编辑导语：字节跳动的产品也是有属于它本身的哲学，你是否想要了解一下呢？本篇文章中，作者介绍了大标签和小标签，从中去了解层级思维和光谱思维，以此来了解互联网怎么挖掘用户需求，一起来看看吧！

一、从大标签变成小标签

在好多时候我们去形容一个人的时候，都会去找几个标签贴在对方身上，比如在深圳有10套房，在华为工作。用一个几个词或者特征概括一个人是有钱人还是穷人。这种用大标签思路来割裂一群人，和今天聊内容还不一样。

主要弄懂大标签和小标签，大致上你就知道那些互联网怎么挖掘用户需求。

传统的用户分层方式，把一整个市场划成一个个层级，商家会对不同层级的市场产生不同的产品。按常理说也是行得通方法。但是在实际运用中也会遇到不尽人意的地方。

我们稍微细心想一个事，即使在和邻居在同一个区里面，彼此之间差别还是很大的，对面的邻居会喜欢在拼多多购物，你对此可能是毫无兴趣。

1. 用中美超市来做案例说明

在中国永辉有1000家门店，营收有878亿。美国的costco500家门店，有1527销售额。但是你要是去逛美国的超市就知道，美国是用刚才说的按照层级来划分市场。

可是这种方法用在中国的超市万万行不通。

美国是可以用房产来进行用户细分，在中国是做不到，美国的学校是靠房产税来运营，所以造成了每个区域的房价有很大差异，房价高的地方学校自然比较好。

也就是说美国的超市，可以通过学区和房价来筛选出客户。在中国过去10年里投资最好的资产就是房产，导致高房价不能够代表高消费群体。

还有就是国内的房税收只收一次，而且比例很低，买房完全可以借用杠杆。因此造成在同一个小区，收入水平不会是在一个水平线上。最后造成单一的生鲜店铺不能够满足同一个小区的生活需求。

对于零售来说，你如果不能做到用户细分，就不能提供较大差异性的商品，比如costco就能做到只卖大件商品和收会员费赚钱，当然和国情也有很多的关系。

国内的超市们既然不能差异化，就是只能短兵相见，两个不同超市的商品同质化很严重。这个就导致超市只能靠地产化来赚钱，比如收租金、收上架费、扣点当二手房东等等，还有就是通过延期供应商的账单提高资金使用率，用别人的钱来投入新店铺。

中国超市因为房地产过去20年里，享受到了时代的红利。但是从2018年开始，国家从政策层面控制房价的上涨，做了限购、做了限售、提高了首付比例等等。也就是说当地产不再是驱动经济增长的手段，那超市们要怎么做？

2. 利用大数据来做差异化营销

刚才我们讲了大标签的运用，接下来讲小标签，虽然两者都是标签，但是有着很明显的区别。

第一小标签是一个碎片化的标识，比如你今天在抖音上看了一个非常美的女孩是能跳舞视频，观看时间3分钟，还点赞留言。抖音就会把这些行为记录下来，这些叫小标签。

主要你在的行为发生在互联网产品上，你阅读每一本书，你听过的每一首、你购买的每件商品，都会被系统悄悄给你贴上几十上百个标签。

这些标签用来做什么？

在实际应用中，主要是做用户画像，而是这种用户画像有区别传统大标签的划分，在传统大标签，商家只会聚焦你收入多少、是不是白领。用这种粗狂方法来划分用户群体，然后再向划分出的群体投入产品。可是，在现实中，我们知道人与人之间的距离，可能比人和猩猩距离还要大。

但是小标签就不一样，它就像一个行为跟踪器一样，把你在网上的行为轨迹都收集在一起组合一个形成，你的颗粒度越多，就能更加真实还原你本身的形象，小标签就会成为最理解那个人，甚至超乎了你自己了解自己。

比如好多时候，我们去认识一个人，大多是基于对方身上的“大标签”看他家庭背景、看他工作背景、看他是不是高富帅等等。如果你和对方接触的时间越来越深之后，你会慢慢从“大标签”思维转移到“小标签”。最后你一看，原来这个人和当初认识是两回事。

既然用户画像这么好用，超市们是怎么用？

最近的几年，新零售的玩法都放在了前端获客和销售上，年轻人和老年人可以通过送货上门还是出门买菜来划分，建立这种差异化比较比较方便，但是不能够形成护城河，因为对手也会跟进。比如仆仆超市，现在扩大自己的用户规模，已经在很多小区打出转化老年人的广告“买菜交给我，广场舞交给你”。

所以，新零售的为了更精准的用户细分，采用了“商品推动销量”策略。用大数据给不同类型的客户打小标签，还原客户的消费习惯。

这是一个用户洞察和艰难试错的过程，比如叮咚买菜通过设置小包装水果+特色早餐来吸引客户，但是效果很一般。最后还是选择了用买菜的方式来盈利。

当然了，卖菜也是一门技术活，比如盒马就喜欢盯上了一家三口，卖的东西都是品牌包装，价格也比同行贵很多。

最后事实证明，就算用大数据的方法改造一个行业，也会发生事与愿违的结果，做新零售的巨头们都没有正式盈利，连备受瞩目的盒马只有1/3门店开始盈利。

可能最关键的环节之一，缺少有效的用户画像，到现在为止也没有人搞清楚一个社区有几类用户，喜欢买什么，即使盒马利用了阿里的大数据选址和布局商品，也是踩了很多坑。

 二、字节跳动小标签思维

在以前我们总会认为：一个看上去很普通一个人和一个看上去很精英的人，他们的偏好性、购买行为差别会很大。但是在小标签的显示下，重叠度是高到让你吃惊。比如拼多多13.7%的用户来自线下购物人群，拼多多和京东重合的用户达到了25.9%。以前那些在京东购买的人群也喜欢在拼多多购买电子产品，尤其是互联网从业者。

我现在的老板创业8年，在世界各地都有业务，公司应收也是20亿以上，平时吃饭呢，也不讲究好吃好喝的，穿着也不讲究。但是呢，在员工工资福利上面却能做到和一线互联网公司靠近。

按照传统划分方法，这应该是一个节俭或者抠门的人，可是放在小标签思维下，一下子就解释明白，他身上有很多创业时候带来一些习惯和观点，也有创业艰苦的时候，每天担心公司没钱花，需要一块钱变两块钱花。

如果是一道光，再用三棱镜折射在他的身上，就会发现他身上有很多光谱，赤橙黄绿青蓝紫。这个也称为光谱思维。从大标签变成小标签看用户，其实就是把原来的层级思维变成光谱思维。当我们具备这种思维，就容易理解一个事，为什么那些有钱人也爱用拼多多。

回到字节跳动上，他们是做新闻内容起家的，字节跳动与拼多多有类似的成功轨迹。今日头条初期也面临着内容低俗的质疑，先占据下沉市场，如三线以下城市的低学历人群；随着推荐算法的优化，逐步得到更多主流人士的认可。

在算法作用下，它不做产品预设、不做事先的定位、不做用户画像、而是通过用户的行为、偏好、爱好、兴趣不断的细分，变成几十上百个小标签，再从一堆小标签中还原一个真实的人，在这个机制下代码比人更懂人，这也字节跳动做爆品思路。

抖音在没有出来之前，抖音CEO张楠就注意到一个现象，，今日头条上短视频内容的流量很大，并且大量用户在打开今日头条App之后，直接去点视频，根本不会去看文字内容。

于是一个创新的点子就产生了，字节跳动就想着，新的品类机会就要来临了，要是其他公司可能就想着，我先做一个APP试试，但是字节跳动干脆推出一大堆视频APP,其中能够出圈的产品就有:西瓜视频、火山视频、抖音。

 三、大中台小前台策略

我们在传统企业似乎是找不到中台概念，但是中台并非只是互联网公司才有，而是组织自然而自然演化出来，因为你的企业变大了之后，就不能单靠职能分工来管理，而是靠内部平台来做创新。

1. 举个机场的例子

举个例子，一个机场，要想转型成为数字化的智能机场，只靠自己的数据是远远不够的，它必须把航空公司、空管中心的数据接进来。比如深圳机场，就因为做到了全量全要素的数据连接，廊桥的利用率提高了10%，10%意味着什么？意味着每年有260万人省去了坐摆渡车的麻烦。

有了内部透明化、外部开放化，就有了海量的数据。但有数据不是目的，重点是要能用得上。

要能把分散的经验集中起来投放到一个点上，就需要一个平台管理，这个平台又称为中台。

中台的作用相当于把有用的经验都按成一个标准分散出去使用，就像U盘一样即插即用。

2. 再比如亚马逊

亚马孙的核心理念就是把自己内部用得好的功能都转化成对外服务化业务。比如，亚马逊的物流服务，原本是想搭建一个内部的物流系统提高用户体验，但是亚马逊把这件事做成了之后，还再提高一个维度“将自己物流外包出去给别人用”。

即使你是一个没有入驻亚马逊平台的公司，你也可以付费使用亚马孙的物流服务。

回到中台身上，它的作用就是数据中心，每天都是在收集各式各样的数据、每天都在挖掘新的数据。或者说它真正的产品是外界看不到的，那就是不断向内部生长出越来越清晰的用户需求。用户需求的画像是它真正的产品。

一个产品之所以存在是为了解决用户遇到的难题或者麻烦，要知道在解决麻烦的时候，很多时候我们不会只遇到一个麻烦，而是碰上好几个。

就像你去相亲，对方对你的要求绝对不是只有一点。而在其中，产品经理干的活就是把用户遇到的麻烦点，都一一的标记在用户的麻烦地图上，这张图越清晰，就越有用。

而中台就是帮助你捕捉痛点，从一个大而笼统的痛点变成一个有场景化、越具体的痛点。只有你定位到真问题时的，提出来的解决方案才是可行的。

所以在字节跳动的体系中，先出了今日头条，再有抖音，抖音很快就火遍了全球。表面上看抖音是一个新产品，实际上是一个做老很久的产品，默默的努力惊艳所有人，就像你想创业成功，你必须在创业之前做了很多很多创业要经历过的事情。

这个也是为什么字节跳动能够在短时间内推出很多款产品的独门秘诀。

四、总结

从大标签到小标签，就是从层级思维到光谱思维，中间是算法，换一个角度看字节跳动是一个算法驱动的公司。

大中台，小前台，你能把一个事情做成功的时候，一定是在此之前做了大量的储备，回到字节跳动上，他们利用中台的数据取寻找用户需求，一旦发现有新的场景发生，就会用资源放到前台拓宽它、验证它。

本文由 @吴吴吴大发 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议