Meta电商B2C模式的失败与教训

大家好，书接上回，我希望今天能将Marketplace的这个系列完结，也许之后还会有一个收尾。今天我将跟大家分享我们是如何实现26倍的营收（top line）增长，以及这背后的前因后果、我们做了什么，以及我在这中间有什么体会。这期内容可能对技术同学，或者想了解大厂业务的人有所帮助，因为这是我对大厂业务的第一次开窍，觉得增长的体感非常重要。

如果大家还记得，我们之前尝试了B2C（Business-to-Consumer: 商家对消费者）模式，并做了一个非常大的改动，结果实验证明这个改动是无效的。这个时候大家就会去问，到底是因为执行（execution）不好，还是这个想法（idea）本身不行？我们又做了一个实验，证明是想法不行。也就是说，当你把同样的产品，用白色背景和情境背景放在一起做A/B实验时，白色背景的各项表现都非常差。这告诉我们，无论选品是什么，无论结账（check out）体验如何，无论付款体验或产品详情页（product detail page: 展示商品详细信息的网页）是什么样子，用户看到这种电商（e-commerce: 电子商务）的新东西，根本不会看，也不会点击，直接就走了。因此，你在后面做再多优化也没有用。

这个结论为什么重要呢？因为当时有很多假设（hypothesis: 基于现有知识对未知现象提出的推测），例如产品详情页不行、结账体验不够好、退货条款不够好，或者大家不信任Facebook，因为那时Facebook的名声比较差，包括隐私事件和剑桥分析事件（Cambridge Analytica: 一起涉及Facebook用户数据滥用的丑闻）等。所以，大家有很多围绕结账体验的分析。然而，那个实验告诉我们，这与这些因素都没有关系，Marketplace的用户看到这些东西，就不会在上面购买，直接就离开了。因此，这是一个非常重要的研究。

Facebook Shops的战略背景与挑战

接下来我们该做什么呢？此时又有一个背景，就是扎克伯格（小扎）决定全力投入Shops，包括Facebook Shops和Instagram Shops。Facebook Shops和Instagram Shops是在Facebook平台上做电商，而我们之前是在Marketplace上做电商。他希望再建立一个独立的、确定性的平台（deterministic surface），就叫Facebook Shops。Facebook下面有一些标签页（tab），其中一个就是Facebook Shops；Instagram上也有一个标签页叫Instagram Shopping。

他的设想非常好：Facebook本身是靠广告赚钱的，所以它可以开发出很好的工具，大概可以与Shopify媲美，成为一个优秀的购物工具。我们为商家提供这样的工具，而且基本上所有商家在Facebook上都有页面（page），他们本身已经在Facebook上完成了设置。我们能够联系到这些商家负责人，将购物功能提供给他们，这样就可以与他们的动态消息（feed）、广告以及Instagram页面联系起来。用户可以查看商家，直接访问商家的社交媒体，并在其社交媒体上下单。下单后，就会引导用户进入商家的Shops。打广告也可以直接引导到Shops，各方面的链接都会非常顺畅。而且我们有如此庞大的流量，这件事没有理由不成功，对吧？

然而，最终它确实没有成功。这有很多其他原因，我个人的解读是，这件事其实是可以成功的，但它需要十年，至少三到五年的时间。小扎太着急了，他每周都以非常心急的方式与团队开会，这种方式是无法做成一件需要长期投入的事情的。如果整个团队每个季度、每半年都要改变一次大战略，就很难进行长期投入，也很难真正把这个东西做好。所有这些事情都需要复利积累，这就是为什么“复合超线性增长”（compound superliner）确实是很重要的经验教训。如果你用很心急的方式去做这件事，是做不成的。但在小扎的紧盯下，大家都希望每天都能拿出成绩向他汇报，最终导致这件事一团糟。Shops的事情就先说到这里。

但它重要的背景是，电商在Facebook上仍然非常受重视，并且交给了Facebook Shops去负责。Marketplace的团队因此受到了一些压力，因为我们很多人已经觉得Marketplace上做不成B2C，但B2C又是公司的首要任务（company priority）。在这种情况下，如果你能做出一些成绩，就很容易被高层赏识，从而升职加薪。在这种情况下，大家的心情其实很不稳定。

C2C战略转型：产品市场契合度的发现

这个时候，有两件事我在其中都起了非常重要的作用，我事后才知道我起的作用有多大。

第一件事是我们的总监（director）做了一个非常重要的分析。他的分析也非常简短，即B2C在Marketplace上没有产品市场契合度（product market fit: 产品与目标市场需求的匹配程度），而C2C（Consumer-to-Consumer: 消费者对消费者）在Marketplace上有产品市场契合度。所以，我们应该全力投入C2C。这个分析非常简单，但它背后有一些细节（detail），我稍稍给大家一层一层地拆解。

产品市场契合度怎么看？就是看用户留存（retention: 用户在一段时间内持续使用产品的能力）。我有一期专门的视频讲过，如果感兴趣可以直接去看。很简单，就是看用户留存曲线。B2C即使拆分成不同的同期群（cohort: 在特定时间段内开始使用产品或服务的用户群体）来看那个J型曲线（J-curve: 描述某些现象在初期下降后迅速上升的曲线），在Marketplace上就是没有用户留存，留存率非常差，并且一直在降低。而C2C的平均水平很高，并且趋于稳定，甚至有时还会出现一些“微笑曲线”。在这种情况下，我们把精力投入到C2C上是合理的（make sense）。

这背后有两层细微之处（nuance），而且这两个图、这两个数据我都提供了很多帮助。因为那个时候，Marketplace上整个做电商的团队只剩下三个人了：一个是我的技术负责人（Tech Lead），我的前老板（我替他背锅的那个老板）已经走了，他去了别的地方；我的技术负责人升任经理（Manager），我在这里是一个高级数据科学家（Senior Data Scientist），还有一个合同工（Contractor）。就我们三个人，加上总监、经理，负责那么多东西。所以说这26倍的增长，我觉得我在里面参与的事情很多，确实不是吹牛，因为当时就我这一个人嘛。反正这些数据也都是我帮他提供的。

但我知道这里面有两个细微之处。第一个细微之处是，你的C2C用户留存是不是补贴带来的？我再讲一讲第一个细微之处。

C2C配送：从痛点到解决方案

第一个细节是，这个C2C配送（shipping: 商品从卖家运送给买家的过程）到底是不是站内交易（on-site transaction: 在平台内部完成的交易）？因为我们背后，不是上一集讲的那个故事嘛，我们之所以要在Facebook上做站内交易，是因为那个时候Facebook在跟苹果撕逼。苹果限制Facebook的隐私，Facebook会觉得自己没有第三方信号（third-party signal: 来自非自身平台的数据或信息），我们的广告模式会受到非常大的限制。所以说我们要去获取第一方信号（first-party signal: 直接从自身平台用户获取的数据或信息），因此我们要去做电商。包括刚才小扎说的那些Facebook Shopping的各种各样的倡议/举措（initiative），他的目的除了嘴上说得很好，即可以帮助大家更好地在上面做电商，“电商让产品和人建立连接”（Commerce connect product with people），更重要的是这样才能让商家更好地绑定在Facebook上，让商家的所有交易都发生在Facebook上，那我们就可以更好地卖广告。这是背后很重要的原因。

Marketplace上本地人之间的互相交易，对于广告模式的助益是不大的。所以说你的C2C交易到底能不能帮助广告得到信号，大家都是一个问号。大家觉得虽然这个有产品市场契合度，那个没有产品市场契合度，但是这个对广告没有帮助，那个对广告有帮助，我们到底应该做什么？所以这个产品市场契合度，是要在C2C配送上，有站内交易的产品市场契合度才算数。

有，那为什么会有呢？这又牵扯到当时记得是新冠疫情（COVID）。疫情期间，我们就鼓励大家说，大家要少见面，大家要多在线上接触。我不知道是谁在背后操弄了这件事，总之就是有了这么一笔钱去补贴（subsidize）C2C配送。那什么是C2C配送？就是我本地交易。本来大家如果用Facebook Marketplace的话，就知道，像国内的闲鱼基本上都是寄送的，但在美国它没有这么普及。所以Marketplace上都是本地线下交易。那我们现在鼓励大家去线上交易，去配送。

但是在Facebook上的配送，其实是一个非常差的体验。为什么？因为它没有像国内这么好的快递系统，你说一个顺丰啊什么东西直接就寄了，你要去UPS或者FedEx都很贵。你要去USPS（美国邮政），美国的这个邮政它虽然便宜，但是它有点麻烦。而且你经常不知道你的这个东西，因为它的包装和重量，你不知道需要花多少的配送成本（shipping cost）。所以说，比如说我卖一个原价100块钱的东西，然后我卖个50块钱，被人砍成了30块钱。这个时候我还要跑去邮局拿这个东西，然后去买盒子，然后一看，原来配送成本竟然要十几块钱。那我就说那你出这十几块钱，人家说我30块钱买你这个东西，我才不要再出十几块钱去买邮费呢。然后我说那我30块钱这个东西卖给你，我才不要十几块钱出邮费呢。那这个交易就黄了。总之它是一个非常差的体验，一方面不确定性很高，一方面很贵，一方面又很麻烦。

这个时候隆重登场的是我后面合作的这位工程经理（Engineer Manager）Prakash。有机会我可以专门讲他，他后来去做产品经理（PM）了，然后他现在去做GenAI Ads，据说要升总监（Director）了。这也是一个非常规的路径，从工程经理、高级工程经理，然后产品经理，再到产品总监。而且你看他的眼光也都是非常准，他在Marketplace上其实做得已经很好了，但是他毅然决然地选择去那边做一个产品经理。有机会我可以访谈他一下，我跟他关系还是挺好的。我刚回西雅图的时候，他其实就找我聊天，非常想把我拉回去跟他一起做。我们当时的合作还是非常好。

这个Prakash呢，他也利用了这个机会，聚集了他们组的资源。当时组内区分有一些做买家（buyer）的，有一些做卖家（seller）的，他们是负责做卖家的事情。当然买家很明显面对的流量（traffic）更多嘛，就看起来是更受重视。他这个时候就聚集资源，去把这个物流面单（Shipping Label: 附在包裹上的运输标签）给做好了。那怎么做的呢？就是第一，他简化（simplify）了整个物流面单流程，说我们就用USPS。你自己可以选择你自己的快递，但是我们Facebook帮你提供USPS的物流面单，而且你可以直接在家打印。其实USPS是提供这样的服务的，就是叫预付费物流面单（Prepaid Shipping Label: 提前支付运费的运输标签）嘛。而且，如果说你用商业角度去跟他谈的话，这个有一个很大的折扣。所以说可能个人花10块钱去寄，然后你用Facebook的这个服务，你就三四块钱就可以去寄了。而且你不需要去邮局，你在家就有这样一个预付费的、带条形码的物流面单，然后你打印下来，贴到盒子上，你就可以投递（drop off）就可以寄。而且我们再利用这个疫情的补贴，说在疫情期间，这个物流面单都是免费的。后来好像加了一个上限（cap），就是20个以上还是30个以上我们是不免费，但是反正在疫情期间，就是基本上你去用这个东西，都是免费的。

那大家就觉得哦，不用白不用。然后用了以后就可以直接去试嘛，就试了以后发现哦，打印下来一个预付费物流面单，然后你去寄出去卖掉，感觉还是不错的。在这过程中肯定也会发现其他的问题，我们就不断地修补这些问题，比如说骗子，然后这个其他的退货问题。总之就是之前是一个几乎不可用的、非常差的体验，现在就变成了一个很好的体验。那些简化分类（simplified category）我们也是需要做了以后，才有可能把它给做好。因为大家的估算（estimation）会出错，如果说你让大家在家里通过重量加这个体积去估算，就很困难，很多人就不做了。那我们就说只看重量不看体积，因为这个东西感觉大差不差。如果USPS少收我们钱，或者多收我们钱的话，那我们就自己在背后多退少补，然后到时候再去调节我们这个预付费物流面单的价格就好了。后来发现去这样做，确实是非常有效的，确实是一个非常从用户角度出发做出来的这么一个东西。

那有了这个配送，就顺理成章地有了站内交易。你去买一个已配送的产品，我们就说那你需要提前付钱对吧？然后大家可以把这个东西寄出来，商家也是要收钱的，你不能寄一个现金对吧？他寄你一个东西，你去寄一个现金给他，你总之是要通过你的信用卡付钱的。然后我们就发现，其实很多人是愿意把信用卡给Facebook的，大家没有不信任Facebook到那种程度，只是之前大家不想在Facebook上买电商产品而已。所以就产生了站内交易。

补贴下的增长与数据分析挑战

那产生了站内交易，那个分析就有第二个问题了，就是这些所有的站内交易，其实都是带补贴的。因为在之前的那个体验非常差，后面的体验好，但是后面的所有的这个体验，都是在疫情补贴期间做出来的。那你在这个时候做一个分析，说C2C配送有产品市场契合度，别人就会挑战说，你的这个C2C配送的产品市场契合度不是补贴出来的吗？你补贴停了以后你还有没有产品市场契合度呢？你补贴停了以后还有没有用户留存呢？这就变成了我的一个非常重要的研究。

那我的这个研究就是看上去其实是为了申请之后的补贴。那个研究是，现在我们的交易（transaction）每天都攀新高，就是比之前的我们补贴那个电商的时候，高了可能快两倍。然后我们说，这个补贴完了以后，如果我们停了补贴会掉到哪？这个分析请问怎么做？你不能瞎掰对吧？但是你又没有任何的实验数据，因为这个是全量的，所有人都得到了补贴。那怎么做？

这个时候我又学会了很多东西，就是你在这种时候，重要的是你要说出来一个让大家接受的结论和分析思路。具体那个数字其实不是百分之百重要，你要做的事情是把结论和逻辑，和你这件事背后的一些分析，非常清晰地分享给大家。那背后一个很重要的逻辑和分析是什么呢？就是到底有没有用户留存？到底有没有产品市场契合度？我自己真的要尽我最大的所能去回答这个问题。

那我当时做的事情呢，就是我要去把这些每日交易（daily transaction）拆分成有多少是新进的，然后有多少是留存带来的。然后我们去看留存的这些人，我们去看他去使用这个过程中，他之前的本地（local）行为是什么，然后他的配送行为是什么。他的配送行为和他的本地价格点（price point）有没有特别大的区别？反正就是你要去想嘛，就是如果说一个人，他是因为图这个预付费物流面单去使用配送，但是如果预付费物流面单的补助停了以后，他就不使用了，那这个预付费物流面单一般首先他可能会卖一个很不一样的东西，其次他的配送成本（shipping cost）应该是他整个的平均挂牌价格（average listing price）的一个非常大的比重。如果说我卖的东西还是我原来本地挂牌（local listing）的这些东西，然后我的配送成本是我的可能10%，那我有大概率这个时候就你不知道，但是你的假设（hypothesis）就是你的配送补助停了，他也愿意。因为他本地卖的话，他的这个就是你的挂牌价格（listing price）和大家最后的成交价格也会差很大，也会差个50%有的时候都有的。所以说这个20%的成本，对他来说就不是一个特别大的成本。他如果使用了一次C2C配送，这个预付费物流面单，然后接下来又使用，接下来又使用，那说明他对这个体验感觉还不错。那这个时候，你的这个补助就不是最核心的影响因素了。

总之把这些就是平均挂牌价格啊，他的本地挂牌和在线挂牌啊，配送成本所占的这个平均挂牌价格的比重啊，然后他的这些人的挂牌行为（listing behavior），他的线下挂牌行为和线上挂牌行为，都非常清楚地列出来。这时候我也说，在数据科学家（Data Scientist）你做好可视化呈现（visualization），做好柱状图（bar charts）是非常非常重要的。我也有讲就是数据分析为什么做柱状图却拿这些钱，就是你要把这些该分析的角度给找好，然后去把这些你的结论用真实的数据清晰无误地给表现出来，其实是非常重要的一件事。可惜啊我这个没有了，如果在Facebook的同学可能还能看到我当时的笔记（notes），可以看一下我当时写的这些东西，我觉得这个逻辑写得还是非常清楚的。

然后我基于我的这些分析，综合我的这个面板数据（panel data: 结合了时间序列和横截面数据的数据类型）研究，虽然我们没有因果推断（causality inference: 确定事件之间因果关系的方法），虽然我们没有实验，但是我会估算（estimate），就是当这个补贴停止了以后，这就不说具体数字了啊，就比如说我们原来的是1万，然后后来我们是3万，我会说大概停到就是1万七1万八的这个之间。后来一个月之后看了这个数据，和我当时的分析几乎就是吻合的，就是落在了这个区间里边。但是总之就是当时在没有这个数据的时候，大家是非常认可（buy in）这个分析的。

接下来我又提了一些东西，就是说我们会要更多的钱，我们会申请更多的预算（budget）去进行补贴。但是我们补贴的主要作用呢，是激活（active）用户，让本地用户加入C2C配送。并且我会设计几个不同的实验，设计不同的假设（hypothesis），帮助我们既能达到营收目标（top line goal），也能得到实验的学习成果（learning），然后也能做到一些我们要做的事情。比如说有的是集中在卖家获取（seller acquisition）上，有的是集中在节假日（holiday）上。而且我们在这里边，就是要把受到处理（treatment）的商家进行足够好的分组。而且就是买家和卖家这方面，就是双边市场（double-sided market）也都要考虑清楚。在这我就不展开了，这确实是一个非常非常复杂的一个实验的设置（set up）。是这个设置出来了以后，所有的数据科学家们都叫好说哦，你这个东西做得很好，我们相信你是可以非常负责任地花钱的，你能把投资回报率（ROI: 衡量投资效益的指标）算清楚的，你能测试到你想测试的东西，我们对你这个钱的使用是非常放心的。老大们当时也就很顺利地批了钱。

战略重组与个人成长感悟

哎呀又讲不完了。因为接下来讲，就是这个分析做完了以后，真的就围绕整个C2C配送开始组织重组（reorg）。然后我就在这里边，作为一个最有背景信息（context）的人，我不光去做了我们的Marketplace做这个C2C配送的这些所有组的技术负责人（Tech Lead），我们也招了新的人嘛。我还去做了增长团队（growth team）的技术负责人。是我们隔壁增长有一个，在Facebook有个专门的增长团队啊，如果不在Facebook的人可能不知道，在Facebook有专门的产品团队（product team），然后还有在每一个这个大组织（org）下面，都有一个增长团队专门去专注（focus on）怎么样子去增长。然后增长团队他们当时也是一些初级数据科学家（Junior DS）和一个经理，然后请我去给他们做技术负责人。

然后增长团队和产品团队其实是有摩擦的。因为增长的人就是想做各种各样的小东西，去把这个东西尽可能地去把它关键绩效指标（KPI: 衡量业务或项目成功的具体指标）往上推。然后产品就会觉得你做的这个东西会影响我的产品体验等等。所以说，经常我在产品组听他们怎么吐槽增长，然后我再去增长那边听他们怎么吐槽产品。然后我在这中间就是要当一个中介，或者说是一个桥梁的作用。感觉这些东西回头第五集再聊吧。

那这一集讲的就是怎么样子去转型（pivot），就是通过数据的分析和背后的一些很多其他的点，让大家真的进行了这个战略上的专注（focus），战略上的转移，专注在C2C配送上。那在之后，确实我也看到了Facebook在这方面做得还是不错的。就是整个大的组，全都围绕着这个新的策略，非常快地完成了组织重组。而且大家都很多时候丢掉了之前的工作范围（scope），然后去用不同的形式参与到这件事情里边。我觉得在那半年确实大家是非常专注，而且又能看到这个站内交易是不停地增长。然后大家又觉得这件事情，大家是能理解在卖家那里边面临的是什么情况，因为这是一个非常切实的（tangible）、有产品市场契合度的东西。所以我也觉得就是那半年，虽然在大厂工作，但是有一种创业公司的感觉，然后有一种大家都有一个共同的目标，而且大家做的事情都不是没有意义的事情，大家都在做非常有益的事情，所有的争论都是非常有益的争论。

当然有一些其他不愉快的点啊，就比如说Facebook Shops和Instagram Shops作为小扎钦点的两个这个产品，所以说他们得到了我们这个组之外的所有的横向协作（horizontal work）的这个配合。但是我们得到的支持相对就非常的少，直到我们把这个在线交易（online transaction）做起来了，然后所有人又跑过来了，这又是另外的故事。

增长的核心：产品市场契合度与用户留存

那今天这个故事，在我这里得到的学习成果（learning）呢，就是增长这件事情，其实很多时候数据是能做很多东西的。包括正好，我可以帮Alex Schultz去推荐一下他的书。我就那个时候看了Alex的很多的内容。Alex Schultz是Facebook的首席营销官（CMO），他其实是一个数据科学家出身。然后背后第一句小扎写的这个评语，就是说“Alex is one of a small handful of people that I can say without his work, our community would not have connected more than two billion people around the world.”（Alex是少数几个人之一，我可以毫不夸张地说，没有他的工作，我们的社区就不会连接起全球超过20亿人。）就是说没有Alex的话，Facebook就不会像今天这么大。这就是他的作用。

然后他、Chamath他们讲的很多东西，我在做完了这个Marketplace C2C配送的增长之后，我就知道了他们说的是什么意思。就比如说产品市场契合度和用户留存为什么这么相关。Alex他在斯坦福的那期视频，我是非常非常推荐的。他在斯坦福做了一个讲座，好像是Y Combinator邀请他的呢，顺便说一下，是Sam Altman邀请他去斯坦福做的。这个讲座就是最重要的指标就是用户留存，就是月度留存率（monthly retention）。你只看月度留存率，没有月度留存率，别的东西都不重要。这个我非常认同，就是月度留存率是最重要的，产品市场契合度是最重要的。

有了产品市场契合度之后，你再去做增长，你要做好增长核算（growth accounting），你要去区分你的用户，然后你要去增加你的曝光（exposure）、用户获取（acquisition）、用户激活（activation），然后你要去不断地优化（optimize）你的小循环（small loop）。这都是增长里面很重要的东西，但是都是后话。重要的是你要有一个产品，这个产品有足够好的月度留存率，你才有可能谈其他的东西。

那好，希望这期的真实体感，就跟大家讲一下为什么我当时对Facebook的评价那么高，为什么我这么相信A/B实验，然后为什么我觉得增长这件事其实有太多东西可以说，太多东西值得聊。这就是我的工作体感，就是哪怕在大厂里工作，你也可以遇到这样的事情，就是让你觉得你做的事是真的有用的，真的是在改变世界的，然后你真的是能看到你做的事情结果的，它的这个正反馈（positive feedback）是非常强的。所以就是，如果说你在大厂里边遇到这样的工作，请珍惜，这不是常态，这个是很少见的事，但是它确实会发生，都是很宝贵的经历。那好，这视频就到这儿，下期再见，拜拜。