款衣服，是因为它好看，是某一种款式和设计风格。卖点表述要具体，比如"设计师免单"要写清楚是什么设计师、免什么、免多久。

品价管理与复购权重

品价管理很重要。中差评调出的设置:举个例子，一件衣服十个差评九个调色，人群评价算法就会强烈负面,*AI 必须对"调色 / 掉色"问题很严肃对待*。

发货及时、复购率，这两个权重会特别强化。复购的意思不是找刷单，哪怕找 20 个人去刷，都不如一个人在你家一个月买几次、而且评价不停的好评。这就是 AI 时代的真实复购权重。

05 可持续(LTV)

用户生命周期价值 —— 从重视一次成交到重视长关系。

• 用户是否复购、是否持续回店
• 是否跨类目购买
• 是否加入会员、是否对品牌形成认知
• 是否愿意推荐
• 是否降低未来获客成本

品牌长期价值 = 用户获取能力 × 需求匹配能力 × 成交质量 × 复购频率 × 用户生命周期 – 退款、投诉和流失成本

AI 时代最终的品牌权重:品牌能否长期、稳定、低风险地满足消费者需求。

总结

四时代对比：算法、权重、目标与能力演进

四层合一:流量层 × 人群层 × 资产层 × AI 层

核心答案:过去的所有权重都没有消失，而是被放进了更大的模型里,一层一层叠加。

第一层:流量效率层

解决商品能不能被点击、被转化。销量 = 市场验证,点击率 + 停留 + 转化 + 退款一起评价。

第二层:人群匹配层

解决商品适合谁，在什么场景下卖得最好。转化率分人群、分场景、分入口判断。

第三层:资产运营层

解决用户、产品和渠道能不能形成长期循环。产品矩阵围绕用户需求图谱建设，会员价值通过 LTV 体现。

第四层:AI 知识和意图层

解决平台能不能准确理解商品，并在用户产生需求时优先推荐。人群标签 + 实时意图结合。

层层叠加，而非层层替代

• 销量仍然重要，但销量代表的是市场验证，不是永久流量资格
• 点击率仍然重要，但点击率要和停留、转化、退款一起评价
• 转化率仍然重要，但转化率要分人群、分场景、分入口判断
• 人群标签仍然重要，但人群标签要和实时意图结合
• 产品矩阵仍然重要，但矩阵要围绕用户需求图谱建设
• 会员资产仍然重要，但会员价值最终要通过 LTV 体现

附录：四时代全景对照

时代	算法关注	权重关注	商家核心动作	经营单位	价值核心
流量时代	商品效率	爆款效率	测款/养词/卡位/坑产/爆款递增	单品	量率额
人群时代	个性化匹配	人货匹配	人群标签/精准投放/达摩盘	一群人	匹配效率
资产运营时代	全域经营	类目渗透 + 资产沉淀	SAB 矩阵 / 全域循环	类目 + 品牌	LTV
AI 经营时代	实时意图	知识 + 匹配 + LTV	知识库 / 场景化 / 意图图谱	知识 + 意图	可理解×可匹配×可转化×可信任×可持续