迁移成本决定了用户生命周期的长度，粘性和变现能力决定了单体用户价值 ，这三者共同决定用户生命周期价值即lt，再加上用户规模和成本，就共同决定了产品的商业价值。 这里说下粘性和迁移成本的关系：社交关系链主要决定迁移成本，比如微信的社交关系决定其迁移成本非常高，而微信里的公众号，视频号等内容板块是用户提用户粘性的。
抖音是内容短视频平台
优质的内容和精准的分发导致其粘性很强，单列视 VK数据库 频模式也导致其广告变现效率非常高效，但因为缺乏社交关系链导致其迁移成本不如微信，所以抖音也在向社交方向探索，即使它粘性这么强了，本质原因是迁移成本由社交关系而非粘性决定。 比如想象一下假设一种新的产品形态能替代短视频，那用户就不需要抖音了，但是却离不开微信，因为社交关系在微信，要离开也是一个群体一起离开，离开门槛显然更高。 以上，更多聊的都是基于”数据”的增长，有点偏“技术”；其他提升用户规模的增长还有内容驱动增长，业务模式驱动增长等。
以下为这次对话的主要内容
端产品经理的能力模型与学习提升 B端产品经理 形成独特的艺 面临的第一大挑战，是如何正确的分析诊断业务问题。 这也是最难的部分，产品设计知识对这部分工作基本没有帮助，如果想做好业务分析诊断，必须具备扎实 … 查看详情 > 我总是很喜欢和你聊天，每次都能学到很多。我们可以先聊聊你在 e 正在构建的东西，然后深入探讨。 好的，在 e ，我们正在为 构建数据铸造厂。从大的层面来看， 归结为三大支柱：计算、数据和算法。 我们所三个方面：计算由像 Nvidi 这样的公司推动，算法的进步由像 Open 这样的大型实验室引领，而数据则由 e 提供。
我们的目标是生产前沿数据
以推动与各大实验室合作的前沿水平进步，并使每 BY 列表 个企业和政府能够利用他们的专有数据来推动自己的前沿 发展。 关于前沿数据这个话题，实际上你是如何获得这些数据的呢？ 是的，我认为这是我们这个时代的伟大人类项目之一。如果这有意义的话，我认为目前唯一的智慧模型就是人类，而前沿数据的生产很像是人类专家与技术和算法技术的结合，以生产大量此类数据。顺便说一句，迄今为止我们所产生的所有数据，互联网也是类似的。 在很多方面，互联网是机器和人类合作产生大量内容和数据的成果。而未来的情况可能就像增强版的
