家电这个行业有个天生的难题：卖出去的是硬件，用户和品牌的关系在送货安装那一刻就基本结束了。设备连上网之后本来应该有第二次关系，可绝大多数品牌只拿它做了一个遥控器。这家品牌的解法是把关系重新定义一遍——先把人分成两套：注册了账号但没连过网的，按登录行为判断；设备已经在家里跑着的，按绑定与使用频次判断。两套标准叠在 19 类设备上，切出 76 个客群，每个客群配自己的策略。然后是三件让体系跑起来的事：素材产能在 AI 做图与拍照片生成视频上补，触达前端在豆包、Kimi、元宝这些 AI 搜索入口上抢，复盘与迁移判断交给 DataQA。整条链路以 FDE 驻场交付，先跑前四类设备，跑通了再铺开。
家电是典型的一次性成交、长周期使用。用户的真实体验发生在买完之后的三到八年里，而品牌的动作几乎全部集中在成交前。这中间的落差，就是这套体系要补的部分。
客户画像
一家做全品类家电的品牌，从空调、冰箱、洗衣机、热水器到厨电、净水机、新风机、扫地机，共 19 类可以联网的设备。设备卖到了几百万户人家里，每一台都带联网能力，理论上品牌能知道它什么时候开、开了多久、有没有报故障。但这些数据在售后系统里，运营手上的 App 只有登录和下单记录——两个世界，几乎不通。
原来的做法
运营按业务需要临时组活动：这个月推新客福利，下个月推以旧换新，再下个月推会员日。人群是从后台拉一张表，口径各人不一样；策略是一条 push 发给所有人，新客、三年老用户、半年没开机的人收到同一条。素材靠外包，一套图要等七到十天，等素材的这段时间策略就过期了。用户端看到的是没完没了的活动推送，关掉通知的越来越多。
我们的判断
问题不在活动力度，在于没有一套能持续运转的定义。先把生命周期定义清楚——什么样的人算新增、什么算活跃、什么算流失，全量用户和联网设备用户要分开定义——定义稳定了，人群才稳定，策略才可复用，复盘才有分母。第二件事是把内容产能从外包改成生产线：76 个客群需要的图与视频，靠外包永远跟不上。第三件事是触达入口：用户现在不是只在 App 里做决定，他会先问 AI。
安装完成即关系终点。除了保修与故障，品牌找不到第二次联系用户的正当理由。
绑定率、使用频次、故障率躺在售后系统里，运营手上只有登录记录，两个世界不通。
新客、三年老用户、半年没开机的人收到同一条消息，转化靠运气，关通知的越来越多。
76 个客群、每条策略三到五张图，外包一轮七到十天，策略排期全卡在等图上。
门店与仓库有大量实拍素材，但短视频要拍摄、要剪辑、要配音，成本高到只够做几支主推款。
“两千块的滚筒怎么选”“净水机滤芯多久换”，用户开始直接问 AI，品牌既没被提到，参数还常被说错。
顺序错了就做成又一轮活动排期。定义决定人群，人群决定策略，策略才决定要什么素材。内容生产线放到最后，是因为它要服务已经定下来的策略，而不是反过来。
把现有的运营场景、策略池、人群口径全部摊开，标出互相冲突的地方；再分别给全量用户与联网设备用户各写一套阶段定义与划分标准，用历史数据回测一遍，看每段人到底有多少。定义不稳定，后面所有工作都要返工。
按 4 个阶段 × 19 类设备铺开人群，切出 76 个客群；每个客群配策略，并标注自动化还是主动触达、核心指标是什么、是否已上线。同时把 AI 做图、AI 视频两条内容生产线接进来，让素材按策略排期出，而不是按设计师日程出。
首期只跑保有量前四的设备品类，用一个月做 MVP 验证转化与打扰度，再全面上线。之后进入月度节奏：月初定策略与排期、月中集中落地、月末复盘迭代。DataQA 接管复盘，让“这个月分层动了没”变成一句话能问出来的事。
数据、分层、策略这三层是脑，内容与触点是嘴。脑子想清楚了但嘴上说不出话，用户那头就什么都收不到——而嘴恰恰是最费钱、最容易被砍的一层。
| 层 | 放什么 | 解决什么 | 谁维护 |
|---|---|---|---|
| 数据层认人 | 账号行为（登录、浏览、下单）与设备行为（绑定、使用频次、故障）合成一张用户视图，按设备序列号与账号双向对齐 | 运营只看登录、售后只看设备，两套数据谁也不认识谁 | 数据中台 + FDE |
| 分层层分段 | 全量用户四段（按登录与首登间隔）与设备用户四段（按绑定与使用频次），两套定义叠加 19 类设备 | 同一句话发给所有人；三个月没开 App 的人被当成流失，其实每天都在用冰箱 | 运营中心 |
| 策略层做什么 | 76 个客群各配策略，每条标注触达方式（自动化 / 主动）、核心指标、是否上线、优先级 | 策略散在各人手里，重复推送、互相打架、没人复盘 | 运营中心 + 各品类 |
| 内容与触点层说什么 | AI 做图、AI 视频两条生产线，加站内资源位、push、短信、智能外呼，以及豆包、Kimi、元宝等 AI 搜索入口的 GEO 内容 | 素材等外包等到策略过期；用户在 AI 里问，品牌不在答案里 | 内容团队 + RoiAI GEO 专家 |
分层是判据，策略是动作。判据要稳、要能写进系统；动作要短、要有明确的下一步。两者之间用一个字段连起来：这条策略服务哪个客群。
| 阶段 | 全量用户判据 | 联网设备用户判据 | 典型策略 |
|---|---|---|---|
| 潜客还没进门 | 近一年未登录 | 拥有设备但未绑定 | 登录转化（短信 / 智能外呼）、设备待绑定提醒 |
| 新增刚进来 | 近一年登录过，首登至今未超过 15 天 | 已绑定，首次绑定在 7 日内 | 首登福利、签到引导、绑定次日使用指南 |
| 活跃在动 | 近一年登录过，首登超 15 天，近 15 天登录 ≥1 天 | 已绑定，首次绑定超 7 天，近 7 天使用 >1 次 | 日常促活、进阶攻略、精准推荐、交叉销售 |
| 流失走了 | 近一年登录过，近 3 个月未登录 | 已绑定，首次绑定超 7 天，近 7 天使用 ≤1 次 | 防沉睡预警、场景化唤醒、回归任务、外呼召回 |
| 策略类型 | 怎么触发 | 适合谁 | 看什么指标 |
|---|---|---|---|
| 自动化系统跑 | 行为触发：绑定、登录、未登录天数、使用频次变化 | 新增期的时间节点策略、活跃期的日常促活、流失期的防沉睡 | 触达率、转化率 |
| 主动人加系统 | 人工圈人 + 活动排期：交叉销售、限时抢购、以旧换新 | 活跃期促购与高价值客群的定向活动 | 活动转化、GMV |
| 内容侧先在 AI 里被看见 | GEO：把产品参数、评测、售后口碑整理成 AI 可引用的结构化内容 | 还在决策前、正在问 AI 的那批人 | 可见性、准确性 |
前两件解决“发给谁”，后两件解决“说什么”和“在哪被看见”。四件事缺一件，体系都跑不满。
全量用户按登录与首登间隔切四段，联网设备用户按绑定与使用频次切四段，两套定义叠加 19 类设备，切出 76 个客群。同一个 4 阶段，在净水机上意味着滤芯更换周期，在扫地机上是耗材与清扫频次——品类不改分层，改策略。
输入产品参数与卖点，按客群与场景批量出图：商品主图、生活场景图、活动 banner、详情页切片、以旧换新物料。同一款冰箱按六个使用场景出六张图，一次生成、人工审校、直接上线。素材周期从七到十天压到一天内。
门店或仓库拍 8—10 张产品图，加一段 30 秒实拍，生成 15 秒短视频：镜头重排、场景替换、口播与字幕包装一次完成。同一条片子出竖版与横版，分别用在详情页、信息流与门店大屏。真机画面来自实拍，AI 只做重排与包装。
用户在豆包、Kimi、元宝里问“两千块的滚筒怎么选”“净水机滤芯多久换”，品牌要在答案里被准确提到。做法是把参数、评测、售后口碑整理成 AI 可读可引用的结构化内容，再用 RoiAI GEO 专家做多平台核验：提没提到、参数对不对、理由站不站得住。
按“能不能验证”排，不按“做完没有”排。方案、技术、MVP、全量，四步之间各留一次回看。
| 阶段 | 月份 | 主要动作 | 产出 |
|---|---|---|---|
| 一 · 方案定口径 | 7 月 | 梳理现有用户营销体系、运营场景与策略池并归类；确定两套分层定义与边界值；出客群清单与策略优先级 | 分层定义、客群清单、策略池 |
| 二 · 技术建底层 | 8 月 | 业务系统与生命周期方案的可行性评审；按定义创建用户标签底层；账号与设备身份对齐；接入内容生产与触达通道 | 标签体系、身份对齐规则、通道清单 |
| 三 · 验证跑 MVP | 9 月 | 选保有量前四的品类，对全量用户的新增与活跃客群做第一期推送；同步验证 AI 素材的实际点击与转化，回收打扰度反馈 | MVP 报告、素材效果对比、频控参数 |
| 四 · 全量接力 | 10 月 | 全面上线 76 个客群与策略池；GEO 内容改造与多平台核验同步做；进入月度四步节奏，DataQA 接管复盘 | 全量上线、GEO 核验表、月度机制 |
每月的节奏是固定的：1—5 号按上月数据定当月策略与排期，6—10 号确认协同资源，11—25 号集中落地，26 号到月末复盘迭代。这个节奏最大的作用是让“写策略”和“做素材”错开两周——过去所有策略都卡在等图上，就是因为这两件事被排在同一个时间窗里。
不是一本运营手册。每一份都对应一个岗位的日常：谁定义人群、谁排策略、谁出素材、谁看数据。
| 交付物 | 类型 | 用来干什么 |
|---|---|---|
| 两套生命周期定义判据 | 规则文档 | 全量与设备各四段的划分标准、边界值、回测结果，写进系统后冻结 |
| 客群清单与优先级分群 | 人群包 | 76 个客群的定义、体量、优先级，首期落地哪几个 |
| 策略库动作 | 表格 + 流程 | 每条策略的对象、触达方式、内容、核心指标、是否上线 |
| AI 内容生产线图文 | 流程 + 模板 | 从产品资料到成套图片的生成与审校流程，含提示词模板 |
| AI 视频生产线视频 | 流程 + 规范 | 实拍素材的拍摄规范、生成参数、成片验收标准 |
| GEO 核验表与看板入口 | 报告 + 看板 | 多平台 × 场景问题的可见性与准确性核验，含内容修正清单 |
生命周期体系最容易自欺的地方是“策略都上线了”。上线不等于有效，有效要看人有没有从这一段挪到上一段。
| 口径 | 看什么 | 回答什么问题 | 容易骗人的地方 |
|---|---|---|---|
| 分层迁移动没动 | 各段人数占比的月度变化、低段向上段的迁移率 | 体系是在真运营，还是只在上线策略 | 只看策略上线数量——上线一百条，人一个没挪，等于没做 |
| 设备绑定率连没连 | 新售设备的绑定率、绑定时长（售出到绑定几天） | 联网能力有没有变成关系，还是仅停留在硬件参数 | 用总绑定数当成绩——分母是新售台数，不是历史累计 |
| 使用频次用没用 | 近 7 天使用次数分布、连续使用周数、功能渗透率 | 设备是真在用，还是连上就搁着 | 把“已绑定”当“在用”，两者之间隔着一次真正的使用 |
| 策略效率值不值 | 各策略触达率、转化率、单次触达成本 | 哪条策略该加投、哪条该下线 | 只看整体转化——单条策略的高转化可能来自本身人群就好 |
| 素材效率快不快 | 从策略到素材上线的周期、单套素材成本、点击率对比 | 内容生产线有没有真的把产能提上来 | 只算生成数量——生成了没人用，等于零 |
| AI 搜索可见度在不在 | 多平台场景问题里的提及率、参数准确率、推荐理由充分度 | 用户在 AI 里问的时候，品牌在不在答案里 | 拿曝光量当可见度——AI 答案里被提到才叫可见 |
三条口径红线：分层迁移要看月度环比，不要看单月绝对值，样本小的月份波动会被误读成策略失效；绑定率的分母必须是当期新售台数，用历史累计会永远好看；素材效率要连点击率一起看，生成速度提升而点击下降，说明内容在自娱自乐。
| 分层结构（月初到次月） | 数值 | 说明 |
|---|---|---|
| 高活跃占比 | 12% | 由月初 9% 上升，增量主要来自低活段的直接跃迁 |
| 中活跃占比 | 26% | 基本持平，说明迁移是单向的：中段有人上走，也有人下沉 |
| 低活跃占比 | 62% | 由月初 65% 下降，低活向中活迁移 2%、向高活迁移 1% |
这三行是一个月的分层迁移实测，不是全年成效。它说明的事情只有一件：低活段是可以被推动的，但推力有限——一个月推动 3 个点，靠的是自动化策略而不是活动。比率按原值呈现，未做量级放大。
定义、客群、策略库都能照抄。这四条判断抄不了，它们决定同样一套文件，是跑成体系，还是跑成又一个活动排期表。
“首登 15 天算新增”“近 7 天使用 ≤1 次算流失”这类边界值，一旦定了就要冻结一段时间。每月改一次定义，人群每月都不一样，策略永远没法对比。定义可以迭代，但要版本化。
家电品牌必须同时看账号行为与设备行为。两者对不上，就会出现“App 里是流失用户、设备上是活跃用户”的打架局面。对不上的部分单独放“未关联池”，不要硬并。
先有策略排期，再排素材生产。反过来做，素材会逼着运营给已有素材找人群，最后又变成一条 push 打所有人。AI 内容工厂的价值不在出图快，在于能按策略清单批量对齐。
用户在下单前已经先去问 AI 了。那一段没有账号、没有设备、没有行为数据，只有搜索意图——它不在这套生命周期里，但在真实决策链上。GEO 补的就是这一环。
还有一条不在卡片里：体系上线之后，频控才是真考验。76 个客群之间会互相重叠，一个人在设备维度是活跃、在账号维度是沉默、在活动维度是高价值，三条策略同时命中。没有全局频控，体系越细，用户越烦。
六个条件：有联网设备、有多品类、有账号体系、能拿到使用数据、内容需求量大、愿意先跑一个品类。缺哪条先补哪条，别从发活动开始。
反过来判断也成立：没有联网设备的耐消品，只能做账号侧一套分层，不必强拆两套；单一品类的，76 个客群会变成四个，先做四段再加品类；没有账号体系的，先解决身份识别，否则所有策略都发不出去；拿不到使用数据的，设备分层无从判断，先谈数据合作；内容需求量不大的，AI 生产线的投入产出比算不过来，先用手工；不愿意先跑一个品类的，大概率会在第一个月把素材与人力同时耗尽。
因为家电品牌有两类完全不同的人。一类是注册了账号但没买东西、或者买了东西却没连过网的，判断他的依据只有登录行为；另一类是设备已经在家里跑着的，判断他的依据是绑定与使用频次。用一套标准去切，第二类人会被误判——一个三个月没打开 App 的用户，可能每天都在用那台冰箱。两套分层、一个身份，才能说清谁真的在用。
细不是为了好看，是为了让每条策略都有明确对象。19 类设备的使用场景差别很大——净水机要看滤芯更换周期，扫地机看耗材与清扫频次，空调看季节。如果不分品类，所有设备用户收到的都是同一句“您的设备使用正常吗”。当然不是每个客群都要单独运营，首期只跑设备保有量前四的品类，跑通了再扩。
能，但要分场景。商品主图与场景图这类用于详情页与站内资源的，AI 出图后由运营做一轮审校即可上线；涉及安装效果、真机演示的，用实拍照片生成视频更稳，画面来源是真实产品，AI 只做镜头重排、场景替换与口播包装。凡是涉及参数、认证、价格的表述，一律以产品资料为准，不让模型自己发挥。
广告买的是曝光位，GEO 争的是答案位。用户现在会直接问 AI“两千块的滚筒洗衣机选哪个”，AI 给出的答案里提不提你、提你的时候参数对不对、理由站不站得住，这才是要优化的事。做法是把产品参数、评测、售后口碑整理成 AI 可读、可引用的结构化内容，再在多平台做可见性与准确性核验。
每月 1—5 号按上月数据定当月策略与排期，6—10 号确认协同资源，11—25 号集中落地，26 号到月末复盘迭代。这个节奏的意义是把“想策略”和“做素材”错开，否则每条策略都卡在等图上。
回答三个问题：这个月分层有没有真迁移、哪条策略在空转、哪个品类的人在往下掉。过去要拉后台、导 Excel、手工拼三张表，现在直接问，口径由语义层锁定；分层迁移率、策略触达与转化、设备使用频次三类指标异常会先推送过来。