电商运营 · 任务逐条
分析单位是任务,不是职位名称。下面每一条都带着它的方向、这条判断是有证据还是平台推断、判断的理由,以及它没有确立什么。
这一页上的每一项任务#
写商品页
正在自动化✓ 有证据支撑标题、关键词、描述、详情图与规格表 —— 成百上千个商品。
这是高量、模板化、格式已知、而且结果可测量的写作 —— 这个商品页排得上去、转化得了,或者不行 —— 而这个组合正是让系统可以在无人监督下迭代的那个。它同时也是一直以来占掉最多工时的那项任务;而平台自己现在就提供生成工具,所以采用这件事甚至不需要商家去选。
便宜的商品页不会创造优势,它拿掉了一个优势:当所有人的文案同时变好,排名会回到原处,而这份活还是得做。这是本站最清楚的一个例子:一种强制性而非可选的自动化 —— 不用的商家会掉队,而用了的商家得不到任何持久的东西。
买流量
正在自动化✓ 有证据支撑出价、预算,以及每天那个决定:为这个平台租给你的一位顾客,愿意付多少。
出价优化是一个有快速数值结果的闭环,而平台是刻意把它自动化的 —— 自动出价是默认项,常常也是唯一被好好支持的模式。要注意是谁做的这次自动化:卖流量的那一方,现在同时决定为它付多少钱。
这项自动化不是被采用的,是被施加的;而这个区别在这里比在本站任何地方都更要紧:运营的判断不是输给了一个更好的算法,是输给了「平台愿意暴露什么」的一次改变。剩下的是「卖什么」和「什么时候停」—— 而平台的工具不做这些决定,因为做它们不符合平台的利益。
读懂这些数字意味着什么
仍由人主导≈ 平台推断从一块什么都没说的看板上,看出转化率下降是因为一条差评、一个对手降价、一次规则调整,还是一张图加载不出来了。
「发现下降」早就被自动化了,而且很容易。解释它需要走到数据之外 —— 去读评价、去看对手、知道平台昨天跑了一场活动 —— 而解释决定了动作。这是本站反复出现的「分析 vs 归因」的切分,而它在这里格外尖锐,因为环境是按周变化的。
这项任务撑得住,不代表编制撑得住 —— 因为同一个人现在可以覆盖好几家店:更便宜的商品页与自动出价抬高了「一个运营能带几个店」,于是每家店摊到的运营人数下降了,而没有从任何一家店里拿掉哪怕一项任务。
平台又改规则了
仍由人主导≈ 平台推断弄清楚一条新政策、新费率或排名规则的调整,对这家店实际意味着什么,并在对手之前做出应对。
输入是一份刻意写得含糊的公告,加上「这个平台过去是怎么做的」这份知识;而输出是一次在任何人有数据之前就下的注。没有模型拥有第二个输入 —— 因为它没有被公布在任何地方,它以「运营对过去三次规则调整的记忆」的形式存在。
这是最耐久、也最不可迁移的一项:它是关于一个平台的知识,而在商家换平台的那一天就一文不值。一个「可防御的本事只对一家公司的规则手册成立」的职业,拥有的是一种与本页其余部分所描述的自动化不同类型的脆弱。