在上一篇中，Sam提到根据Databox的调查数据显示，74%的销售线索或者询盘来自于视频这个载体，只有26%的销售线索或者询盘来自于博客载体。
当然我也聊了下我自己对内容的看法，非常建议大家来打造自己的内容主题库，因为只要是对用户有价值的信息，我们就可以用不同形式的载体去承载，这样就能一通百通。
今天我们来聊下SAM的另外一张PPT，也是对我非常有启发的一张。
他提出了一个TAM的营销模型，在这个模型里，他把用户分成三类：Core、Casual、New。
其实我最早接触这三个受众类型的术语是在游戏行业。
Core(核心玩家)：指那些对游戏非常热衷，愿意投入大量时间和精力的玩家。他们通常会深入研究游戏，追求高技能水平和游戏成就。
Casual(休闲玩家)：指那些玩游戏时间不固定，通常不会投入大量时间或精力的玩家。他们可能只是偶尔玩玩游戏，以放松或消遣。
New(新玩家)：指那些刚开始接触游戏或对游戏不太熟悉的玩家。他们可能需要更多的指导和帮助来熟悉游戏规则和玩法。
当然，这三个词也可以用来描述其他领域中的用户或参与者，比如在市场分析中，可以指不同类型的消费者。
在我们B端业务中，我们也可以按这种分类进行用户划分。
Core指核心用户，就是那些订阅我们，付费我们产品或者服务的用户。
Casual指潜在用户，就是那些订阅了我们，但是迟迟不愿付费，甚至可能永不付费的用户。
New指新的用户，就是那些刚刚关注到我们，对我们感兴趣的，有可能付费我们的潜在用户。
谈谈我的想法
兴趣电商其实和传统的搜索电商是两个完全不同的逻辑。兴趣电商更多的是基于信息流的模式。
兴趣电商的算法逻辑主要基于信息流推荐算法，其核心是通过分析用户的行为数据和偏好，来推荐用户可能感兴趣的商品或者内容。
兴趣电商的算法逻辑可以简化为以下几个步骤：
1、用户行为分析：收集用户的浏览、搜索和购买数据，了解他们的兴趣。
2、协同过滤：通过用户相似性、内容信息相似性或产品相似性来推荐相似信息。
3、内容推荐：根据内容特征和用户偏好进行推荐。
4、混合推荐：结合多种推荐技术，提高推荐效果。
5、个性化推荐：使用机器学习预测用户偏好，提供定制化推荐。
6、多目标优化：在线调整和离线训练相结合，优化推荐效果。
7、内容激活：通过内容激发用户兴趣，促进消费。
8、兴趣标签匹配：识别用户兴趣标签，推荐相关商品。
简而言之，兴趣电商通过分析用户数据，运用多种推荐技术，提供个性化和内容驱动的信息推荐。我们国内常用的抖音、小红书这类都是基于这类推荐算法。
有很多小伙伴会问，我们做搜索引擎营销，兴趣电商对我们有什么帮助么?
这个问题真的问到点上了。有很多用户他对某一领域的内容其实完全没接触，或者接触很浅，因此他不具备独立搜索的能力，所以他可能很难用正确的方式搜索到他感兴趣的内容。而兴趣电商就给了我们一个机会，只要用户行为上关注过，表现了他的兴趣，那么就有可能通过推荐的算法推送到他面前进行转化。
对于B端来说，以TikTok、Youtube 、Instagram Reels、视频号为首的平台，长视频和短视频都在发力，这些都是兴趣电商算法推荐的模式，因此我们B2B必须牢牢把握住，因为短视频营销风口正在大爆发!
举个家具行业的例子，在tiktok上主要都是泛娱乐流量，很多人会对很好看的家具感兴趣，因此tiktok会根据看过家具内容的用户画像和行为数据，给这些用户继续推送相似的内容。那么你思考下，如果你是一位欧美的家具卖场老板，你会不会去看看目前市场上用户喜欢什么样的家具，什么风格，什么款式，所以你的行为和偏好是不是被这些兴趣电商算法给标记上了，然后就给你推相关信息和内容了?
然后这个时候有个比较优质的【家具类B端视频】，那是不是就会推送给这个老板。可能这个视频播放量1000.999都是泛流量，但这1个就是精准的B端流量啊!虽然这个比例看着不高，但是架不住视频曝光量大啊!如果多视频，多垂直度去发布，是不是能触达很多这类 NEW Buisness Leads，这不就是成交线索和机会么?这个是和搜索完全不同的流量类型!
所以可以好好关注下面几个渠道路径的组合打法。
1、Tiktok + B2B
2、Youtube short + B2B
3、Instagram Reels + Tiktok + B2B
4、独立站+ TIKTOK + YOUTUBE Short 个人认为应该是24-25年B2B最大线上流量风口!