一般情况下to C类工具都是明确解决某一场景的需要，比如将照片变得漂亮一点，听音乐，看电影，看小说，下载应用等等。这种类型的工具往往非常单纯，我们通过用户模型将此类产品的用户划分为粉丝用户及一般用户。
to C类产品的用户类型
粉丝用户非常依赖场景，也可以理解场景的重度使用群体，是这个场景的忠实受众，我们可以通过使用时长，使用频率，活跃度等相关的指标来对粉丝用户进行判断。需要注意的是，这里提及的粉丝用户是这个场景的粉丝用户，并非某产品的粉丝用户。
一般用户
一般用户则是偶然性的需要，是一种轻度用户，并且这个需要本身并不是源自于自己的原始欲望，往往是因为外界因素的介入，导致了需要的产生，比如帮朋友拍照，逃避式听音乐等等。这部分群体对于场景本身并没有太大的主观选择力，更多的是被另一个因素推动产生的行为。
很有意思的事情在于，一般用户在技巧的影响下，可以逐渐变成粉丝用户，而粉丝用户也可能慢慢退化为一般用户。
以网易云音乐为例
我们拿网易云音乐举例吧（后文简称云音乐）。
云音乐本身是音乐类产品，满足用户的基础诉求是听音乐，这个功能的受众群体包含了粉丝用户以及一般用户。
如何吸引一般用户？
只要有歌曲库，以及播放功能，那么一般用户的需要是可以被满足的，如同早期音乐类软件的做法一样，满足曲库以及播放功能，剩下的就是不断的扩充歌曲库。
云音乐的曲库虽然不算最大量的，但品质都属于优秀的，在曲库之外，他的交互设计以及UI设计都远超同期其他产品，这也为云音乐赢得了相当一部分好评。
相同需求背景下，云音乐满足的不只是能用，还有易用，更舒服的使用这些衍生需求，这也说明，很多时候，产品体验也是极为重要的竞争优势之一。
我们先来分析音乐场景下的粉丝用户的特征，要知道粉丝用户才能让一个产品具备市场及资本价值。
音乐场景的粉丝用户，典型特征是存在歌曲的偏好，往往热衷于具备相同特征的歌曲，比如语种，人物，曲风，派系等，而这个市场是否存在一些缺陷，让音乐的粉丝用户感到需要一些东西呢？
答案很明确，喜欢在某种意义上就等同需要，我喜欢听印度的歌曲，基本等同于我需要听印度的歌曲。
当我们产生需要时，往往背后藏着的就是市场缺陷，人们只会在没有的时候会想到需要拥有，我之所以需要听印度的歌曲，是因为我很难在其他地方找到这样的歌曲。或者说寻找给我带来了非常大的困扰，让我感觉到不方便，致使我获得它的成本增加。
云音乐的核心优势是基于大数据的歌曲匹配，这个观点大家很容易在各种媒体报道里看到，但他为什么是核心优势呢？
大数据匹配能够在用户产生寻找的行为之前，降低寻找的成本，直接将匹配的内容，推荐给用户。因此，对于音乐场景的粉丝用户而言，使用大数据匹配的方式会产生粘性递增的效应，随着播放次数的增加，就会为大数据提供更多的数据支撑，最后得到的是更精准，更符合用户偏好的音乐推荐。
曲库以及播放功能，满足了一般用户听歌的需要，大数据匹配及推荐则满足了粉丝用户偏好音乐的需要。这是两类用户的捕获方法，当产品进行到这个阶段，仅仅表示度过了种子期，储备了一定规模的高质量用户，这个时候，会迎来第二个问题。
产品是迭代打磨出来的，并不是一成不变的，这也侧面表示，每个阶段的产品所需要解决的市场缺陷是不同的！
请大家注意我用的连接词“培养”。
是的，心理学上来讲，人们的兴趣，喜好都是很容易受到环境影响的。正如我们所使用的语言，并不是我们学中文学的非常投入，而是因为环境造就了语言的使用及普及。
在国内的教育相关领域包括早教，很重的使用了这些心理学技巧，比如英语培训机构会创造一些纯英文交流的场景，以此来形成国外的交流环境
听音乐的场景已经为我们筛选了一部分受众作为用户，而我们需要做的，则是将为了听而听的用户，培养成真正喜爱音乐的用户。
当然音乐是个非常庞大的命题，历史悠久，分类繁多，而听音乐并不等同于音乐，用户也不需要对音乐了如指掌，需要的仅仅是催生一个突出的偏好，就足以成长为粉丝用户了。
当你能为用户创造一个偏好时，那么，他将会成为你的忠实用户，除非你扼杀了他的偏好。
对于以大数据匹配抓住粉丝用户的云音乐而言，培养粉丝用户并不困难，“没有偏好”在数据层面的表现形式基本上可以纠正为“偏好不明显！”
在一般用户听过的诸多歌曲里，一定会有一部分歌曲类别通过行为加权能够凸显出来，只要轻量推荐加权类型的音乐，适当保留再选择的纠正空间，就足以让一位原本偏好不明显的用户，产生典型的偏好轨迹，最终培养成一位对该偏好热衷的粉丝用户。
人们所谓的兴趣，是指我们所喜好的事情，在行为中的体现则是生活中与其他同维度的事情相比，做的次数最多的就是我们的兴趣。比如同样是运动，我喜欢羽毛球，于是我经常去打羽毛球；反过来，我做的最多的事情也象征了我的兴趣特征。
以上观点，类比到云音乐的偏好策略里，就如同你听过的最多的音乐类型，就是你所偏好的兴趣音乐。正如同你所喜欢的音乐，必然是你听的最多的音乐相同。
我相信云音乐已经有类似的机制投入到产品的逻辑策略里了。他们很可能正在第三阶段的环境尝试突破
工具性产品尤其是和兴趣挂钩的，大部分都会以社区作为增长点，1位社区用户的价值基本等同于10位工具用户的价值。
我几乎可以肯定的是，一款工具要将用户过度为社区用户，必然会使用到用户模型，也只有粉丝用户能作为社区的构造基石，一般用户转化成本以及流失风险都非常高，用户模型的健全恰恰成为了工具性产品能否转型为社区类产品的失败点。
由于篇幅问题，关于第三个问题，我们暂时抛出思路，感兴趣的朋友，可以加我微信一起讨论。
社区的用户模型在于内容生产者和内容消费者，要构建一个社区的生态环境，在于UGC的生态环境建设，可以是基于内容的供需关系，也可以是基于明星粉丝的类微博关系。
重要的一点在于将粉丝用户再次按照社区的用户模型进行划分，并以某种方式让大部分的用户参与到发言环节，我罗列了一些社区的阶段性目标
刺激发言行为
刺激回复行为
创造社群的环境及氛围，如BBS或聊天室，或直播空间等
第四个问题：用户变现及生态环境的打造
这里就不再延生阅读了。如果你对工具用户转化社区用户感兴趣，或者对产品生态环境的打造感兴趣，可以加我微信一起讨论。感谢你的阅读。
