2020，互联网产品大变，在这样的时代，我们能够亲历互联网的大变化，是多么的幸运！
先看互联网公司市值的变化的数据，记得曾经的BAT辉煌岁月吗？谁能想到今天会有人问，你的公司有几度？
记得曾经的传说腾讯的产品，百度的技术，(淘宝直通车怎么推广不了)，阿里的运营吗？谁能想到今天会有人问，你刷视频号吗？
是腾讯的产品不够好吗？是百度的技术不够牛吗？还是淘宝的运营老了？媲美国际FAANG【FAANG指的是Facebook、苹果公司（Apple）、亚马逊公司（Amazon）、Netflix、Google等5家美国网络业或科技业巨擘的合称】的BAT做错了什么？还是因为他们老了？
本篇先通过分析数据的巨变看用户去哪儿了，用户在下载哪些应用？用户使用时长较长的应用是什么？再通过分析看AI如何帮助做增量。最后探析ABCD（AI/Blockchain/Cloud/DATA）时代的新商业模式！
一、数据屏，用户去哪儿了？
有人说数据是生产资料，AI是生产工具，生产工具标志生产力水平，生产力（AI）决定生产关系，商业模式是生产关系，生产关系（商业模式）要适应生产力的发展，生产关系是生产力发展的形式，生产关系会反作用于生产力。
1. APP应用下载数据：全球热门应用排行榜短视频+美女约会霸榜！
先看用户都去下载了哪些热门应用？从下图数据可见全球2020年4月份应用程序热门下载第一名是TikTok（抖音短视频），收入排行榜的第二名Tinder是陌陌的榜样。
简单看是视频加约会驱动了热门应用。
另外，抖音及TikTok全球下载量超19亿次，视频会议软件ZOOM，钉钉App这类跟视频有关的应用程序均排名靠前。
一方面5G尚未普及，短视频长视频均已来临，另外一方面上面这张图下载排行里未见腾讯系，更未见腾讯帝国的长子，微信。可不可以问以图文即时消息为主的微信遇到了增长的天花板？
小结：互联网产品留不住美女就留不住用户使用时长。
产品上用户喜欢的次序是视频>图文>纯字。将文字，音频，视频，图片融合巧妙运用的内容才是用户去关注下载的应用。
这背后的本质，跟需求和供给关系是一致的。
例如：美女是一种稀缺资源，以前是地产繁荣，你会看到房地产领域美女云集，后来是互联网金融盛行，你会看到金融圈美女不断，现在，(抖音教程 百度网盘下载)，（自媒体教程百度云），笔者在做数据分析的时候发现，居然有人用AI技术专门看抖音上的小姐姐，详情见下图，至少说明抖音上美女多。
美女在哪里，那里机会就多！下图为github上面的抖音专看小姐姐。
2. 社交数据：社交产品的DAU/MAU，跳动的帝国正在兴起！
干掉微信的产品长的一定不像微信！
不怕慢就怕站，目前腾讯系最强的社交产品微信2019财年MAU的增长率同比只有6.3%，而另外一个潜在杀手级应用抖音的增长率根据2020年1月6日抖音数据报告可见其DAU增长率同比则高达60%。
单就增长率来折算字节跳动用户数增长率是腾讯的近100倍！
怪不得有民谣说，每日抖一抖，活到九十九！
小结：数据为王，用户去哪儿?
微信本体越来越像高速公路，没有用户愿意停留在高速上，除非高速公路上有美丽的服务区。微信是有最为庞大的用户基数，但是供用户留存的景点内容确不见得多有吸引力。
2020年Q1根据数据的反馈，短视频类产品日使用时长已经极度接近即时通讯产品。如果再加上在线视频，长短视频类产品用户日使用时长已经超过了即时通讯类产品。
详情如下两图：
数据为王，用户去哪儿？从上图可见，用户喜欢视频（短视频+长视频），用户花时间去看视频了。
笔者觉得微信类产品的破局在于视频，主要是短视频和中视频，长视频有腾讯视频担当，(网站维护一般都是维护什么)，以短视频产品为主杀出一款新的应用，而不是在微信内的视频号。原因在于微信不仅像高速公路，还像线上办公室，竞争激烈的职场环境给用户压抑的闯不过气来。
当用户讨厌一款产品的时候，连它里面的图标用户都是讨厌的。碍于工作的压力，不得不用而已！
所以以微信的体量打赢视频战役，或者打平视频战役的产品在微信之外而不在视频号。
3. 电商数据：专一的为女性用户讨便宜！
刚刚过去的2020年04月，全球著名应用数据分析平台App Annie发布2020第一季度热门应用榜单，MAU拼多多首次超越淘宝，拼多多第9，淘宝第10。
详情数据排序如下图：
拼多多排名的上升至少验证了以下产品逻辑：
其一：C2M必将成为趋势，我们大多数读者体验过，知道拼多多的购物流程跟淘宝是不一样的，这背后的逻辑就是CEM，想在拼多多上下单至少要找到另外一个买家跟你一起拼单。这样就形成了C端用户自发的聚单，然后卖家规模化接单的格局。小数据量多批次规模化接单给予卖家降低生产成本的巨大空间。
笔者是阿里巴巴早期产品时期的员工，知道马老师在2007年左右就提出电子商务的趋势是，小批量多批次！马老师的战略在拼多多上得到了很好的体现！
其二：下沉市场空间巨大，不同的地区，市场需求不一样，沉到3、4、5、6线城市去，才能更清晰的了解更广阔的用户的需求，进而能为那里广阔的用户带来便利。
其三：裂变模式的成功，拼多多的口号是「拼多多，拼多多，拼的多省得多！」，而无论是私域流量还是社交电商靠的都是裂变模式，即身边的七大姑拼上身边的八大姨，甚至是更亲密的关系一起拼，一起裂变！
淘宝这次数据被超越还可能有一个原因是疫情期间，大家更注重生活经济成本。但是这次拼多多MAU超过淘宝决不是偶然，有其必然因素，任何产品想获得客户的青睐，需持续的为用户客户带来更具有性价比的产品和服务！
二、AI屏，用户怎么留，人工智能中流击水，浪遏飞舟
首先问题：电信运营商用户去哪儿了？
三大电信公司基础用户数锐减2107.3万。
上图表可见2020年开年前两个月基础电信用户数减少2107.3万人！！！
锐减原因：
（1）WIFI替代说
有人分析，是不是因为疫情期间很多人长时间留在其他地方，而且是呆在家里，用一部手机或者WIFI上网就可以了，导致很多号码直接被放弃继续交费而停机销号了？
（2）灰色诈骗电话减少说
甚至还有人指出，因为疫情的原因导致通过网络和电话进行诈骗活动骤降，这部分灰色号码失去了生存的必要。
（3）运营指标更改说
还有人认为，整个2月期间，运营商无法摆摊设点营销，新增的用户数不够，而流失的用户多，甚至也有人说是不是运营商的KPI考核指标改了？
总之，这种用户数的剧烈下降可能是短期行为，但更像是长期的趋势。
首先电信运营商怎么留住用户的解决方案。
用户规模几乎预见天花板，不大可能做更大的新增用户量，当花费大量运营推广成本带不来用户新增时的解决方案是啥？这个时候我们推一下看。
做用户增长的核心目的是商业增长，商业增长除了新增用户带来的消费外还有存量用户消费频次和消费金额的增长。
如何做存量用户的消费频次和消费金额的增长呢？是有更好的服务和更创新的产品。
AI能带来更好的服务：
电信运营商AI运维，电信运营商传统运维体系在运维过程中存在“系统变化感知滞后”、“未来故障无法预测”、“故障响应慢成本高”三大痛点。
针对上述痛点，电信运维结合AI深度学习算法，推出智能运维解决方案，以提升电信IT系统的运维能力——既提升了电信IT系统的维护效率，又节约了电信IT系统维护成本，满足电信网络智慧运维的需求。
AI网络优化了更加高效的运维，更好的不断网更高效的信号就能够提供给用户更好的产品和服务。
AI客服，无论是10010还是10000号还是10086，普及的AI机器人客服，一方面降低了运营成本，另外一方面增加了产品服务时长。AI客服更是增加了产品与用户沟通的渠道
AI预测，根据已有的用户消费记录，运用AI模型帮用户推荐更加适合的套餐，甚至为用户推荐智能硬件，也能为电信运营商代理新的营收。
AI不仅是融资的工具，AI更是增收的利器！
其次：AI助力企业推广转化为企业增长。
亚马逊号称其电商营收的35%来自算法推荐。
（1）精准推荐算法模型
精准推荐中的常用模型有：交叉销售模型、关联推荐匹配模型、互联网信用模型、电商动态定价模型、信息聚合分类模型等等。
文中尽量不采用高等数学公式，尽量用直白的产品经理听得懂的语言进行讲述，(拼多多开店怎么一件代发)，因为公式可以在产品具体业务落地的过程中根据所需要公式有选择的进行针对的学习。
交叉销售模型：
利用关联规则发现两个产品间潜在的相关性，进而进行捆绑与推荐；关联规则可用Apriori等算法实现，交叉销售通过研究客户的产品使用情况，消费行为特点，发现老客户的潜在需求，一方面通过产品之间的关联，寻找实现产品捆绑销售的机会，另一方面为新产品寻找已有用户中的精准目标群体。
建立模型的具体步骤为：
以个体用户为单元，收集其订购业务种类，计算其订购比例；
提取订购比例较高的几类业务，计算不同业务两两间的相关性，分组、筛选与分类；
针对相关性和替代性高的业务组合进行交叉销售，如绑定销售精确推荐。
Apriori算法：
Apriori 算法被用来在交易数据库中进行挖掘频繁的子集，然后生成关联规则。常用于市场篮子分析，分析数据库中最常同时出现的交易。通常，如果一个顾客购买了商品 X 之后又购买了商品 Y，那么这个关联规则就可以写为：X -> Y。
例如：如果一位顾客购买了牛奶和甜糖，那他很有可能还会购买咖啡粉。这个可以写成这样的关联规则：{牛奶，甜糖} -> 咖啡粉。关联规则是交叉了支持度（support）和置信度（confidence）的阈值之后产生的。
支持度的程度帮助修改在频繁的项目集中用来作为候选项目集的数量。这种支持度的衡量是由 Apriori 原则来指导的。
Apriori 原则说明：如果一个项目集是频繁的，那么它的所有子集都是频繁的。
（2）关联推荐匹配模型
关联推荐匹配模型着眼于用户数据的基础属性、媒体属性等，实现产品精准定位，在广告的定向投放上效果显著。
建立该模型需要采集的用户数据有基础属性数据如性别、年龄、收入、学历；环境属性数据如手机上网时间、城市、地点、系统平台、语言环境；媒体属性数据如浏览的媒体、浏览的内容、兴趣关注点、当前的需求；消费属性数据如关注品牌、关注产品、消费水平、消费心态等。
三、Business model屏，先于用户厌倦就提早变化。
数据是新的生产资料，AI是新的生产工具，商业模式是生产关系，(拼多多开店需要什么)，生产资料和生产工具的巨变推动生产关系商业模式跟着变化。
商业模式变化之一：长尾效应显现，“少”就是“多”
早年在阿里工作时，曾经淘宝网对商户和客户运营有个KPI指标是上传的知名品牌商品数量，当著名客户和商家上传的商品数量越多代表着运营人员运营的越好，这背后的目的是著名品牌能提高商品的销售，对淘宝产生更高的GMV。
但在数据和AI的双重作用下，国际电商巨头亚马逊产生了新的结果，(快手运营好做吗)，亚马逊上的销售数据显示，（做自媒体教程视频），不是著名的书带来的销量大，而是那些专业度高，专业覆盖度够长的书能够带来更大的销量。
上图背后显示，在AI大数据时代，亚马逊上架很多头部书籍带来的GMV，不如小众图书带来的GMV高。证明在AI大数据时代，不是越多越好，相反“少”就是“多”。
商业模式变化之二：从用户参与到用户创造
B站自己生产的新番寥寥无几，全球第一大视频网站油管更是不自造视频，他们的视频内容几乎全部由用户上传，被称为UGC或者PUGC。
高德地图、百度地图越来越智能，智能预测到在你出发上班之前就提早知道哪条路线比较拥堵，地图APP就是利用UGC数据。也就是数以亿计的APP用户，手机既能接入移动网络，又能利用GPS定位，实际上现在的手机GPS、水平仪等都已经具备了很不错的精度。当你打开地图APP的一瞬间或地图APP在手机后台运行，GPS开始定位，并且移动网络也已经开始工作了，手机会自动计算你在某段距离里行驶的速度，然后回传到APP所在服务器。
当成千上万的GPS数据持续密集集中在同一个路段的时候，基本可以判断路段行驶缓慢。加上算法模型融合的其他数据，例如出租车数据、公交车数据，第三方数据，预测出行路况将越来越准。
商业模式变化之三：从TO C到 TO B
TO C是做流量的生意，好比网络热文里说，腾讯系厉害的不是产品，是腾讯系早年累积的流量优势。纵使产品差一点，也能靠既有流量优势耗死对手；而从事TO C领域习惯的腾讯系，才刚刚提出产业互联网的概念；
TO B 国内产品中帮助企业管理客户的超过Salesforce.com的企业尚无，Salesforce.com早已经是千亿美元级的TO B巨无霸；
TO C商业模式一般不是直接变现，更多的是，“羊毛出在猪身上，狗来买单”；TO B 是向客户直接收费，这就要求你的产品一开始就能创造价值，纵使一个细分领域的价值也要精准的为客户带来效益。
TO C不是没有商业模式了，只是时下更好的商业模式是TO B，TO C的产品例如，你继续可以小创新做个火几天朋友圈的某某社交产品，你继续可以花钱买流量。TO B的产品不同，TO B的产品是越做越火，越做企业价值越高，你会看到蓝色巨人IBM几乎一直TO B,你会发现ERP企业巨头SAP持续TO B数十年。
在5G时代，用户数下降是必然，(北京网站开发建设公司)，规模经济将进入尾声，运营商用户数的下降就是互联网行业逆转的预警，(淘宝运营培训)，用户数天花板和增长红利期结束了，接下来将进入残酷的存量经营大战，谁的内容运营能力强、谁的AI技术扎实、谁的AI大数据人才储备好，谁就将会是互联网下半场的赢家。
数据屏、AI屏、商业模式屏，3屏数据都才刚刚打开，商业模式的核心是在一个成长性的行业里，顺风而为！
#专栏作家#
连诗路，公众号：LineLian。人人都是产品经理专栏作家，《产品进化论：AI+时代产品经理的思维方法》一书作者，前阿里产品专家，希望与创业者多多交流。
