抖音数据分析与星图种草：商品种草效果的度量方法

抖音数据分析与星图种草：商品种草效果的度量方法

抖音种草最容易出现一种“看起来成功、实际上没有形成购买”的结果：一条视频播放量超过千万，点赞和评论都很漂亮，星图后台的互动数据也不差，但活动结束后，品牌搜索、商品页访问和新增订单几乎没有明显变化。问题通常不在于内容没有流量，而在于团队把“被看见”误判成了“被记住”，又把“被记住”误判成了“愿意购买”。

我在复盘商品种草项目时，最关注的从来不是单条视频的播放量，而是用户是否完成了从注意、理解、信任到行动的连续变化。星图适合回答“内容和达人合作执行得怎么样”，抖音数据分析则要进一步回答“用户有没有发生搜索、访问、收藏、加购和购买变化”。两者结合，才能测出真正有决策价值的种草效果。

一、先讲核心结论：种草效果不是一个数字

1. 商品种草至少要测量五个层次

商品种草不是一次点击行为，而是一条逐步加深的决策路径。用户可能先看到视频，过几天才搜索品牌，再进入商品页比较参数，最后通过直播间、商城或线下渠道完成购买。如果只看投放当天的成交，就会低估内容对后续决策的影响。

我的核心判断是：种草项目应该同时拥有“内容证据、行为证据和业务证据”，缺少任何一类，结论都不完整。内容证据证明视频被用户消费，行为证据证明用户产生了更深的兴趣，业务证据才说明这种兴趣是否进入了商业结果。

2. 星图数据负责执行评价，抖音数据负责行为验证

星图后台通常能够帮助团队查看达人、内容、发布时间、播放、互动、评论、合作费用以及部分转化表现。这些数据适合评价合作是否按计划完成，哪些达人带来了更高的内容消费，哪些内容的互动结构更健康。

但星图数据并不天然等于完整的商品种草效果。用户可能看完视频后没有点击视频中的入口，却在第二天主动搜索商品；也可能通过朋友转发、直播间推荐或商城推荐完成购买。这些行为未必都会被归到原始内容名下，因此必须把星图数据与搜索、商品页、店铺、直播间和订单数据放在同一张时间轴上分析。

我建议把两个系统的职责分开：星图回答“谁在什么时间，用什么内容，触达了什么人”；抖音经营和交易数据回答“这些人后来做了什么”。前者是触达账本，后者是行为账本，不能用其中一本账替代另一种证据。

3. 先确定项目目标，再选择指标

新产品上市、成熟商品放量、低价冲动消费和高客单价决策，不能用同一套指标。新产品早期最重要的是让用户记住品类和差异点，成熟商品更关注搜索增长和成交效率，长决策商品则要观察内容是否降低了用户的疑虑。

二、为什么抖音种草特别容易被误判

1. 短视频的转化经常发生在内容之外

短视频内容的优势是快速建立场景和情绪，但用户不一定在当下完成购买。尤其是美妆、家电、食品、母婴和数码等品类，用户往往需要再次搜索评价、询问朋友、对比价格，或者等到发薪日、促销日再下单。

这会导致两个常见现象。第一，内容发布当天的直接成交并不高，但品牌词搜索在三到七天后明显上升。第二，某条视频没有产生大量点击，却带来了较高的收藏、评论询问和后续搜索。若只按即时成交排序，团队很容易把真正有长期价值的内容误判为“效果一般”。

根据中国互联网络信息中心发布的第54次《中国互联网络发展状况统计报告》，截至2024年6月，短视频用户规模约为10.50亿。这个规模意味着用户可能同时接触多个内容和多个渠道，单一触点很难承载完整归因。种草测量的难点，不是没有数据，而是数据之间存在时间差和路径重叠。

2. 星图合作数据和经营数据的口径不同

星图通常记录内容合作和达人执行情况，店铺后台记录商品交易，广告后台记录付费流量，搜索分析工具记录主动查询。它们对“用户”“曝光”“转化”的定义不一定相同。

例如，星图中的播放量是内容播放口径，广告后台的曝光是广告展现口径，店铺后台的访客是进入店铺或商品页面的口径。三个数字不能直接相除。若团队把播放量当分母、订单量当分子，计算出的“种草转化率”很可能只是一个没有业务意义的混合比例。

我在设计报表时，会先建立一张指标字典，写清楚每个指标的来源、时间范围、去重规则和计算方式。指标字典看起来很基础，却能避免月度复盘中出现“同一个转化率，三个人算出三个答案”的问题。

3. 三类场景需要三种测量方法

新品冷启动的主要任务是建立品类认知和卖点记忆。此时不宜过早用支付成本淘汰所有内容，因为用户还没有形成搜索习惯。更合理的做法是先看有效观看、卖点评论、收藏和搜索增量，再用小规模成交验证承接能力。

成熟商品放量已经存在一定的自然搜索和历史成交，可以通过发布前后的对照，观察内容是否带来了超出自然趋势的增长。此时应增加商品页访问、加购、支付成本和新增支付用户等结果指标。

高客单价商品的内容价值往往体现在降低疑虑，而不是马上成交。用户可能反复观看测评、查看参数、搜索售后和比较不同型号。因此，深度访问、咨询结构、规格页查看和退款率，比单次点击更能帮助判断内容质量。

三、最常见的四个误区

1. 把高播放量当成高种草力

播放量说明内容获得了分发，并不说明用户理解了商品。娱乐化内容、反转内容和争议内容可能带来大量观看，却把注意力集中在剧情或情绪上，用户离开视频后并不记得商品名称。

我通常会把“播放量”拆成三组问题：用户是否停留，是否看懂，是否产生下一步动作。比如一条视频有100万次播放，但平均观看时长只有3秒，商品相关评论只有120条，收藏率低于账号平时水平，它更可能是流量内容，而不是高质量种草内容。

判断内容是否真正传递了卖点，可以抽取评论做人工标注。将评论分为价格疑问、功能疑问、购买意向、使用场景、品牌记忆和无关互动六类，比单纯看评论总量更有价值。

2. 把点赞、评论、分享简单相加

互动总量没有考虑互动质量。点赞的动作成本低，评论可能是质疑，分享可能是转发给朋友，也可能只是因为内容有趣。把三者简单相加，会掩盖评论语义和分享对象的差异。

3. 把达人粉丝量当成确定性结果

粉丝量是触达潜力，不是实际有效触达。一个粉丝规模较大的泛娱乐账号，可能拥有很强的分发能力，却没有足够的品类信任；一个粉丝规模较小的垂直账号，可能带来的搜索率、收藏率和商品页访问率更高。

我会把达人评价拆成四个维度：受众匹配度、内容解释能力、历史行为质量和单位有效行为成本。受众匹配度决定“看见的人是不是目标人群”，解释能力决定“卖点能不能被理解”，历史行为质量决定“互动是否稳定”，单位有效行为成本决定“预算是否值得继续投入”。

4. 只看投放当天的直接成交

即时成交适合衡量低客单价、强促销和短决策商品，却不适合评价所有种草内容。高客单价商品的用户常常先保存内容，再比较商品，最后通过搜索或直播间完成支付。

更稳妥的做法是设置三个时间窗口：发布后24小时观察即时反应，发布后3至7天观察搜索和访问，发布后14至30天观察成交、退款和复购。不同窗口回答的是不同问题，不能互相替代。

如果团队必须在短周期内做预算决策，可以把即时成交作为“执行门槛”，把搜索增量和商品页深度访问作为“继续观察条件”。这样既不会盲目加投，也不会过早淘汰长决策内容。

四、建立一套可复用的专业判断逻辑

1. 先画出商品的真实决策路径

在开始投放前，我会先写出用户可能经过的路径，而不是直接打开报表看数据。路径至少包括：看见内容、理解卖点、产生兴趣、主动搜索、进入商品页、比较参数、加购或咨询、支付、使用后反馈。

不同商品的路径长度不同。零食可能在一次内容触达后完成购买，家电可能经历多次搜索和测评，母婴商品可能还会受到家人意见和安全疑虑影响。路径越长，越不能把最后一个点击简单视为全部功劳，也不能把早期内容的作用完全忽略。

（1）确定主指标

每个项目只设一个主指标，最多配三个辅助指标。新品项目可以把品牌词搜索增量设为主指标，成熟商品可以把新增支付用户设为主指标，高客单价项目可以把有效咨询和深度访问设为主指标。

（2）确定排除指标

排除指标不是不看，而是不让它主导决策。例如，播放量可以作为分发指标，但不直接决定预算；点赞率可以作为内容反馈，但不能代替支付成本；达人粉丝量可以作为筛选条件，但不能代替受众匹配度。

（3）确定观察周期

把周期写进项目规则中，避免团队因为某一天的数据波动随意改变结论。对于内容发布密集的项目，还要区分单条内容窗口和整场活动窗口，否则后发布内容可能截走前一条内容的搜索和成交。

2. 统一指标口径和计算方法

有效观看率、完播率、收藏率、搜索增量和支付成本都需要明确分母。比如收藏率可以按播放量计算，也可以按有效观看人数计算，两者结果会明显不同。只要分母不统一，达人之间的排名就没有可比性。

我建议把指标分成平台指标、行为指标和业务指标三层。平台指标来自内容分发，行为指标来自用户主动动作，业务指标来自商品交易。三层数据分别保存原始值，不要一开始就压缩成一个总分。

3. 把归因分成四个可信度等级

我不会把所有订单都说成“内容带来的订单”。根据证据强弱，可以把归因分成四级：直接归因、路径归因、对照增量和长期影响。

• 直接归因：用户通过内容入口、专属口令、专属商品链接或专属优惠完成购买，证据最清晰。
• 路径归因：用户看过内容，之后搜索、访问商品页并购买，能够说明路径关联，但仍不等于严格因果。
• 对照增量：将投放区域、投放人群或投放时间与相似对照条件比较，更接近因果判断。
• 长期影响：观察品牌搜索、自然访问、复购和用户主动推荐的持续变化，适合评价内容资产。

项目复盘时，四级归因要分开呈现。直接订单可以进入结算，路径订单可以进入效果分析，对照增量可以用于预算决策，长期影响则用于判断内容是否值得沉淀为品牌资产。

4. 用对照设计减少“看起来有效”的错觉

如果预算和业务条件允许，最有价值的设计不是增加更多报表，而是保留一部分可比较的对照。常见方法包括区域对照、时间对照、达人分组对照和人群分层对照。

区域对照适合具有明确地域销售差异的商品；时间对照适合季节性较弱、活动干扰较少的项目；达人分组对照适合比较不同内容策略；人群分层对照适合已有用户标签和广告能力的品牌。

对照组不必追求绝对完美，但必须记录选择规则。若投放组本来就是高消费地区，之后成交上涨不能完全归因于内容；若对照组在活动期缺货，比较结果也会失真。

5. 把评论从“数量”变成“决策信号”

评论是种草分析中最容易被浪费的数据。单看评论量，只能知道用户愿意留下文字；把评论按购买阶段分类，才能知道用户卡在哪个环节。

• 认知类评论：“这是什么”“适合什么人”，说明用户还在理解品类。
• 功能类评论：“续航多久”“成分安全吗”，说明用户正在验证卖点。
• 比较类评论：“和某类产品有什么区别”，说明用户已经进入选择阶段。
• 行动类评论：“哪里买”“什么时候有活动”，说明用户接近交易。
• 风险类评论：“会不会过敏”“退换方便吗”，说明承接页面需要补充信任信息。

五、一个脱敏案例：播放量一般的内容，为什么搜索贡献更高

1. 项目背景和原始目标

下面的案例采用脱敏和比例化处理，数据用于展示分析方法，不代表任何特定品牌或平台平均水平。项目对象是一款需要解释使用方法的日常消费品，团队计划在14天内合作18位达人，总投入约12万元，目标不是单纯冲高播放，而是验证“场景演示内容”能否带来品牌搜索和商品页访问。

项目开始前，团队已经有稳定的自然搜索和日常成交，因此可以建立发布前基线。我们把达人分成三类：泛生活内容、垂直测评内容和专业小体量内容，并要求每条内容只突出一个主卖点，避免一条视频同时讲五六个功能。

当时团队内部最初的判断是，泛生活达人应该凭借更大的触达量取得第一名，垂直测评达人负责补充可信度，专业小体量达人只作为低预算测试。实际结果并没有完全按照粉丝规模排序。

2. 三类内容的数据差异

如果只看播放量，泛生活内容明显领先；如果看有效观看率、搜索增量和商品页访问率，专业小体量内容反而更接近真实的购买决策。它们的绝对曝光不高，却更容易把产品讲清楚，也更容易让用户产生“我需要再查一下”的主动行为。

3. 为什么小体量内容的结果更好

复盘评论后，我们发现三类内容的用户问题完全不同。泛生活内容的评论集中在剧情、穿搭和拍摄场景，商品只是内容中的一个道具；垂直测评内容的评论集中在功能和对比；专业小体量内容的评论则更多涉及适用人群、使用细节和购买渠道。

这说明种草效果不仅取决于“多少人看到了”，还取决于内容是否提供了足够的决策理由。用户愿意搜索，通常不是因为视频让他觉得热闹，而是因为视频回答了一个具体问题，却又留下了一个值得继续确认的疑问。

我们还发现，专业内容并非越长越好。部分内容前15秒没有出现使用场景，虽然信息完整，但有效观看率反而下降。后续优化时，把核心场景提前，并将参数解释放到用户已经产生兴趣之后，搜索率和商品页访问率都得到改善。

4. 如何计算这次项目的真实效率

假设项目总投入为12万元，直接归因支付用户为620人，发布后7天通过对照估算的增量支付用户为980人。若直接用总投入除以直接订单，单位支付成本约为194元；若采用对照增量计算，单位增量支付成本约为122元。

两个结果都可以保留，但用途不同。194元是偏保守的可确认成本，适合财务和结算；122元是基于增量模型的决策成本，适合判断是否继续扩大预算。不能用后一个数字掩盖前一个数字，也不能因为直接归因少，就否定内容带来的延迟影响。

5. 这次复盘留下的三个改动

• 达人筛选从“粉丝量优先”改为“目标人群匹配度优先”，粉丝量只作为触达规模参考。
• 内容脚本从“功能清单式介绍”改为“场景问题，使用过程，结果对比，购买疑问”的顺序。
• 预算从平均分配改为分层分配：泛生活内容承担覆盖，垂直测评承担解释，专业内容承担信任和搜索。

这次项目没有得出“专业小体量达人一定优于大达人”的结论。真正可复制的结论是：达人类型必须和用户决策阶段匹配，任何单一排名都无法替代任务分工。

六、不同商品和不同阶段，应该怎么行动

1. 新品上市：先测记忆和搜索，不要急着追求最低支付成本

新品没有稳定的自然搜索基线，直接用支付成本判断，很容易把认知建设阶段的内容全部淘汰。初期应重点观察用户能否复述核心卖点、是否产生品类问题、是否出现品牌词搜索和收藏行为。

• 第一阶段用多种内容角度测试卖点，重点看有效观看率和评论理解度。
• 第二阶段保留搜索增量高的内容，测试不同商品页承接方式。
• 第三阶段再扩大直接成交和直播间转化，建立支付成本基线。

新品阶段最忌讳一次性塞入太多卖点。用户没有足够的背景知识，信息越多，记忆越弱。一个视频聚焦一个场景和一个核心理由，通常比完整介绍所有功能更有利于形成搜索。

2. 成熟商品：用增量和效率决定是否扩大预算

成熟商品已经有自然流量和稳定成交，项目重点是判断种草内容有没有带来额外结果。建议把投放前7至14天作为基线，并记录同期促销、价格变化、库存和直播活动。

• 先看内容是否带来品牌词和商品词搜索变化。
• 再看商品页访问、加购和支付是否超过自然趋势。
• 最后比较不同达人类型的单位增量成本，而不是比较总订单。

如果搜索增长明显而支付没有同步增长，通常要检查商品页、价格、评价、库存和优惠信息。此时不一定要立即否定内容，因为内容可能已经完成了兴趣教育，问题出在承接环节。

3. 低客单价商品：可以强调即时转化，但仍要看退款和复购

低客单价商品的决策链较短，内容、直播和支付可能在同一天完成。对于这类商品，即时成交、优惠券使用率、支付成本和退款率可以作为核心指标。

但低价并不意味着可以忽略内容质量。如果短期促销带来了大量低意向订单，退款率和差评上升，表面上的支付成本下降可能只是把成本转移到了售后。建议把“支付成本”和“退款后有效支付成本”同时列入报表。

4. 高客单价商品：观察深度行为和长期回访

高客单价商品的种草内容更像销售顾问，而不是一次性广告。用户需要理解参数、比较方案、确认售后和评估风险，因此应增加深度行为指标。

• 商品详情页停留时长和关键模块查看率。
• 规格、测评、售后和用户评价页面的访问路径。
• 咨询问题中关于价格、适配性和风险的占比。
• 发布后14至30天的搜索回访和退款情况。

这类项目的内容评价周期应更长，达人数量不一定越多越好。少量能够讲清复杂问题的内容，可能比大量浅层曝光更容易建立信任。

5. 预算有限：优先购买“可验证的学习”

预算有限时，最不应该做的是把预算平均撒给大量达人，然后只看最后的总播放。更好的方法是保留一部分测试预算，让不同内容假设获得可比较的样本。

七、真正的取舍：规模、可信度和速度不能同时最大化

1. 大规模曝光与高质量解释之间的取舍

大达人和泛内容的优势是覆盖快，缺点是单位用户的解释深度可能有限；垂直达人和专业内容的优势是信任强，缺点是规模和成本未必占优。两者不是谁取代谁，而是承担不同任务。

如果商品卖点简单、价格低、购买决策短，可以提高覆盖型内容比例。如果商品需要解释参数、使用方法或适用场景，应提高垂直和专业内容比例。预算分配应依据决策复杂度，而不是依据达人报价高低。

2. 即时成交与长期搜索之间的取舍

即时成交适合向管理层展示短期回报，长期搜索适合判断内容是否改变了用户主动行为。两者可能出现短期背离：某条内容当天成交一般，却带来较高的搜索增长；另一条内容当天成交很好，却主要依赖强优惠，活动结束后搜索和复购没有变化。

如果企业当前现金流压力大，应提高即时成交权重；如果企业在做新品或品牌升级，应保留对搜索和认知的预算。最危险的做法是目标是长期认知，却用短期支付成本进行淘汰。

3. 精细归因与执行速度之间的取舍

严格的对照实验需要时间、样本和运营配合，但业务不一定允许等到所有证据完整后再行动。实际操作中，可以采用分层决策：强证据指标决定是否扩量，中等证据指标决定是否继续观察，弱证据指标只用于内容优化。

这样既能避免“没有完美归因就不做判断”，也能避免“有一个漂亮数字就立即加预算”。每次结论都要注明证据等级和不确定性，决策者才能知道风险在哪里。

4. 自动化报表与人工判断之间的取舍

播放、互动、搜索、访问和成交可以自动汇总，但评论语义、内容表达、达人受众匹配和异常流量仍然需要人工判断。完全依赖自动排名，会把争议内容、低质量互动和偶然爆款当作稳定能力。

我的建议是让自动化负责发现异常，让人工负责解释异常。比如系统发现某达人商品页访问率突然上升，人工需要进一步确认是内容表达变好、平台活动带来的，还是链接位置和优惠权益发生了变化。

八、把方法落到执行：一套14天复盘流程

1. 发布前：先把可测量条件准备好

种草效果测量不是发布后才开始。发布前应完成达人编码、内容编码、商品编码、链接标记、优惠权益、发布时间和目标人群记录。每条内容都要有唯一标识，否则后续很难把搜索、访问和成交对应回具体合作。

• 为每位达人和每条内容建立唯一编号。
• 记录内容主题、主卖点、商品规格、发布时间和预算。
• 准备专属链接、专属优惠、专属口令或可识别的承接页面。
• 记录发布前7至14天的搜索、访问、成交和退款基线。
• 提前确定主指标、观察周期、对照方法和停止条件。

如果没有办法设置专属入口，也不代表无法测量，但必须降低归因结论的强度。此时可以更多依赖时间序列、搜索增量、评论语义和投放组对照，不应把所有新增订单都直接归给内容。

2. 发布后24小时：只判断内容执行和早期反馈

第一天不适合下最终结论，适合检查内容是否正常发布、是否获得有效观看、用户是否理解卖点，以及评论中是否出现明显的产品疑问或风险反馈。

此时可以做两类动作：一是修正承接页面中用户反复询问的信息，二是识别明显低于账号历史水平的内容。除非内容存在违规、错误信息或严重负面反馈，否则不要因为单日成交低就马上判定失败。

3. 发布后3至7天：判断主动兴趣和承接质量

第三天到第七天是观察搜索和商品页行为的关键窗口。重点看品牌词、商品词、核心功能词的变化，并把搜索变化和商品页访问、加购、咨询放在一起分析。

4. 发布后14天：判断是否值得复制

第14天复盘时，不只看哪条内容结果最好，还要问它为什么好，以及这种原因能否被复制。可能是达人受众更准确，也可能是场景更贴近需求，或者只是碰上了某个促销节点。

我会把内容拆成四个可复制变量：人群、场景、卖点和表达方式。若某条内容同时更换了四个变量，就算结果很好，也很难知道成功原因。下一轮测试应尽量只改变一个关键变量，避免把偶然性带进规模化投放。

5. 建立一张真正能用于决策的看板

看板不应堆满所有字段，而要围绕三个问题组织：触达是否有效，用户是否产生主动行为，业务是否出现增量。每个问题下保留少量关键指标，并附上数据来源和观察周期。

九、常见问题与边界说明

1. 播放量达到多少，才算种草成功

没有适用于所有商品的统一播放量门槛。播放量只有放在目标人群规模、内容成本、有效观看率和后续主动行为中才有意义。一条播放量较低但搜索增量高的垂直内容，可能比一条播放量很高但商品记忆弱的泛内容更有商业价值。

建议先建立账号自身和品类自身的基线，再比较同一项目内的相对表现。不要把其他品类、其他达人或其他周期的播放量直接当作当前项目的成功标准。

2. 没有专属链接，还能不能测种草效果

可以测，但归因结论要更保守。可以使用发布前后搜索趋势、商品页访问变化、评论意图、投放组与对照组差异，以及发布后7至14天的新增支付变化来综合判断。

没有专属链接时，尤其要记录同期的价格、直播、广告、库存和平台活动。否则搜索和成交增长可能来自其他因素，内容只是同时发生，并不一定是唯一原因。

3. 达人内容播放很高，但转化很低，要不要继续合作

先看项目目标。如果目标是新品触达，内容可能完成了第一阶段任务；如果目标是直接销售，就需要进一步检查卖点、承接页面和优惠机制。不要只用一个结果指标决定合作，也不要因为播放高就忽略商品页和评论中的真实问题。

最有价值的判断是：这位达人带来的用户有没有更高的搜索率、收藏率、商品页深度访问或后续回访。如果所有深层行为都弱，才说明高播放可能只是内容消费，而不是商品兴趣。

4. 为什么搜索增量不能直接等于新增成交

搜索代表用户主动查找信息，但不代表用户已经接受价格、功能和信任条件。搜索之后还可能经历商品比较、评价阅读、优惠等待和多次回访，因此搜索增量是中游证据，不是最终业务结果。

不过，对于新品和高客单价商品，搜索增量仍然是非常重要的先行指标。它可以帮助团队提前发现内容是否改变了用户的主动行为，比等待最终成交更快地反馈卖点方向。

5. 能不能把所有指标加权成一个种草分数

可以建立内部评分用于排序，但不建议把评分当成最终事实。播放、搜索、支付和退款处于不同阶段，直接加权可能掩盖某个关键环节的严重问题。

如果一定要评分，应先把平台指标、行为指标和业务指标分层，分别设定权重，并保留原始值。评分只用于辅助筛选，预算决策仍然要回到增量、成本和适用场景。

十、结语：把种草从“看数据”变成“证明变化”

抖音数据分析与星图种草的核心，不是找到一个最漂亮的数字，而是证明用户在内容触达前后发生了什么变化。播放量证明内容被分发，互动证明用户愿意回应，搜索证明用户开始主动确认，商品页行为证明用户进入考虑，新增支付和退款后结果才真正接近业务价值。

我更建议把种草项目当成一次“可验证的增长实验”，而不是一次达人名单采购。每次投放前写清楚目标、路径、基线和对照；投放中区分触达、兴趣和交易；投放后按照不同时间窗口复盘延迟效果。这样即使项目没有达到预期，也能知道是人群不准、卖点不清、内容不可信，还是商品承接出了问题。

下一步可以先做三件事：为当前商品画出真实决策路径；建立一张包含来源、分母和观察周期的指标字典；从下一场投放中保留一小部分可比较的测试样本。等数据积累到足够稳定，再扩大预算和达人数量。真正成熟的种草体系，不是让每条内容都爆，而是让团队越来越清楚：什么内容对什么人有效，在什么阶段有效，以及这种有效是否值得继续投入。