分类: 用户增长

通过WPeMatico自动添加.

  • 擦边主播们,把小红书变成小“黄”书

    小红书正面临一场微妙的身份危机——当深V睡衣主播与”陪叔叔谈心”的标题频繁出现在推荐流,这个以女性用户为主的生活方式社区开始显露出”擦边”生态。本文深度剖析平台在用户增长与社区调性之间的博弈,揭示从7:3性别比目标到6000元城堡礼物的商业逻辑,以及那些游走在”干净擦边”红线上的深夜直播间究竟如何改写内容规则。

    01 “干净擦边”

    小红书“出轨”了。

    不少女性用户在小红书刷到了擦边主播。曾经被章小蕙和董洁们定义的小红书直播调性,在主播们的深V事业线、清凉睡衣、性感扭动的身体以及一句句娇嗔的“你坏”声音中,逐渐靠向人们固有印象中的快手虎牙们。

    这些直播间的目标受众,显然不是传统的小红书用户。

    小红书的传统用户并不保守。

    作为一家日活过亿的App,小红书应该是国内目前讨论氛围最友好、话题最丰富的内容社区,从LGBT到AI行业,各类人群都在这里活跃。分享包括身体美在内的有关美的各种内容,更是这里的内容基调之一。于是,女生们可以大大方方讨论D罩杯的日常感受、马甲线练成术甚至是性爱体验。

    但这些内容的底层逻辑是分享。而擦边直播间里,主播们做的是交易,用擦边释放的情欲信号,换取用户打赏。

    她们的受众很明确:男性。或者更准确的说,是中老年男性。

    这张“明牌”直接打在直播间标题和主播昵称里。比如:

    《05 大三 想和叔叔谈谈心》

    《为了生活陪老头》

    《大爷起床锻炼了》

    《找个60的听我唱歌》

    不管穿的是蕾丝内衣、吊带睡裙还是紧身毛衣,主播们大多会突出(大)胸部。她们以陪聊为主,一些人会在互动时对着镜头捶小拳头,用夹子音娇嗔喊着“你坏你坏”“小坏蛋”,表情神态夸张到像是在表演短剧。

    ▲ 直播截图

    看起来,直接以性别讨好男性的擦边主播们,已经恶心到了一部分小红书女性用户。有人在直播间评论区感慨为什么小红书也变成了这样。有人说给孩子下载小红书,用的儿童模式,刚打开刷几下,就是奇怪角度拍女学生跳舞,透着隐隐的擦边感。

    还有人更抓狂:“我不想跟我爸一起刷小红书啊。”

    对于一些“老派”小红书女性用户而言,刷到这种内容的感觉,无异于见证它“出轨”。

    不过,依然有些瞬间的存在,还是会提醒人们这里是小红书。

    一位穿着清凉睡衣的女主播,自称是单亲妈妈,独自抚养孩子。当有人在评论区留言称要举报,还有人质问她不怕被自己孩子看到吗,很快有人回复,“尊重每一个活着的人”。社区文化中的共情,在此刻彰显。

    一位生活在珠海的主播,建议住在西雅图的直播间大哥去LA看看——这符合小红书用户见过世面的固有标签。不过,这个话题并没有延展,因为主播忙着要“小票票”。

    “小票票”指的是直播间礼物,包括多种类型。最基础的是人气票,每张1薯币,安卓系统下,1元兑换10薯币,每张人气票合人民币0.1元,最贵的礼物是城堡“REDcity”,标价60000薯币,合人民币6000元。(备注:苹果系统下1元兑换7薯币,礼物价格增加42.8%。)

    主播们各有讨票技巧。有才艺的上才艺,没有才艺的就打直球,有人靠施压,“老铁们,直播间五六十人,只有3票”,有人靠撒娇,“口口声声说喜欢人家,结果都不给小票票”。还有些主播会设置任务,比如刷礼物可以换衣服、刷10个浪漫花海可以线下见面等,引导用户打赏。

    “小红书已经算是干净擦边了”。一位最近同时看过快手虎牙和小红书类似直播间的用户表示,传统的擦边主播,会通过隐晦语言为用户制造幻想,比如“刷飞机的大哥,主播给你做‘人情世故’”,目的是将用户引到私域,达成无法被平台管控的其他交易。

    而这类动作目前在小红书平台整体还不算多。主播更多是通过展现身体、陪聊、上才艺等方式获得打赏。有的直播间评论区有人留言问“直播卖货”吗,主播回复“我就是货”,马上被助手提醒;有的直播间公告里公开写明“送烟花接主播下播”这样直白的文字;有两位主播连线时,其中一位女主播称10个浪漫花海(约合3000元)可以线下见面。

    不过,在上述用户看来,小红书对露胸的管理似乎更宽松,一些在其他平台需要遮挡的画面,比如深V,他在小红书还能看到。

    目前,擦边类主播在小红书信息流的占比不算高,很多人没有刷到过。但在小红书搜索“擦边 小红书”得到的用户内容来看,这个问题在2024年已经存在了。

    有人甚至表示,“自从下了小红书再没看过成人网页”。还有用户抱怨,自己睡不着的时候打开小红书,想看看早餐摊主播,结果被系统推了很多老年擦边直播间,主播们搔首弄姿,用户热情打赏。

    “好魔幻。”

    02 增长的代价?

    小红书可能是最不适合擦边主播的平台。

    因为调性实在不搭。

    小红书的月活用户已经达到3.5亿,其中70%是女性。这样的用户群体,适合用来种草、做交易转化,唯独不适合擦边女主播讨赏。于是,当女主播在直播间里撒娇抱怨没人给票时,评论区里也会有人直接自嘲:

    “XHS(小红书)都是白嫖的。”其中估计有不少看热闹的女性。

    但黑格尔说过,存在即合理。擦边主播能在小红书认真营业,说明这里有“大哥”。

    确实有。

    过去几年里,小红书通过兴趣打法,建立起汽车、数码等垂类内容,努力获取男性用户,终于把男女比例从最夸张时候的1:9逐渐拉回到3:7。今年7月,沿用三年的slogan“你的生活指南”也更换为“你的生活兴趣社区”。

    ——当然,这是官方公布的获客方式。而根据momo们在社区中的讨论,他们使用安卓机下载小红书时,如果不填写个人信息,只选择性别“男”,更有可能刷到疑似擦边的内容。因此,不排除这是一种冷启动的手段,目的在于获取更多的男性用户。这也是很多内容类App的通用做法。

    抛开这些,小红书对男性用户的渴望很好理解。

    不是它迷信阴阳和谐。更高的用户体量、更合理的性别分配,这对于维系社区文化、商业化都极其重要。

    关于增量用户与社区文化的关系,看看“克制”的豆瓣现在活得有多惨就知道了。它坚持书影音的核心内容模式,多年未变。当整个移动互联网疯狂迭代,这个缺乏内容与用户增量的老社区,注定走向枯萎。

    当然,这也是很多垂类App的宿命。

    这就像雅各布斯在《美国大城市的生与死》中表达的核心观点:多样性是城市的天性与活力之源。丰富性决定了城市生死与自我再生能力。对于小红书而言,如果没有持续扩圈,把“大哥”们吸引过来,如今的故事可能也会单薄。

    目前,小红书的商业变现以广告为主,营收占比在70%以上。这几乎是全世界内容社区拿到的统一模板。但卖流量实在不算一门好生意,广告少了吃不饱,多了又遭用户烦。另外,它受宏观经济、广告主投放喜好的影响也比较大,一旦有更好的流量高低,金主们可能拔腿就跑了。

    于是,大家都在忙着找“第二条腿”。

    Reddit紧跟AI时代,把用户对话数据向Google、OpenAI授权,作为社区语料去训练达模型。B站靠大会员和直播打赏的增值服务——令同行羡慕的是,这项业务的营收占比已经在2025年Q3超过了传统的广告业务,达到39%。

    对于小红书而言,最自然的选择还是电商。

    它早期吃上过跨境电商的红利,可惜后来兜兜转转,直到2023年电商业务才算真正步入正轨。它选择放大“人”在其中的作用,从买手电商到生活方式电商,核心都是基于人的信任感。

    公开数据显示,小红书电商GMV在2024年约为4000亿元,相比2023年的2300亿元增长近74%。

    而不管是卖流量还是卖货,用户规模都是成功之母。

    换成小红书CEO毛文超的话就是:发展第一。

    这位斯坦福毕业的创始人从2023年开始频繁提及“增长”。小红书DAU在这一年突破了1亿。据悉,高管内部会议上提出了“坐一观三”的策略,即坐拥1亿DAU之后,把3亿DAU视为目标——慢公司终于决定卷起来了。

    当然,结合官方公布的最新数据来看,这个目标可能还有点遥远。因为2025年快结束了,小红书还没有吃上DAU 2亿的庆功蛋糕。

    努力了,但暂时还没看到结果,也不确定转机何时才能出现,这个阶段是最让人焦虑的。

    每个人对待焦虑的处理方式各不相同。而小红书选择了更加努力。

    尤其在今年。围绕社区、电商和商业化等主要版块,小红书几乎没有停过新动作。从百日夭折的“小红卡”、荣升一级入口的“友好市集”到新收购的电子支付牌照,这些频繁的动作,让小红书在今年的受关注程度,不亚于任何一家大厂。业界也想知道,它要如何在调性、规模和商业化之间寻找更好的平衡。

    只是,其中的多数努力,依然无法在短期内得到正向反馈。

    调整还在继续。

    就在本周,凤凰网科技报道了小红书的组织架构调整。社区部被分为Live和Village版块,前者负责优质中长视频,类似B站的PGC内容,后者负责传统的UGC。

    这意味着,小红书的用户增长逻辑可能会进行调整。此前的UGC模式偏自然增长,而PGC意味着更强的运营介入,甚至可能导致头部KOL的诞生——这正是小红书此前一直避免的。

    它坚持做双列,搞去中心化算法,都是为了维护平等的社区调性。

    如果放弃这部分的自我,小红书会变成什么样子?一个与B站、抖音“杂交”后的新物种?

    如果说3亿DAU是小红书的长期目标,那么IPO应该是它足够清晰的短期目标。作为一家成立于2013年的互联网公司,小红书已经经历过至少7轮融资。根据彭博社报道,它的最新估值为310亿美元——这个数字在2018年6月还是30亿美元,相当于7年增长了10倍。

    它需要做好准备,让资本市场相信它拥有足够有想象力的用户群体、可靠的商业模式以及可持续的盈利能力。

    但对于一家内容社区而言,IPO不是成功的全部。更理想的模式或许是:它保留最核心的自我,接受二级市场资金补给后,抵达自己更期待的远方。

    知乎是个前车之鉴。

    它在2021年登陆资本市场,却始终没有找到靠谱的新故事,同时面临着老用户的流失,如今从用户规模到商业化能力,与小红书都不在一个量级。公开数据显示,小红书2024年利润超过10亿美元,2025年有望增长至30亿美元。而知乎在2024年经调整净亏损0.96亿元。2025年前三季度营收21亿元,净利润1500万元。

    眼下,小红书正在努力抓住电商这个新故事。这很难,但依然有希望。因为它拥有足够令所有电商平台羡慕的用户群体。

    围绕“人”的可能性,永远是商业中最具想象力的部分。

    如果一切顺利,小红书依然可以讲出一个关于耐心的好故事。

    根据《晚点LatePost》报道,小红书创始团队成员邓超曾经形容过自己理想中的小红书产品形态:首页要像一座城市的主干道,两侧的内容就像临街的店铺,有花店、有蛋糕店、有馄饨铺子,这才是多样性。

    多年之后,小红书基本长成了他曾经形容的模样。这很不容易。

    只是,城市“杂草”处理的效率,似乎也要及时跟上了。

    就在今年10月,小红书启动了为期2个月的专项清理,针对直播刻意营造暧昧氛围、通过违规手段诱导用户非理性打赏等乱象,平台累计处置超5600个违规直播间、975个违规用户。但从擦边主播的活跃程度来看,这更像是一场未尽的猫鼠大战。

    毕竟,野草烧不尽,春风吹又生。

    本文由人人都是产品经理作者【山农下山】,微信公众号:【山农下山】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

    题图来自作者提供

  • 如何靠 AI “三位一体”实现全量轨迹下的用户增长?

    在《智能时代》中,吴军博士指出:任何一次技术革命,都是由于发现了一种可以极大地提高效率的新能源或新动力。在当前的数字化战场,App 用户增长的“新能源”正是数据,而驱动增长的引擎则是 AI 的“三位一体”。

    大数据(新能源):从“局部样本”到“全量轨迹”

    传统的增长依赖于抽样调查或单一维度(如年龄、地区)的标签。但在 AI 框架下,大数据意味着全维度、全流程、实时性。相对传统增长更依赖于用户深度行为数据相互依赖关系,关注数据的集中性和全流程的数据规律总结。

    1. 数据深度(深度行为)

    数据深度是指:不再仅关注点击和下载,而是挖掘用户进入 App 后的微观轨迹(滑动热点、停留时长、功能点击顺序)。这些是预测 LTV(生命周期价值)最真实的燃料。

    传统的 LTV 计算往往是滞后的(Post-Factum),比如看 30 天或 90 天的实际收入。但增长需要预测(Prediction)。微观轨迹数据的价值在于它们是先导性指标(Leading Indicators),最长用的是数据来源:滑动热点追踪+页面停留时长+页面点击顺序。

    1)滑动热点 (Scroll Heatmaps & Touch Heatmaps)

    记录用户手指在屏幕上滑动和点击的精确位置。

    为什么重要?

    它揭示了用户的注意力分布和操作阻力。

    例如一个电商公司如何通过滑动热点进行LTV 预测逻辑:

    如果一个电商 App 用户在详情页上,手指反复在“商品参数”和“评论区”之间滑动,但迟迟不点“购买”,这预示着他是一个高意向但价格/质量敏感的用户。这种行为模式可能指向一个中等 LTV 但需要促销刺激的群体。相反,如果用户在页面上快速滑动到底部,然后退出,这可能是一个低 LTV 的“闲逛者”。

    2) 停留时长 (Dwell Time & Hover Time)

    精确到毫秒记录用户在某个页面、甚至某个特定元素(如一张图片、一段文字)上停留的时间。它反映了用户的兴趣深度和信息处理难度。

    利用停留时长对LTV 预测逻辑:

    • 内容类 App (如小红书/TikTok): 一个新用户在某篇关于“高定礼服”的笔记上停留了 45 秒(远超平均的 15 秒),即使他没有点赞,这个微观停留时长也强烈暗示了他对高客单价商品的潜在兴趣,是高 LTV 用户的重要特征。
    • 工具类 App: 如果用户在“设置”页面停留过久,可能意味着他遇到了困难,这反而是流失风险的信号。

    3. 功能点击顺序 (Click Sequence / User Path)

    用户在 App 内操作的具体步骤和先后顺序。它揭示了用户的目的性和使用习惯。

    利用功能点击顺序进行LTV 预测逻辑:

    • 路径 A(高 LTV 特征): 新用户注册 -> 首页 -> 搜索特定品牌 -> 进入商品详情页 -> 收藏。这条路径显示了强烈的目的性和明确的购买意图。
    • 路径 B(低 LTV 特征): 新用户注册 -> 首页 -> 点击横幅广告 -> 立即退出 App。这条路径显示了低质量流量的特征。

    传统增长 VS AI智能增长

    “挖掘深度行为和微观轨迹”,本质上是利用 AI 的算力,捕捉人类肉眼无法观察到的、海量的、细微的行为模式,从而比用户自己更早地预判他们的价值。

    2.关联性取代因果

    AI 不问“为什么”,它只看“是什么”。在大数据时代,只要相关性强度足够,它就可以直接转化为商业决策,而不必纠结于背后的动机。

    为什么这种方式在 2026 年的 App 增长中更有效?

    • 反应速度: 心理分析需要定性研究(慢),关联性分析只需要机器学习(快)。
    • 规避偏见: 运营人员的经验往往带有个人偏见,而 AI 的关联性是纯粹基于结果的。
    • 灰度成本低: 你可以同时针对 100 种莫名其妙的“关联性”进行小流量测试,最终留下的那个关联性就是你的“增长密码”。

    增长应用: 建立全链路数据追踪系统,将过去散落在各渠道的归因数据、App 内行为数据和交易数据打通,形成统一的用户资产(Single Source of Truth)。

    企业案例实战:AI “三位一体”如何驱动增长

    1. 字节跳动(ByteDance / TikTok):极致的推荐与自动化留存

    字节跳动是全球公认将“算法+数据+算力”融合得最完美的增长机器。

    • 大数据(全量轨迹): TikTok 记录的不仅是你的点赞,还有你滑过视频的速度、在某帧的停顿、音量大小等极其细微的行为数据。
    • 算法(强化学习): 它的推荐算法本质上是一个大规模强化学习系统。每当你滑掉一个视频,AI 就会收到一个“负反馈”,瞬间调整下一条内容的推送权重。
    • 实际增长案例: * 获客: 字节在投放时,会利用 Lookalike(相似人群扩展) 算法。它先分析 App 内最高价值的 1% 用户特征,然后利用算力在全球数十亿设备中找出最像这群人的潜在用户进行精准投放。
    • 留存: 著名的“沉默唤回”。如果一个用户 3 天没打开 App,AI 会根据其历史偏好预测哪一条内容最能吸引他点开,并在他最习惯看手机的时间点(算力预测)发送 Push。

    2. 某视频 App 的“音量调节”与流失预测

    这是一个更细微的、非直觉的相关性案例。

    • 发现相关性: 数据平台监测到,如果一个新用户在观看第一个视频时,频繁调节音量或反复拖动进度条,其 24 小时流失率比普通用户高 3 倍。
    • 分析: 机器不关心他是否心情烦躁。机器只看到这个行为模式。
    • 增长动作(实时干预): 当 AI 发现新用户正在“频繁调音量/进度条”时,立即判定该用户处于“体验挫败”状态,系统瞬间弹出一个高清切换指引或赠送一张会员体验券,强制打断流失路径。

    3. Netflix(奈飞)的“色调偏好”与留存

    • 传统心理猜测: 运营认为用户流失是因为“最近没好剧看”。于是花大钱买版权、推大片。 AI 特征识别: Netflix 的算法发现,用户点击视频的决定因素,往往不是剧情简介,而是预览海报(Thumbnail)的色调和构图
    • 特征发现: 数据显示,某些用户群对“暗黑、冷色调、特写镜头”有极高的点击相关性;而另一些用户对“明亮、多人合影”有强反应。
    • 增长动作: Netflix 针对同一部电影,实时生成几十种不同风格的海报。如果算法识别出你过去点开的都是暗色调封面,那么即便是一部喜剧片,它推给你的海报也会选一张色调较深、带有忧郁感的剧照。
    • 结果: 这一动作极大降低了用户的“决策成本”,从而大幅提升了长期的订阅留存。

    增长思维的升维:从“经验主义”到“数据主权”,过去的增长: 人工看数据(少量) -> 人工想策略(简单算法) -> 人工执行(低算力)。未来的增长: 系统收全量数据 -> AI 自动建模 -> 机器实时执行(高算力)。

    总结一句话: 高阶增长专家的价值在于:能够定义好业务场景,然后组织起最合适的“数据”,选择最有效的“算法”,并利用公司的“算力”去实现规模化增长。

    本文由 @ Sherryyyyy 原创发布于人人都是产品经理。未经作者许可,禁止转载

    题图来自 Unsplash,基于CC0协议

    该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务