背景
零售业有个分析概念叫做“人货场”，说的是零售行业分析可以分为三个方面，分别是人——店长店员等，货——商品，场——各个店铺卖场。从人出发，包括人的薪资，销售能力，这是一个简单的ROI问题；从货出发，包括商品的成本、销售额、销售量、毛利，更细致的还有经过率、试穿率、试穿-购买率等，也是一个简单的ROI和爆款引流的概念；从店铺出发，包括人流量、目标人群人流量、目标人群进店率、试穿率、购买率、客单价、场地成本、销售额、毛利等，同样是ROI的问题。
同样的理论，放在移动互联网的某个app上，如何扩展呢？
人
传统行业对客人的维护并不是很强，但互联网的着重点是在用户上，而运营成本包括人员、内容、办公场地等是经营分析考虑的内容，且不谈。那么在APP上，我们定义“人”指的是用户。涉及到用户从哪来，从哪来的成本低，多久转化成产品的正式用户，正式用户的目的是什么，又多久付费，付费额是多少，为了哪些产品付费，整个过程中流失多少，流失原因是什么，还能不能挽回，用户获取天花板是多少，又能收割多少韭菜。这些是从人出发要关心的。
货
在app上，货所指的是内容，比如电商行业的商品，比如新闻行业的新闻。哪些货浏览量高，哪些货卖得多，哪些货吸引哪些人群，哪些货的成本低等等。
场
场的概念理解为“以不同的方式去连接人和货”。比如推荐商品，不同板块，不同活动等等。
复杂点
但与传统行业不同的地方是，在app上，人货场的属性变得复杂的多，人货场三者关系变得更复杂得多。
比如，在传统行业通过人的穿着打扮大概率可以判定是不是目标群体，但在APP上，你看不见人，想要通过操作日志去识别人的属性和目的相当不容易。又比如，货又有很多种，有的是直接的商品，有的是文章，有的是小功能，他们的产出可不都是可衡量的钱。同样的，场也有各种各样的。
与此同时，人也会去看大量的货，也会今天来这个场，明天去那个场，想要真正准确转化用户、留住用户就变得不那么简单了。
最主要的，包括相关数据的存储结构是最难的，因为本身在具象的理解上已经很难梳理清楚，再抽象成数据且便于数据生产就更难了。这也是我看到目前之所以难实现的最关键的问题之一。
但显然，以人货场去建立标签还是能概括一下你的app到底都在经历什么的，只是在存储结构，标签生产，度量的逻辑定义等等上，也还有相当长且麻烦的路要走。
