在上海黄浦江边的一家书店内，一场关于新书《种草》的讨论会接近尾声时，现场主持人向几位品牌主理人抛出了一个关键问题：“你们是如何评估种草效果的？”这个问题对于在小红书上做生意的人来说并不陌生，自2019年小红书商业化启动以来，它已经困扰了品牌、商家和代理商整整六年。
六年间，“小红书种草玄学”的说法甚嚣尘上。尽管品牌们能感受到投放后的效果，也能获得一些与种草和生意相关的指标，但种草的具体成效如何，以及如何优化，却始终缺乏明确的评估体系。然而，到了2024年，这一难题似乎终于迎来了答案。
内容平台们普遍面临的一个挑战是，如何衡量在平台上投放的内容是否带动了生意的增长。由于销售转化往往发生在其他平台，数据的不互通使得投放效果的测量成为一道难以逾越的障碍。而小红书因为“种草”一词的起源和与其天然的关联，面临的质疑更为直接。
自2018年起，借助KOL内容迅速崛起的新品牌让种草对消费决策的影响力得到了公认，各大互联网公司纷纷下场试图打造自己的“种草”社区，品牌也将小红书种草视为不可或缺的一环。但与此同时，“小红书种草是玄学”的说法也开始流传，种草难以量化、难以优化，成为了商家、品牌和代理商们热衷讨论的话题。
2021年前后，小红书因其快速增长和优质用户被视为下一场红利所在。科技自媒体人潘乱在分析小红书的商业化时指出，小红书的商业化还处于初级阶段，要让小红书从玄学变成科学。2022年底，“产品种草”成为小红书商业化的核心策略，2023年更是提出了“种草是第三种营销范式”的定义，强调种草能够带来品牌资产的积累和销售转化。为了让市场接受这一逻辑，种草的度量变得至关重要。
从2023年初至今的三场WILL商业大会上，如何对种草进行度量一直是发布的重点。从最初的提出对“种草过程进行度量”的种草值（True interest），到着眼于“种草结果度量”，宣布将更加“开放和连接”，通过与其他外部平台、品牌的合作解决种草结果的度量问题，再到最新发布的“AIPS人群资产模型”，并通过打通电商平台三方数据的种草联盟、与品牌直接进行的一方数据合作，从种草的过程和结果两个维度进行价值评估，小红书的种草难题似乎正在逐步得到解决。
这一转变背后，是企业对反内卷增长的需求和对“真实的人”的关注。越来越多的企业开始反思并抵制“流量”和“低价”的短期效应，转而寻求可持续的经营方式。新品牌主理人和新消费投资人都意识到了回归用户、回归“真实的人”的重要性。在他们看来，“人”与生意的结果构成了一个完整的闭环，对“人”的消费心理和动机理解得越充分，对“人”的消费链路拆解得越精细，企业生意的归因分析就能越精准。
而想要看清楚人、看清楚用户的需求，核心还是要回到种草的度量上。本次小红书WILL商业大会的最大不同在于，小红书首次完整发布了种草的度量解决方案，既有对种草过程的度量，也有对种草结果的度量。
在种草过程度量方面，小红书发布了“AIPS人群资产模型”，将品牌的人群资产分为Awareness认知人群、Interest兴趣人群、TI（True Interest）深度兴趣人群、Purchase购买人群和Share分享人群五类，旨在找到比转化行为更及时、相关性更高的站内用户行为，帮助品牌实现即时评估。这套模型经过一年多与不同行业品牌的验证，针对不同阶段的用户制定不同的营销策略，提升转化效率。
在种草结果度量方面，小红书通过种草联盟和一方数据合作两种方式来实现。种草联盟帮助品牌将小红书站内的数据和站外交易平台转化数据直接打通，让品牌更清晰地看到站内种草带来的站外转化。目前已有淘宝、京东、唯品会三大电商平台接入数据联盟。而一方数据合作则是让参与合作的品牌将全渠道转化数据进行分析，实现“看得远、看得细、看得全”。
小红书CMO之恒强调，品牌、商家在小红书种草时，要去看ROI（T+x），即品牌开始投放的当天加上消费决策周期。小红书在实践中发现，品牌预设的用户决策周期往往与用户真实的决策周期相差极大，尤其是客单价较高的耐消品。因此，知道结果固然重要，更重要的是通过结果知道为什么，以便指导进一步优化种草过程。
优化策略的关键在于精细和精准。精细是精细理解人、理解需求、理解需求产生的场景，找到用户的“买点”；精准则是精准匹配，把适合的品用最适配的博主、最适配的内容、在最适配的场域推给用户。例如，一款冲锋衣的营销策略需要根据不同山的情况和用户需求进行精细化匹配，最终实现品牌搜索排名提升和电商平台成本降低。
皇包车旅行与小红书进行一方数据合作后，能够更具象地看到小红书站内用户画像以及目标人群的旅行偏好，从而与用户共创了多条旅行路线，带来了可观的生意数据。几乎每10位选择皇包车旅行的用户中，就有9位来自小红书，70%的用户是因为小红书上的内容而选择了皇包车，品牌在小红书种草的ROI提升3倍。
在《种草》一书中，种草被定义为真诚地帮助人，为向往的生活找到解决方案。反内卷的增长方式正是将人从统一化、标准化的需求中脱离出来，精细理解人、理解需求、理解需求产生的场景，通过精准匹配实现种草效率的提升。
