增长黑客之“术”——选品、流量与推荐

引言
一个商品转化不好,团队最容易先动页面:主图换一版,卖点重新排序,优惠往前提,购买按钮再突出一点。这样的动作具体,责任人明确,也容易排进版本。问题是,用户没有购买,未必是页面没有做好。商品和场景不匹配、入口带来的人不对、供给太多却找不到合适的商品,最后都会表现成同一个结果:转化不好。
这几类问题长得很像,动作却完全不同:货不合适,继续优化页面很难解决;流量结构变了,后面的内容和优惠只能不断替前端补洞;人和货都没有明显问题,用户仍然不知道怎么选,搜索、筛选、导购和推荐才值得加重。再往后,如果用户已经表达了明确需求,中间还要重新搜索、重新筛选,把填过的信息再填一遍,问题就落到了链路本身。实际做增长时,比起记住更多技巧,更值得先做的一件事是判断:现在该动的是货、人、匹配,还是中间那段多余的路。
1.1 选品:页面怎么改都不动,先看看是不是货的问题
页面能够帮助用户理解商品,也能降低比较和操作成本,但它很难替商品创造需求。一件商品和当前用户、场景、价格带本来就不匹配,再丰富的内容也只能把这个事实解释得更清楚。所以当页面已经反复调整、结果仍然没有明显变化时,一个很实用的动作是把视线从页面移开,去看另外一组数据:在相近的流量和承接条件下,不同商品到底表现得怎么样。如果商品之间的差异明显大于页面版本之间的差异,资源就没必要继续平均投在页面细节里。
我看这类问题的顺序通常是先货后页面。但“看商品”也不能简化成追爆品。真实经营中,一件商品是否值得继续拿库存、曝光和运营资源,要看它在当前业务里承担什么任务。引流商品要看带来的是否是目标用户,利润商品不能只看毛利,还要算退换、履约和售后成本;复购商品要看下一次需求是否稳定,新品则更多承担探索任务。比给商品套一个固定分类更要紧的,是先说清楚这件商品为什么值得继续投资源。
| 看到的情况 | 可以先做的动作 | 重点观察 |
|---|---|---|
| 同一渠道里商品表现差异很大 | 调整曝光、库存和运营资源,不再平均分配 | 点击、购买、退货、利润 |
| 新渠道刚开始经营 | 先组成小货盘,不急着搬全量商品 | 动销、缺货、购买结构 |
| 出现新的消费场景 | 增加场景商品,必要时开发渠道专属 SKU | 新需求能否形成稳定交易 |
| 新品判断没有把握 | 小批量、小区域、小人群先卖 | 真实购买、退换、反馈 |
| 商品长期靠补贴才能动 | 降低资源,观察自然需求 | 停止补贴后的交易表现 |
都市丽人进入美团闪购时,遇到的就是一个很典型的选品问题。线下已经有大量商品,但进入即时零售以后,并不能简单理解成“把已有 SKU 上架”。据美团披露,品牌上线初期会基于平台用户和商品数据获得选品参考,针对即时场景中出现的一次性需求,还开发了渠道专属商品;同时同步线上线下库存,减少“线上有货、门店缺货”造成的退款。试运营阶段,美团披露其销售环比增长 222%,冬季降温和春节礼赠期间,家居服、保暖内衣等场景品类也出现明显增长。这个案例里值得拿走的不是那个增长数字,而是一套很朴素的动作:先看新渠道里真实发生的需求,再决定什么商品应该上、什么商品应该少上,必要时甚至重新开发商品。原有货盘只是起点。
名创优品的 24H 超级店把这个思路又往前推了一步。2024 年名创优品与美团扩大合作时,这类闪电仓在商品种类、覆盖范围、经营时间和服务体验上都与普通门店做了区分。根据美团公开资料,24H 超级店增加了旅游出行、礼赠、清洁、数码配件、美妆个护、宠物等更符合即时需求的供给,而不是把线下门店货盘原样复制过去。此前约 500 家门店经过近半年的试跑后,名创优品才决定进一步扩大这一业态。
这里最有价值的是“试跑”。新渠道、新场景、新品类刚出现时,内部总会有很多判断,需要做的是尽快让这些判断进入真实交易。少量库存、少数门店、一个区域或者一个明确人群,已经能够回答很多问题:用户到底买不买,哪些商品动销,哪些需求只在促销期间出现,哪些 SKU 容易缺货或者退货。信号成立,再扩大库存和流量;信号不成立,调整货盘的成本也还可控。

选品做到这里,关注的问题已经从“哪个商品转化最高”变成什么场景需要什么供给,这套供给能不能在真实经营里成立。主动搜索、内容种草、社区门店、即时配送面对的是不同状态的用户,货盘自然也可能不同。货还没有对上就急着扩大流量,那只是让更多人看到一批和自己关系不大的东西。
1.2 流量:不是越多越好,先看来的是什么人
流量很容易让团队产生安全感,因为它天然可以汇总成一个数字。曝光没有下降,UV 还在增加,新用户数字也不错,但总量看不到结构。一条规模不大、购买和复购都不错的渠道逐渐萎缩,另一条便宜、量大的渠道正好把缺口补上,最终总流量可能几乎没变化,进入交易以后却已经换了一批用户。前端获取一个用户很便宜,如果后面需要更重的优惠才能成交,退款更高、后续价值更差,这笔流量最后并没有看上去那么便宜。
一旦确认渠道或者人群结构发生变化,动作不能只剩“继续调投放”。量大但后续交易持续偏弱,可以缩人群、降预算;点击很好而购买明显跟不上,要回头看素材承诺和真实商品是否一致;搜索流量质量高,可以继续补高意图词、对应货盘和库存;内容流量很多但需求还浅,就应该用场景内容和更小的商品集合继续承接,而不是把用户直接扔进完整货架。还有一些小渠道规模不大,用户质量却连续更好,这时先研究它为什么好,比立刻把预算扩大十倍更要紧。
| 流量表现 | 更值得先做的动作 | 容易做错的事 |
|---|---|---|
| 量大,购买和复购持续偏弱 | 缩人群、降预算、重新看渠道意图 | 用更深优惠强行补转化 |
| 点击高,交易明显跟不上 | 检查素材承诺、商品和价格带 | 继续用更刺激的素材拉点击 |
| 搜索流量质量高 | 扩高意图词、商品覆盖和库存 | 给明确需求用户重复做泛种草 |
| 内容流量多、需求较浅 | 场景内容 + 对应商品集合承接 | 直接导向完整商品池 |
| 小渠道连续出现高质量用户 | 拆人群、场景、商品,再逐步扩大 | 一次数据好就立即重投入 |
流量还有一种经常被低估的变化:新的渠道未必只是多了一个入口,它可能让原来无法被满足的需求变成了交易。小天才与美团闪购的合作就是这样,2025 年 618 期间,全国超过 4000 家小天才门店同步上线旗舰新品 Z11;美团披露,儿童节当天该新品销量占比接近三成,5 月 28 日至 6 月 1 日品牌成交额同比增长近 16 倍,双方合作同时覆盖新品货盘、门店供应链、即时送达和售后服务。只把这件事理解成“美团给品牌增加了流量”,会漏掉更重要的一层。传统购买儿童手表可能需要提前计划、到店或者等待配送,即时零售承接的是“今天就要”、“临时送礼”、“新品现在就想拿到”这样的需求。渠道改变以后,商品、库存、履约和服务也必须一起跟上。多出来的不是一个 UV 来源,而是一类过去很难被满足的消费场景。
所以评价流量时还该补上一个问题:用户为什么从这里进来。搜索、内容、即时需求、熟人推荐带来的意图不同,后面的供给和承接自然不能完全一样。流量的量可以靠预算快速扩大,需求匹配却很难用预算硬买出来。入口带错了用户,成本会一路传到页面、优惠和售后;前面少一次错配,比后面多做三轮转化优化省力。
1.3 推荐:人和货都有,为什么还是找不到彼此
供给基本合适,流量也没有明显错位,用户仍然可能买不下来。搜索了几个词找不到,打开多个相似商品来回比较,或者知道自己想解决什么问题,却不知道应该看哪个品类、哪些参数。商品越多,这种情况反而越明显,因为丰富的供给同时意味着更高的搜索、比较和判断成本。这时候最容易犯的错误,是直接把问题叫作“推荐”,然后马上讨论算法。用户已经明确知道品牌、规格和价格区间,只是搜不到,优先应该修搜索、分类和筛选;用户有明确场景,却不知道怎么选,可以先用榜单、专题、场景集合或者人工导购收窄范围;反复出现稳定的商品关系,再把人工经验做成规则;当用户、商品和行为规模大到规则难维护了,个性化算法才解决规模问题。

| 用户现在卡在哪里 | 可以先用什么 | 主要解决什么 |
|---|---|---|
| 知道自己要什么,但找不到 | 搜索、分类、筛选 | 查找效率 |
| 知道场景,却不知道选什么 | 榜单、专题、人工导购 | 缩小选择范围 |
| 已有稳定搭配或购买关系 | 规则推荐、关联推荐 | 复用业务规律 |
| 用户和商品规模很大 | 个性化推荐 | 处理更多行为差异 |
| 需求主要以场景和自然语言表达 | AI 搜索、对话式导购 | 理解复杂、模糊意图 |
团队没有推荐系统时,人工就是很好的起点。假设一个家居业务发现,用户经常看很多商品,却迟迟确定不了搭配,可以先找一小批典型用户,由运营或导购收集户型、预算、风格等几个关键条件,再人工推荐三到五件商品,通过现有客服、企微、运营位或者简单页面交付。先看用户是不是少搜了、少来回比较了,加购和购买有没有变化。如果人工推荐都没有带来稳定信号,直接建设标签体系、算法和新页面,很可能只是把一个还没有成立的机制做得更重。等匹配关系已经成立,技术才开始显出不同层次的价值。
淘宝、天猫在 2025 年把大模型进一步整合到搜索和推荐底层,并为超过 20 亿件商品增加更丰富的语境信息。阿里巴巴披露,在复杂查询中,搜索结果相关性提升了 20 个百分点,部分推荐场景点击率取得两位数增长。对这样的超大规模平台来说,问题早已不是“有没有商品”,而是用户需求变复杂以后,系统还能不能理解他想解决什么。京东的“京言”更接近传统导购的数字化延伸,京东公开资料将它描述为基于大模型的智能导购助手,通过主动服务和多轮对话提供商品信息与购买建议,目标之一就是降低用户查找和选择商品的成本。用户过去需要先学会“商品语言”,把自己的需求翻译成品牌、型号、尺寸和参数;对话式导购则允许他直接表达场景和限制条件,例如预算、空间、使用人群和偏好,再从大量供给里收敛结果。AI 在这里提供的是更强的意图理解和规模化能力,它没有改变推荐最基本的要求:团队仍然要知道什么样的匹配对用户有帮助。如果人工都说不清为什么推荐这件商品,模型只会把模糊判断更快地复制出去。反过来,当人工经验已经稳定、规则越来越多、用户需求又难被关键词描述时,AI 才突破原来的成本和复杂度上限。
推荐还有一个容易被忽略的细节:给出一个结果,不等于帮助用户完成选择。商品越复杂、价格越高,用户越需要知道为什么。“适合小户型”、“与你已有设备兼容”、“更适合第一次使用”,这些推荐理由本身也在降低判断成本。好的推荐把一大片无关商品收敛成少数候选,同时把最终决定留给用户。
1.4 链路:有些环节不用优化,可以直接拿掉
货、人和匹配逐渐理顺以后,还有一类损耗来自流程本身。用户已经看完围绕某件商品的内容,兴趣也已经形成,点击以后却回到商城首页重新搜索;刚告诉导购预算、用途和规格,换一个页面后所有条件全部丢失;推荐已经把范围缩到三件商品,下一步又把用户送回完整货架。站在内部系统看,每个页面都有自己的职责,站在用户一侧,他只是在重复已经完成过的工作。
传统漏斗优化会分别提高内容点击、搜索转化、列表点击和详情转化。有些场景更值得先问一句:这一步还有没有必要存在?内容已经对应明确商品,可以直接进入商品或者一个足够小的商品集合;用户已经给出预算和场景,后面的筛选、推荐尽量继承这些条件;系统在合法授权范围内已经知道的信息,也没有必要因为换了页面就重新填写。减少一次点击本身没有多大意义,有价值的是删除那些没有增加新信息的重复动作。

微信生态里的闭环营销可以看到这种变化,腾讯 2025 年第一季度披露,视频号营销服务被用于扩大内容曝光、推广直播并推动销售转化,小程序营销服务也在承接更多闭环营销需求。内容、搜索、小程序和交易之间越靠越近以后,用户从产生兴趣到完成购买,不需要在多个平台和入口之间重新建立上下文。对于商家来说,这种变化未必表现为某一个按钮突然提升很多,却会减少整条链路的损耗。
链路也不是越短越好,高价格、高风险或者难以撤销的交易,本来就需要更多比较和确认;隐私授权、安全校验、重要条款同样不能因为影响转化而隐藏。判断一个步骤应该优化还是删除,可以看它是否给用户增加了新的信息、控制权或者必要的安全保障。如果三者都没有,只是内部系统没有打通,于是要求用户再搜一次、再填一次,把已经选好的东西重选一遍,这个成本才值得拿掉。
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!













