---

去年这个时候，我差点放弃做品牌。

第一款产品跑通了，月销稳定在两三百万。我想，趁热打铁，再上一款新品。洗发皂做得好，那就做洁面皂吧，反正都是“皂”，逻辑应该差不多。

结果呢？三个月，新品月销还不到五万。

素材重拍了三版，投放换了五种策略，人群包圈了两百多个。每一版我都觉得逻辑没问题，数据就是起不来。最崩溃的是，那些在第一款产品上有效的打法，在新品上全部失灵。

后来我跟一个有经验的服务商聊，他听完说了一句话：你不是在做新品，你是在消灭经验。

我愣了一下。然后开始重新理解抖音的新品起盘这件事。

---

那个让我亏了30万的坑

先说说我踩的坑。

第一款产品能跑起来，是因为我找到了一套内容结构：先颠覆认知（“你洗了这么多年头发，可能洗错了”），再戳痛点（头屑、油腻、发质差），然后讲成分（乌斯曼草提取物），最后给效果对比。这套结构跑出了几个百万级播放的爆款，带来了稳定的转化。

新品上线，我想当然地把这套结构搬过来，换了个成分（七子白），换了个使用场景（洗脸），脚本几乎原封不动。

数据就是不给面子。

完播率只有第一款产品的一半，点击率更低。投放那边说人群包跑不动，要我增加预算。我咬牙加了三倍，结果ROI掉到了0.3。

那段时间我每天盯着后台数据，看一整夜也想不明白：同样的叙事结构，为什么换了产品就不行？

概念插图1-两款产品数据对比示意

---

我后来才想明白的事

转折点是一次很偶然的对话。

服务商问我：你洗发皂的核心用户是什么人？我说，对头皮油脂有困扰、愿意尝试天然成分解决方案的人。

他又问：那你觉得洗脸皂的核心用户是什么人？

我说，脸上油脂多的人。

他笑了笑，说：你看，你已经回答了，这两个产品的核心用户，根本不是同一类人。

我愣住了。

表面上，头皮油脂和面部油脂都是油脂问题。但用户买洗发皂，解决的是“头发油腻影响形象”这个任务。买洗脸皂，解决的是“面部出油导致妆容不服帖、皮肤看起来差”这个任务。表面相似，本质不同。

用户雇用产品，不是为了功能，是为了完成某个任务。这在营销领域叫JTBD（Jobs To Be Done）。

我一直在复制“答案”——把洗发皂的内容结构原封不动搬过来。但真正应该复制的，是“解题思路”：找到那批对天然成分解决油脂问题感兴趣的人，理解他们在不同场景下的任务是什么，然后用合适的内容去表达。

洗发皂的场景里，用户需要的是“控油+蓬松感”。洗脸皂的场景里，用户需要的是“清爽+温和+护肤”。

同样的人群，不同的任务。

我之前做的，是用同样的内容去解决不同的任务，怎么可能成功？

---

我用有米有数重新跑了一遍

想明白这一点之后，我决定重新做。

但这次我不是从零开始，而是从老品资产里挖掘。

我做的第一件事，是把洗发皂所有跑过量的素材导进有米有数的素材库，用AI策略分析功能做内容特征向量提取。

这个功能帮我做了一件以前想做但没做到的事：批量分析素材的叙事结构、情绪节奏、高光片段。系统告诉我，哪些素材的完播率最高、哪些片段的互动率最强、用户的注意力主要集中在哪些卖点上。

然后我发现了几个关键点：

第一，完播率最高的素材，不是讲成分讲得最透的，而是开头三秒就有冲突感的。用户不关心你是什么成分，关心的是你能解决什么问题。

第二，互动率最强的片段，往往是效果对比前后反差大的。但这个反差必须真实，不能是那种一眼假的磨皮前后。

第三，用户停留时间最长的，是成分科普环节。但这个科普不是说“含有XX成分”，而是把成分和用户的生活场景关联起来。

这些洞察，让我在设计洗脸皂内容的时候，有了明确的方向。

概念插图2-AI策略分析提取的内容特征

---

我重新设计的迁移路径

有了数据支撑，我重新梳理了新品的内容策略。

人群不变，场景变。

洗发皂的核心用户是：对天然成分有好感、对油脂问题有困扰、在意形象管理的人。这批人在洗脸皂的场景里，可能的需求是：温和清洁、不破坏皮肤屏障、改善油光问题。

叙事结构不变，触点变。

还是用“颠覆认知→痛点共鸣→成分科普→效果验证”的结构，但触点完全不同：

• 颠覆认知：从“洗脸就是洗干净”变成“洗得干净不等于洗得好”
• 痛点共鸣：从“头发油腻塌扁”变成“刚洗完脸两小时就泛油光”
• 成分科普：从“乌斯曼草控油原理”变成“七子白养肤逻辑”
• 效果验证：从“头发蓬松有光泽”变成“皮肤水润不紧绷”

产品功能没变，但用户在每个环节需要解决的问题变了，内容自然要跟着变。

视觉锚点不变，组合变。

我发现洗发皂跑量的素材里，有一个反复出现的视觉元素：三角形皂体+绵密泡沫+植物元素。这个视觉组合在算法眼里已经是一个特征标签，用户看到这个画面会产生熟悉感。

洗脸皂的素材，我延续了这个视觉组合，但换了展示方式：泡沫质感更细腻、植物元素换成了七子白原料、场景从浴室镜子换成了梳妆台。

用户感受到的是品牌一致性，算法感受到的是特征继承。

---

最终的结果

重新设计之后，新品的数据在第四周开始有明显起色。

完播率从之前的35%提升到了52%，点击率翻了一倍，ROI从0.3爬回了1.5。到第八周的时候，单日GMV已经稳定在两万多，是之前最高点的四倍。

当然，这个增长不是我一个人的功劳。服务商帮了很大的忙，有米有数的工具也节省了我大量的试错时间。但最重要的，是我终于理解了新品起盘的本质：

不是从零开始，而是资产迁移。

你第一款产品跑通的每一个数据，都是下一代产品的起点。人群、情绪、内容结构、视觉锚点，这些都是可以被复用的资产。问题不在于能不能复用，而在于你会不会用。

概念插图3-迁移前后数据对比

---

踩坑之后的反思

回看这段经历，有几个感悟想分享给同行。

第一，不要迷信爆款文案。

很多人觉得爆款是因为某句文案厉害，花大量时间研究怎么写出一样的句子。但真正跑量的，是一套经过验证的叙事结构，不是某一句话。你抄了句子，没抄结构，一样跑不动。

第二，不要用品类思维做人群定位。

洗发皂和洗脸皂在货架电商是两个品类，在抖音可能对应同一批用户。算法看的是行为标签，不是类目标签。你要做的不是分析“这两个品类有没有重叠”，而是分析“被验证过的人群在新品场景下会有什么需求”。

第三，数据是最好的老师，但前提是你会用数据。

以前我分析素材，靠的是人工看、凭感觉判断。效率低，主观性强。有米有数的AI策略分析帮我把这件事变成了数据驱动的工作流。不是AI替代人，而是AI帮人做筛选和提炼，最后的判断还是人来做。

第四，迁移的是思路，不是素材。

跨品类最忌讳的是“复制粘贴”。你要复制的不是具体的素材，而是发现好素材的逻辑。把这个逻辑迁移到新品场景下，重新设计内容，而不是偷懒照搬。

---

给同行的建议

如果你也在做或者准备做新品起盘，有几个建议：

用有米有数把老品资产系统梳理一遍，识别哪些是真正跑过量的素材、哪些内容结构被验证过、哪些视觉元素带来了高互动。这些资产是你花真金白银试出来的，别浪费。

新品的内容设计，优先考虑“同一个人的不同任务”，而不是“不同人的同一个需求”。人群复用比人群拓展的效率高得多。

给自己定一个验证周期。我当时给自己定的是六周，如果数据没有明显改善，就重新审视策略，不要硬撑。

最后，新品起盘是体系化的工作，不是靠一个爆款就能解决的。把每个环节都做到位，数据自然会回报你。

---

FAQ

Q1：你说的这套方法，适合所有品类的新品起盘吗？

不是所有品类都适用，但底层逻辑是通用的。关键是看老品和新品的用户有没有行为重叠。比如你第一款做的是婴儿奶粉，第二款推的是老年奶粉，用户行为差异太大，直接复用内容逻辑可能不太合适。但如果你的新品和爆款在用户需求上有交叉——比如都是解决“皮肤问题”，或者都是服务“精致妈妈”这个人群——那迁移的成功率会高很多。我的建议是，在正式投入之前，先用有米有数的人群画像分析功能跑一遍，看新老品的用户标签重叠度有多高，重叠度超过40%的话，这套方法值得尝试。

Q2：AI策略分析功能具体是怎么用的？我不是技术出身，能学会吗？

门槛很低。我之前也没用过，第一次上手大概半小时就熟悉了。基本操作是：把素材批量上传到有米有数，然后选择“AI策略分析”功能，系统会自动提取每条素材的内容特征向量，输出包括叙事节奏分析、情绪节点识别、高光片段标注这些内容。你不需要懂技术原理，只需要会看结论。重点关注的是哪些维度的完播率和互动率最高，这些就是你在设计新品内容时应该延续的元素。上手成本比Excel数据透视表还低。

Q3：新品测试阶段，预算应该怎么分配比较合理？

我的经验是，新品上线第一周用小预算测素材结构，不要急着放大。每种内容方向跑三到五个素材，总预算控制在总预算的20%以内。第二周根据数据表现淘汰表现差的，保留两到三个方向继续测试。第三周开始把预算集中到数据最好的素材上，同时开启人群扩展。这个节奏比一开始就大水漫灌要稳妥得多。我之前亏的那30万，有一大部分是因为新品一上线就猛投，没给自己留测试空间。

Q4：你提到人群画像分析，具体应该怎么用？

人群画像分析不是去看用户的基本属性（年龄、性别、地域），而是去看他们的行为标签。在有米有数里，你可以提取老品购买用户的行为特征，比如“近期搜索过控油产品”“对成分党内容有互动行为”“在同类品牌有过购买记录”这些。拿到这些标签之后，看它们在新品的场景下对应什么需求。比如“对成分党内容有互动行为”这个标签，在洗脸皂场景下意味着这批人可能会对成分科普感兴趣，那你在设计内容的时候就要加强成分环节的比重。这个方法比传统的“调研-定人群-投”要高效得多。

Q5：视觉锚点复用具体应该怎么做？有没有什么坑？

视觉锚点复用不是让你做一模一样的东西，而是找到那些被数据验证过的高互动视觉元素，在新品中做延续。我踩过的坑是，一开始的视觉锚点定得太模糊，比如“整体风格要小清新”，这个描述太主观，不同设计师做出来的东西完全不一样。后来我学会了用有米有数的卖点可视化功能，把具体的数据指标定出来：泡沫细腻度要达到什么程度、颜色饱和度控制在哪个区间、构图比例是4:3还是16:9。这些细节定清楚了，视觉一致性才能真正实现。

---