本文来自微信公众号：小丸子酱酱酱聊商业，作者：tibimaruko666，原文标题：《模型、品牌和创业者，最后拼的其实都是生态位，我们都是煞笔》，题图来自：AI生成
一
祛魅之后，才开始真正看懂一个人，昨晚又仔细研究了一下陈冕，我觉得这件事情越来越有意思。越看陈冕，越觉得有商业化脑子的人确实聪明，而且这种聪明过去经常被低估。
它未必体现在技术有多深、学历有多漂亮，甚至不一定体现在他说了多少正确的话，而是在一堆机会、资源、情绪和叙事摆在面前的时候，他知道什么东西能做成生意，什么东西只是看起来热闹，知道什么时候该往前冲，什么时候该认账，最后还能把事情落到钱、产品、用户和结果上。
看的人越多我也越来越觉得所谓的光环其实没那么重要。大家本质上都是普通人，说难听一点，谁还不是个煞笔，我自己当然也一样。每个人都有自己的认知盲区，都做过错误判断，也都有一些放到别人的专业领域里看起来非常外行的时候。没有谁因为读了名校、做过大厂、融了很多钱、认识很多投资人，就天然比别人高一等，更没有谁有资格站在一个抽象的鄙视链上看不起另外一群人。
很多所谓的厉害，本来就是有条件的，有人特别会做技术，有人特别会卖货，有人会融资，有人会组织，有人会做渠道，有人会处理复杂关系，也有人最擅长的事情就是把一个并不性感的产品一点点卖出去。每个人都有自己的生态位，也都有自己在这个生态位里需要维持的人设。
人设不一定是假的，它很多时候只是一个人把自己最有价值的那一面反复放大给外界看，时间久了，我们很容易把这一面误认为他的全部。陈冕这个故事对我最大的启发，可能也不只是让我重新认识了陈冕，而是顺带把很多过去觉得很厉害的人一起祛魅了。祛魅并不是发现别人“不行”，更不是证明自己比别人聪明，而是终于可以把一个人从那些Title、媒体报道、融资数字和宏大叙事里面拆出来，看清楚他到底擅长什么，不擅长什么，靠什么走到今天，又在哪些事情上其实和普通人没什么区别。
到最后会发现，一个人可以在某件事情上聪明得惊人，同时在另外一件事情上蠢得非常具体，这两件事根本不冲突。真正成熟的判断可能也不是简单地把谁捧上神坛，或者因为发现了几个问题就把谁一脚踹下去，而是承认每个人都有自己的边界，也承认别人某些地方就是比自己强。
以前我们特别喜欢问这个人到底牛不牛，后来才发现这个问题没有多大意义，真正值得问的是他到底哪一块牛，这一块为什么牛，这种能力依赖什么条件，又能不能长期形成复利。想明白这一层以后，人和人之间其实也就没那么多高低贵贱了。大家都是普通人，只是在不同的位置上，用自己最擅长的那一点东西换取结果。有人把技术做成壁垒，有人把渠道做成壁垒，有人把关系做成壁垒，有人把商业判断做成壁垒。陈冕给我最大的启发，也许恰恰是这一点：不要急着神化任何人，也别急着看不起任何一种能力。这个世界上真正有价值的东西，经常不是谁看起来最高级，而是谁最清楚自己靠什么吃饭，也最清楚怎样把这一点东西一直做下去。
我仔细想了一下，不是“陈冕押中了 AI 视频 Agent”这么简单，是一个更传统、也更耐久的商业问题，技术再怎么往前走，价值链也不会因为基础能力变强就自动消失，反而会重新分工。
大厂其实折腾这么多年，自己做研究院、做模型、发论文、做数据、做评测，最后落到产品上，依然是在解决“用户到底怎么把能力用起来”这个问题。LibTV、Flova、Lovart 做的其实也是同一层事情，不是继续证明模型能不能生成，而是把不同模型、素材、工作流、交互和交付组织起来，变成一个用户愿意付钱的产品。两边技术积累当然不是一个量级，但商业上都绕不开这一层。模型解决的是能力供给，应用解决的是交易和使用。能力供给变便宜，不代表应用层没有价值。
这里我解释一个误区，很多人把“模型能力”误当成了“产品价值”，但这两者从来不是一回事。LibTV、Flova、Lovart 这类产品真正要守住的，并不是某一个模型能力，而是把不断变化的模型能力，组织成一个稳定、可重复、用户愿意持续付钱的结果。
基础模型能吃掉的是功能，最难吃掉的是一整套围绕用户任务形成的系统。模型公司当然会不断向应用层扩张。今天能生成图片，明天能剪视频，后天能直接做 Agent，所以单点功能一定会被吃掉。一个产品如果只是“调用模型 + 套 UI”，那确实没有多少价值。但真正成熟的应用并不是一个功能，而是很多东西叠出来的：用户进来以后怎么描述需求，系统怎么判断意图，怎么拆任务，调用哪个模型，素材怎么管理，不同模型的结果怎么筛选，失败以后怎么补救，用户在哪一步需要人工干预，团队怎么协作，最终怎么导出、发布、投放，付多少钱，以及下一次为什么还回来。模型厂商可以复制其中任何一个点，却很难顺手复制整条链。
这也是为什么我一直觉得，讨论“OpenAI 会不会把某某应用做掉”，本身就问错了问题。更应该问的是这个应用到底控制了价值链中的什么。
如果什么都没控制，当然会死，如果控制了工作流、用户入口、数据、分发、品牌、行业知识、协作关系甚至成本结构，它就不是一个“壳”，而是一层新的产业基础设施。
二
最核心的差异化，通常来自几个地方，而且这些东西会长期存在。
第一是需求定义能力。模型擅长回答问题，但什么问题值得解决，本身不是模型天然知道的。用户甚至经常说不清楚自己要什么。一个做广告视频的人嘴上说“帮我生成一条视频”，真实需求可能是“明天下午之前给 Meta 投放做 20 个版本，前三秒钩子不同，人物统一，产品不能变形，还要方便投手快速修改”。这已经不是“视频生成”了，而是一整套业务问题。谁更早理解这个真实任务，谁就更容易做出产品。技术能力越普及，定义问题反而越值钱。
第二是工作流所有权。这是很多大模型公司最难吃的一层。Adobe 能活这么多年，并不是因为 Photoshop 里面每一个算法都别人做不了，而是设计师整个工作方式已经长在它上面。未来 AI 创作软件也是一样。真正的壁垒不一定是“我的模型比你好 5%”，而可能是用户有 300 个项目、5000 个素材、30 个品牌模板、10 个同事和一整套审批流程已经长在这里。这个时候模型换成谁，反而没那么重要。
第三是模型编排能力。未来很可能不会是一家公司一个模型包打天下，而是不同模型在不同任务上长期存在性价比差异。有的模型人物一致性好，有的文字生成好，有的速度快，有的便宜，有的适合修改，有的适合最终成片。真正好的 Agent 产品实际上是在做一个动态供应链什么时候调用谁、失败以后切谁、质量和成本怎么平衡。用户根本不想每天研究排行榜，他买的是结果。所以这一层本质上很像以前的渠道商和系统集成商，上游越丰富，反而越需要有人替用户组织上游。
第四是数据闭环，但不是大家嘴上最爱说的那种“我们有用户数据”。真正有用的数据是什么任务失败了，用户为什么修改，哪个结果被选中，什么素材最后被投放，哪个广告转化高，设计师到底调整了什么，企业最终批准了哪个版本。这些数据描述的是“什么叫好”，而不是“生成了什么”。模型厂商可能拥有全球最大的通用数据，但垂直应用掌握的是更接近交易和结果的数据。后者在具体领域经常更值钱。
第五是分发和用户关系。这一点技术圈一直严重低估，模型能力可以复制，用户注意力不能瞬间复制。美图真正难复制的从来不只是 MT Lab 那几十篇论文，而是它知道什么功能中国女性会点、什么滤镜会传播、什么按钮应该放在哪里、用户愿意为什么付费，以及怎么把一个技术功能推给几亿用户。很多人只看模型看错了，其实消费软件真正恐怖的资产往往是：我知道用户在哪里，而且我能让他反复回来。
第六是品牌和审美。AI 创作领域尤其明显。用户不是只追求“正确”，而是追求“像我要的”。审美本身就带有很强的路径依赖。Canva、Pinterest、Midjourney、美图都有某种用户心智。模型可以生成一万种风格，但“什么值得给用户看”仍然需要选择。供应无限以后，筛选反而更重要。这一点和商品社会完全一样，工厂越来越强，没有消灭品牌，反而让品牌更值钱。
第七是经济模型和运营能力。这可能也是陈冕这类商业化背景的人最容易被技术圈低估的部分。AI 应用不是把模型接起来就结束了。用户付 20 美元，你底层 inference 花多少钱？哪些任务应该用贵模型？哪些可以用小模型？免费用户给多少额度？什么功能负责拉新，什么负责付费？投流多少 CAC 能回本？年费还是月费？企业版怎么卖？这套东西直接决定公司能不能活。技术决定产品能不能做出来，商业化决定公司能不能一直做下去。
所以从波特五力来看，真正的竞争其实非常传统。上游模型厂商会不会涨价？替代品是不是很多？用户切换成本高不高？新进入者是不是一个月就能复制？你对用户有没有议价权？你有没有能力同时使用多个上游，从而降低单一供应商对你的控制？这些问题一点都没有因为 AI 出现而失效。
甚至可以把一个好的 AI 应用概括成一句话：上游不断商品化，但我不能被商品化。
这才是核心。至于为什么这么多人看不到，我觉得有几个原因。
最重要的是，模型进步是可见的但商业壁垒往往是不可见的。 GPT 新版本出来，benchmark 涨了多少，一眼就能看见；一个产品为什么留存高 8 个点、为什么用户愿意每个月多付 10 美元、为什么设计师换不了它，这些东西藏在大量细节里面，不看后台、不做业务根本不知道。所以技术叙事天然比商业运营更容易传播。
第二，AI 这轮创业被一种很强的“平台终局论”影响了。很多人默认模型最终会无所不能，于是自然推出“所有应用都会被模型吃掉”。但这是把技术能力边界和企业组织边界混在了一起。英伟达能做芯片，不代表它会自己经营所有机器人公司；淘宝拥有流量和支付，也没有自己生产所有商品。企业不是因为“能做”就一定会做，因为每多进入一个行业，就会增加组织复杂度、渠道冲突、客户冲突和资本配置成本。
第三，很多投资人和技术人员习惯看“供给”，不习惯看“交易”。他们会问这个模型比 Sora 强多少却不问一个短视频团队每天到底怎么工作；会问模型 context window 多长，却不问用户为什么第七天还会回来。真正的商业机会经常藏在交易摩擦里，而不是技术参数里。
第四，商业化能力不性感。做模型可以讲 scaling law，做世界模型可以讲 AGI，做商业化只能讲 CAC、ARPU、毛利、留存、渠道，这些东西听起来太普通。但恰恰因为普通，所以几十年都没变。最后企业死的时候，通常也不是死在 benchmark 上，而是死在用户不付钱、获客太贵、毛利不够、留存太差。
所以每个人“要占据合理生态位”比“有没有自己的模型”更接近本质。一个公司真正要找的，不是技术链上最高贵的位置，而是自己最有议价权的位置。
LibTV如果答案变成了“因为我的素材在这里、团队在这里、工作流在这里、审美在这里、投放数据在这里，而且我可以永远替你调用当下最好的模型”，那时候它已经不是模型的下游壳子了。
模型是供应商，用户是客户，而真正厉害的应用公司，是想办法让两边都替自己服务。
这就是为什么中间层永远不会彻底消失。真正消失的，从来只是没有议价权的中间层。
所以我一直觉得“基础模型会吃掉所有应用”这种说法，本身带着很强的工程师视角。它默认只要上游能力足够强，中间层就没有存在的必要。但商业世界不是这么运转的。现实贸易里互联网没有消灭经销商，亚马逊没有消灭品牌，1688 没有消灭外贸公司，SaaS 没有消灭实施商，云计算也没有消灭系统集成商。它们消灭的只是没有额外价值的那一批中间层，然后重新长出新的中间层。
AI 也一样，以前中间商可能赚信息差，后来信息差越来越薄，新的中间层开始赚的是筛选、组织、集成、信用、交付、分发和责任。模型厂商提供几十种能力，用户根本不想研究哪个模型做人物一致性最好，哪个做视频编辑最好，哪个便宜，哪个快，Token 怎么算。用户真正想说的是：我要一个能交付的东西，你帮我搞定。
谁把这件事情承担下来，谁就是新的中间层。只要社会还存在专业分工，只要交易成本不为零，中间层就不会消失，只会换一种形式。
但这里还有一个特别重要的区别，并不是只要站在中间就有价值。
最危险的恰恰是那种纯粹的“过一道手”，比如一个 AI 应用只是把 OpenAI、Google、字节或者某个视频模型套一层 UI，自己没有用户关系、没有工作流、没有独占数据、没有分发、没有品牌，也没有成本优势，这种所谓中间商确实非常容易被上下游同时挤死。模型厂商涨一次价格你就没利润，模型厂商加一个功能你就没产品，用户发现直接调用模型也差不多，你连客户都留不住。
所以陈冕并不是“中间商也能赚钱”，而是怎么把一个看起来随时可能被上下游吃掉的位置，做成一个稳定的生态位。
AI 这两年很多讨论喜欢把老商业理论当成过时的东西，实际上越到基础能力快速商品化的时候，波特五力反而越有用。因为最后还是那几个问题：上游有没有议价权？你的供应商是不是就那几个模型厂商？他们一涨价你怎么办？下游有没有议价权？用户是不是随时可以换产品？替代品多不多？模型厂商自己是不是你的潜在竞争对手？新玩家复制你需要几个月还是几年？你到底控制了价值链上的哪一个节点？
这些问题跟 1980 年代没有本质区别，只不过“供应商”从芯片、原材料、渠道，变成了模型、算力和平台。
所以一个好的 AI 公司，不能只是问“模型下一步能做什么”，还得问：我占据哪个位置以后，上游离不开我，下游也不愿意绕过我？这才是生态位。
比如视频 Agent 如果最后只是“帮你调用几个视频模型”，生态位就很差；但如果它逐渐掌握了创作者工作流、素材资产、项目协作、审片修改、品牌模板、版权、投放数据、用户分发，甚至形成团队级工作台，那就完全是另外一回事。它卖的已经不是生成模型，而是一套生产关系。
好比，美图是它已经有几十亿次真实图像编辑行为形成的产品直觉、用户入口、审美标准和交互习惯。它知道用户不是来“体验模型”的，用户是来把脸修好、把照片变好看、把视频弄干净的。技术只是被藏在后面。这个位置一旦站住，基础模型越强，它反而有可能越受益，因为它可以不断替换底层能力，而不需要重新教育用户。
技术进步改变的是产业分工，不是取消产业分工。
互联网没有让所有企业直接面对消费者，AI 也不会让所有用户直接面对基础模型。大模型会吃掉一部分应用，应用也会反过来商品化一部分模型。最后真正活下来的，不一定是技术最深的，也不一定是离模型最近的，而是谁占据了一个别人绕不过去、自己又有议价能力的位置。
这也是陈冕给人最大的启发之一。你可以不拥有最强模型，甚至不拥有模型，但你必须知道自己到底卡在哪个价值节点上。没有生态位的“中间商”会被消灭，有生态位的中间层，反而可能是整个产业里最赚钱的那一层。
三
祛魅之后，真正该看的不是 Title，而是能力有没有离开组织继续成立。
聊到最后我反而越来越不相信大厂 Title 这件事，很多 Title 本质上就是组织切分之后的产物，业务大了、团队多了、层级复杂了，人人都可以是某个模块的负责人，管十个人也叫负责人，管几百个人也叫负责人，但这个头衔到底能不能被带出公司，其实是另外一回事。在一个成熟组织里，方向有人定，预算有人给，品牌、流量、技术、招聘、法务、供应链、基础设施都已经搭好了，很多人做得很好，当然说明他有能力，但这和离开组织以后从零开始定义问题、找钱、招人、做产品、卖出去、扛现金流，本来就不是同一种能力。一级市场过去特别喜欢拿 Title 当筛选器，说到底还是因为它最省事。大家都想找下一个张一鸣、下一个汪滔、下一个拓竹，希望从名校、大厂、核心岗位、全球化、年轻、懂产品、懂技术这些标签里，提前筛出一个未来会做大事的人。
但问题恰恰在于，真正的张一鸣、汪滔和那些后来被反复写进成功学模板的人，最开始并不是因为符合主流叙事才成功的，他们只是后来成功了，所有经历才被重新整理成了一条看起来非常合理的路径。
现实里哪有那么多天才，大多数人都是普通人，边做边错，边错边改，区别只是有些人手里的筹码更多，犯错以后还能继续坐在牌桌上。如果一个人因为大厂履历、资本背书或者人脉网络，可以连续拿钱、连续创业、连续换方向，那他天然就比普通创业者拥有更多次试错机会。普通人一次项目做砸，可能现金流就断了，团队散了，下一次再起盘都很困难；有资源的人这次不行可以换一个方向，产品不对可以再做一个，模型不行可以再接一套，市场不行可以换海外，钱烧完了还有机会融下一轮。时间一长，外界看到的是“连续创业者终于跑出来了”，然后开始总结他的战略眼光、产品直觉和长期主义，但很少有人把“他拥有多少次重新下注的机会”算进去。所以有时候所谓的天才，并不是一开始就比所有人聪明多少，而是他获得了足够多的试错次数，又没有在前几次失败里彻底出局。当然，这也不意味着给任何人足够多的钱都能做出来。
四
商业世界里，到底什么才算真实需求，什么又只是被资本、投放、补贴和平台机制制造出来的繁荣。
我的理解是比“货卖出去就证明消费者接受”再苛刻一点。货卖出去，只能证明在当时那个价格、渠道、曝光和促销条件下，完成了一次交易。它已经比问卷、访谈、点赞、注册这些东西真实得多，因为消费者终于拿钱投票了，但还不能直接等于需求成立。一个原价 99 美元的产品，天天 49 美元打折、20 美元 coupon、广告轰炸以后卖出去十万件，跟一个不怎么投放、长期 99 美元还能稳定卖十万件，是两种完全不同的需求。再往后还有退货、复购、推荐、价格恢复以后还能不能卖、广告一停销量掉多少，这些东西才慢慢把“交易”过滤成“需求”。
所以我理解真实需求其实有层级。有人说想要，是最弱的；有人点击，是稍强一点；有人掏钱，是第一次真正验证；有人原价掏钱，更强；买完不退、继续使用、更强；重复购买或者主动推荐别人，已经非常强；最后到了不靠持续补贴和强投放也可以自然增长，基本才开始接近真正稳定的产品市场匹配。
很多 AI 应用现在讲的DAU、MAU、注册用户、生成次数、Token 消耗、ARR，甚至收入本身，都可能有相当大的“虚荣成分”。这里不是说收入是假的，而是收入也需要看它是怎么长出来的。一家公司一个月收入 1000 万美元，如果为了拿到这 1000 万美元花了 900 万美元买量，再加上 300 万美元模型成本，其实是在花 1200 万美元制造 1000 万美元收入。财务上它有营收，商业上却还没有证明自己。反过来，一家公司只有 300 万美元收入，但 70% 来自自然流量，用户半年以后还在付钱，涨价以后流失也不严重，那可能比前者健康得多。
所以 AI 应用最应该看的，从来不是“增长快不快”，而是停止刺激以后还剩多少。广告停掉以后还有多少新增？免费额度砍掉以后还有多少活跃？补贴取消以后还有多少付费？爆款视频不发以后还有多少自然搜索？模型升级导致行业整体能力免费化以后，还有多少用户愿意继续留在你的产品里面？这几个问题一问，很多所谓的高速增长会马上露底。
同时我理解，消费者非常知道自己哪里不爽，但经常不知道解决方案应该长什么样。 这是两个完全不同的问题。用户会非常准确地告诉你，“我剪这个视频太麻烦”“这个机器装起来很烦”“我不想每天充电”“我不想学 Prompt”，这些是真实痛点。但是你问他：“你希望我们做一个怎样的 AI Agent？”“你愿不愿意买一款怎样的智能硬件？”这时候答案就开始变得不可靠。因为消费者只能从自己已经见过的解决方案里面想象未来。
所以用户调研的价值不是“让消费者替你做产品经理”，而是帮你理解约束条件、失败原因和使用环境。真正的产品定义还是需要创业者自己来做。乔布斯那套话之所以一直有人引用，就是因为创新从来不是民主投票产生的。但反过来，不听用户也很危险。最好的做法其实不是“听不听消费者”，而是少听消费者怎么描述未来，多看消费者现在怎么花钱、怎么使用、怎么放弃、怎么替代。
“鸡生蛋蛋生鸡”特别有意思，很多调研机构喜欢把需求当作一个已经存在在那里、等待被测量的静态东西，其实现实消费不是这样的。需求经常会被产品、价格、渠道、社会环境和教育共同创造。智能手机出现之前，你去问 2005 年的消费者“你需不需要一块没有键盘、每天充电、还能装软件的玻璃板”，得到的数据可能非常难看。但这并不意味着智能手机没有需求，而是需求尚未被产品定义出来。好的创业者很多时候不是发现一个已经存在的答案，而是先做出一个东西，再观察消费者是否愿意改变原来的行为。
这也是为什么真正做生意确实需要“感觉”。但我更愿意把这种感觉叫做经过大量真实交易训练出来的判断力。不是玄学，也不是老板拍脑袋。一个长期卖货的人，看SKU、价格带、库存周转、退货、陈列、促销、竞争对手动作，看久以后会形成一种非常难写进问卷的判断。他可能没办法用论文解释为什么这个东西卖不动，但走进门店看三分钟就知道大概哪里不对。这个东西本质上就是商业经验压缩出来的模式识别。
但“真正的品牌基本都是线下长到线上”。具体来说是线下不是品牌成立的必要条件，自然需求和心智才是。假如一个品牌线上出生，只要后来形成了非购买流量驱动的消费者心智。比如消费者直接搜索品牌名、主动推荐、愿意接受一定溢价、出了新品会主动关注、离开原来的平台依然有人买，这就已经开始脱离渠道品牌，变成真正的消费者品牌。
我不认为安克“是品牌”，他是非常典型的属于渠道驱动型品牌 / Amazon-native brand，它的品牌资产曾经高度依赖亚马逊这个渠道，但这些年一直在尝试往真正的全渠道消费者品牌迁移。它和 Sony、Samsung 当然不是同一种品牌资产。Sony 即便从 Best Buy 下架一周，消费者依然知道 Sony 是谁；很多亚马逊品牌离开搜索排名和 Sponsored Ads，消费者压根不会主动想到它。这才是真正的差别，不是线上线下四个字本身。
因此判断品牌其实有一个非常残酷的测试：停止买流量以后，还有多少人主动来找你？离开你最强的那个渠道以后，还有多少人认你？价格比白牌贵 20%，还有多少人愿意选你？
如果三个答案都很难看，那大概率还只是一个有销量的商品，不是一个真正有资产的品牌。
消费周期也是同样的逻辑。真正强的品牌并不是永远增长，而是周期下行的时候掉得比别人少，周期回来的时候恢复得比别人快。因为消费天然会波动，短期 YoY 很容易骗人。疫情造就过大量“神公司”，平台红利也造就过大量“神品牌”，等外部变量恢复正常以后才知道到底谁在裸泳。所以你说“扛过周期”很重要。没有经过一个完整周期的高速增长，很难证明到底是自己的能力还是时代给的钱。
回到前面陈冕、LibTV、Lovart、Flova 这件事情，其实就完全接上了。
我现在真正好奇的已经不是谁首创了 Video Agent，也不是谁融资估值更高，而是两三年以后，谁停止投放以后用户还回来，谁模型红利消失以后用户还付钱，谁换掉今天这些模型以后产品依然成立，谁能够让用户把工作流真正沉淀在自己这里。
这才是真正的商业验证。
很多人喜欢拿一堆用户调研来反驳真实销售数据，说“你有没有问消费者”。这个逻辑本身就有一点倒置，购买行为本身就是消费者已经完成的一次最高成本调研。 当然还要继续研究为什么买、为什么退、为什么不复购，但绝不能让几十份问卷凌驾于几十万笔真实交易之上。
最后真正做生意的人看的其实不是某一个指标，而是一整套互相校验的证据：销售告诉你有没有人愿意付钱，退货告诉你承诺是不是兑现，复购告诉你价值是不是持续，毛利告诉你这个需求值不值得服务，自然流量告诉你有没有形成心智，周期告诉你这个生意到底是能力还是红利。
而所谓“品味”和“感觉”，就是长期泡在这些真实反馈里面以后，逐渐知道哪些数字是真，哪些数字虽然也是真的，但没有什么意义。
这可能也是卖货的人和纯粹看报表的人之间最大的区别：报表告诉你发生了什么，真正下过场的人会追问，这个数字到底是怎么发生的。
五
硬件的退换货率不能简单归因于“销售数据和产品势能没起来”，退换货本身更像是需求质量、产品兑现能力和渠道匹配度的反向指标。
一个硬件产品如果自然增长长期起不来，同时退货率又高，通常说明的不是单纯“营销不够”，而是前面的需求验证本身可能就有问题。消费者被广告、折扣、众筹故事或者新品噱头吸引进来，愿意完成第一次购买，但产品真正到家之后，发现安装麻烦、使用频率低、体验不符合预期、参数和真实场景脱节，最后选择退货。这个过程其实特别残酷卖出去证明消费者愿意试，留下来才证明消费者真的需要。
所以硬件我会把“销售”和“退货”放在一起看。卖得少并不一定说明没有需求，可能只是触达不够；卖得多也不一定说明需求成立，可能只是投放强。但如果一个产品长期依靠大额促销和广告才能卖，一停投放销量就掉，同时退货率还高、自然搜索不起、推荐不起、复购配件和耗材也不起，那基本已经不是增长问题，而是产品势能没有形成。消费者没有把它从“看见以后试试看”，变成“我真的需要这个东西”。
这也是硬件和很多纯软件指标很不一样的地方。硬件有物流、有安装、有物理空间、有售后、有真实使用摩擦，消费者花钱之后还要把产品带回家、拆箱、安装、使用，最后决定留不留下来。退货其实是消费者第二次投票，而且往往比第一次购买更诚实。
真正好的硬件产品，早期当然也可能因为安装、教育成本、软件 Bug 出现退货，但随着产品成熟，应该逐渐出现一个很明显的趋势自然流量起来，退货率下来，口碑开始替广告工作，老用户愿意推荐，新用户带着明确需求进来，渠道也越来越敢补货。到了这个阶段，销量才开始变成真正的产品势能。
对硬件来说，卖出去只是需求验证的第一步，不退货才是第二步，停止投放以后还能卖、经历一个周期以后还有人主动买，才算真正建立了需求和品牌。
而且这里也有一个特别容易被混淆的地方：产品差和没有需求不是一回事。有些市场需求非常真实，只是你的产品做差了；也有些产品做得很好，但解决的是一个用户根本不在乎的问题。前者应该继续迭代产品，后者越努力可能亏得越多。真正做业务的人要分清楚到底是“这东西没人要”，还是“大家要，但你的东西不行”。这也是为什么只看销售额、只看退货率、只做消费者访谈都不够，最后还是得把销售、退货、自然增长、评价、价格弹性和真实使用场景放在一起看。
本文来自微信公众号：小丸子酱酱酱聊商业，作者：tibimaruko666