来自：&&&《》
更多精彩，关注微信号：360doc
馆友评论（0）
您好，请&&或者&&后再进行评论
合作登录：
(window.slotbydup = window.slotbydup || []).push({
container: s,
id: 'u2363571',
scale: '20.3',
display: 'inlay-fix'基于用户细分的用户行为分析
本文所属图书&>&
目前，越来越多的网站开始重视数据,并期望从中发现新的机会，不管你是做网络营销、互联网产品设计、电子商务运营、个人站点运营维护，我们都希望从数据中寻找有价值的结论，并且指导公司管理层的决策，最终创造更...&&
前面对用户的分类和行为做了分析，但对于分析的输出结果，我们可能无从下手，观察新老用户、流失用户及用户的各种行为指标和行为分布也许可以做出很好的报告，评估用户的发展情况，但结论太过宏观，我们所能做的也只是根据分析结果调整用户的整体运营策略，其他能够采取的细节措施寥寥无几。而网站分析始终需要把握的一个前提就是分析的结果需要有效地指导行动（Take actions），所以这里就要介绍如何得到更加有效的见解（Insights）。
前面已经介绍过一些常见的用户分类：新老用户、流失留存用户等，不同的用户分类群体可能会有不同的行为表现，我们可以通过分析各种用户分类的用户行为指标来区分各类用户的特征及对网站的期望要求，进而针对各类用户群体进行调整和定向的营销。这里主要以指导内容层面的调整为导向，通过比较各用户细分群体对内容需求的差异，优化内容运营，将优质的内容或者符合用户偏好的内容推荐给相应的用户。这里举例三类用户细分，即流失用户与留存用户、新用户与老用户、单次购买用户和二次购买用户，基于这三类细分，对每个分类的用户购买商品进行比较分析，明确哪些商品更加符合用户的预期。
这里的细分比较还是以电子商务网站的数据为例，首先是基于流失用户和留存用户，电商网站的内容就是商品，我们基于每个商品计算购买这些商品的用户中购买之后造成流失的用户比例，如图6-14所示。
首先要明确一下图中各指标的定义，每个商品的流失用户比例应该是购买该商品后流失的用户数在所有购买该商品的用户中的占比，但只知道每个商品的流失用户比例无法评价这个商品是否对用户保留有促进作用，或者在一定程度上造成了用户的流失，只有通过与总体水平的比较才能得出相应的结论。所以这里需要重点解释的是&与总体比较&这个数值是怎么计算得到的，这里的百分比不是直接相减的结果，而是一个差异的幅度体现，这里假设总体用户流失率为56%，那么以A商品为例，与总体比较的结果是：( 58.13% - 56% ) / 56% = 3.80%，使用同样的计算方法也可以得到其他商品与总体比较的差异幅度。最后就是展示，在Excel中通过&条件格式&里面的数据条功能可以直接展现出图中的效果，非常方便。
图6-14中截取的Excel数据条的展示效果基于Excel2010，Excel2010开始支持双向的数据条，以零为界，正数向右负数向左，2010之前的版本仅支持单向的数据条。数据条左右方向的颜色都可以自定义，默认负数为红色、正数为绿色，基本思路是红色表示指标表现较差，绿色表示指标表现较好，这里因为与总体比较流失率较高（正数）表现为不好，比总体低（负数）表现较好，所以对数据条的左右颜色进行了互换，正数为红色，表现较差，负数为绿色，表现较好，之后的图表也遵从这个原则。
很明显，图6-14中的分析结果对运营调整有直接的指导性，目的是促进用户保留，所以我们要做的就是将有利于用户留存的商品（F商品的用户流失率明显要比总体低得多，说明F产品更有利于用户保留）推荐给用户，而将那些可能导致用户流失的商品（C商品）进行优化或者下架。
同样，使用上面的方法可以区分不同用户群的购买偏向。新老用户的细分是最常见的用户细分方法，我们可以使用类似的方法来看看新老用户对商品的不同喜好，如图6-15所示。
从图6-15中你看出了什么？购买D商品的用户中新用户的比例明显偏低，也许新用户根本就不喜欢这个商品，而B商品和F商品显然更加符合新用户的口味。如果你的网站可以进行新老用户区分的定向，那么上面这个分析结果将让你受益良多。
当然，这个数据呈现的特征可能跟商品的推广渠道有一定关系，比如图6-15中的D商品可能使用老用户比较集中的推广渠道（如EDM），那么购买用户中自然老用户的比例会偏高；或者把某些商品放在新用户比较集中的Landing Page中展示，那么购买该商品的新用户比例显然也会偏高。所以，在做此类分析时需要注意根据推广渠道的差异，具体问题具体分析，不能一概而论。
再来看一下类似的方法怎么促成用户的重复购买。对于电子商务网站而言，用户的首次购物体验非常重要，这会直接影响用户是否会产生再次或者之后的多次购买，或者是否能够成为网站的忠诚客户。如果你的网站注重用户关系管理，有足够的数据支持，那么可以尝试下使用如图6-16所示的分析方法。
需要注意的是，这里的基础用户群设定在了每个商品的首次购买用户（不是所有用户），我们要分析的是所有将该商品作为首次购买商品的情况下，用户是否还会发起之后的再次甚至多次购买行为（这里的二次购买用户不是指购买次数是2次的用户，而是指所有购买次数超过1次的用户），从而评价商品对于首次购买体验的影响好坏。从图6-16可以看出，B商品和F商品在促成二次购买的表现不佳，很有可能商品的使用或质量问题影响了用户的满意度，阻碍了用户再次购买的脚步。根据分析结果，我们尤其需要对那些二次购买率比总体水平低很多的商品进行重点关注，同时也需要根据商品的特征进行分析，有些商品确实比较容易促成二次购买，因为可能存在交叉销售和向上营销的情况。
如果你从Google Analytics上寻找类似的数据，其实唯一可以找到的就只有新访问比例，因为GA没法细分首次购买和二次购买用户，而流失和留存用户是网站的自定义指标。在GA的内容模块里面细分到每个页面的指标也未包含% New Visits（在流量来源、地域细分里面有该度量），所以需要自定义报告来查看网站每个页面的新访问比例，比较的基准还是网站总体的新访问比例，GA的展现方式选择里面直接提供了与总体比较的视图&Comparison&，图6-17是我做的自定义报表。
如图6-17所示，GA上面展现的效果和用Excel 2010定制条件格式后的效果很像，这种基于基准的比较展现非常直观实用，其实在其他分析中同样可以用到。我的博客文章的新用户比例比较中可以分析出什么？访问数排在前几名的文章中很明显的趋势就是概念性和方法论的文章的新用户比例高于均值（当然主要靠搜索引擎的帮忙），而观点性和分析性的文章的新用户比例低于均值（老用户更偏向于实践和应用），所以如果我的博客可以动态向新用户和老用户展现不同的内容，那么这个分析将十分有价值，也许你的网站可以尝试一下。
最后用一句话总结：细分是用于比较的，比较是为了反映差异进而做出调整优化的，所以细分的目的最终还是指导运营决策，这才是数据分析的价值体现。
您对本文章有什么意见或着疑问吗？请到您的关注和建议是我们前行的参考和动力&&
您的浏览器不支持嵌入式框架，或者当前配置为不显示嵌入式框架。商业银行如何进行客户细分，找到自己的核心客户群？_财金阅读-爱微帮
&& &&& 商业银行如何进行客户细分，找到自己的核心…
未来银行业的客户分析，将随着市场情况的变化而变化，随着用户消费行为的迁徙而迁徙，并将银行的服务拓展出网点。在后利率市场化的时代，银行如何找到自己的核心客户群很重要，这个客户的分层和定位本是商业银行在运营之初就应该慎重考虑和分析确立的。但是，从中国银行业的运营环境和市场匹配来看，大多数银行并没有对客户进行标准化的差异分析，而是以产品的大而全、博而广，来满足用户的需求。实际上，对于客户忠诚度的建立，并不是单单依靠大而全的产品体系，而是在产品全面的基础上推出具有高黏性的拳头零售产品，并与银行的主流客户定位相结合。未来银行业的竞争将日趋激烈，市场份额的获得成本也将越来越大。相对而言，在市场与客户的定位上，特别是对于二三线城市的中小银行而言，迫切需要在市场化的客户群分析中建立自身的优势产品，并针对性地满足核心客户群的金融服务需求，而后以此为原点，扩展到其他客户群。换而言之，对于中小银行来说，未来的客户竞争策略将不再是简单的二八定律。如果仅仅服务好20%的优质客户，并不能获得持久的客户忠诚与信任；而是需要在继续服务好20%，深入拓展80%的基础上，进行本行的核心客户群体系的产品与市场配套建设。丨银行定位大同小异丨对于中小商业银行而言，受制于地方经济和市场的规模和深度，以及中国银行业体系内对银行监管和市场定位的“出身论”（即银行的区域和等级决定了银行的市场和业务范围），大多数银行在客户和市场定位上并没有一个差异化的体现。大多数小银行的定位是“服务三农”、“服务中小”、“服务地方经济”等。而全国性股份制银行虽然在某些方面具有一定的差异化特色，如民生的两小战略和招行的零售银行战略，但从总体表现看，各银行为了充分获取各个层次的市场客户，基本上是在走大而全的思路，以价格为竞争优势，而非主打差异化的产品。为什么银行的定位要差异化？在当前商业银行激烈竞争的条件下，没有一家银行能够同时成为所有顾客心目中的最佳银行，也没有一家银行能够提供顾客需要的全部服务。一家银行必须有选择地吸引一部分特定顾客，在顾客心目中确立一个位置。商业银行“以产品为中心”的竞争模式逐渐被“以客户为中心”的新型商业模式所取代，客户成为银行最重要的资源，注重客户管理、挖掘客户价值成为银行业发展的核心动力。这种定位的转变对于中小银行而言是迫切需要的，否则，小银行很有可能淹没在了大行的市场营销和产品攻势之下，成为客户选择中的被遗忘者。特别是在以网络化和电子化营销与客户资源管理为背景的互联网金融的冲击下，未来的银行服务将大部分实现由线下转移至线上的过程，各大行目前都在优化自身的网络和自助服务渠道，提升业务的电子化替代率，为客户提供更全面的网上金融服务。在这种趋势下，商业银行的物理网点价值将迎来增长的边际曲线 ，网点的综合价值将更多的表现为线下的咨询和业务服务，而不是业务的引入和客户的开源。以网点为视觉体验的银行客户、市场定位策略将有所改变，转变为客户的内心认知和品牌形象，这就需要商业银行在这个转变的过程中尽早在客户心中留下深刻印象。丨传统的市场与客户分析方法丨传统的商业银行是如何做客户与市场分析，而后进行定位的？这里分为两个层次，一个是市场分析，包括区域经济结构分析，商户商圈分析，社区居民分析以及消费层次分析，也就是对银行开设网点附近的市场总体情况进行一个总体的概括，为银行在该区域的市场产品定位和客户组合提供一个框架性的指导。在市场分析这一块，银行现在比较传统的方法有这么几个：其一，利用现有客户的服务情况顺藤摸瓜，收集当地区域关联企业和行业的具体运营情况，并和一些传统的经济统计机构进行合作，分析当地的企业和商户的经济发展潜力和金融服务的需求度。其二，利用银行的客户经理和支行其他员工对本区域，或者是其他区域的市场摸底情况，组织相关客户，进行市场需求情况的摸底访谈，并同时介绍本行产品的优势。其三，借助外部第三方市调公司和咨询公司的专业性能力，对拟设网点或者已开设网点的周边市场进行一次全面的客户、市场和产品的调研分析，并结合调研分析进行本行业务的开发。这些传统的市场分析方法虽然可以在一定程度上了解当地的经济和金融服务需求，但也存在这么几个缺陷：一个是无法对区域的经济和金融需求进行动态分析；另一个是只能了解到区域内大中型客户的大致需求，但对未来前景更为广阔的中小零售业务市场缺乏一个更为清晰的了解手段。在客户分析这一块，目前大多数商业银行虽然已经开始逐步建立自己的客户分层体系，但是这种分层的标准还是比较单一的，是以简单的金融资产和客户的几个属性来进行分类，而没有将客户的属性进一步拓展到具体的商业和零售业态中。商业银行进行客户细分的主要标准如下：1、按照客户金融资产的多少（如存款或贷款数额）进行分类；2、按照客户本身的属性、需求和行为信息进行分类。其中零售客户主要指居住地、年龄、职业、性别、个性、购买频率、品牌忠诚度；对公客户主要指授信额度、销售额、企业资产、信用等级、客户集团及关联企业的相关信息、决策人的个人信息等。对于零售客户而言，银行的客户细分标准并没有将客户的金融服务需求和日常的消费行为和消费路径结合起来，以金融资产、性别、职业、年龄、品牌等表层的分层标准，虽然初步实现了对客户的分类，但是并不能延伸银行客户下沉和服务下沉的金融服务链条。定位新方法：数据化方法商业银行未来可以采用哪些更好的市场与客户分析方法，并以此作为本行客户与产品定位的依据呢？在大数据时代，静态和过去式的市场分析已经不能满足银行的定位需求，而是要求对市场经济的变化情况和客户行为的迁徙情况进行及时地了解，并及时对本行的金融服务产品进行针对性的调整，以此来保持用户的服务粘性。其实，除了银行业，其他的行业已经开始利用大数据的搜索和定位、地图导航等技术进行更深层次的客户市场和消费行为分析，并对自身的服务流程进行有的放矢地优化。例如，百度[微博]和万科商业地产就进行了基于后台大数据，定位和搜索客户的实时消费行为和路径的分析。百度和万科商业地产的合作 很好地解决了商业地产和零售项目广场在客户群定位和市场营销、客户管理方面的一些实际问题，相当于给商业项目安上了精确分析市场和客户的大数据工具和其他辅助工具。对于传统企业来说，一般获得市场和客户定位是采用调研和咨询的方式，即便是商业地产，自身并不具备这部分的客户和市场分析能力，而是借助第三方的市调公司来完成。虽然能够大致了解地产项目周边的市场和客户群，但并不能提供一个全面综合且准确实时的市场和需求变动情况。而在大数据分析和定位技术的帮助下，企业可以基于各种APP和软件应用的客户数据分析以及地图搜索等锁定当地的市场客户，为相关项目提供全流程的市场需求分析。结合商业银行的具体情况，在金融互联网化的发展趋势下，银行业应该综合利用现有的网络化业务渠道和其他互联网公司的优势平台服务，进行金融产品和一线的消费行为的具体结合。这在未来零售业务的竞争中是十分关键的。银行的数据化定位怎么做？对于银行业而言，以网点为核心的市场和客户分析可以怎么做？以线上平台为核心的用户分析又可以怎么做呢？必须承认，虽然目前银行业务电子化的程度越来越高，但是短期内银行的网点服务仍然承载了大部分的业务办理和咨询服务事项，特别是对于大多数中小银行而言，目前电子化和网络化的条件仍不成熟，网点的综合价值在短期内仍然是最高的。银行的数据化分析嫁接到客户和市场上，需要把握好这几个基本的原则：一是数据化分析，结合动态的客户地点定位和网点周边的商场、商户和其他娱乐消费路径，全面、动态了解客户的零售业务市场需求；二是将本行的金融服务产品和客户的具体地点和消费的动态分布结合起来，哪一块区域的客户消费黏着度高，附加值高，银行的服务就可以重点往哪一块倾斜，打通客户的前端消费和后端产品体系整合；三是对于大客户和对公客户，也可以利用大数据所积累的企业动态数据，获取相关企业、行业的区域化动态运营数据，以及时调整服务内容。结合到网点，银行可以有效连接用户端的智能设备（如手机），将客户信息和具体特征储存于银行系统后台，一旦客户在网点附近或者周边地区消费，本行的网点可以采用主动的消息推动或者是实时的客户消费行为路径跟踪和分析，来针对性地推送本行的特色产品。另外，银行可以进行跨界合作，与百度、腾讯等拥有巨大用户流量的互联网平台进行合作，将互联网企业强势的大数据技术、定位技术、搜索和地图的应用等用在商业银行的市场和客户分析中。未来的银行业的客户分析，将随着市场情况的变化而变化，随着用户消费行为的迁徙而迁徙，并将银行的服务拓展出网点，从基本的产品功能性服务延伸到前台的具体市场和消费行为分析，将银行的金融服务和消费服务结合起来。这个根本性的转变，将使大数据和搜索定位技术发挥更大的作用，而银行的物理网点也将迎来客户服务和市场定位的一次全新变革。RECOMMEND《LBS客户定位与精准营销：大数据时代的O2O核心应用》张国文 著人民邮电出版社文丨陈 凯 微信号 ID：samchenkai财金阅读原创，欢迎分享，转载请注明出处，并附ID：goldread365封面来源丨《阳光小美女》
点击展开全文
跟10多万金融人一起直面操蛋而美好的工作。
您的【关注和订阅】是作者不断前行的动力
本站文章来自网友的提交收录，如需删除可联系QQ ，
(C)2014&&版权所有&&&|&
京ICP备号-2&&&&京公网安备34怎么对用户分类,细分到何等程度_网站设计技巧 - 网奇公司
网奇&|&&|&
怎么对用户分类,细分到何等程度
说到网络产品，离不开的话题就是用户，就像传统行业的消费者。人是复杂的，网民的用户行为更加复杂，用户和用户是不一样的，或者说，每个用户都不一样。一款成功的 互联网 产品往往并没有满足所有用户的需求，而是准确定位了某一类用户并且很好地满足了那类用户的需求。到底定位哪一类用户是我们需要考虑的，所以就需要用户分类。
不分类不好定位， 好的用户分类让我知道了我在追求哪些人，满足哪些人，影响哪些人。但分不好类又会错位，更糟，那怎样才能对某一款产品的用户群进行合理分类呢，下面就来谈谈我对用户分类的一些看法。
一般提到某一款产品有几类用户可能主要包括以下几种情况：高端和低端用户、学生用户和白领用户、一二线城市和三四线城市用户、活跃和不活跃用户、会员与非会员用户、红钻与非红钻用户、IT和非IT用户、初级用户、普通用户、高级用户等，以上这些用户分类的共同特征是从一个维度或者二个维度对用户进行划分，就比如cooper的《About face 2.0》中提到从两个用户分类指标：业务领域水平（ dom ain knowledge）和计算机技能水平，从而把用户划分为初级用户、普通用户、高级用户，更简化地说这种方法的用户分类模式就是基于操作频率，这个分类方法可以套用在任何一款产品上，但是这种用户分类的实际应用效果如何呢？
先来说下如何判断某一款产品的用户分类效果如何，主要从两个角度进行判断：分类的信度和效度，也就是分类的准确性和精确性。分类的准确性是指分完类后，是不是现实中每一个用户都能定位到反映该用户的类别，也就是说任何一个用户都能给他贴上属于某个类别的标签；而分类的精确性是指得到的用户类别在多大程度上反映了实际用户所包含的属性含义，也就是说用来描述各类别用户的特征信息与实际用户所有属性的吻合程度。在实际分类中准确性和精确性往往不能同时达到完美，当你追求100%的准确性时精度肯定会下降，比如只用性别去划分用户，准确度很高但是精度不够，所以在实际用户分类时找到准确性和精确性的一个平衡点，达到自己分类目的即可。
又回到前面提到的把用户划分为初级用户、普通用户、高级用户，这种划分的方法是准确性很高，但是精确度不够，每一个用户都能根据实际情况判断为初级用户、普通用户还是高级用户，但是描述用户的特征信息很少只有操作频率和计算机技能水平两个维度。这是很不精确的，在实际情况中，用户的特征信息是包含很多，用户间任何一个特征因素不同都会导致不同用户使用某个产品的行为习惯偏好等的不同。比如用户的年龄、性别、学历、收入水平、计算机水平、职业、地域、网龄以及使用某个产品的目标等因素都会导致不同用户不同的使用习惯和偏好。所以在用户分类时需要从多个维度的特征因素去考虑如何划分用户。实际又该如何操作呢？
首先考虑对某个产品进行用户分类时需要哪些特征因素，也就是从哪几个维度去划分用户。一般会从以下几个维度去考虑：用户的人口学信息，用户的计算机背景（包括用户的互联网使用背景），上网地点，收入水平，职业，地域，用户对于该产品的一些使用经验和偏好，使用过哪些同类产品，使用的目的是什么，认为哪款最好用，影响选择某款产品的因素有哪些，通过哪种途径得知的，使用产品的态度，使用产品的具体行为等因素。那具体到某个产品时应该选择哪几个因素去划分用户呢，解决的方法是先把所有维度都列出来，然后针对这些维度进行用户访谈，通过访谈能够得到大概的用户间的共同点和不同点。然后把所有因素转化成问卷题目，通过科学抽样的问卷调查得到用户调查数据。对这些用户数据进性行聚类分析即可得到您所需要的用户分类。用户聚类需要注意哪些呢？
聚类分析中有很多因素影响着最后的用户分类结果，影响较大的因素有：聚类方法选择，距离算法选择，聚类变量选择，用户类数选择。对于聚类方法和距离选择，我倾向于推荐选择两步聚类法和对数似然值距离算法，因为用户的人口学特征和使用某产品行为偏好等特征一般都是分类变量，用欧氏距离算法的话，它的距离公式所表示的含义很难用实际意义去描述，或者说它的距离值在现实中是没有实际意思的。聚类变量的话可以选择访谈得到差别较大的特征因素，但是这些变量之间也是有关系的，具体还要通过不断的尝试去调整，主要看去掉某个变量后聚类结果是否有大得差异，如果有该变量则为重要变量，用户类数确定可以结合实际聚类得到的描述性判断因素　　是展现企业形象、介绍产品和服务、体现企业发展战略的重要途径，因此我们必须明确设计站点的目的和用户需求，从而做出切实可行的设计计划。我们会根据消费者的需求、市场的状况、企业自身的情况等进行综合分析，以“消费者”为中心，而不是以“美术”为中心进行设计规划。和访谈等得到的实际情况共同确定。
怎么对用户分类，细分到何等程度，不太会有一个模式或者方法来通用。所以涉及到某个具体产品的用户分类时，首先明确你得分类网站设计应针对所服务对象（机构或人）的不同而具有不同的形式。有些站点只提供简洁文本信息；有些则采用多媒体表现手法，提供华丽的图像、闪烁的灯光、复杂的页面布置，甚至可以下载声音和录像片段。好的Web站点把图形表现手法和有效的组织与通信结合起来。为了做到主题鲜明突出，要点明确，我们将按照客户的要求，以简单明确的语言和画面体现站点的主题；调动一切手段充分表现网站点的个性和情趣，办出网站的特点。目的，分完类之后你需要面怎么利用这些类。当能够从用户分类中得到明确的产品用户群和产品定位时，说明该分类就基本有效了。
网奇网络原创文章，本文地址：，转载请注明出处。
的相关新闻
新手建站指导
免费网站模版
本文评论 　　 (0)
同意评论声明
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款
快速了解网奇
网奇产品导航
网奇 网站管理系统
网奇客户案例
Hot Search:|||||||||||||||||||||||||新媒体怎样走向盈利：细分+高于用户预期|用户|媒体|盈利_互联网_新浪科技_新浪网
新媒体怎样走向盈利：细分+高于用户预期
　　通过广告盈利，内容本身只是载体，而在用户看的是内容，广告只不过是附属品，这就产生了矛盾，而花样百出的所谓“盈利模式”，也就是为了想方设法地解决这个矛盾。
　　(多看科技副总裁)
　　自打有了互联网，“盈利模式”这四个字就成为许多公司绕不过的一个坎儿。而这个问题，在传统经济中如果提出来简直就是个笑话。那么，为什么在互联网领域，每当出现一个新媒体形态，都要为“盈利模式”困扰，都要被拷问、质疑，而且大批大批的公司就死在这上面呢？
　　这还得从互联网媒体的基本特性说起，涉及到快速传播、海量用户与低边际成本三个关键词，这三个词足以颠覆一切传统的东西。比如说：
　　A公司提供一种内容服务，卖100元，有100个用户；
　　B公司发现如果把价格降到了10元钱，可以获得2000个用户；
　　而C公司发现如果价格降到1元钱之后，用户量可以到达30000；
　　这时候，D公司出现了，做为后进者他在价格上已降无可降，但他把视点放到了简单的买卖关系以外，直接免费提供服务，但用户量冲到1000000，而在内容中加载了广告，这1000000的用户关注度每一个值0.1元。
　　相比之下，D公司获取了最大价值的收益，此时，其它三家公司也意识到这一点，纷纷以免费来吸引用户，用户的眼球就成为了各方争夺的关键。
　　但是，企业的重点是通过广告盈利，内容本身只是载体，而在用户看的是内容，广告只不过是附属品，这就产生了矛盾，而花样百出的所谓“盈利模式”，也就是为了想方设法地解决这个矛盾。这个矛盾有时候会非常激烈，互联网媒体希望通过广告获利，但广告多了，会影响用户兴趣，直接用投票将这家媒体拖向无人理睬的深渊。
　　在这个时候，就会出现一个怪圈，新兴互联网媒体当它没有生存压力之扰的时候，它会完全以内容为核心，注重新闻精神与媒体独立性，从而迅速崛起；而一旦受到盈利需求和生存要求，以利润为核心，将内容与广告做嫁接时，也将迅速衰落。因为在互联网的世界里，资本的力量将驱动新的入场选手不顾一切地取悦用户、取代曾经的王者。
　　这个怪圈真的是不可突破的吗？显然――不是！因为在刚才的逻辑中有两个假设，一是假设内容的同质化；二是假设广告与内容是无关的。
　　首先来说，广告其实也是一种有用的内容，如果将广告定向投放在需要它的人眼球里，对于这些人来说，非但不是视觉污染，反而成为媒体粘性的构成因素；其次，在广告的形式上，粗暴、简陋的嵌入方式固然会招人讨厌，但细腻、有针对性的植入反而会给用户带来便利。所以，对于新媒体而言，挑战就转化为如何开发“差异化”的内容、如何设定更为便捷的广告形式上。同时，在这个时候就会有人发现，当“差异化”的产品做到一定的细腻度，“分众”到达一定颗粒度的时候，内容产品本身就可以直接获利。到底采用什么样的运营策略，就由这个企业自身的基因和特点所决定了。
　　我们再次回到刚才的假设，如果真正实现了差异化之后，各媒体依据自身特点在做这样的布局：
　　A公司的长项在于强大的数据采集与分析能力，他们可以有针对性地在细分领域做付费深度内容；
　　B公司对产品市场有着很深的认识，所以他们通过做产品的电商入口赚了钱；
　　C公司长于新闻嗅觉与敏感度，他们以用户兴趣数据分析为基础，做针对不同读者群的定向投送，更容易找到了广告。
　　D公司擅长用户推广，所以他们做通用内容平台，利用移动互联网的机会，干脆走向了垂直内容整合app的方向。
　　都说现在新媒体赚钱越来越难了，难就难在中国的互联网已经渡过了信息缺乏、用户需求低的蛮荒阶段。你必须提供高于用户预期的产品才能得到认可，而且在激烈竞争环境下，这一强迫性提升的过程是持续不断的，稍有松懈就会被超出。但更重要的，还是找到你自己，看清你自己，做到你自己！懂得拓展，更要收敛野心。在强调“人人互动”的移动互联时代，面貌模糊的人最终不会得到喝彩。
　　作者授权《》发表，转载请注明作者及出处。
&&|&&&&|&&