创业公司成长模式,创业公司的三驾马车 创业公司成长模式,创业公司的三驾马车
作者提到了用户成长的全过程，以及reach渠道短信和语音的优化思路。接下来说说用户添加的三驾马车：模型、策略、话术。这三者是一个有机的整体，我们需要共同努力，最大限度地发挥商业效果。本文主要谈谈笔者对这一模式的理解。
因为作者不是特别的模范生，所以不敢在这一块班门弄斧，但是我们可以从商业效果的角度来看，模型是如何与商业合作，实现客户期望的。
一、模型的必要性
这基本上是一个不争的问题，但也不是绝对的。还是跟场景和用户数量有关？
当作者在做某个业务时，由于样本问题，作者发现模型的人口发生了转移。这时，即使我们减少人群包裹的投递量，尽可能选择高分段投递，我们也发现成本有点失控。其实这一次商业模式出了问题，最终导致成本无法控制。因此，模型是业务的基本盘。没有模式就相当于盲目投资，会直接影响业务。因此，作者的意思是，模型是商业的基石和本质。问题直接影响业务发展。必须调整模式，以确保业务的正常运行。
但是，在以下两种情况下，业务可以在没有模型的情况下进行：
1.公司拥有大量有效标签，覆盖率高，准确率高。此时，被这些标签筛选出来的人物肖像相对清晰，对于商业效果具有很强的可解释性。我接触过的公司很少有这样的数据库。事实上，即使有这个数据库，基于这个过滤条件选择的人数毕竟是有限的。毕竟业务本身不仅仅是成本的考虑，更是业务规模的考虑。此时，可以对战略人群进行预筛选，并结合模型为业务服务。
2.在一些场景中，发现模型的排序对成本的影响很小，根据模型，成本可以在从高到低的范围内。到时候所有分数在0以上的模型都可以投入测试，即使是模型没有覆盖的也可以投入测试。
二、模型优化方法
在这一节中，我不讨论具体的模型优化算法，而主要讨论样本的质量和数量。模型的效果基本取决于公司的数据库和相关场景的样本。不同的算法确实有不同的模型效果，但是没有有效的样本，它们是无根的。
样品的质量和数量与样品的比例有关，问题很少。关键问题是如何定义正负样本。在不同的场景中，正负样本的定义决定了样本的质量，从而从根本上影响模型的效果。
以以下场景为例，笔者仅以部分场景正负样本的定义为例，主要涉及模型的定义、比例、值、包含标签、预测核心目标和优化目标：
_信贷场景拉新_:
*正面样本：注册、完成或授信，其中注册和完成为必填项；
*阴性样本：未注册；
*标签：注册、完成、授信、营销日期(注册前最后一次营销)；
*比例：阳性和阴性样本的比例在1:1到1:10之间；
*数量：至少10万件注册样品，至少5万件成品样品，至少3万件信用样品；
*算法选择：分类模型或排序模型；
*预测核心目标：登记；
*优化目标：注册-完成率和完成-学分率；
_保险场景建模_ ：
阳性样本：购买成功；
阴性样本：未购买；
标签：上市日期，是否购买；
比例：阳性和阴性样本的比例在1:1到1:10之间；
数量：至少10万份阳性样本；
选择：分类模型；
预测的核心目标：成功购买；
优化：营销-购买成功率；
三、模型和策略以及话术的配合
_模型和策略的配合_
在实践中，笔者发现同一模式所采用的策略与以下几点有关：
1.目标客户群分析：根据转化人群，如果年龄和地区差异很大，就是
2.自己的数据系统：例如，我们推测UV在某些模型上是异常的。如果有足够的数据覆盖和准确性，我们也可以做一个对比测试：是同一个客户群，不包括这部分车，也包括这部分。
比较模型，看看它对成本有什么影响；在信用场景下，一些多头指标也可以叠加在模型上。
看歧视程度。
策略本身只是为了最大化模式的差异化。如果不区分策略，则统一提取高分段。
人群，因为每个细分客户的转化效果在每个细分市场都不一样，在业务上的表现是
评分不能下沉，或者效果不稳定。其实根本原因是模式没有被充分利用。
_模型和话术的配合_
正如作者前面提到的，模型是一个基本盘，策略和演讲是使模型工作的最佳方式。
使用。模型和策略明确后，每个人群包的画像相对固定。但是语音优化会有一定的周期和成本，所以要看是否有必要根据业务规模来专攻对话。
化。
例如年轻人群是否需要专门的话术优化？如果某些大省占比总投放量很大，是不是
话术的说法以及关键词匹配要做专门的适配。
模型是把人群的兴趣度做了高低的排序，那话术的作用就是最大程度的转化人群对
产品的兴趣。所以对于不同地区和不同年龄段人群的说法，如果有相应的话术配合，可
以起到相形益彰的作用。
对于模型本篇就讲到这里，笔者不是专门模型人员，通过和模型同学的聊天以及咖啡时间的讨论，撰写此文希望对从业人群有所帮助。
下一篇我们继续：用户增长三驾马车之策略篇