• 商业界推荐系统多基于隐式反馈，也就是说用户不会直接告诉系统喜不喜欢、有多喜欢，系统只能参照用户的点击和交互行为来判断用户的偏好

3.3 其他推荐专题：精细化优化推荐

3.3.1 新用户如何推荐？用户冷启动的思考

• 一个完整的用户画像包含五类信息：·人口统计学特征：性别、年龄、职业、常住地等。·用户兴趣特征：对各类主题、关键字、隐语义分类的兴趣得分等。对于推荐系统而言，这部分特征是最为关键的。·用户站外特征：绑定的社交网络、其他产品的特征等。·账户特征：渠道、注册时间、用户等级、是否为创作者、个人标签等。·商业化兴趣特征：对各种主题广告的兴趣、对各种商品的兴趣等。这部分画像主要用来提高商业化的效果。

3.4 其他分发方式：更全面地分发内容

3.4.3 人工分发还有价值吗？辅助热点预判与价值观树立

• 运营人员虽然处理能力有限，在整体的分发效率上低于机器分发，但是他们能够真正地理解内容，知道什么是高品质的内容，有能力创作内
• 在一个群体环境下，用户的注意力观点很容易被其他人影响，随着大流去做某件事，只有少数人能维持自己的独立判断，这种现象被形象地称为“羊群效应”。运营人员可以利用它打造有平台特色的社区氛围，这个操作俗称“带节奏”。

3.5 提升基础体验：客户端相关

3.5.1 客户端的关键体验是什么？快，再快，更快

• 愉悦时长=α×（感兴趣的阅读时间-不感兴趣的阅读时间）-β×等待时间
• 2017年Akamai study研究表明网站加载时长每增加100毫秒转化率会降低7%

3.5.2 如何让消费内容更顺手？路径与场景构建自然体验

• 顺手的体验绝不是靠堆积入口得来的，而是经过仔细分析使用场景且不断地实验磨炼成型的。
• 念。最小可见性原则指的是每个交互场景仅展示当前场景下的核心需求。小的需求点可以通过分割场景和合理推测，从非核心需求变成核心需求（是否为核心需求以用户的使用覆盖率以及对产品的商业和战略价值确定）。
• 收藏功能是很多产品必备的功能，但是在信息流中直接呈现收藏按钮是不必要的，因为多数信息流产品（如Facebook和微博）上直接呈现的内容深度和质量都不值得用户收藏，这样放出收藏功能会干扰用户的注意力
• 于是我们仅在篇幅超过1000字的详情页上放出收藏按钮，这时收藏率高达5%，占收藏总数的80%。其他详情页的收藏则收到“更多”菜单中，不对用户操作产生影响。还可以更进一步，当用户阅读完成率超过一定阈值时再展示收藏按钮。简而言之，就是在合适的场景中展示合适的交互功能，即为最小可用性原则。
• 几乎所有主流平台的核心内容消费场景都是基于信息流的，信息流的核心特点是强调内容本身而弱化其他元素，便于浏览、发现感兴趣的内容，沉浸在内容的洪流之中。
• 一个关于信息流的讨论是节奏感的问题。节奏感就是在信息流的推荐中不能都是同一类内容，而是要各类内容交替。
• 要有明确的内容主线，必然要最大化内容的展示

3.5.3 如何给客户端“减肥”？轻量化的体验正在盛行

• 磁盘空间的大小主要关注安装包大小和日常使用后占据的磁盘空间这两方面
• 非业务需要的数据绝不获取，能不让用户输入的绝不输入。

3.6 数据驱动：优化分发的“捷径”

3.6.2 如何有效地决策？以结果为导向——AB实验

• 不同方案之间控制只有单一变量不同，因此能够很清楚地定位关键所在，后续类似的方案可以举一反三，对团队成员的成长大有裨益。
• 陷入局部最优：很多时候我们会为了提升某个特定的产品指标在页面上各个犄角旮旯添加各种奇怪的入口，从AB结果来看目标指标确实提升了，对其他指标似乎也影响不大，于是就上线了。久而久之，整个产品变成了杂货铺，陷入局部最优的一个困局。
• AB实验带来的最大效果是降低决策成本、提高决策效率，以前多个方案必须选一个，不能确定选择是否正确，所以决策压力很大。有了AB实验之后，可以同时验证多个方案，决策的压力就没有那么重了，从而也提高了决策效率。也正因为如此，产品经理开始过度依赖AB实验，有时甚至为了AB而AB
• ：成熟的公司内部通常有完善的AB测试平台，需要提前把要验证的指标导入平台，否则后面看效果还要重新提数，浪费时间。
• 。为了不让AB实验变成缺乏思考的挡箭牌，更多的时候需要回归原点，从用户真实需求场景出发去解决问题。
• B实验中计算不同方案指标差异得到的P值，一般以小于0.05为有统计学差异，小于0.01为有显著统计学差异，

3.6.3 如何更有效率地开发项目？论需求优先级

• 提取合适粒度的项目才能保证优先级很好地被执行。因此项目本身要遵循最小可用性原则，即项目中的需求都是为了达到目标必需的一环，少一个都不

第4章 用户增长

4.1 消费者增长：一切为了DAU

4.1.1 如何获取新增？线上线下全面获取流量

• 因为用户的所有操作都可以直接在手机上完成，转化率更高，因此首选线上渠道；线下渠道更多的是一种补充，在提高品牌知名度上的效果显著
• 品牌广告：常见的合作方式是广告主包下媒体特定广告位某个时间段的使用权，这种广告称为按时间计费（Cost Per Time，CPT）广告。特点是媒体不为广告主
• 效果广告：顾名思义，广告主只为效果付费，通常按照点击竞价付费，称之为按点击计费（Cost Per Time，CPC）广告。还有按关键行为计费（Cost PerAction，CPA）和按销售额计费（Cost Per Sales，CPS）的
• 免费渠道获取的用户有两大优点：成本低，用户和媒体自发地推荐并不会消耗太多成本；留存率高，媒体和用户推荐影响到的用户一般也是产品的目标人群，而且推荐的过程会帮助用户完成冷启动，因此新用户的留存有保证
• 应用市场优化（App Store Optimization，ASO）
• ARRA模型是Thomas Petit和Gabor Papp对于海盗模型的优化。RARRA模型突出了用户留存的重要性，为用户提供价值，让留存（Retention）成为新模型的第一要素。保障新用户留存的第一要务是激活（Activation）用户，确保新用户在首次启动时能体验到产品的价值。留存下的用户能分享、讨论产品，形成推荐（Referral）。配合上合适的商业模式，变现（Revenue）是自然而然的。最后通过鼓励老用户带来新用户的形式获客（Acquisition），带来健康的增长。

4.1.4 什么是平台的护城河？沉淀信息就是沉淀留存

• 在长期关注内容平台后验证的一个猜想是：用户关注的创作者和用户越多，留存率越高。至于是因为关注得多导致的留存提升，还是因为高留存用户自然关注得多（幸存者偏差），无法很清晰地拆解。可以肯定的是这两件事本身正相关，并且实验证明通过产品策略引导用户产生更多关注后留存率确实能提高。

第1章 内容平台鸟瞰图

1.1 内容产业：重识内容平台

1.1.1 内容平台是连接用户与信息的桥梁

• 平台的本质是让用户在特定场景下更高效地发现感兴趣的内容。
• 也就是说，提高分发效率能使得用户更轻松地消费内容，同时提高用户做其他事情的成本。
• “用户价值=（新体验-旧体验）-替换成本”
• 所有的平台都强调有特色的内容
• 据此对平台的定义是：内容平台是获取内容并分发给用户，连接人与内容的在线服务系统。

1.1.2 内容平台在哪里？剖析内容行业产业链

• 变现者：它们是提供电商、直播等变现服务或中介服务的机构，帮助平台和内容创作机构把用户流量变现。

1.1.3 为什么要做内容平台？抢占流量的顶点

• 包括综合视频、短视频、音乐、文学、音频、直播、新闻资讯和漫画在内的平台占据了总用户时长的65.3%以上。该数据是根据6月中国电信全量手机用户上报的日志统计得来的，准确性较高。
• 其中，视频类应用在每天12点和21点会迎来两次高峰，与用户闲暇娱乐的时间点吻合。
• 如何找到好的产品？它必须满足三个条件：刚需、痛点、高频。
• 。另外，有一类产品的变现能力极强，但是本身缺乏活跃用户的能力，正好与内容在流量上的优势和自身变现的优势相结合。例

1.2 平台说明书：解构内容平台的运营模式

1.2.1 内容平台的账怎么理？一个公式算明白

• 单个用户的投资回报率等于其生命周期价值（LTV[2]）减去获客成本后再除以其获客成本CPA[3]。
• LTV=LT×（ARPU-Cost）　（1-3）通过公式（1-3）我们可以分解出LTV等于单个用户的生命周期内活跃的天数LT[4]乘以每天带来的利润
• 平台的发展方向就一下子变得清晰起来，即不断提高平台的ROI。提高ROI的方向有两个：一是开源，即提高用户LTV，主要靠提高LT和ARPU来实现，实际上就是提高用户的活跃度和变现效率；二是节流，即降低成本，主要是降低获客成本和运营成本。
• 大到一款产品，小到一个项目，都能运用ROI进行指导。在进行某个项目之前，我们可以把影响项目收益的变量代入公式中来评估变量对项目造成的影响，并以此为根据来分析项目的可行性和必要性，以及排定项目的优先级，对ROI正向影响越大的变量越重要。
• 根据公式（1-2），提高ROI最直接的方式就是提高LTV，而达到这个目标有两条主要路径：一是提升用户LT，通俗地讲就是提高用户的留存率和活跃度，只有用户留存并保持活跃才有后续的收益；二是提升ARPU，在用户使用产品的有限生命周期内赚取更多的利益。
• 在用户新加入的一段时间内（一般是7天）产品体验主要参考留存率。一
• 留存率足够高也能够说明产品找到了正确的需求点，实现了产品和市场的匹配PMF[6]。只有这样，大规模推广才有意义，否则到头来只会是竹篮打水一场空。因此，首要目标就是提高用户的留存率。
• 如果你的产品的30日留存率不能超过10%，那么很可能说明它未能很好地满足用户的内容消费需求，还有很大的提升空间。
• 现在还不是进行大规模推广的时机，需要再打磨。当然，如果APRU足够高，有足够高的回报来获取新用户，那么上面的标准可以适当放宽。
• 先是经历流失期，留存率快速下降，直到用户激活进入一个相对稳定的状态，即进入稳定期。
• 例如，产品甲的新用户前三天的留存是45%、40%、35%，那么这三天的LT3是0.45+0.4+0.35=1.2。换句话说，产品甲的用户在前三天平均活跃1.2天。如果把这个时间拉长，就能准确地计算出相应周期内的LT（通常我们会计算LT180或LT365）
• 这些留存率指标只是一些离散的点，不能很准确地反映产品的真实活跃，有时候会因为留存率的波动和选取的时间点不合适而出现问题。例
• 就需要对LT进行预估，通常有以下两种预估方法：·留存率曲线预估法：
• LTt是指t时间内的LT。现在再来回答经理的问题，假如产品180天后的用户流失率是75%，180天的LT180是25，每天的新增是3万，我们的DAU还是100万，计算
• 通常原生用户[10]的表现最好，付费渠道较差，非目标用户则最差。因
• 运营成本主要是内容成本、人员成本和机器成本。这
• 2] LTV（Life Time Value，生命周期价值）是指单个用户从新增到流失的完整周期内，企业从其身上获得的全部经济收益的总和，用于衡量企业客户对企业所产生的价值。
• CPA（Cost Per Active）指单个活跃用户成本。
• 一个用户首次活跃与最后一次活跃间隔20天，实际活跃10天，那么LT就是10
• PMF（Product Market Fit），马克·安德森2007年提出并定义，即Product/market fit means being in a good market with a product that can satisfy that market，意思是产品能够满足某个优质市场的需

1.2.2 如何有效指导内容平台的发展？确定好关键业务指标

• 指导内容平台发展的指标在增长黑客领域被称为北极星指标[1]（
• 可以从这些实验验证有效的关键行为中选取，这样能够保障未来的努力不会白费。如果贸然换成一个未经检验的行为，则可能导致资源的浪费。
• 回到平台本身，根据实际经验可以把北极星按图1-11所示拆解成战略层、战术层、策略层和执行层四个层次，这四个层次分别对应着管理层、高层、中层和执行层团队四个层次成员的目标。随着层次下降，方向性下降而可执行性提升。其中，战略层就是北极星本身，属于长期（一年以上）方向，一般不会快速变化，
• OKR系统除了能将团队注意力聚焦到更有价值的事情上外，与KPI最大的区别在于它激活了团队成员，让团队的主观能动性更强。通过它能找出精英人员，拉动中间人员，影响落后人员。OKR没有纯粹的KPI考核，鼓励员工跳出被指挥的窘境。团队里面的成员会更加主动思考，去承担那些富有挑战甚至超出能力范围的工作，从而拉动和影响其他团队成员。
• KPI更适用于工作单一、精细化、易于考核的团队，比如销售团队和审核团队等。KPI像是沙漏，不断地催促员工往一个方向狂奔；OKR是指南针，有一个方向，具体路怎么走要看自己
• 一开始是公司级别的OKR由CEO确定，它在不同方向上的目标都会拆解出关键结果，下一级成员的目标是上一级的关键结果，如公司的关键结果就变成高管的目标，而高管的目标拆解出的关键结果又变成中层的目标，以此类推，直到执行层确定好关键结果，最终保证大家目标方向的统一。整个流程是不是看起来很熟悉？对比图1-11平台北极星指标的拆解，我们会发现OKR工作方法和北极星拆解可以完美结合，从团队目标和绩效考核两方面鞭策团队往一个方向前进。需要特别注意的是，OKR和北极星只能确保团队往一个方向走，至于这个方向是否正确、具体怎么走还是需要有相应的决策。

1.2.3 如何配置内容团队？以需求驱动团队建设

• 如果产品实现了市场匹配，次日留存率达到40%，就可以进入增长阶段。这个阶段的核心目标是推动产品增长，获取大量用户并持续优化内容消费体验。因此，这个阶段团队增长的重心除了扩充第一阶段的团队外，还新增了提升内容消费体验的团队和增长团队。
• 增长技术：一类增长技术是配合产品运营活动调整广告投放落地页和新用户在客户端的落地体验；另一类增长技术是通过模型挑选出更容易带来新增的广告素材，进行自动化投放。

第2章 内容池

2.1 内容引入：获取合适的内容

2.1.1 都有哪些内容载体？跟随载体升级的步伐

• 根据思科的预估，到2022年互联网流量中有82%来自视频播放[1]。

2.1.2 需要什么样的内容？适合的就是最好的

• 垂直切入，泛化成长”几乎是所有内容产品发展的共同路径，特别是前期，如果不是打造垂直且优质的内容来形成一个尖锐的楔子，就很难切入市场。以平台的愿景雕刻出模型，然后用准确的内容来铸造打入市场的楔子。用户需求与内容平台愿景之间的交集就是我们引入的方向：
• 用户需求∩内容平台愿景=引入方向
• 一方面，单个用户消费内容的数量有限，质量较差的内容会挤占优质内容曝光的时空；另一方面，引入更多内容需要占用技术和商务等资源，如果内容不受欢迎就会降低平台的ROI
• 这些主题的内容好不好？这些主题的内容够不够？好且不够的内容就是引入的方向

2.2 内容识别：为内容“打标签”

2.2.1 如何定性内容？先有标准后有天

• 对于给内容分类打标这样重复性的工作，主观性极强，如果不能统一参与人员的想法，打标效果就会有很大的水分。而且后面新来的人员不能利用之前积累的经验，一开始工作可能会无从下手，效率极低。因此，我们需要套用工业领域的标准，在内容领域建立内容标准，统一所有参与者的判断，即使出现不一致的情况也能有据可依。

2.2.2 如何识别内容？建立大规模自动化识别的机制

• 一名熟练的运营人员标注单一的标签时每天的标注量在1000个左右，如果要标注多个复杂标签，那么每天的标注量会降至数百个。
• 通过一些规则策略的方式进行简单快速的标注或辅助人工标注。具体的流程是先人工标注出一部分样本，然后寻找这些样本中存在的规律。
• 但是单纯的关键词匹配准确率和召回率都偏低，例如一条关于体育明星出现在慈善活动中的内容更适合放在新闻分类，但是由于有了体育明星的关键词而被误归入体育分类。
• 训练模型需要的资源颇多，包括AI人才、大量的机器资源和大量的标注样本（通常一个准确率高于80%的自然语言模型需要一万以上的样本），因此谨慎地选择需要识别的标签是关系到成本的大事
• 在识别特征时需要回答三个层层递进的问题：有哪些特征？内容是否包含了这些特征？这些特征的强烈程度如何？
• 显然主题类和内容热度是最重要的两类特征
• 衡量内容表现的关键因素就是其热度特征，如点击率、人均阅读时长、消费完成率等。这些指标还可以针对感兴趣的用户群进行单独计算（如统计对体育感兴趣的用户对这条内容的点击率），以避免统计上的偏差，更准确地衡量内容表现。完成率是指用户平均消费该内容的进度占比，是点击之后消费的指标。如果大部分用户都消费完了该内容，就说明它具有可读性

2.2.3 如何发现内容的问题？带着问题找问题

• 价值观并不是虚无缥缈的口号，而是真实地流淌在一款产品的血液里的氧气。大量曝光不正确价值观的内容，或者说放任不正确价值观的内容野蛮生长，只关注数据而不关注影响往往存在着极大的风险。作为内容平台，对用户的舆论、价值取向都有引导作用，将用户引导到错误的方向，既是企业社会责任的丢失，也会给产品招致灾难。
• ·用户调研。适时地做一些用户调研，能够帮助我们厘清用户反感的内容，从而归纳出问题。

2.2.4 一条内容能“活”多久？时效性识别的三两事

• 为什么要对某些内容进行过期处理？这么做主要基于两点考虑。一是为了推荐新的内容，新内容在推荐系统里面处于劣势，而总的曝光量是恒定的，因此让旧的内容过期得不到曝光就能给新内容更多机会。二是减少计算压力，一个大型内容平台分发内容的计算是非常复杂的，比方说我们用最笨的办法，要找到某个时间点用户最感兴趣的内容，就得计算所有用户与所有内容的关联程度，这个计算量无比庞大。定期去掉部分内容能够大大减轻系统的计算压力。
• 一条内容打上对应的TTL。从内容入库后开始计算，TTL与人的生命一样逐渐减少直到衰亡。这里衰亡的概念是指被剔除推荐池，不再被曝光。以一篇新闻内容为例，其TTL是24小时，从入库开始就持续在倒计时，直到24小时后移除推荐池。可以发现，TTL就是用来保障内容时效性的根本机制，它能让不合时宜的内容失去曝光，保障符合当前时效内容的曝光机会
• 我们把内容时效性分成短时效（24小时内）、普通时效（一个月）和长时效（半年）三种类型

2.3 内容品质与内容安全：保障安全升级消费

2.3.1 什么是好内容？客观评价内容品质

• 直观认为表现好的内容就是高品质的内容。这样的评价方式并不能客观反映内容的品质，更多反映的是内容的热度
• 内容热度指标是非常不稳定的，同样一条内容在不同时间发布获得的热度可能相差巨大
• 评价内容品质的标准主要以内容本身的创作水平为基础。基本原则是将心比心，创作的成本越大、难度越高，内容的品质越高。综合主题专业度和制作专业度考量才能客观地评估内容品质。简单地说就是内容本身越专业，对应的人力成本越高；制作越精良，对应的物力和时间成本越高；立意越有特点，对应的机会成本越高；“成本”越高，内容品质越高。
• 需要根据不同的主题和不同的载体分别考虑。
• 为创作者评定等级可以很好地指导内容平台在创作者生态方面的工作：首先，它赋予平台量化创作者水平的能力，这样运营人员能清晰地看到平台内创作者的构成、每个级别创作者的数量占比以及创作者的流动方向；其次，它让商务人员获得量化作者价值的能力，之前引入创作者偏主观，在有了评级之后商务人员就能根据级别确定引入对象以及给他们什么样的合作条件；最后，还能筛选出值得培养的创作者人选。找到腰部、尾部有潜力的创作者分别进行指导，逐步培养平台的创作者

第3章 内容分发

3.1 内容分发概述：效率决定一切

3.1.2 如何发现兴趣内容？分发方式一览

• 构建平台之前需要问自己五个问题：针对什么用户群？主打什么主题的内容？使用什么样的载体？如何分发给用户？满足了用户什么样的需求？

3.2 推荐系统：让内容高效触达用户

3.2.1 推荐系统的目标是什么？高效地发现感兴趣的内容

• 推荐的理想状态属于玄学，无法具体刻画，就像记忆中外婆做的饭永远那么美味

3.2.2 推荐系统是如何工作的？零基础搞懂推荐原理

• 推荐系统的本质就是在特定场景下匹配“用户的兴趣”和“内容的特征”。
• 一条内容有多个标签，可以形成网状结构关联不同内容。主题通常是一条内容只标记一个，以树状结构关联内容。
• 机器通过聚类等手段能够计算出一些人无法直观描述但是又有意义的分类。识别出用户感兴趣的隐语义，然后推荐相关的优质内容
• 根据用户的行为找到相似的用户，然后根据其他用户的行为进行推荐
• 基于网络结构就是把用户之间的关联关系、用户和内容相关性构建成网络拓扑结构，然后根据用户对内容的喜好度和网络结点的权重进行推荐。
• 。有些细致的算法还会分成粗排和精排，目的同样是分阶段、分数量级计算，在保障推荐效果的同时减少计算量。
• 推荐给用户最可能感兴趣的内容就结束了吗？不是，还可以进行更深入的思考。有时候为了保护优质作者这方的利益，可以让某些创作者的曝光更多；有时候为了提高权威度，可以打压低俗低质内容等；有时候为了提高多样性等目标，可以使同类内容或者同样排版的内容不连续出现三次，防止刷屏
• 绝大多数的重排规则都会牺牲部分推荐指标而换取其他推荐目标的提升，因为这些规则都打压了高点击高停留的文章，或是强制展现了低点击低停留的文章。因此上线这类策略需要慎之又慎。
• 。长期兴趣是一个用户长期稳定的兴趣所在，用时间的角度衡量可以说是培养了半年以上的兴趣，一般不会轻易改变，因此可以持续推荐。短期兴趣正好相反，可能是因为用户的心血来潮，可能是因为最近的热点，可能是朋友的推荐，也可能是用户所在的场景变了等，这类兴趣点很难猜测，但是一旦发现了就需要迅速捕捉放大，然后在发现用户兴趣减退后迅速释放短期兴趣。如何在保证不伤害用户长期兴趣的前提下充分满足用户的短期兴趣是研究的难点
• 由于之前都是人工推荐，首页内容都是运营人员精心挑选过的，因此首页不会出现明显有问题的内容。如果改成按照点击率排序，之前在角落里不为人知的内容可能突然翻身出现在首页，而这些内容由于没有经过一定次数的审核，因此可能存在风险，再加上个性化推荐千人千面的特点，审核难度再次加大。为此，做了热门内容和敏感内容复审，对曝光量达到一定量级的内容和尺度比较大的圈子内容进行二次审核，以降低风险。

3.2.3 什么指标都想提升怎么办？融合更多目标的推荐

1.1.1 内容平台是连接用户与信息的桥梁

1.1.2 内容平台在哪里？剖析内容行业产业链

1.1.3 为什么要做内容平台？抢占流量的顶点

1.2.1 内容平台的账怎么理？一个公式算明白

1.2.2 如何有效指导内容平台的发展？确定好关键业务指标

1.2.3 如何配置内容团队？以需求驱动团队建设

2.1.1 都有哪些内容载体？跟随载体升级的步伐

2.1.2 需要什么样的内容？适合的就是最好的

2.2.1 如何定性内容？先有标准后有天

2.2.2 如何识别内容？建立大规模自动化识别的机制

2.2.3 如何发现内容的问题？带着问题找问题

2.2.4 一条内容能“活”多久？时效性识别的三两事

2.3.1 什么是好内容？客观评价内容品质

3.1.2 如何发现兴趣内容？分发方式一览

3.2.1 推荐系统的目标是什么？高效地发现感兴趣的内容

3.2.2 推荐系统是如何工作的？零基础搞懂推荐原理

3.2.3 什么指标都想提升怎么办？融合更多目标的推荐

3.3.1 新用户如何推荐？用户冷启动的思考

3.4.3 人工分发还有价值吗？辅助热点预判与价值观树立

3.5.1 客户端的关键体验是什么？快，再快，更快

3.5.2 如何让消费内容更顺手？路径与场景构建自然体验

3.5.3 如何给客户端“减肥”？轻量化的体验正在盛行

3.6.2 如何有效地决策？以结果为导向——AB实验

3.6.3 如何更有效率地开发项目？论需求优先级

4.1.1 如何获取新增？线上线下全面获取流量

阅读明细