出于互联网低端人才人力成本的上升，以及整个行业的竞争要点全面转向数据和策略驱动的精细化运营，我们认为未来2~3年内，“策略”类人才必将成为整个互联网业内的普遍刚需。
那种一个产品内，依靠少数几个“策略”就干掉了诸多人力劳动成本，极大提升了效率的现象将会越来越多见。
因而，我们认为，“策略”能力将会是成为最值得互联网从业者们学习的能力。
然而，到目前为止，我们也发现，“策略”这个词对绝大部分互联网从业者来说，仍然是抽象、模糊的，很多人都不知道它意味着什么，即便有人多少理解一些“策略”两个字背后的意义，也不知道自己该如何学习它。
因此，我们希望通过一系列真实案例的解读，以定期连载的形式来向大家进行普及：到底策略是什么，它能解决哪些问题及带来哪些价值，以及其背后的底层思考方法是怎样的，希望可以借此让更多人可以走入“策略”的大门。
我们就把目光聚焦于近期处于风口浪尖上的拼多多，我们将结合其最核心的功能之一——砍价免费拿，来为大家解读一下“策略”在其中的应用。
一
不妨先来了解下“砍价免费拿”到底是个什么东西。
简而言之，这是一个拼多多以“可免费获得各类商品”为诱饵，诱导用户通过分享链接到群或微信好友帮自己砍价，从而持续在微信生态内获得流量的功能。虽然我们尚无法得知这一功能背后的相关数据，但从微信、知乎、百度上各种流传甚广的相关新闻和引发的讨论来看，它毫无疑问已经成为了拼多多旗下的又一流量大杀器。
我们不妨快速通过几张截图，来了解到底“砍价免费拿”这个功能的主要使用场景、流程，以及其被分享到微信、QQ之后的展现形式：
进入拼多多首页后，可以找到“砍价免费拿”的入口：
选择某款你想要的商品后，你自己可以先砍一刀，然后拼多多就会提示你，让你把链接分享给好友帮你砍价。
砍价链接分享到微信群的样式如上图所示。
值得注意的是，拼多多的“砍价”免费拿，有几个非常核心的机制：
一旦启动了砍价，24小时内不找人把价格砍到0，则失去免费获取商品的机会。
同一好友只能帮你在一个商品上砍一次价。
同一用户，每天只能帮三个好友砍价，防止一小圈人来回帮忙砍价。
这意味着，哪怕你已经找了几十个朋友把你想要的商品砍价砍到只差1分钱了，你也只能继续再找人帮忙砍价，否则一定前功尽弃。
正是在这些机制的驱使下，才导致了无数“拼多多砍价互助群”的出现，拼多多的“砍价”小程序链接开始火遍微信群和QQ群，呈现出极强的“裂变”效应，成为了其近期的又一流量大杀器。
当然，如同拼多多这个产品本身，“砍价免费拿”的背后也有同样存在着许多争议和乱象。在此，我们不妨先抛开所有的争议和乱象，先聚焦到产品和运营的角度，来具体挖掘下这一“流量大杀器”背后隐含着的更多不易被人发现的有趣之处。
二
从产品功能设计的角度，如果要梳理出“砍价免费拿”的主要产品流程，大体是这样的：
这个流程，看起来应该还算清晰，但，假如你是负责该产品经理或运营，即便已经有了如此清晰的流程，你就能确保让这个功能成为“流量大杀器”，不会遇到其他问题了吗？
未必。这里有一个常识：一个业务流程中，存有的不确定变量元素越多，则在其承载的用户体量越大时，效率必然会越来越低。
举个例子，假如是年龄、收入、家庭状态等都相近的100人参加这个活动，我们也许依靠上述这个清晰的流程和规则，加上少数几款符合这100人需求的商品，应该基本就足以保证这个事能够成功了。
但，假如我们是需要承载100万人，甚至是1000万人呢？
这时候，你会发现，至少有几个问题将极大影响这个活动的最终效果：
第一，当用户体量变大，用户需求也必将更加多样，所以，在100W用户这个量级如何解决“商品”与“用户”之间的匹配效率问题？换句话说，如果你站内参与“免费拿”的商品有50款，不同的用户感兴趣的商品肯定不一样，那怎么才能让尽量多的用户能够迅速看到他们感兴趣的商品，以激发他们愿意参与砍价的意愿？
第二，在“砍价”这个环节下，不同的商品，我需要让多少人来帮我砍价才能成功“砍为0”？以及不同状态的用户，砍下的金额是否应该有所不同，才能尽可能提高用户成功参与砍价+愿意拉人来帮自己砍价的概率？
第三，如何才能尽可能让那些帮别人砍价的用户也能够成为“砍价免费拿”的发起者，将这一机制的“裂变传播”效应最大化？
而这三个问题，如果是在传统的必须以人力来驱动业务流程运转的状态下，几乎很难有解。
这个时候，可能就需要依赖于“策略”。
三
简而言之，所谓“策略”，往往是一套由数据驱动，存在于产品当中的一套规则与机制。
再换个角度解释，如果一家企业的核心业务高度依赖于人的工作，员工的管理问题可能会是复杂度极高、且稳定性较难保障的；而一家公司的核心业务如果是依赖于机器在跑，那么则将是很稳定并且可持续的。而机器的运转，需要被规则来约束，而那些支撑机器运转的规则，就是策略。
当我们面临海量的需求和信息需要处理，又积累了足够多的数据，我们一定可以借助于策略帮助我们解决许多依赖人力难以解决的问题。
而关于有效制定一个“匹配”有关的策略，最基本思考逻辑往往是这样的：
先借助数据挖掘和分析，通过某种逻辑为用户或你提供给用户的解决方案进行分类（例如拼多多的用户可以分为价格敏感型和品质敏感型，商品则可以区分为不同品类，不同品类下还可以再分为低价中低品质型商品、中等价格中高品质型商品等不同类型）；
如果现有的某种解决方案无法满足所有用户，就要设计出更多不同的解决方案，前提是每种解决方案一定能够满足好一类典型用户；
在不同解决方案和不同用户之间，通过一套判定规则来完成匹配。
例如，一个用户如果多次搜索浏览“电水壶”，我们就可以通过机器自动给ta打上一个跟电水壶有关的标签，这样，在其进入“砍价免费拿”下时，我们就可以优先给ta推送可以通过砍价免费拿到电水壶的机会，这样就会显著提升其参与的效率，且整个过程中完全无需人力介入，完全通过机器完成。
基本上，拼多多在上述我们提到的三个问题中，也是依照这套逻辑来制定相应产品和运营策略，从而大大提升其效率的。