1.多特征分群策略的失敗
最近在杭州參加了一個產(chǎn)品增長的線下分享會，會后在和他人溝通的時候，討論到一個有趣的問題。
這位產(chǎn)品在自己的產(chǎn)品中設(shè)計了一個包含多個特征的模型，想在這基礎(chǔ)上實驗一些策略，但沒有相應(yīng)的效果產(chǎn)生。
我們幾個產(chǎn)品討論建議其可以在這基礎(chǔ)上先縮減一些特征，可能根據(jù)一個明確的特征，或一些簡單的特征組合，然后在這基礎(chǔ)上，可能能更有效的明確特征代表的用戶或場景類型，進而提出對應(yīng)的假設(shè)和策略。

因為這塊我突然想起來，我直接在公司上設(shè)計的一個策略。
我們在首次進入時，用戶是否連接Wi-Fi，發(fā)現(xiàn)了一定的內(nèi)容偏好，關(guān)鍵行為差異。
所以以此作為策略的輸入項，進行多輪的功能設(shè)計迭代，取得了留存結(jié)果上的勝出。

一方面這里說明即使一定的特征有著一定的行為差異，另一方面，想要在這些特征組合上做出能勝出的功能，也需要多輪的迭代和假設(shè)推翻。

另外延伸一下，我突然當(dāng)時想起Wi-Fi和非Wi-Fi一方面代表的是用戶外出場景拍照，和室內(nèi)養(yǎng)護場景的差異（針對picturethis）。
另一方面從信息獲取的角度來看，非Wi-Fi場景下的，可能會有更多的干擾信息，停留時長，那用戶的信息獲取的路徑可以區(qū)分為中心路徑和邊緣路徑。用戶對信息的全面查看，邏輯思考會差別很大。所以可以針對性的設(shè)計相應(yīng)的轉(zhuǎn)化頁的信息。當(dāng)然這個也可以從用戶不同Wi-Fi下，停留頁面時長來做側(cè)面佐證。

2.一個勝出實驗組和對照組，最后結(jié)果反轉(zhuǎn)（3個月和6個月節(jié)點）
這里可能有幾個原因，原來的勝出畢竟是概率，還是5%的假概率
另一個是隨著時間的拉長，引入了新的變量，用戶的偏好，功能的迭代等

3.對于AI能力的討論
這塊有個收獲是在輸出上的二輪GPT矯正，這個可能是一個方向

4.是一些廣告商的分享
在一些廣告加載上的策略，可能有觸類旁通的作用