您现在的位置是： 首页 > 网络营销 > 正文
分享AI+产品增长的100条顶级理解
发布时间：2026-09-20 15:35:07 编辑：admin 浏览:19
谁买？ 从评论原话识别人群，
搜什么？ 从人群，现有优势，生命周期延伸搜索词，
哪里没做好？ 查看头部产品与低星评论，提取反复出现的未满足需求，
会不会再回来？ 判断是否服务同一群人的下一阶段，
在哪用？ 合并搜索词与评论中的使用场景，
产品长什么样？ 结合市场与供应能力形成产品概念，
什么时候动？ 查需求趋势与季节峰，倒推执行时间，
记不得上次认真听完一整堂课是什么时候了，直到这次在深圳，我遇到了一个销魂的男子，
说运营像聊江湖，讲产品像读情书，那对业务的独到理解，对业态的深刻洞察，这两天下来，信息增量满满，让人大呼过瘾，
听国民讲课，深入浅出，明白如话，平中有奇，引人入胜，他总是，用最迷人的感性，诉说着最纯粹的理性，我想，这大概就是人间第一等的智慧吧，
此致敬礼，给这位「人间疾苦我微甜」的男人，
以下纯手打，不是总结，是余温尚存的现场，
1，我们都一轮和AI的探讨，不仅仅是让AI更了解你，更多的是让你自己更了解你自己，一般来说这个过程会用到2-3个小时，
如果你针对一个你深思熟虑后的业务，与AI进行了一场深度的对谈，那种体验有一种，对自己即将要做的生意理解被迫升级了的感觉，
2，这些年的业态，其实是一个「竞争环境」的变迁，
大家都听过，一双无形的手，其实这是后半句，
完整的是，在充分竞争的环境里，有一双无形的手，
顺应环境，所谓成就事业，大部分时候，是「环境成就事业」，
3，Sam的AI渗透生产的过程，非常清晰地表明了，AI必须有承载它的生产环境，而一个稳定的生产环境太难了，
如果AI是放大器，那么要思考的是，它放大的是秩序，还是混乱，
4，经典的，「场景--需求--产品」的递进模型，
要仔细思考，你希望谁给你付钱，你到底想要赚谁的钱，
你能给谁提供什么价值，你能给谁解决什么问题，
5，品牌，多么性感的词，也是每个卖货人的终极梦想，
sam说的行业内卷经历，符合了纯流量打法的两个特征，
a，当你放大投放，ROI 势必下滑，直到你承受不起，肉眼可见的天花板，这是放大投放的特征，
b，流量成本整体的趋势是必然往上涨的，因为大多数情况下流量是固定的，但是抢流量的人是递增的，这是流量大势的特征，
对抗的唯一出路就是打造品牌，要么就是赚一波就走，
6，安客，也是从评论中站起来的，大家可以去调研一下这个历程，
国内外所有生意都适用这句，「评论区有神明」，
7，做电商有很多逻辑，有铺货逻辑，有精品逻辑，微创新的逻辑...
大部分只能称之为做项目，而品牌逻辑，能称作，做事业，
8，刚才提到供应链，
这块提一句，AI能做到的，终究大家都能做到，你的进步甚至跟不上大模型自身的发展，
而这时候，要思考什么是ai做不到的，然后我们去钻研，于是有了我们的竞争优势，
供应链，肯定算是其中一个，
9，其实刚才讲的素材，AI能做出好图（其实不一定），就算能，更重要的也是情绪传递，而不是简单的严肃科普和产品说明，
sam说的符合宝妈需求的真实使用场景，其实是在用图片传递一种情绪，传递一种确定性（帮用户，想清楚），
用户，在花钱买「确定性」，
10，这里到了蓝海和红海，有一个不同的思考，
蓝海意味着波动，红海意味着稳定，
红海市场，你的胜出，只需要各方面比同行好5%，
正如，亚马逊已经没有所谓的红利期，但是不影响它可以是一个稳定的好生意，
11，sam说的从和供应链的磨合，到线上验证，这些反馈和拉扯，到这里，完成了今天的第一个小闭环，应该也是本次的主线，
AI负责「看见」--人负责「判断」--物理世界负责「兑现」，
伟大的词，A2R，AI to Real，
克服ai穿越到物理世界的摩擦的能力，是核心竞争力，
12，sam说到价格，其实，不管什么4p，5p法则，价格永远是影响成交最大的因素，
13，这里sam说到用户量越来越多，于是反馈越来越接近真相，
当你没有用户的时候，可以去竞品的评论区去找你要的，
13-1，任何领域，对你有价值的竞品不会超过5个，
不信的话，你可以放下手机，写下你购买多次的产品品牌，比如，5个内衣品牌，5个洗衣机品牌，5个饮水机品牌，你是犹豫的，
14，这里延伸一个思考，研究评论必须带上研究UGC，
在全域内容里头找到足够多的真实UGC，也可以让你更了解真实的需求，
15，同样延伸，
流量，产品，运营，这是创业的黄金三角，
如果运营做到位，必将有大量真实的UGC，
而这种自来水，UGC是可以运营的，这种精细化运营，必将反哺流量端（种草/舆情），反哺产品端（需求/迭代），
16，关于组合视角，本质上也是算法视角，
买过沙滩裤的客户，将自动会被视为有可能买沙滩鞋，
17，从大单品切入，最终变成卖一盘货，
这是一套有效的打法，
同时推荐一个公司给大家参考，是另一套逻辑，Hims，后来变成了Hims&Hers，大单品大法，
18，LTV，这里两个词，
流量价值和客户价值，
（这两个词值得重开一个贴，具体我放在平民流量手册里头了平民流量手册「一」），
19，宝洁的案例，是一门严肃科学，
我们日常的取样，常常毫无价值，取样不足，取样偏差，取样谬误，充斥在当前的商业环境里，
如何倾听真实的声音，也就是找到干净的信息源，是我们需要一直研究的课题，
20，以商品为单元，起点是找下一个好卖的产品，积累的是流量能力，单品利润和运营能力，
以用户为单元，起点是找同一群人的需求空白，积累的是用户理解，长期价值和供应链能力，
21，单品的利润空间来自对手还没跟上的窗口，保护期的长短取决于别人跟进的速度，只把增长押在「再找一个爆品」，就要不断重新买流量，重新承担库存和竞争风险，
保持机动，保持敏锐，保持好奇，保持对抗，拥抱变化，
22，「不出海就出局」的口号已经喊了十多年，只是目光所及，仿佛去全球化才是趋势，
自古以来，想去别人的国土赚钱，都不是一件容易的事，不要有错觉和幻觉，
门已经慢慢地关上了，窗也正在收紧，各自的监管正在追上来，
而这时候，十年一轮回，用了三十年，从大山里走向县城，从县城走向省城，从省城走向北上广深杭，将要马踏东京纽约的第四代接棒创业者，又该何去何从，
只有一条路，品牌出海，
100万白牌出海，成功率万分之一，大国，有100个全球认可的品牌，最好是消费品品牌，
23，宇宙第一大赛道，是消费品赛道，
消费品赛道里头有个零售，零售里头有个电商，电商里头有个平台电商，
经济下行如果不影响平台电商的增长，这就是结构性调整，
24，看得见（卖点可视化）+ 有人信（背书）+ 反复见（饱和重复），
这是技法，讲细一些，做产品就是，
让人听见，让人看见，让人来，让人喜欢，让人买单，让人满意，让人信任，让人到处说，让人带人来...
25，既然是AI主题，大胆预测一下，未来的推荐会Agentic化（千人千面的极化版），也就是针对每个人去匹配最合适的内容，
这时候，内容会回归内容本身，真正用心去解读人群-场景-需求的人的时代来了，
26，从性价比到高品质，重新定义「中国制造」，
27，刚才说的消费趋势，产业趋势，其实和AI没关系，AI不在，它们也在发生，
AI的角色是，把文化和需求那一层的翻译补上了，
28，关于野望，关于求其上得其中，在大部分的时候是对的，但是在某些环境里是速亡之道，
在跨境这个领域，是对的，希音和天幕用几年时间证明了外头的对手并不扛打，
我们常听一句话，这个世界是草台班子，其实放在跨境领域，这句话被无限放大了，
这也是第四代企业家需要思考的事，
29，关于投放，也许所谓SEM终将走向通投拉满的时代，
a，一个计划就是一个投手，
b，算法终将拉平你的roi，
c，素材定胜负，素材带来波动，
30，野心和焦虑，是同一种能量的两个不同出口，
31，sam说了五个维度，我在想「流量结构」，
亚马逊的流量结构由什么组成，
a，综合搜索，b，硬广，c，活动，d，站外，
有且只有这四个，
那么sam做到了什么呢，全做到了，是一个正向的飞轮，
这个飞轮的起点是什么呢，也许是从需求演化出来的内容，具像化成详情或者社媒内容，带来站外的affiliate，销量的增长，然后榜单带来的是转化的提高，资源的倾斜，硬广的成本降低，效率的提高，下拉词，综合搜索的流量增加...
而咱们要思考的是，自己的流量结构又是什么呢，缺什么，要怎么补，从哪里切入呢，
32，数学题我们大家都要会做，这也是一种极致的决策树倒推，这套题里头少了很多节点，
但领会意思，sam想表达的是，如果客单价多一个0，那么一条链接每天要出的单就少一个0，
转化率提高一倍，需要的链接就可以少一半，
大家可以把属于自己的整条路径的每一个节点列出来，于是就有了着力点，
33，经济下行与否不一定，出品牌的概率不一定，
但是这个前提值得思考，消费者变理性不一定，更多的是由于社媒的发展，大家对「好东西」「优质生活的样子」，有了统一且多态的理解，看中东西本身好不好，值不值，
我们要加一层，同样的体验，谁更便宜，同样的价格，谁体验更好，
流量和渠道不一定变便宜，但是社媒，是上帝给到新创业者开的一扇窗，
人才外溢是对的，不仅仅是大公司人才外溢，每年涌入人才市场的应届毕业生，让我们有了找到被低估人才的可能性，
同时，始终要记住一句话，成就事业，大部分原因是同行衬托，想办法比同行优秀5%，就够了，
34，数学不讲道理，数据是冰冷，残酷，真实的，
所以，关于需求和机会，我的用词一直是，我看见了一个需求，
通过观察，通过AI辅助下的数据收集和甄别分析，我们看见了一个需求，
这是一条很好的路径，
当然，说到工具，这里给大家省几千美金先，比如similar web有个平替叫3ue，闲鱼买只要100多人民币，
而其他大部分极客工具，在闲鱼上一样有解，
35，文化的理解，太可怕了，竟然有讲这个，
AI可以帮你翻译成中文，翻译成英文，翻不出那句话在什么场景下被说出来，
就比如我不去非洲，我就不知道非洲有很多集装箱医院，每年救百万人，不知道非洲的新生儿保温箱竟然是保温袋，
我们要不计代价地学好英语，这个世界90%的底层框架和运行逻辑都是由英文构成的，ai时代99%的语料都是英语，很多人类文明的光，并没有翻译成中文，
如果不去理解它们的文化，你是没办法看见真正的需求的，
比如邮箱的使用频次，
比如穷人家虽然也有洋房排屋他们的门牌是是有区别的，
比如欧美人是可以接受断断续续的聊天，
比如关于尺码，关于身材的认知，
比如送礼文化，
比如评论的夸张表达是习惯，还是真实反应...
文化不是装饰，不是务虚，是需求的底层操作系统，它能帮你更好的理解需求的优先级，表达方式，决策逻辑，
36，1个搜索流量等于5个推广流量等于50个推荐流量，流量，就是关键词的凝视，
37，前缀+主词+后缀，构成了场景词和需求词，长尾词的流量愈发精准，愈发便宜，
根据不同平台的逻辑，可以选择大词突破，也可以选择大量的长尾词包围大词，
38，三轴这套打法可以延伸到国内的平台，商品也可以演变成产品和服务，品牌也可以替换成ip和影响力，
39，AI抓到的所有信息，必须符合，真实，可追溯的证据链，阶段，场景，需求，关键词，趋势，评论原话，频次，主要竞品，进入判断，理由，工具，日期，是否二次验证，更新频次...
40，想要有所成就，必须没有致命的短板，在这个基础上，还要有个极长板，
sam这套逻辑有趣的地方在于，你只要自己用自己的业务跑几遍，或者用假想业务跑几遍，你就有了一技之长，可以自己做业务，也可以给企业做服务，也可以封装成web或者工具，也可以帮忙去获取数据源然后打包成服务获取更高的溢价，
还很值钱，
41，创造需求，啊，这个，是傲慢的啊，需求一直在那边，区别只是通过什么方式去看见它，
------分割线-------
此时就到了第一天的夜晚，才发现sam讲这个课的叙事难度有多大，我在第一排都替他心疼，我也自诩是一个顶级的演讲者，感同身受，看他为了用当前理解的最大公约数尽可能的覆盖更多的人，尽力让业内老手和跨界新手都能听得更加明白，每一句措辞都在思考如何表达，脑子每一秒都在进行高速的运作，
压抑了一整个上午，然后下午渐入佳境，他站在台上，我双眼迷醉，看着他，像个藏器于身的侠客，直到夜里，终于才开始放开了抡，第一天的夜，真是精彩啊，
另外，大家有没有发现他的答疑和点评，太精髓了，云淡风轻，甚至cover了题者言犹未尽之意，这需要怎样的业务理解才能做到啊，瑞思拜，
好，我们继续，
42，上这种实操课，千万不要骗自己，最容易陷入的困局是，把过程当结果，下午要开始实操了，要思考这两天自己到底要带什么「成果物」走，
比如需求地图，不是跟着走一遍，而是一份自己真的能看懂，能用来辅助决策的需求地图，（而不是把那些表格填完就算学会了），
43，品牌需求机会的七问，
44，要怎么判断自己把工作台搭出来了，换一批词能不能跑，回去实操的时候，要注意一些细节， 比如数据是几月的，有时候数据错了，结果全错，（同时要小心ai幻觉，它在编，工具没有调用痕迹，它就在编）， 45，大家有没有发现，数据源的重要性，这套逻辑虽然是为跨境电商设计的，底层是「需求发现-验证-兑现」，这是引擎， 燃料是数据源， 如果你不是做跨境的，那么你也可以沿用这套引擎，只是需要换数据源， 就是这套反复回答的同一组问题， 谁在买（人群），他们需要什么（场景-需求），现在的方案哪里没做好（未满足需求），我们能不能做得更好（供给能力匹配），什么时候该动（部分类目非必须），能沉淀什么（资产累积）， 放到任何生意里都成立，可以迁移， 46，那么数据源要怎么获取呢，同样的逻辑，比如淘宝的评价，问大家，自营时候的客服聊天记录，退款原因，差评原因，知识付费的各种社媒，内容的评论，舆情，学员反馈，退费理由，社群里头的高频问题，当然，还有很多，比如弹幕... 这里特别强调一下，工具+人肉，善用工具+积极人肉， 工具就是一切的工具，国内在极客工具这块非常优秀了，蝉妈妈，抖查查等一切，都可以通过闲鱼用很低廉的价格用到， 社区和社媒还有行业报告，比如Reddit，知乎，贴吧，各种Group，Discord... 还有各种一手数据，比如和用户的一对一聊天，回访，以及亲自使用竞品，伪装成客户去和超过10个的竞品发生完整的交易关系， 有时候人肉部分，价值非常高，毕竟，越难获取的数据，壁垒越高，容易获取的，你的对手也容易获取， （你甚至可以完全相信ai和算法和大数据的发展，会让数据获取变得越来越简单）， 47，冷水还是要有的， sam的优势是判断，有一种可以称之为行业直觉的东西， 都说ai来了，人们负责判断，那怎么判断呢，这恰恰是无法短时间缩短的差距，需要大量的时间和经验的沉淀， 也就是算法，算力之外的，「优质数据+大量训练」， 你可以理解为，老司机听到引擎的声音就知道哪里出问题， 在这个场景里头就是，框架给你的是去哪里看，行业经验给你的是看到了什么，同样一条评论，有些朋友看到的是一句抱怨，加上ai可能能看到一个需求，sam可能看到的是一个品类机会， 因为在那一瞬间，他脑子里运作的是从需求到供应链到履约的整条链路的试演练， 这，是判断的基础， ai压缩了时间和空间，而我们要着力的地方，我们要投入的时间，是ai无法完全压缩的那部分时间， （自有＞一手＞社区＞公开工具）， 48，sam说大家可以有自己更顺手的方式，是没错的，而且极其简单，就一句话，你每天使用ai的时间大于使用微信，半个月你就可以做到了， 多嘴一句，AI99%的能力在于Coding，而不是Chat， 49，刚才看了周边几个朋友，发现，和AI协作的时候，人们有一个常见问题，就是不够勇敢，（不敢放肆地提需求）， 请尽情的使用AI，大胆点，高估它， 50，除了关键词，转化端也是需要深度理解的， 真实的场景，真实的需求， 是大基数胖子自重训练用什么瑜伽垫，是关节炎用户用什么瑜伽垫，是卷腹，平板支撑用，是拉伸适配， 而不是大比例，浓墨重彩什么材质，什么慢回弹，什么专利，什么中科院背书，什么SCI... 击中真实需求，引导购买行为， 「我的一切，与我有关」，从搜索开始，消费者看到的一切，要与他有关，而我们尽可能的去设计这样一套逻辑，出现在与他相关的所有节点， 嗯嗯， 要情绪流淌的导购型详情，而不是冰冷冷的产品说明， 51，回旋镖，早上聊的文化差异， 美国人说stroller 不说pram， 我们这里叫抠图，欧美那边，叫remove background，去除背景， 52，再穷不能穷模型，再省不能省Token， 53，Agent的价值在于不知疲倦，Agent处理的是已知框架内的信息，人处理的是框架之外的判断， 你才是分析师，决策者，执行者， 如果把时间轴拉到最长，Agent在你的生产环境里扮演的角色是，组织的记忆体，一个完美的机制记忆，让经验，判断，教训可传承，可检索，可迭代， 如果能在这一步有共识，那么请投入足够的「耐心」去优化你的Agent，（Agent永远不会也不能替你做主）， 54，有一个很有趣的角度（深刻），可以助力大家对场景和需求有更深的理解， 有一些类目，用户和客户是分开的，如刚才那个案例，用户是小孩，客户是父母， 这时候你要击中的点就需要考虑得更加深入， 宝宝不会说话，信号只能是睡得好不好，起疹子么，闹还是不闹，你获取的信号是经过父母翻译的，而你要读懂这层加料过的翻译， 父母关心的需求是，是否安全，材料，认证，省心，甚至心理安慰等情感需求， 如果继续延伸，其实还要击中另外两个场景，影响者，决策者，而购买者又有另一个可能性， （送礼者），（送礼要体面，不是么），（宠物不是么，老年人相关的儿女买单的...）（同时解好这些题，你就能胜出同行5%）， 55，不要做sam的Version2，要做自己Agent的Version1，要有自己的优势和特色， sam淡写轻描，但什么是AI拿不走的优势和特色呢，正是我刚才说的ai穿越到物理世界的摩擦， 供应链，你的关系（是否独家，地理位置，产业带与否），你对工艺的理解（原材料，微创新的基础）， 对市场的真实理解（而不是单平台，小环境的小规则）， 品类的认识深度（跨品类发现异常值的能力和跟进速度）， 运营手感（对规则的理解，对数据波动的敏感）， 资金和抗风险能力（弹药深度是否可以无视试错成本，能坚持多久不动作变形，是否有些类目准入门槛已经淘汰了自己）， 组织规模和组织能力（搭档，伙伴，以及协作效率）， 真实数据和存量用户（以及如何沉淀客户，客户属于平台还是属于自己，可否再次触达，触达成本）， 你有什么牌，知人者智，自知者明， （在成年人的世界里，不自知的倔强是致命的）， 56，刚才sam反复提到，让AI对你做一次深度的访谈，我最长的一次做了8个小时，我的经验来看，有几个注意事项， 1，做好充分的准备，留出充足的时间，要像婚礼一样虔诚，因为是一轮接一轮往下递进，所以一开始就要全情投入， 2，前置的准备清单尽可能多给它，你的履历，资源清单，你的初步感兴趣的品类或方向，你的边界， 3，要对自己诚实，要对ai诚实，一步错，步步错， 4，聊天框有限，另开一个对话的时候，要记得和AI说清楚，继续访谈，然后它会读取到上下文才继续， 压测，残酷一些， 57，在AI出现之前，人们甚至没法意识到自己的人生Token的珍贵， 58，不同模式下的listing做法完全不同， 比如，有些品完全没有决策成本，或者没有选择，那么，评分无法影响初次下单， 关于模式选择，非常值得思考， 那么，listing远远不是详情页那么简单，它的功能属性又有哪些呢， 搜索入口（让人看见），导购（转化，让人掏钱），筛选（只卖给对的人，很多人没意识到退货率这个事情的伤害），表白墙（评论区是巨大的信任资产），数据采集（消费者的真实心声），品牌载体（你的风格，你的品牌语言），投名状（你给平台的信号，我很想在贵平台深耕，求带，轻虐）... 59，你能接住AI么，你这个人，其实是AI的瓶颈， 用钱可以让AI干得更多，那你的算力，能接住更多么， 模型3个月一次跃迁，你的阅读速度，理解，判断速度甚至可能在退步， AI一秒给你30条结果，那你10分钟理解了2条，漏掉的28条怎么办， 让它漏掉么，看起来是对的，因为数量在那边，有吃有补， 但真的这样么，这样会让你有深度的路径依赖，就是一直在自己的舒适区里头打转， 在接住能力无法变得更快的时候，你要尝试变得更准， 有策略地漏掉，不是你主观且随意地漏掉，而是一次次和ai诚实的协作，让它帮你漏掉，给你更准，更值得你接住的信息， call back刚才的人生Token，注意力， 60，适合自己的才是最好的，你吸星大法，兴致勃勃地拿到一个流程图，有没有思考过，有些环节，在你的业务里头成立么，甚至，就算成立，你的团队能用上么， 甚至，习惯么， 你自己回忆，当初用飞书，花了多少时间让你的小伙伴习惯， 这张图有没有你不具备的条件，数据，组织，工具，预算，这张图有没有有效期.... 扛不住追问的流程图，将不会被执行， 61，AI可以锦上添花，甚至屎上雕花，但不能雪中送炭，更不可能无中生有， 而大部分朋友，只是想着无中生有， 用好ai，一定是业务先行，用ai去放大你已经证明过的答案，而不是尝试用ai直接改造未成熟的业务， 62，赚钱的时候，最大的敌人是「下一个貌似好机会」， 你正在赚的钱，是一系列偶然条件对齐的结果，你甚至不能完全理解自己做对了什么，不太清楚那个变量在起决定性的作用， 而这时候，看一个貌似机会显得更为简单，但如果去做的话，等于放弃了一个正在产出但你即将理解的系统，去追逐一个你完全不理解的系统， 应该在这个周期里，想办法把能赚的钱全赚了， 窗口期是有限的，这个环境下也是越来越短，分心的代价往往不是少赚一点，而是两头一场空， 63，sam说的AI发展历程，听到sam说他一眼就能看出那个小伙子屏幕上那些框架的价值，大家是否感同身受， 听到没用了，归零了，换代了，这些词，是否生出只要你学得慢，就可以不用学了的错觉， 「这是当下，最精致的借口」， 要思考的就是这两天反复思考的，什么是大模型拿不走的东西，什么是AI永远自己长出来的东西， 工具会归零，体感只会累积，什么是体感，是什么时候该信，什么时候该覆盖，是交叉验证，是翻译指令的能力，是踩坑之后的痛，是互动时候的直觉，判断，拆解，审美， 你不用AI，就养不出这种人机协作的体感和手感， 不要等一个稳定版，稳定版永远不会来，而你的体感，有复利撒， 64，sam说，AI的三层结构只有最外层属于你，确实， 大模型可以花钱买，明天还更便宜，更好用，工具你能装，别人也能装，未来会百花齐放， 去年的prompt，你上个月搭的workflow，都将被模型吞掉，你今天引以为豪的AI技巧，半年后就是大部分人的基操，你现在做的精良级的短剧，过半年就是粗制滥造了， 人，不要去和模型卷，要去业务层卷， 模型在进化，工具在迭代，你对业务的理解，你的独家内容，才是不会被开源，不会被降价，不会被下一代模型替代的东西， 把时间怼在那边， 65，为什么模型对信息的分析成功率能够逐步提高，不是自己长出来的，是喂出来的， 关键就四个字，判断回流， 让AI跑，让它出方案，做内容，去判断...没关系，然后你来批，用你对行业的理解，去判断AI给你的那些东西，哪里对，哪里错，哪里差了口气，然后把这个批的理由，回流给系统，这才是关键的关键， 慢慢的，这些标准，会变成一张网，而不是一堆md文件，然后下一轮，AI会带着这些标准跑，这样循环优化后，慢慢就养出来一匹听话的马了， 66，已经进入去skill化的时代了，教程型的skill已经逐渐被吞掉了， 但是告诉AI凭什么这么干的，装着你的判断的，你业务层反复精炼过的skill，依旧是一个好载体， 67，sam反复提到业务线，那如果你没有业务线呢，又要怎么逐渐让AI渗透到自己的日常呢， 最简单的三步先走， 1，把重复的日常动作捋出来，想办法全部交给ai，那些离开你的判断也能跑的动作，就是拥抱AI的切入点， 2，多coding，无码硬co，让自己日常用ai的时常超过微信， 你们中路互掏，我的意思是你们彼此判断，你先出结论让它来抨击你，等你找到感觉了，你再来抨击他，用AI做镜子，把自己的判断标准逼出来，经历过昨天的访谈环节，我觉得你现在应该得心应手， 68，在卖货这件事情上，你的优势来自于哪里，多，快，好，省， 铺货多么，内容多发么，人人都多了，上架更快，AI让所有人都快，做精品么，太难了，产品驱动的公司凤毛麟角，微创新有一定的机会，但也很难， 成本低么，你祖上三代都在做纺织，做印刷么，不然凭什么你觉得你足够便宜，你的成本，只是你的成本， 效率高么，AI让所有人效率都高， 这些机会都没了， 但是用户红利还在不在，你更懂这么一群人，AI能帮你更快更懂， 虽然我们不能傲慢到，觉得只有我们注意到这样一群人，并且尝试去读懂他们， 但，你觉得这算不算用户红利， 69，你用AI的时候，是在许愿，还是在下工单， 什么是下工单，目标明确，物料齐全，验收标准清晰， 70，sam说的元问题，在其他组织，运营场景，你们甚至可以根据自己的业务，去做放肆的发挥，比如， 1，我的客户昨天刚掏钱买的是什么， 2，如果今天公司破产，最后悔没坚持做什么， 3，行业里死掉的公司，在倒闭前半年最常提的关键词是什么， 4，砍掉这个功能/业务，会有超过 10%的客户抗议吗， 5，我的团队能否用一句话说清公司在解决什么问题， 6，我这个决策如果被登在《人民日报》头版，我会觉得荒谬吗， 7，三年后的我，会如何看待今天的选择， 71，创业的三个层级， 流量驱动，产品驱动，模式驱动， 72，错误的方式，主观判断→ 批量生产 → 市场碰运气 正确的方式，数据预筛→ 最小化测试 → 规模化放大 不做MVP 等于自杀， 73，这个词，希望大家刻在脑子里， 「最佳生产实践」， 同样的，sam老师的这套框架你只要自己咬牙啃下来一次，你也许就有了属于自己的，「最佳生产实践」， 不太容易么，想知道，曾经，你有没有为学习拼过命， 74，把组织的上下文（数字资产）放在云端， 75，你看，有趣吧，你当初让你的团队从微信换到飞书，用了多少时间，扛住了多大阻力， 那么，你又准备用多少时间，让你的团队开始AI native， 76，休息一下可以的，这和放弃没关系， 77，一个问题一个聊天框，照做就好， 78，大模型是脑子，云端服务器是身体（存储/不怕本地安全事故），飞书里头跑着的harness是手脚口眼，是神经系统， 你的判断标准，决策习惯，经验直觉就是意识， 不说比喻形不形象吧，先有个服务器好么，我的朋友， 79，文件管理和桌面管理，是一个创业者应该养成的好习惯， 80，关键词，群晖和nas，保护并开始沉淀属于你的数字资产，推荐给每一个创业公司和ip，内容创作者， 81，能指导并改变人们行为的信息，才是知识， 工作产生知识， 82，rag有一个局限性，就是它是死的（活的费token），如果你修改了一些内容，迭代了版本，你就要重新做向量数据库，不能以打补丁的形式更新， 不过也不用担心，你可以把固定的需求锁死，数据量也不大，每几个月重新做一份也不要紧， （rag是渐进式披露的，不会全量读）， 83，the grate me，这个词太屌了， 你可以一次性让AI认识你，但我们需要把这件事变成持续的， 你在变，你在进步，让AI持续认识持续进化的你， insight也许是一份体检报告，the grate me是病历本，不只记录状态，还记录每一次决策，每一次修正，这是持续累积，是沉淀， 病历本越厚越值钱，存什么呢，存判断，存转折，并且定期清清洗， 为什么呢，因为你有些判断标准，会过时，把它删了，或者合并， 终极目标是什么，是AI能替你做第一版判断， 84，功夫在诗外，功夫在AI 之外， 85，保持对不同模型的好奇心，一专多能，交叉验证， 100，你觉得行，你就行， AI面前，人人都是小学生，一个模型刚出来，sam也刚用上，咱们凭什么就自认不行了呢， 与其把sam当做一个布道者，也许，他更愿意大家把他当做一个先行者，或者说，同行者，战友，和你一起，去看见更多的可能性， 加油，我的朋友，要对自己，有信心啊， 作者：生财杨涛 相关推荐：
关键字词：