青春替简单来说，手机的青春版就是青春替。它在同一品牌的基础上， 既满足了消费者基本的功能需求，但仍能让消费者获得同样的品牌体验。

消费者的钱其实是在流动的，那如何能让消费者的钱流向你呢？

作为全域数字零售 AI 大数据专家，任拓发现， 更多消费决策发生在了内容场。

美妆品类的内容场市占率从去年的 1/3 涨到 43.6%。即便是大家预期没有太好的彩妆品类，实际数据表现也不错，内容场市占率增长超过 10%，达到 53.1%。服饰鞋包品类内容场市占率已经到了 61.6%，女装高达 68.4%。

食饮品类的内容场市占率也接近 50%。反常识的是，生鲜的内容场市占率有 66%。直观可见，内容场成为了越来越重要的生意抓手。

然而，内容场越来越强，内容却越来越玄。

行业内出现了一种像素级学习的套路，就是把想借鉴的内容扒下来，关键帧抽出来，像素级地抄。但这样存在一个问题：你抄别人也能抄，你凭什么跑赢赛马？

算法只会留下最好的马，你的竞争对手不是上等马、中等马、下等马，而是 10 万匹上等马赛马。在这样的竞争环境里，只有找到好内容的底层方法论才能成为赢家。

4P+3T，标签科学方法论 2.0 找到内容确定性

峰会上，刀姐分享了刀法最新方法论「刀法全域品牌内容链」。这套方法论的底层逻辑是，“人群时代，要先人后物，从卖点思维转变成买点思维”。

任拓标签科学 2.0 的底层逻辑是与其是互通的。 标签科学 2.0 的公式由 4P + 3T 组成。

4P 是产品、价格、推广、渠道。它们都是经典的营销理论，但仍旧是以卖家思维在做定义。然而，在纷繁复杂的内容场里，想要吸引消费者的注意力，需要站在买家的立场。

于是，任拓引入了 3T。3T 是 4P 落在内容上的连接器，是以买家为思考原点的标签体系，具体分为人群标签、内容标签、货品标签。

人群标签给对的人看，货品标签是供对货，内容标签是给对的人看对的内容里面带对的货。只有这 3 个标签清晰了，才能知道投流投给谁、种草的点是什么，4P 才能落下去。

按照优先级，3T 可以分为 1T 引领、2T 协同。

内容标签就是 3T 里面最重要的引领 T，因为内容标签又有货又有人。 其中有 4 大核心标签：人设标签、痛点标签、卖点标签、场景标签。

人设标签是内容里使用人群的人设或者博主的人设。它决定了大家愿意不愿意往下看，或者是跟我有没有关系。

场景标签非常重要，因为大家不会关心你这个东西有多好，而是说能不能解决我场景的痛点，能不能展现产品的卖点。

以 4P+3T 的标签公式为基础，任拓推出 标签科学 2.0 的内容策略新六步法 —— 找、比、学、定、下、复盘。

• 第一步：找榜样。找榜样主要参考两个数据维度—— 好标签命中率、销售额。标签好坏与销售好坏强相关，因此，要找两者都表现不错的产品作为榜样。

• 第二步：比榜样。内容标签内有 4 大核心标签 —— 人设、痛点、卖点、场景，把它们每一个都看成一个赛道。在这四个赛道里，去比较本品标签分布和行业及榜样分布的差异，看到行业、本品和竞品的好标签分布以及投产比的不同。

• 第三步：学标签。比较后，调整标签分布，学习好的，去掉坏的，替换更优的标签。

• 第四步：定选题。标签需要组合，人设、场景、卖点、痛点不能直接抛出去给用户看。首先要定标签组合。就像好的食材全都炒一盘菜未必好吃，好的内容同样不能简单的堆砌好标签。算法可以找到适合本品的最高组合评分的选项，从中选择出种子选手。高分组合出现后，还要定内容选题。内容选题是击中用户洞察的切入点，得有一个主题，有一个故事。

• 第五步：下 Brief。选题定了要决定由谁来拍，这时候就要下 Brief，其中最关键的是找到适合拍选题的 KOL。

• 第六步：复盘迭代。内容供给的迭代太快。在供需关系里，供对货可能能赢 3-6 个月，但内容每天都在变化，可能内容今天是对的明天就错了。因此，内容需要不断复盘，不断找更好的标签，优化已有的标签。

实效案例详拆解，新 6 步法如何提效内容业务流

以大健康氨糖品类为例，曹力为我们详细展示了 6 步法的实战应用。

以人设、卖点、痛点、场景四大标签和销售进行相关性分析，任拓发现，氨糖品类产品里好标签数量和销售额之间线性相关系数能达到 0.61，即强相关。也就是说，在氨糖品类中，击中好标签与销售额增长正向强相关。

相关性是科学方法论的实施基础。有了基础后，再来看 6 步法的具体应用路径。

第一步，找榜样。榜样一般是销售额高、好标签击中率高的产品。下图直观可见，氨糖品牌 MF 两者都高，那它就是一个不错的榜样。需要注意的是，找榜样时需要去掉以促销为导向的内容，以免被促销、降价等非内容因素干扰。

接下来是 比榜样。比较时需要 核心关注的指标是：人设、痛点、卖点、场景四大标签的分布和投产比。

就氨糖品类整体来看，人设、卖点、场景的投产比比较高，但痛点的投产比较低。

但 MF 与之不同。与行业好标签相比，它的卖点、场景投产比更高。分布上它对于卖点更倚重，场景低于行业平均。这说明它的策略是突出卖点，提高场景精准度，以此提升投产比。理清榜样的内容策略后，进入学习阶段。

学标签，是以大数据为依据调整标签分布，加好的、去坏的、换优的。

上述案例中，相较行业均值，本品的人设标签、场景标签偏少需要增加；卖点偏多需要减少，痛点占比合适保留即可。

明确策略后，再对照各个赛道内表现优异的标签做增减。比如，人设标签可以增加大数据判断的好标签：宝妈、婆媳、徒步人；场景增加山姆、跳操、遛弯等。

找到标签的下一步是定选题。

大数据首先会对标签组合进行打分排序。结果出来后，AI 再根据标签组合出第一轮选题建议。比如，根据宝妈、哄娃、久站、关节压力大，这些人设、场景、痛点标签，AI 会给出选题建议“农村人带娃，费腿怎么办”。针对户外爱好者给出“户外徒步如何保养护膝”。

紧接着，选题落地下 Brief。大多情况是分人群下或者分人设下。

这一阶段，最重要的是找到适合选题切入点的 KOL。以年初大热影片《热浪滚烫》为例，它的切入点是自卑者的勇气。要真情实感表现出来这个切入点，真实经历过的贾玲就很合适。

好的 brief 需要策略的收和执行的放。要理清什么地方收着不能动，什么地方放给 KOL，不能锁死也不能留太多空间，需要掌握中间的度。

最后，复盘迭代，看内容投出去后真实的数据表现。

复盘阶段重点关注的指标有： 销售数据、互动率、本品及竞品的好标签击中率。

复盘找到的优质标签要延用，劣质标签要淘汰，并替换注入新标签。通过竞品、行业上游去找还没用过的，但目标用户群喜欢的标签去纳入。

标签即赛道，标签即洞察。

透过标签，内容能被量化为可衡量的指标，让玄学变为可拆分、可研究、可复盘的科学。只有找对人设标签、场景标签、痛点标签、卖点标签，给对的人，看对的内容，带对的货，才能真正让内容行之有效，达到品销合一。

扫码添加小花藤，回复【任拓】

领取更多任拓Nint独家提供的相关数据资料