—— 根据智篆商业 老草 2026-07-27 培训笔记整理
一、流量分配机制已经彻底变了
如果你做淘宝运营超过3年，今天打开生意参谋看数据时大概率会有一种"看不懂"的感觉：明明花了同样的广告费，为什么爆款不再爆发？为什么免费流量不再像以前那样跟着销量涨？为什么费比越来越压不住？
答案藏在流量分配规则的底层重构里。
过去十年，淘宝的流量分配逻辑经历过三个阶段的演进：
| 阶段 | 时间窗口 | 核心权重 | 运营焦点 |
|---|---|---|---|
| 下架时间权重阶段 | PC时代淘宝 | 销量 + 上下架时间 | 定时上架卡位 |
| 同店打散原则阶段 | 2015-2020移动App时代 | 销量 + 反馈 + 同店打散 | 打爆单一爆款 |
| 人群资产优先展现阶段 | 2021至今 | 人群资产关系权重 + 商品相关度 | 货盘矩阵 + 人群资产运营 |
今天绝大多数店铺面临的"流量困局"，本质上是运营范式还停留在第二阶段（执着于打爆单一爆款），但平台机制已经完全进入第三阶段（人群资产加权）。运营范式与平台机制之间的错配，是很多店铺"越投越亏"的根本原因。
理解这三阶段的演变，是后续所有运营动作的逻辑起点。
二、人群资产关系：2026年最关键的运营概念
2.1 什么是"人群资产关系"
当一个消费者对店铺商品有过浏览、加购、收藏、成交等行为，且与店铺人群标签高度匹配时，平台就判定这个消费者与店铺之间建立了"人群资产关系"。一旦关系建立，平台在搜索、推荐、内容、付费四个场域都会优先展现这家店铺的商品。
这就是所谓"付费建立关系、最终走免费流量回来"的双向通道——也是今天流量分配的核心机制。
2.2 达摩盘：人群资产关系的管理工具
达摩盘的核心入口是"自定义圈人"工具。在达摩盘的设置里有大量不同类型的标签，运营可以从"店铺行为人群"等入口查找。操作方式是把标签拖入计算池，设置条件（例如"过去3天在店铺浏览过1次及以上的用户"），再叠加其他标签（如"万相台无界回头再营销"标签），通过交集、并集、差集的逻辑组合运算，得出特定人群的规模与转化结果。
达摩盘支持的四类认知层级（AIPL）：
- A（认知人群）：仅看过店铺
- I（兴趣人群）：浏览过、加购过、收藏过
- P（购买人群）：成交过
- L（忠诚人群）：复购过、忠诚度高
广告接触消费者后，人群资产关系即建立。在他快要成交时激活关系，优先级显著提高；激活的类目熟客越多，成交概率越高。
2.3 数据洞察案例：付费转化比免费高1.5-5倍
某调性偏非标的店铺，用达摩盘做人群分析时发现：
| 人群分群 | 规模 | 转化率 |
|---|---|---|
| 浏览 + 购买（整体） | 28,000人中 | 4.38% |
| 浏览 + 点过广告 + 购买 | 20,000人中 | 4.6% |
| 浏览 + 未点过广告 + 购买 | 8,000人中 | 3.73% |
结论非常直接：广告带来的人转化率比未点过广告的人高约1.5倍，差距大的能看到2-3倍，极致情况下能差到5倍。
这个数据洞察直接决定了店铺的投放策略：把更多预算压在已经点过广告的人身上，而不是盲目拉新。
再看一个猫粮店铺（猫零食、猫罐头）的数据：
| 人群分群 | 规模 | 转化率 |
|---|---|---|
| 浏览 + 购买（整体） | 218,000人中 | 13.46% |
| 浏览 + 点过广告 + 购买 | 100,000人中 | 14.96% |
| 浏览 + 未点过广告 + 购买 | 100,000人中 | 11.93% |
付费转化比免费高约1.5倍。差距看起来不大的原因是猫粮品类复购率高，老客直接进入未点过广告的池子，把整体拉高了。如果剔除复购部分，差距会更大。
2.4 人群资产关系会随时间衰减
人群资产关系并非永久存在，会随时间衰减。如果今天是1月5号，用户1月1号看过A店铺、1月2号看过B店铺，则B店铺的权重更高，因为时间更近。
实操场景：用户前两天既看过你家也看过他家，但今天早上又点了你的广告，此时你的人群资产时间序被更新为1月2号，成为该用户人群资产中权重最高的店铺，他在搜索时就会优先看到你家的宝贝。这解释了为什么过去"广告找来一个客户就不想再花第二次钱"的直觉需要被改变——今天你需要在他快要成交的临门一脚再次激活关系。
三、同店打散原则取消：单店可占更多坑位
3.1 旧逻辑下的同店打散
早期的搜索权重分配遵循"同店打散"原则：
一个关键词下，同一家店铺的多个商品展现时，权重高的宝贝（爆款）保留前两位，后面的宝贝会被降权。
运营动作因此被锁定在"打爆单一爆款→获得免费流量爆发"的单一路径上。间接成交（A宝贝进店、B宝贝成交）在旧逻辑里并不划算，因为间接成交的归属会被算到B宝贝，而B宝贝在同店打散原则下被降权——等于花钱投A，最后权重却落到被压制的B上。结果就是店铺一堆货只有一两个爆款在卖，其余宝贝全部卖不动。
3.2 新逻辑下的优先展现加权
现在的搜索分配规则发生了变化。同店打散原则被取消，一个行业大词的搜索结果里，同一家店铺可以出现多个商品。
某行业大词的搜索结果前列，"官方起见店"出现了7个宝贝，分别对应6000+、5000+、500、3000、800、300、400件的不同付款人数——销量高低不一，但都能稳定出现在搜索结果前列。
这一现象的原因在于平台加了一个"优先展现"加权：
只要消费者与这家店铺建立了人群资产关系（哪怕只是浏览过、收藏加购过，连P/L都算不上，仅停留在A/I阶段），这家店铺全店所有宝贝都会获得优先展现加权。优先展现加权的权重占比远高于销量权重和反馈权重（举例假设销量权重15%、反馈权重15%，而优先展现加权假设达70%），于是销量低、反馈一般的宝贝也能排到前面。
3.3 优先展现权的双核心权重逻辑
优先展现权的双核心权重是人群资产关系权重与商品相关度权重的乘积关系：
- 人群资产关系权重：
衡量消费者与店铺的历史互动深度（浏览、加购、收藏、成交），权重越高，平台认为该消费者越可能转化。 - 商品相关度权重：
衡量商品与该消费者当下搜索意图的匹配程度。
两个权重相乘决定展现优先级——只有两者都高的组合才能获得最优先的位置。这也是为什么"精准人群 + 精准商品"的组合在所有场域都能拿到最优质的坑位。
3.4 跨场域放大效应
优先展现权的价值并不局限于搜索结果页的单一曝光，而是会被平台放大到搜索、推荐、内容、付费四个场域共同使用。
以激活了1000个人的人群资产为例：
- 若仅有搜索与推荐，曝光场域数为2
- 若同时布局淘金币、百亿补贴、秒杀、淘宝直播等场域，每个场域都能让已建立人群资产关系的用户再次看到店铺商品，曝光场域数可累加至5
1000人乘以5个场域，曝光机会从2000放大到5000。
四、货盘矩阵：从单SKU思维到一盘货核算
4.1 为什么必须干货盘
人群资产与货盘矩阵的关系是相互定义、相互放大的。货盘提供商品矩阵（多SKU + 多标签），人群资产提供消费者关系池（多触点 + 多行为），两者通过心智匹配和转化路径实现耦合。
具体来说，货盘的每一个商品都必须明确它面向的人群心智（年龄段、风格偏好、价格区间、需求场景等），而人群资产池中的每一个消费者都必须被映射到他可能感兴趣的商品集合。运营的核心动作，就是不断优化这个双向映射的精度——货盘标签越精细、人群资产数据越完整，匹配精度越高，成交机会越大。
4.2 引流宝贝与承接商品的心智匹配
引流时所使用的宝贝（图片、关键词、人群定向）决定了激活进来的人群心智——这些消费者被激活时带有什么样的需求认知，与引流宝贝所表达的内容直接相关。
承接商品必须与激活时的人群心智高度匹配。以无痕内衣为例，激活进店的是"无痕"心智的消费者，要的就是舒适、无钢圈、不紧绷。如果店铺里同时卖有钢圈产品，这部分人群在无痕引流宝贝的承接页面上点击与转化都会变差。承接环节要解决的不是商品数量问题，而是"匹配商品"——也就是与激活心智一致的商品矩阵。
4.3 多商品多场域放大成交机会
当一个商品建立好人群心智后，要做的第二件事是把同一个心智下的商品铺开：一部分上淘金币、一部分上秒杀、一部分上淘宝直播，覆盖多个营销场域。覆盖的目的是双重的——消费者在任意场域回店都能触发人群资产时间序的推进；商品矩阵越大，从店外把消费者再次召回的概率越高，最终的成交机会就越高。
从单宝贝核算升级到一盘货核算，是这个模型最关键的变化：
- A宝贝花钱引来流量，最终成交了B宝贝，在传统打爆逻辑下，A的投产会被拉胯、爆款权重丢失，所以必须牺牲B来成全A。
- 今天A花钱买了B、买C、买D，无论当天成交还是五天后成交，只要在统计周期内完成，都算A的投产。每个间接成交都在为转化率做贡献，而转化率越高，费比上升就越慢。
4.4 间接成交的杠杆作用：某内衣品牌43.98%的实证
某品牌店内衣案例：19个宝贝打包核算成一个系列，7月1日—7月23日数据中，总间接成交占比43.98%——即每成交100单里约44单是消费者看了A后，在其他18个宝贝中挑了别款下单。
单看任何一个引流宝贝的费比都可能超标，但只要19个宝贝合在一盘货核算，整体费比（30%目标）不超标，就能继续加钱放量。
这时再看每一个宝贝的间接贡献，会发现它们之间是双向的——A投了B、B也投了A，谁先成交谁有投产，但流量沉淀的资产属于这一盘货。
五、费比管控：34%是上限，不是目标
5.1 健康经营的第一要素
健康经营的企业里，费比是关系生死的第一要素。销售额完成了，但明天公司关门、发不出工资，销售额毫无意义。
过去存在"战略性亏损"的逻辑：拉高费比把宝贝打爆，爆了之后获得免费流量入口，靠免费流量回收利润。如今爆款不再带来爆发式免费流量入口，前期拉高费比的亏损无法被自然流量弥补，所以健康的费比管控比冲规模更重要。
5.2 34%的红线
经营健康线设定在34%。34%一定超过预期目标，但前期要把绝对值拉高、超过这个目标，然后在12月31号结尾时拉回去。
逻辑链条：
- 前期拉高费比
- 中期维持高位
- 后期（10月大数完结后）开始控制
- 全年累计回归目标
之所以能做这件事，是因为现在必须走系列化核算而非拆分核算。
5.3 实时化费比管理
传统模式下，费用超标的发现严重滞后：财务在下个月中旬左右才把账算好，告知上个月超标，此时已经无法补救。
现在要求每天早上9:01分就能看到当月截止昨天的累计费比数据。某店铺案例数据：
| 截止日期 | 累计费比 |
|---|---|
| 7月6号 | 23% |
| 7月15号 | 22% |
| 7月21号 | 21% |
| 7月26号 | 20.87% |
有了每日数据，就算前五天已经超标，还有时间调整后续投放节奏，避免整月失控。
5.4 案例：193万GSV因3月拉高费比至40%而全年亏损
某店铺新品"九十八条"，从一月到十二月截止7月26号，全年目前累计GSV 193万：
| 时间段 | 费比动作 | 累积费比 |
|---|---|---|
| 1-2月 | 几乎没动 | 低于目标 |
| 3月上新 | 拉高到40% | 40%出头 |
| 4-7月 | 持续高位 | 40%多 |
3月份上新拉高了费比，全年累积费比干了40%多，这笔生意肯定是亏的。
教训：
- 过去可以战略性亏损，因为冲完了有爆发新增长
- 现在没有爆发新增长，每一步都应该走在费比容许范围内
- 优先的永远是费比，不是GSV
把赚的钱合理留存、做的是生意不是慈善，每一步运营动作都应走在费比容许范围内。
六、人群四分法与广告投放优先级
6.1 四类人群的圈选与量级分布
以达摩盘实操为例，进入达摩盘后先选定目标人群行为——"过去一个月浏览过本店商品"。将该行为作为基础圈选条件后，再叠加"消费能力L5″、"蓝设计风格"、"高线中产风格"等标签，将商品人群缩窄到符合货盘定位的池子。
以某案例数据为例：浏览过商品的"内部需求人群"约2420万，叠加目标标签（L5消费力、年龄30–49岁、风格标签）后缩小为218万——这就是要渗透的核心目标人群。
6.2 四分法命名及成交概率排序
| 优先级排序 | 命名 | 量级 | 成交概率 |
|---|---|---|---|
| 第一档 | AI人群（到店且已建立人群资产关系的优先展现客户，同时属于类目熟客） | 约0.05–0.1万 | 最大 |
| 第二档 | O人群（右内侧人群） | 约817.7万 | 次高（高6–8倍） |
| 第三档 | AI新客（左侧人群） | 约136.4万 | 中等 |
| 第四档 | O新客（左侧另一种人群） | 与左内侧人群规模相当 | 最低 |
四类人群的优先级次序不同，做付费广告时必须区分优先级。右侧比左边的转化率约高六到八倍，因此O属客的成单概率显著高于左侧纯新客拉新。
6.3 投放优先级的递进逻辑
- 第一优先级打AI人群。
原因有二：一是这些客户已经来过，几乎不会主动点击广告——他在看10个宝贝时，可能有9个来自免费流量，因为他"满眼都是你"。但如果他的AI人群资产时间序列已经降权，过几天其他店铺就会顶上来；几天之后他同样可能把你忘掉。因此对他的关系需要持续用广告更新，时间序列越新、满眼都是你的概率越大，曝光优先权越显著，成交概率越高。
- 第二优先级打已有过曝光行为的客户、O人群里的拉新。
这种人天生转化率高出六到七倍，但右上角不能无限加钱：花一百花两百花三百，"好的吃完了，剩下不是不好"，所以这一档要看投产效率。当右侧越来越差、坐在右边比左边还亏损时，再考虑切到第三优先级。
- 第三优先级打左侧的拉新
左侧的拉新更便宜，但这些人在平台最终购买的概率尚未被验证。要在前面两档概率高的人合适地拉完之后才考虑。普通品类不需要过早做这块，但长转化周期品类（如家具、大家电、美国类产品）因为消费者购物决策时间长，需要从最左侧做新客拉新：因为"看过你但长时间不来看，会把你忘掉"，不能等"他自然从新客变成熟客"。
6.4 收割计划的演变：从收割转为拉新
一般投放的第一档计划为收割计划，代表工具包括关键词出品成交、趋势明星、红包省钱、省心宝等。其核心目标是成交，但消费者的成交过程是：被广告触达→即将成交→更新人群资产时间序列→遇到消费者年龄多数。这套打法看似是"对已发生过浏览行为的客户持续做二次触达"。
但这类人群量级有限（AI人群只有约900量级），花着花着钱就花出去了。当AI人群触达完毕以后，原来的"全能推广"开始从"引导保持前费比12%"逐步加价到25%、36%、48%——意味着48%的流量打在了极少数熟客身上，5%不到，剩下的都是无效支出；如果引导保温前费比升到77%——也就是77%的流量都用来打右内侧的熟客拉新，23%是真正的成交。这种情况下收割计划失效，开始进入右内侧拉新。
七、AI工具升级：从手工标签到数据看板
7.1 AI抓取竞品：所见即所得的分析升级
过去做竞品分析需要人工逐个打开竞品店铺、抄写商品信息、比对卖点；现在通过AI多模态识别，可以一次性抓取成百上千个竞品商品的关键字段（标题、价格、销量、卖点、图片风格），并自动整理成结构化对比表。
| 维度 | 五年前做法 | 今天的做法 |
|---|---|---|
| 抓取商品 | 人工逐一记录 | AI看到屏幕上打开的网页商品 |
| 维度 | 图片、标题、价格、销量 | 全部自动获取 |
| 耗时 | 一个团队三四天 | AI跑半个小时，验收即可 |
7.2 AI打标签替代人工
AI打标签的能力解决了传统运营最耗时的工作——给每个商品贴风格、颜色、面料、适用人群等标签。一个有200个SKU的店铺，传统人工打标签需要1-2周；AI模型批量处理只需1-2小时，准确率达到90%以上（人工复核只需处理少数边界案例）。
更重要的是AI打标签的"一致性"——同一规则下所有商品标签标准化，便于后续跨商品聚合分析。人工打标签的痛点恰恰是"不一致"——不同运营对"复古风格"的定义不同，导致货盘分析失真。
以水星家纺801个宝贝作为样本：
| 色系 | 数量 | 占比 |
|---|---|---|
| 米杏奶油 | 六十几个 | 8.4% |
| 香槟金 | 101个 | — |
| 蓝色 | 114个 | — |
| 其他（花大花/纯色/铜趣等） | — | — |
AI流程：打开天猫页面 → 让AI把所有商品的图片、标题、价格、销量拿下来 → 输出为表格 → AI自动给每个商品打标签（颜色、风格、色系）。
7.3 货盘矩阵的护城河逻辑
某品牌有多少条婚庆相关的商品？85条。
门槛对比：
| 商品数量 | 人群资产性价比 | 后续转化优势 |
|---|---|---|
| 10条 | 不划算 | 把握性弱 |
| 85条 | 划算 | 把握性强 |
85条就是这个数字。如果该品牌只有10条婚庆商品，去打婚庆人群资产就不划算；85条的体量下，把握性会更强。
7.4 AI与RPA的核心分野：模糊度
市面上不少电商RPA工具（如影刀）已经在执行"下载数据报表 → 放入表格 → 上传 → 通知"这一类固定流程，已能解放一部分生产力、降低经营成本。但RPA只能执行没有模糊度的固定SOP任务。
Agent与影刀类工具的核心区别是模糊度。
每天下载报表、放表、上传、通知，这类流程没有模糊度，可以由RPA串起来。但当任务具备模糊度时，例如对产品计划、数据分析、竞品数据抓取进行整合，再落到某个可执行动作，单纯的数据分析如果找不到执行落地点，本身就没有意义。
Agent可以执行带模糊度的任务，并且只要持续供电、有算力，就可以一直在干。
八、成交机会公式的完整拆解
8.1 成交机会的四个变量
早期公式：销售额 = 访客数 × 客单价 × 转化率，把流量爆通、把转化做高即可。今天的逻辑翻转：先有成交机会，再用人群资产去放大。成交机会取决于四个变量：
优先展现权激活数 × 曝光场景数 × 匹配商品数 × 间接转化
每个变量的具体含义：
- 优先展现权激活数：广告接触消费者后激活的优先展现权数量，要在费比容许的范围内吃满推广预算。
- 曝光场景数：激活人群资产后，营销场域（淘金币、百亿补贴、秒杀、淘宝直播挂车等）的布局直接放大曝光机会的乘数。
- 匹配商品数：把货盘做厚，原来1个商品变成一盘货，可以让用户来来回回都回到店铺。
- 间接转化：A看了买B、B看了买C，机会才会更大。
8.2 人群浓度的关键作用
激活人群资产后，需要关注激活人群的内部结构。假设激活1000人：
- 若类目新客800人、类目熟客200人，则转化能力受限
- 若类目新客300人、类目熟客700人，则整体转化能力显著高于前者
因此，激活的类目熟客比例越高，最终成交机会越大。人群浓度是今天新增的核心变量——同等规模的人群资产池，人群浓度越高（精准人群占比越大），产出越高。
8.3 类目新客与类目熟客的转化差异
类目新客指对店铺所在类目（不是具体店铺）有购买记录的消费者，类目熟客指对店铺所在类目有较深购买习惯或品类偏好沉淀的消费者。
- 新客需要被教育、被建立品类认知，转化路径长
- 熟客已经具备品类心智，转化路径短
- 新客的绝对数量大但转化率低，熟客的绝对数量小但转化率高、客单价高、复购率高
两类人群的广告投放策略完全不同——新客需要低成本拉新+心智种草，熟客需要高ROI收割+复购激活。
九、三层心智重构：从单SKU到权重博弈
9.1 第一层：从单SKU思维转向货盘矩阵思维
单SKU思维关注"一个爆款能不能爆"，货盘矩阵思维关注"一盘货能不能覆盖多个人群、多个场域、多个价格带"。
前者是赌博——赌对一个爆款就能吃一年；后者是体系——每个商品承担明确角色（引流/承接/复购/拉新），整体效能远超单品之和。
9.2 第二层：从流量运营转向人群资产运营
流量是冰冷的UV数字，过目即忘；人群资产是有温度的关系池，可以二次激活、多次触达、跨商品复购。
流量运营关注"今天来了多少人"，人群资产运营关注"这些人能不能变成明天的成交"。后者的核心指标不再是UV，而是AI人群、IP人群、O人群、O新客的沉淀规模与浓度。
9.3 第三层：从投放花钱转向权重博弈
今天的付费投放本质上是向平台"购买"人群资产关系，这种关系一旦建立，平台会在搜索、推荐、内容、付费四个场域同步加权，让付费流量撬动免费流量。
理解这套权重博弈机制，运营才能从"砸钱换流量"的低效循环中走出来，进入"一次触达、多次免费展现"的高效循环。
9.4 三套操作习惯的建立
掌握这套范式的关键不在于记住多少概念，而在于建立三套操作习惯：
9.4.1 每天看达摩盘而非只看生意参谋
生意参谋是"结果数据"（今天卖了多少），达摩盘是"过程数据"（人群资产怎么沉淀）。只看生意参谋会陷入"今天卖得好就开心、卖得差就焦虑"的过山车循环；看达摩盘能看清人群资产的趋势——AI人群在增长还是在流失、IP人群的转化路径是否变化。
习惯看过程数据的人，最终会拥有稳定增长的人群池；只看结果数据的人，永远在焦虑明天的销量。
9.4.2 每周做一次货盘矩阵健康度盘点
具体动作是把店铺所有商品按"风格 × 价格段"做成热力图，看是否有结构性缺口。如果发现某个区间（如法式 + 200-400元）商品密度低于5个，应该在下周新品规划中补足；如果某个区间商品密度过高（如韩版 + 100-200元有50个商品），应该考虑精简SKU、聚焦资源。
9.4.3 每月做一次全店费比和毛利结构复盘
把当月的GSV、推广费、毛利做成看板，对比上月、上季度、去年同期。如果费比超过34%上限，要立刻分析是哪个阶段、哪个链接拉高的，并制定下个月的费比拉回计划。
这个习惯能避免"年底算账发现全年白干"的情况——很多店铺的"盈利幻觉"是因为没有月度复盘，亏损是慢慢累积的。
十、核心指标对照
| 心智转换维度 | 旧指标 | 新指标 | 衡量方式 |
|---|---|---|---|
| 单SKU → 货盘矩阵 | 单品GMV | 货盘整体GSV + SKU转化分层 | 货盘热力图分析 |
| 流量 → 人群资产 | UV/PV | AI/IP/欧/O新客资产规模与浓度 | 达摩盘 + 自定义圈人 |
| 投放 → 权重博弈 | ROI/CPC | 优先展现权激活数 + 跨场域加权倍数 | 4场域展现占比 |
| 经验决策 → 数据决策 | 老板直觉 | 看板数据 + AI辅助 | 看板日报 + 周报 |
| 单链接核算 → 全店核算 | 单SKU盈亏 | 全店打包GSV × 综合费率 | 21链接打包模型 |
营销权重重构不是工具升级，而是运营范式的根本转变。掌握这套范式的人，今天的GSV、ROI、人群资产规模都可以再上一个台阶；没有掌握的人，会发现自己越投越亏、人群越投越窄、生意越来越难做。
写在最后
这套范式的核心，是把淘宝运营从"打爆单一爆款"的赌博式逻辑，升级为"用人群资产建立可持续复购关系"的投资式逻辑。
短期看，它要求你重构运营动作——从挑爆款砸预算转向铺货盘养人群，初期可能因为思路切换而感到不适应。
长期看，它会给你带来更稳定的生意底盘——优先展现权一旦建立，免费流量会跨场域持续复利，竞争对手很难撬动你的护城河。
今天开始，看一眼达摩盘的AI人群规模，看一眼全店费比的实时曲线，看一眼货盘矩阵的色系结构——这三件事，是2026年淘宝运营每天必须做的"动作"。