要论最笔耕不辍的营销学者，非菲利普·科特勒莫属。他的影响力不止于学界，在业界也颇受欢迎。
在「营销革命5.0」中，他提出用5A概述消费者的购买闭环。在他的口中，5A指的是用户了解、吸引、问询、购买和拥护品牌这五个阶段。与AIDMA、AISAS等线性链路不同，5A强调对消费者的全生命周期管理。差别是什么？简单来讲，线性模型是将购买或某个购后行为当做终点，但5A更强调可持续、可重复经营的关系。
在被提出后，5A快速在数字广告业落地生根，巨量引擎的营销科学体系就几乎建构在它的基础上。过去几年，5A的潜力被巨量引擎快速释放。以下是部分例证：
人群分层细化。在人群分层上，5A模型的行为定义日益丰富。比如在判定A3人群上，用户的搜索、加入购物车、应用激活等行为就相继被纳入识别标准。而将这些行为确认为A3识别标准，是基于大量科学数据的测算和验证，确保它们真正能够指导企业的生意经营。
典型人群交叉。巨量引擎曾将O-5A模型与小镇青年、新锐白领等八大典型人群交叉，通过观察不同类型消费者的触点偏好和流转效率，帮助品牌锁定潜力市场。
行业化适配。以游戏和汽车为例，两个行业在转化周期、关键行为等方面有显著差异。因此，它们也开始拥有更具针对性的O-5A版本。
当看似简单的理论释放出巨大的潜力，下一个问题就变成了：这个模型的发展到头了吗？还有没有新的空间？
仔细观察会发现，O-5A模型的潜力基本都来自于引入新维度，比如在模型中引入人群和行业等维度。那么，商品有没有可能成为新维度？
有这样的思考，是因为「商品化」正成为行业发展新趋势。过去，电商之外的大部分媒体在分发广告时只考虑内容和消费者。但这会导致一些问题，比如消费者被某碳酸饮料品牌新请的代言人吸引，但他本人排斥任何含糖饮料。如果仅匹配内容和消费者数据，难免导致广告分发错误。
商品在广告转化中扮演关键角色
回归本质，广告的终极目标是卖货，商品理应成为新尺度。所以，就有更多广告平台在商品维度上发力。顺应这股商品化的趋势，O-5A模型也就有了新维度。
最近，巨量引擎营销科学就推出了「商品5A」，它就是商品化浪潮与O-5A模型交融的结果。
原本的O-5A聚焦在品牌层面，更关注品牌整体的人群资产状况；而商品5A将数据颗粒度拆解到商品层面，让企业审视不同商品的人群资产。
与品牌5A相比，商品5A微调了人群分层定义。虽然仍将消费者划分为五个层级，但商品5A聚焦在「商品行为」上，所有分层行为都与商品本身紧密挂钩，要求更加严苛。比如，搜索在品牌5A中直接被划归到A3人群；但在商品5A中，人群分布还需要考虑搜后行为，如果「用户搜后仅曝光」则停留在商品A1/A2，「搜后点击商品」才会成为商品A3人群。
具体来说，在商品5A中，A1和A2聚焦商品曝光频次的多寡；A3聚焦于用户主动行为，例如商品点击、收藏和加入购物车等；A4和A5则与用户购买行为相关，分别指代首购以及复购。
品牌5A与商品5A对比
值得注意的是，这些分层不是拍脑门的主观决定，它们来自清晰的行为梳理、严谨的行为验证和分层验证等数据结论。
比如根据当前商品5A的分层，A3人群的转化率相比A1/A2人群高出36.5倍，客单价相比A2高出2倍。这两个数据说明什么？说明商品5A不同层级间存在显著的转化差异。唯有不同层级的差异足够明显，模型对企业决策地指导才更具价值。
那么，与以往的5A模型相比，商品5A有哪些独特价值？至少有两点：
第一，它提供了新的观察视角，让商家开始关注商品与消费者的关系，并围绕商品进行全生命周期管理。
举个例子，消费者更可能被「神仙水」、而不是被「SK-II」种草。所以，种草更多体现在「商品种草」而非「品牌种草」。如果仅有品牌5A这个单一视角，企业就很难识别到底哪个具体商品的种草更成功；但通过商品5A，这个问题就迎刃而解了。
第二，它提供了更细的数据颗粒度，随着数据维度从品牌下沉到商品，围绕5A模型的新玩法也会涌现。虽然商品5A仍处起步期，但并不妨碍我们商品、人群和预算等角度展望它的潜力在未来将被如何挖掘。
当O-5A模型拆解到商品维度，它的潜力首先会从商品上迸发出来。
对旗下有多条产品线的商家，如何管理SPU成为他们面对的难题。在商品5A的辅助下，品牌可以快速审查单个商品的5A量级、规模及流转率。通过将这些数据与行业基准水平对比，可以为商品定制或调整营销策略。比如，当行业中同类竞品的A3人群快速增加，但商品自身A3人群规模相对滞后时，企业就要警觉起来，调整种草策略并加大种草预算投放，防止错失市场机遇。
另外，品牌也能够通过商品5A高效选品、组品和配置营销资源。
举个例子，我们在分析人群资产数据时，往往将人群规模和流转率分别视为商品的存量规模和增量潜力。如果将这两项指标交叉分析并形成坐标图，企业能够根据不同商品所处的位置采取差异化策略。
在规模和流转率上同时表现优异的商品，便是企业需要持续投入稳定资源的主打品；针对规模较小、流转率较高的潜力品，企业可以考虑加大资源倾斜释放潜力；而对这两个指标表现均不佳的商品，企业就需要及时回撤资源、避免损失扩大。
根据人群资产规模与转化率管理SPU
值得注意的是，商品5A统合了巨量引擎的前链路广告营销数据和抖音电商的后链路电商转化数据，体现了营销与经营一体化的特征。通过这个细颗粒度的营销科学工具，不管品牌旗下SPU规模有多大，企业都能实现科学有序地经营，并有能力针对具体单品厘清优化方向，让商家的测品、选品、组品等工作有的放矢。
除了在商品上提供更多洞察，商品5A在挖掘目标消费者上同样具有潜力。
通过这个新工具，品牌可以分拆出旗下不同商品的5A人群资产对比分析。某头部美妆品牌就发现，有部分消费者同时是旗下多个商品的A3或A4人群，这意味着这些消费者对品牌有着强烈偏好，他们可以成为企业后续推出新商品时的第一批种子推广人群。
另外，品牌还可以采用协同过滤等思路筛选具有高转化可能的消费者。
比如当品牌决定重点推广A产品后，可以借助商品5A找出与A产品在人群资产上最相近的B产品，这意味着消费者对这两个商品的偏好存在高度相关性。这时，只需要对两个商品的A4转化人群进行减集运算，计算出的结果在理论上就可以成为A商品重点发力的目标人群。
借助商品A4人群寻找新目标消费者
当然，新玩法不只局限在商品和商品数据的对比，还可以进行商品和品类数据的对比。通过比较特定商品的5A资产和行业品类消费者数据，企业就可以精确计算商品渗透率情况，帮助企业发现可挖掘的市场机会。比如，对那些销售额不佳且A1/A2渗透率较低的市场，企业就要果断加大广告触达范围，避免潜在机遇流失。
所以，当5A数据细化到商品维度，只要科学对比商品与商品、商品与品类间数据，企业就能够获得不少关键经营线索，通过「用货找人」的思路精准捕获新增用户，发掘更多市场机会。
在我看来，商品5A未来还有一个重要的应用场景，就是帮助品牌有效配置广告预算，让钱真正花在刀刃上。
正如前面所说的，当前种草基本是围绕着「商品种草」展开，因此商品5A人群的资产流转情况，可以作为品牌维持种割平衡的参考。
当商品A3种草人群积压时，就意味着企业需要善用大促节点或及时推出优惠举措，推动更多用户深度流转为首购人群；而如果A3种草人群明显减少，企业就面临只割不种、后继乏力的风险，品牌这时就需要加大在品牌广告、达人营销等方面的种草预算。与品牌5A相比，商品5A在帮助企业种割协同上能够发挥更灵敏的作用，帮助商家更快发现问题并作出调整。
另外，在今年的引擎大会上，巨量引擎营销科学还推出了GTATM功能。品牌只要设置一个GMV目标，系统就能够根据人群历史流转水平等数据，反推出5A各层级所需的用户规模，并进一步推导出获取这些用户需要在不同触点上配置的预算。虽然这一功能目前还未向商品5A开放，但预计只是时间早晚的问题。
未来，如果与GTATM类似的功能可以向商品5A开放，那么商家在配置广告预算时就能更高效、智能和科学，广告投放预算也将更彻底地服务于商品销售和企业的经营业绩成长。
营销科学快速发展的这几年，也是5A模型快速释放潜力的时期。
即便它的一次次迭代创新，让人们误以为潜力已经挖掘殆尽，但它总能通过新维度展现全新活力。这个故事的最新发展，便是今天重点阐述的「商品5A」。通过对这个产品的剖析和展望，你会发现它在未来将有能力为企业创造出丰富的惊喜。
所以，当5A模型快速演进、推陈出新时，企业需要做的就是尽快跟上不断延展出的新数据维度，将它的应用方法吃深吃透，并尽可能率先落地于自己的营销实践中。在越发激烈的经营场中，「唯快不破」已是法则。当营销科学的新成果更快被用于商业实践，企业从中也就能够挖掘出更大的机会与价值。
