所有文章
人人都是产品经理 · 寻空
<blockquote><p>当“平替”成为全球消费新趋势，品牌溢价正遭遇前所未有的挑战。本文以 lululemon 起诉 Costco 抄袭事件为切入点，深入剖析了“平替文化”如何借助社交媒体和供应链优势迅速崛起，并探讨其对传统品牌价值的冲击与重塑。在消费者越来越理性、悦己至上的时代，品牌该如何守住护城河？这篇文章给出了深刻洞察。</p> </blockquote>  2025年7月1日，lululemon 向美国加州中区联邦地方法院提起诉讼，指控零售商 Costco 旗下的 Kirkland Signature 与 Danskin 品牌，以远低于市场价的方式，销售高度模仿 lululemon 标志性的服饰。 诉状中的价格对比极具冲击力： lululemon 的 Define 夹克定价在99美元至168美元之间，而 Costco 平台上仿款 Jockey 瑜伽夹克仅售17美元至30美元。  Scuba 卫衣原价74美元至128美元，Danskin 产品在 Costco 上仅售8美元  lululemon ABC 裤标价98美元至128美元，Kirkland 仿款裤子则只要20美元。  市场的反应最为诚实。在诉讼消息传出之时，Costco 网站上的这些疑似侵权商品，绝大部分早已售罄或悄然下架。 显然，这场平价奇袭极受消费者欢迎。只用 lululemon 约五分之一甚至十分之一的价格，就能买到外观与功能高度相似的服装，这对任何追求性价比的消费者而言，无疑是难以抗拒的诱惑，更何况，这背后还有 Costco 自身的品牌信誉背书。 然而，这起诉讼远非孤例。它更像是一个引爆点，揭示了一股早已席卷全球消费市场的巨大浪潮——平替文化的全面崛起。 ## 01 从“沃尔玛铂金包”到 TikTok 的“Dupe”风暴 lululemon 与 Costco 的法律战，看似是品牌间的直接对抗，实则根植于一场由消费者主导、社交媒体放大的全球性趋势。事实上，在今年，类似的戏码已多次上演。 2025年初，沃尔玛的货架上悄然出现了一款手提包。它凭借其简洁的结构化设计和独特的提手造型，在视觉上与爱马仕的经典铂金包（Birkin）产生了联想。 敏锐的网友们迅速捕捉到这一点，并创造性地将沃尔玛（Walmart）与铂金包（Birkin）结合，戏谑地称之为 “沃尔玛铂金包”（Wirkin）。这款售价在78美元至100多美元之间的仿皮手提包，借助 TikTok 的算法，迅速实现了病毒式传播。  TikTok用户Kristi Stephens发布的“Wirkin”开箱视频获得近900万次观看，随后大量用户以#WalmartBirkin、#BirkinDupe 等标签下的视频引发了大量讨论和模仿，内容从惊叹其“物超所值”、“看起来很贵”，到分享在不同门店“寻宝”Wirkin的经历，甚至引发了线上线下的抢购潮。  “沃尔玛铂金包”的走红，让无数消费者开始反思：是否有必要花费数万美元去购买一个手袋？这其中究竟有多大比例是必须支付的“品牌税”？ 这一事件，直接触碰了平替文化的核心——以极低的价格，获得与奢侈品几乎无异的外观体验。 如果说“Wirkin”还停留在外观模仿的层面，那么TikTok上另一股风潮则将平替推向了更深的逻辑——对品牌供应链的彻底解密。 2025 年 4 月，TikTok 上突然刮起了一阵 Dupe 风。在TikTok上，一系列短视频，开始系统性地揭露爱马仕、香奈儿等国际大牌的制造细节，从五金配件到皮革材质，甚至具体到每一个部件的供应商名字和生产地点——而这些供应商，大多位于中国。 其中一个广为流传的说法是：一个售价高达3.8万美元的爱马仕铂金包，其物料加上人工的总成本仅约1395美元。 巨大的价格鸿沟被赤裸裸地揭开，用户们则自发地分享平替购买攻略。创作者们将正品与平替品并排陈列，从外观、材质、颜色、上身效果等多个维度进行详尽对比。 这股风潮也意外地带火了 敦煌网、阿里的速卖通乃至淘宝网等中国跨境电商平台。  近年来，美国的通货膨胀率居高不下，生活成本显著上升。对于预算有限的Z世代和千禧一代而言，在非必需品上寻求性价比更高的选择，几乎是一种必然。他们渴望拥有潮流单品所带来的风格与社交体验，但不再愿意为此支付高昂的品牌溢价。 他们清楚地知道，许多产品的制造成本并不高，天价主要源于营销、故事和品牌建设。当工厂的老板可以直接在TikTok上直播展示生产线时，奢侈品牌精心构建的神秘感开始逐渐祛魅。 一个大牌很难回答的问题是：如果平替能提供80%-90%的相似体验，那么消费者为何要多花几倍的钱去追求那剩下的10%-20%呢？ ## 02 从炫耀到悦己，零售天平正在倾斜 随着平替现象从小众话题演变为主流话题，其背后反映的不仅是单一产品的模仿，更是消费心态与零售格局的深刻变化。 ### 1. 消费者心态的改变 1899年，经济学家凡勃伦在《有闲阶级论》中提出“炫耀性消费”概念，人们倾向于通过购买和展示昂贵的物品来彰显自身的财富和社会地位，这种消费并非主要为了满足实际需求，而是为了炫耀，让朋友和邻居嫉妒。 这种逻辑下，商品的价格越高、越稀缺、越能代表某种圈层，其炫耀价值就越大。 然而，时代在不断演变，驱动消费行为的底层逻辑也在悄然发生深刻变化。 一方面，全球宏观经济的压力让消费者变得更加务实。但更深层次的原因，在于年轻一代消费者心态的成熟。悦己正取代炫耀，成为消费的首要驱动力。 今天的购买行为，更多是为了满足自身的真实喜好、审美偏好和情感需求，而非迎合他人的目光或社会的期待。他们追求的是产品带来的真实体感和情绪价值，而不是一个仅供展示的标签。 社交媒体的价值观也在发生戏剧性的反转。过去，在微博、抖音上展示名牌手袋和豪华假期是显示自己生活的手段，如今，这种行为正变得不受推崇，甚至会被贴上炫富的标签。 取而代之的是一种新的社交货币——“精明消费”。在TikTok和国内的小红书上，花钱羞耻症与省钱攻略并行不悖。 找到一个完美的平替并分享出来，不再是羞于启齿的事，反而被视为一种高级技能或聪明消费的证明。这会带来海量的点赞、评论和关注，形成一种强大的正向社交反馈，让购买和分享平替变得光荣且时髦。 ### 2. 零售格局改变 当消费者不再盲目迷信品牌溢价，零售的天平便开始倾斜。前文提到的 Costco 平替 lululemon、沃尔玛平替爱马仕，之所以能在供不应求的热销中被快速下架，恰恰证明了它们对原品牌的销售构成了巨大威胁。而推出这些平替产品的，正是零售渠道自身孵化的自有品牌。 像 Costco、沃尔玛这样的零售巨头，推出自有品牌其实已有很长的历史。最初，这些产品被称为白牌（White-Label），起源于制造商为零售商生产但不贴自己品牌的商品，转而由零售商贴上自己的标签进行销售。 这种模式最早出现在19世纪末，随着工业化进程加速，成为一种高效的商业模式，让沃尔玛、家乐福等巨头得以通过低价策略迅速占领市场。 今天的平台自有品牌早已不是过去的廉价替代品。它们凭借强大的平台优势，进化成了具备研发、渠道和营销能力的市场狙击手。 像Costco的Kirkland Signature、亚马逊的AmazonBasics、沃尔玛的Great Value以及国内的京东京造，它们最大的优势在于能够实时洞察平台上海量的消费数据。 一旦某个新品类或单品展现出引爆市场的潜力，它们就能迅速立项，利用已有的供应链网络进行研发和生产。这种“先看答案再解题”的模式，让它们的产品几乎从诞生之日起就自带爆款基因。 在这种模式下，零售渠道不再仅仅是销售平台，它们正日益成为零售格局中极具竞争力的一员。 最具代表性的案例，莫过于中国的山姆会员店，它已成功地将自身的品牌形象与品质和高性价比深度绑定。其推出的自有品牌商品，无论是在烘焙、生鲜还是日用品，其市场竞争力完全不亚于，甚至超越了许多知名的大众消费品牌，成为了这场零售格局变革中最生动的注脚。 lululemon与Costco的诉讼，绝非一场简单的正品与仿品之争。它更像是一场对21世纪消费市场中价值定义的公开全民公投。这场风暴的核心，标志着一个深刻趋势的到来——品牌价值大分离。 在过去，一件商品的有形价值（功能、材质、设计）与其无形价值（品牌故事、社会地位、身份认同）被品牌方牢牢地捆绑在一起，并以一个整体的高昂价格出售。消费者购买lululemon的瑜伽裤，既是在为它的舒适面料付费，也是在为它所代表的中产健康生活方式这一无形标签买单。 然而，平替文化的崛起，借助全球化供应链和社交媒体的放大效应，正在粗暴而高效地将这两者分离开来。Temu、Shein、Costco和沃尔玛们，成为了有形价值的极致复制者。 它们向消费者证明：单就产品本身的功能和外观而言，通过技术和规模，可以以极低的成本无限接近、甚至超越原版。 这迫使所有品牌，尤其是高端和轻奢品牌，陷入了一场艰难的双线战争： 产品防线上的阵地战：这是lululemon正在做的。通过专利、商业外观等法律武器，保护产品的有形设计。但这注定是一场成本高昂、防不胜防的消耗战。因为设计元素终究有限，而模仿者的迭代速度却近乎无限。 品牌叙事上的认知战：品牌方必须回答一个直击灵魂的问题：当我的产品可以被完美复制时，消费者凭什么还要为我支付溢价？ 找到了这个问题的答案，才算找到了品牌的终极护城河。 本文由人人都是产品经理作者【寻空】，微信公众号：【寻空的营销启示录】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
<blockquote><p>本文介绍传统银行贷款流程，以及数字化时代技术如何降低风控成本、提升审批效率，同时讨论技术变迁过程中的变与不变。</p> </blockquote>  随着技术的演进，风控手段越来越多，但金融的本质没有变，在风险可接受的水平下，为“好”客户提供跨时间周期的资金服务，以赚取利息收益。风控的目标不是为了拒绝所有的坏客户，而是通过科学手段筛选出与企业风险偏好相匹配的客户群体，以实现企业的利润目标。 ## 一、传统银行贷款流程 传统银行贷款流程可以分为几个主要阶段：申请阶段、审核阶段、决策阶段和放款阶段，具体操作有填写申请表、提交材料、信用评估、审批、签订合同、发放贷款、按期还款。 ### 1.1 贷款申请阶段 **1.客户咨询与准备** ①客户首先会对银行的贷款产品进行咨询，包括贷款利率、贷款期限、还款方式、所需材料等信息。银行的客服人员或客户经理会向客户提供这些基本的产品信息，帮助客户了解不同的贷款产品是否符合自己的需求。 ②客户根据银行的要求准备相关材料，如身份证明（身份证、户口本等）、收入证明（工资流水、纳税证明、单位开具的收入证明等）、资产证明（房产证、车辆行驶证等）、贷款用途证明（如购房合同、装修合同等）等。 **2.填写贷款申请单** ①客户前往银行网点，向工作人员索要贷款申请单。申请单一般为纸质形式，上面会列出各种需要填写的项目，包括个人基本信息（姓名、性别、年龄、联系方式等）、贷款基本信息（贷款金额、贷款期限、贷款用途等）以及还款能力相关信息（收入、资产情况等）。 ②客户仔细填写贷款申请单，确保所填写的信息真实、准确无误。因为虚假的信息可能会导致贷款被拒，甚至会对个人信用产生不良影响。 ### 1.2 贷款审核阶段 **1.初步审核（银行网点或基层部门）** ①银行网点的工作人员会对客户提交的申请单和相关材料进行初步审核。他们主要检查材料的完整性，例如是否所有必填项都已填写，是否提供了所有要求的证明文件。 ②对于一些明显不符合要求的情况，如申请金额过高明显与客户收入不符，或者材料缺失严重的，会在这一阶段告知客户进行补充或修改。 **2.深入审核（信贷部门或专门的审核团队）** ①材料通过初步审核后，会被送到银行的信贷部门或专门的贷款审核团队进行更深入的审核。 ②审核人员会对客户的信用状况进行评估，这通常包括查询客户的信用报告，查看客户是否有不良信用记录（如逾期还款、欠款未还等）。例如，中国人民银行的征信系统会记录个人和企业的信贷信息，银行会依据这些记录来判断客户的信用风险。 ③审核客户的还款能力。他们会详细分析客户的收入证明和资产证明，评估客户的现金流是否足以按时偿还贷款。例如，对于个人住房贷款，银行一般会要求借款人的月收入至少要能覆盖月供的两倍左右，以确保借款人有足够的还款能力。 ④对于有抵押物或担保的贷款，审核人员还会对抵押物的价值和合法性进行评估。如对于房产抵押贷款，银行会安排专业的评估机构对房产进行价值评估，以确定其是否能够足额覆盖贷款金额，并且会核实房产的产权是否清晰，是否存在其他法律纠纷等情况。 ### 1.3贷款审批决策阶段 **1.审批环节** ①根据审核的结果，银行的审批人员会对贷款申请做出批准、拒绝或要求补充材料的决策。对于金额较大或者风险较高的贷款，可能需要经过多层审批，如基层审批人员审批后，还需要上级部门或风险控制部门的再次审批。 ②如果贷款申请获得批准，银行会确定具体的贷款额度、贷款利率、贷款期限和还款方式等贷款条件。这些条件会综合考虑银行的资金成本、客户的信用风险、市场竞争情况等因素。 **2.通知客户** ①银行会将审批结果通知客户。如果是通过通知，会告知客户具体的贷款条件和后续需要办理的手续；如果是拒绝，会向客户说明拒绝的理由，例如信用记录不佳、收入不足等。 ### 1.4 贷款发放阶段 **1.签订贷款合同** ①客户在接到贷款批准通知后，需要与银行签订正式的贷款合同。合同中会明确双方的权利和义务，包括贷款的具体金额、利率、还款方式、还款日期、违约责任等内容。客户需要仔细阅读合同条款，确保自己理解并同意其中的各项规定。 ②同时，对于有抵押或担保的贷款，还需要办理相关的抵押登记或担保手续。例如，房产抵押贷款需要到房产管理部门办理抵押登记，将房产的抵押权登记在银行名下，以确保银行在客户违约时能够依法处置抵押物来收回贷款。 **2.贷款发放** ①贷款合同签订完成后，银行会按照合同约定的方式发放贷款。对于个人消费贷款，可能会将贷款资金直接发放到客户的个人账户；对于住房贷款等专项贷款，银行会将贷款资金支付给相关的交易对象，如房地产开发商等。 ## 二、贷款流程的现代化技术改造  ### 2.1 申请阶段 1.线上申请平台 ：银行搭建用户友好的线上申请平台，客户无需前往银行网点，在任何时间、任何地点只需通过电脑或手机即可填写并提交贷款申请表，如网商银行等互联网银行的贷款申请，大大节省了客户的时间和精力，也减少了银行的人力和物力成本。 2.自动化数据采集 ：利用光学字符识别（OCR）技术和应用程序接口（API）等，自动从客户提供的身份证、营业执照、银行流水等文件中采集关键信息，避免人工手动输入数据可能出现的错误，同时能够快速生成标准化的申请表格和相关文档，提高申请效率。 3.智能初筛 ：借助人工智能和机器学习算法，对客户提交的基本信息进行初步筛选，快速识别明显不符合贷款条件的申请，如信用记录极差、收入过低等情况，及时告知客户并终止流程，节省后续审核资源，如一些网贷平台在客户输入基本信息后会立即进行初步审核。 ### 2.2 审核阶段 1.大数据信用评估 ：整合央行征信数据、第三方征信数据、社交媒体数据、消费行为数据等多渠道信息，构建更全面、精准的客户画像，通过复杂的数据分析模型评估客户的信用状况、还款能力和贷款违约风险，相比传统人工审核更加客观、高效，如工行深圳分行通过信息化改造实现线上信用预评级，将普惠小微贷款业务办理时间缩短至 10 分钟以内。 2.人工智能辅助审批 ：利用人工智能技术，如自然语言处理、机器学习等，对客户的贷款申请进行自动审批。这些技术可以快速分析大量的贷款申请，依据设定的规则和模型对贷款申请进行风险评估和决策，不仅能够大幅缩短审批时间，还能减少人为因素的干扰，提高审批的公正性和准确性，一些银行的消费贷业务已实现了秒级审批。 3.机器人流程自动化（RPA） ：在贷款审核的某些流程中，如数据核对、文件传输、信息录入等重复性高、规则明确的任务，可以部署 RPA 机器人来自动执行，代替人工完成繁琐的操作，提高工作效率，降低错误率，如 H 银行在贷款审批任务处理中应用 RPA 机器人，自动遍历任务单元、提取信息并填入表格，优化了信用审批结果。 ### 2.3 决策阶段 1.决策引擎 ：基于大数据分析和人工智能建模，开发智能决策引擎，根据客户的信用评分、贷款需求、市场状况等因素，自动生成个性化的贷款方案，包括贷款额度、利率、期限等，为客户提供更贴合其需求的产品，同时也有助于银行提高决策的科学性和精准度。 2.压力测试与风险模拟 ：运用量化分析和模拟技术，对贷款业务进行压力测试和风险模拟，提前评估在不同经济环境和市场条件下的潜在风险，帮助银行制定更合理的风险控制策略和定价机制，优化贷款决策，确保银行的稳健经营。 ### 2.4 放款阶段 1.电子签名与合同管理 ：采用电子签名技术，实现贷款合同的在线签署，客户无需打印纸质合同，只需在电子设备上进行签名操作，即可完成合同的签订，既方便快捷又环保。同时，通过数字化的合同管理系统，对贷款合同进行存储、归档、检索和管理，提高合同管理的效率和安全性，避免纸质合同易丢失、易损坏等问题。 2.资金实时到账 ：借助现代化的支付系统和清算网络，实现贷款资金的快速发放，客户在完成所有审批和合同签署流程后，资金可以实时或近乎实时地到达其指定账户，提高客户满意度，如目前一些银行的个人消费贷款已经能够实现 T+0 放款，甚至更快。 ### 2.5 贷后管理阶段 1.智能还款提醒 ：利用短信、邮件、手机银行推送等自动化方式，在还款日前向客户发送还款提醒通知，帮助客户及时了解还款信息，避免逾期还款，降低违约风险，同时也减少了人工提醒的工作量。 2.自动化贷后监测 ：通过大数据分析和风险监测模型，对客户的贷后行为和财务状况进行实时监测，及时发现客户的异常行为或潜在违约风险，如账户资金异常变动、征信记录恶化等，银行可以提前采取措施，如电话回访、调整还款计划、风险预警等，以降低贷款损失。 3.在线客服与自助服务 ：提供 24/7 在线客服和自助服务平台，客户可以随时查询贷款状态、还款记录、剩余本金等信息，也可以在线提交问题和投诉，获得及时的解答和处理，提高客户体验和满意度，减轻人工客服的压力。 ## 写在最后 大数据技术、智能风控、联邦学习、关联图谱……这些听起来、看起来高大上的技术，并没有从根本上改变金融服务的本质，作为产品经理，不仅仅要知道应用这些技术，还要透过现象看本质，找准核心问题，通过产品设计促进业务的发展。 本文由 @风控打怪升级 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
<blockquote><p>在产品开发的流程中，需求管理是至关重要的一步。本文作者凭借丰富经验，精心打造了一份全面的产品经理自查清单，涵盖需求分析的各个环节，助力产品经理把控需求质量，避免后续开发中的诸多问题。</p> </blockquote>  从年后回来，我被困在做功能、PRD、原型、评审、上线的循环中。 尽管这些事我做起来并不费力，但我并不喜欢这种情况。 就想着从这个阶段中脱离出来，找个能接手的人。再加上我也一直想着输出个东西，来总结我之前的产品经理的工作经验。这两者一结合那我就输出一个让接手的人能用上的东西。我想来想去，就决定总结一套：产品经理自查表。  我计划从3个方向：需求自查表：写需求分析相关的设计自查表：页面设计/功能/交互/PRD 相关的项目管理自查表：项目管理与沟通相关的那就从“需求自查表”开始。2. 需求自查表接到一个需求时需要考虑的内容有哪些 ## 一、需求本身核心信息 **1.需求内容是什么？** a. 一句话描述出来需求内容 **2.需求是不是转述的？** a. 一定要拿到最原始的描述 b. 转述的人是怎么理解这个需求的 c. 私下问问转述人/提需求的人一些明面上不方便说的内容 **3.需求由谁提出的？** a. 一定要追问到最原始提出的人，很多需求都是被转述的 b. “看人下菜碟”，提需求的人决定着需求的优先级，领导、同事、甲方等，需要可以考虑到人情——“给他个面子”，“把关系维护好”。 **4.需求是在什么场景下提出的？** a.提出的场景：正式会议、日常沟通、随口提及、挨批的时候等。 **5.需求想解决的主要问题是什么？目的是什么？** a. 这个问题是真正的问题吗？ b. 挖掘更深一层的问题 c. 需求利益相关者各自目的是什么？ **6.需求的核心目标是什么？** a. 营收？促活？合规？安全？面子？参考行业？用户体验？等等 b. 做给资本市场看的？ c. 吹牛逼用的？ **7.需求解决谁的问题？** a. 解决哪部分群体的问题？ b. 这个群体有话语权吗？ **8.需求想要实现的什么样的效果？** a. 提需求的人画出的饼是什么样的？ **9.你的直系领导对这个需求是什么态度？** a. 支持？鄙视？无所谓？明确不做 b. 直系领导只要不给正向的态度，那就不做 ## 二、需求的合理性与必要性 **1.需求合法吗？** a. 是否有明确的法律禁止？ **2.需求会带来违法/灰产吗？** a.别干着干着把自己干进去了 **3.需求会引起舆论吗？** a. 是不是需要提前做公关？ **4.需求有政策支持吗？** a. 国家政策、地方政策、行业政策等，是利好吗？ **5.需求的用户是谁？** a. 用户画像是什么样的？年龄、学历、性别、收入等。 b. 是否有用户调研确定了需求的真实性？ **6.需求是在哪些场景下？** a. 具体的场景描述是什么？ b. 是不是高频场景？ **7.需求的频率/频次大概是多少？** a. 比如每月生成一次报告 **8.需求的总次数是否有上限？** 比如仅需处理一次即可 **9.需求影响的利益相关者范围有哪些？** a. 受益的利益相关者有哪些？ - 可以是部分用户群体，也可以是公司内部人员，比如给内部人员减负。 - 具体范围体量有多大 b. 有损的利益相关者有哪些？ 可以是影响到的用户群体，也可以是内部人员，比如给内部人员加负担。 - 具体范围体量有多大？ - 能不能得罪的起？ **10.需求是否符合公司规划or部门规划？** a. 是否在公司/部门的年度/季度/月度计划中？ **11.需求是否符合行业趋势？** a. 是否对产品在行业发展有好处？ **12.需求是否符合产品定位？13.需求投入的成本有哪些？** a. 人的成本、采购服务的成本、时间成本等 **14.是否有明确的数据证明需求的真实性？** a. 给出具体的量化指标，而不是自说自话 b. 对于每一点能量化的都尽量量化，给出具体数字 **15.需求的技术实现的复杂性&工作量？** a. 所在的技术团队有没有能力实现？ **16.需求是否涉及到运维？** a. 是否需要添加服务器？ **17.需求涉及到的数据能取到吗？18.需求对其他相关人员的工作量？** a. 提升了多少人多少工作量 b. 降低了多少人多少工作量 **19.需求是否需要有对应的后台？20.做需求的话，涉及到的内部人员有哪些？** 前端、后端、交互、UI、测试、算法、数据等人员？ **21.需求是否涉及到跨部门的协作？** a. 跨部门协作时给出的排期是什么时候？ b. 跨部门协作是否需要领导出面？ **22.需求对下游的响应范围是什么？23.满足需求一定要做功能吗，是否有其他方式来达到目标？24.做这个需求是否涉及到关联的功能？** a. 已有的功能是否需要改造？ b. 计划中的功能是否需要提前考虑？ **25.需求的版本划分是哪个版本？26.需求的排期是什么时间？27.需求上线后，有哪些明确的指标来论证上线成果？28.需求上线后，需要进行哪些动作来推广/提升需求想达到的目的？** a. 需求的冷启动怎么做？ ## 三、需求对我的个人价值 1. 这个需求非得我做吗？ 2. 做这个需求有绩效加分吗？ 3. 需求对我的个人价值是什么？ 4. 是否涉及到我的知识盲区？ 5. 能扩展我的能力范围吗？ 6. 对我的职业规划有好处吗？ 7. 对我的简历有好处吗？ 8. 对我的晋升有好处吗？ 9. 对我的绩效有好处吗？ 10. 能够扩大我的人脉吗？ 11. 对我工作中的个人形象有影响吗？ 12. 这个需求上线后对我的 KPI 有什么好处？ 13. 我能拿这个需求汇报什么，汇报的内容领导会满意吗？ 本文由人人都是产品经理作者【王大鹿】，微信公众号：【产品大鹿】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
钛媒体 · 刀客Doc
雷峰网7月2日，淘宝闪购正式启动总额高达500亿元的补贴计划，仅一周时间便展现出显著成效。最新数据显示，在大消费场景带动下，不仅4124个餐饮品牌生意突破历史峰值，同时有2318个非餐饮细分品类订单量翻倍，整体非餐饮订单相较上线初期增长143%。 淘宝闪购以多元的供给、更快的服务，满足了消费者的一系列新场景需求。例如，夏季来临，淘宝闪购“空调”搜索量增长220%，“外卖点空调”成为消费新趋势。自7月以来，冷风机、空调扇等家电订单增长了超10倍，“蚊帐”订单量更是飙升600%，不少人连夜下单。 截至7月初，淘宝闪购日活跃用户数（DAU）已经达到2亿。庞大用户规模带来的流量通过线上大消费平台，转化为线下商户的“客流量”，释放城市消费潜力。数据显示，淘宝闪购500亿补贴启动一周以来，日订单量突破百万的城市数量翻了一倍。 在全新消费场景的驱动下，淘宝闪购的日订单数也首次突破8000万单，带动全国市场的日订单总量从两个月前的1亿单跃升至2亿单，创造了60%的市场增量。平台资源的整合与补贴机制的精准触达，正在快速扩展大消费场景的市场容量。 **激发全品类商家活力** 自今年5月上线以来，淘宝闪购整合淘宝天猫、饿了么与飞猪的核心业务能力，通过技术与模式的创新，已经逐步形成一个贯穿线上线下、覆盖全场景的大消费平台，各类商家都成为受益者。 淘宝闪购上线两个月，就新增了14万家非餐饮线下门店，同时有超过21万家非餐饮线下门店订单量增长超过100%。 如今，在淘宝闪购的超8000万日订单中，非餐饮订单超1300万，占比超过16%。 参与淘宝闪购的品牌商家门店也集体实现猛增。截至7月8日，3724个非餐饮品牌的订单数对比平台上线之初实现翻倍增长。 万辰集团作为头部量贩零食品牌，旗下拥有好想来、来优品等五大子品牌，自今年6月入驻淘宝闪购以来，线下门店在短时间内迅速扩张至近2000家。7月5日当天，万辰集团的整体订单量较上周同期激增922%，其中好想来单品牌订单量更实现了百倍级爆发增长。 **为服务消费带来新增量** 服务消费已经成为中国消费增长的重要引擎。淘宝闪购利用电商平台的巨大流量和饿了么的配送能力，帮助服务消费商家扩大服务范围，为实体商户带来更多增量。 在补贴启动的第一周里，淘宝闪购上的餐饮连锁品牌订单环比增长超过190%，最近一周中小商家生意订单增长约120%。 随着500亿补贴的上线，泉州连锁商家巡汤炖罐订单环比上涨111%。负责人陈总表示：“这波增长极大推进了我们本身的品牌发展进程，让我们有信心把今年招商目标由60家增长到100家。” 知名经济学家、清华大学中国经济思想与实践研究院院长李稻葵指出，服务消费是内需消费的重要一环，其带来的就业已经超过了终端消费品制造。据测算，500亿补贴至少能够撬动千亿级的消费增量。 淘宝闪购结合热点，激发了更大的城市服务消费势能。7月5日“苏超”赛事当晚，江苏省超过10个城市夜宵订单周环比增长翻番，“夜经济”活力得到进一步释放。 中国电子商会副会长兼秘书长彭李辉表示，2025年《政府工作报告》将“大力提振消费”列为今年的十大经济工作之首，淘宝这样的平台能作为的空间不小。 “通过淘宝闪购这样的创新模式，500亿直补真金白银投入，和执行上没有套路的对消费者的让利，对促消费的作用显而易见。另一方面，这种卷自己不卷商家的方式，也能发挥商家积极性，让他们有更大空间来主动回馈消费者。从这个角度看，平台带了个头，有可能可以点燃更大的消费市场”，彭李辉说。
<blockquote><p>在业务规划中，竞品调研是找准定位、制定策略的关键一步。本文系统梳理了竞品调研的三大核心步骤：如何精准识别竞品、明确调研维度，并选择合适的调研方式。</p> </blockquote>  了解企业在市场中的位置，和了解企业内部信息一样重要。今天我将和大家分享竞品调研的实践方法。 竞品调研总共分三步： 1. 确认竞品 2. 确认调研内容 3. 调研方式 ## 1. 确认竞品 无论企业，必然存在竞对。无论产品，必然存在竞品。否则就是垄断企业了。 问题是，哪些是我们的竞品？ 有个很简单的方法，问公司最接近用户的人。 **toBtoG的产品**问商务。他们在和客户介绍产品的时候，多少会面对客户质疑：你这个产品和别的什么产品比较，有什么优势。 <blockquote><p>有些商务也是在同行业的几个公司间互相跳槽的，对行业不同产品有一定的了解。</p></blockquote> **toC产品**问运营。用户指标一旦波动，除了复盘自身原因，也会关注竞品新功能或新玩法。再或者就是去应用商店搜你的产品，得出的其他结果就是竞品了。 **内部产品**则没有竞品，因为产品是服务内部的，不和其他产品存在竞争关系。 <blockquote><p>企业存在竞对，我们可以问销售人员，他们很了解自己的客户都被谁抢走了。</p></blockquote> ## 2. 确认调研内容 产品设计有五层，表现层、框架层、结构层、范围层、战略层。按这个框架来说，竞品调研是要了解竞品在这五层上的信息。 网上有很多对这五层的解释，让人听得云里雾里，今天我们把它简化一下。 **战略层**：就是确认业绩目标&用户体验的优先级。业绩指标和用户体验是存在一定冲突的，想要卖得好，某种程度上会损害用户的体验。如何平衡两者关系，何时利润优先，何时销量优先，何时用户优先，是战略层需要确认的内容。 <blockquote><p>战略层在具体的产品设计上，是一个很虚的东西，需要多体验，无法一两次竞品调研了解。</p></blockquote> **范围层**：就是内容的优先级。内容的优先级就是目标用户的优先级，确定功能范围，很大程度上就决定了服务哪些用户，确定了用户范围 <blockquote><p>范围层在我们确定竞品后就已经大概了解。区别在于，竞对在瞄准的细分市场上可能有所不同，导致在具体功能的实现上，有粗有细，有好有坏。这些信息，和上面说的——公司里最接近用户的人——沟通获取，效率更高。</p></blockquote> **结构层**：就是信息展示的优先级。确认产品中内容的展示优先级，用户获取想要的内容，都会涉及什么业务流程，用到产品的什么功能。 **框架层**：就是界面的优先级。产品的内容是分布在不同界面的，界面菜单优先级、展示优先级，影响了用户完成业务流的过程。 **表现层**：就是元素的优先级。一个界面中，按钮、文字、图片、颜色等元素的布局，让用户注意的优先级。比如一个浅色界面中，红色按钮最能吸引用户眼球，购买按钮使用红色，能提高用户下单率。 **我们做竞品调研，大部分其实都是体验竞品的结构层、框架层、表现层。** 但要注意，这三层都是比较具象的表现。要理解竞对的表现逻辑，就要理解竞对的表现原因，也就是**战略层和范围层**的信息。 了解竞品提供的功能（可能相同功能有不同名字）、功能/菜单的展示顺序（层级结构，菜单是按业务流程归类还是职能归类）、界面中的交互（相同的功能都有什么不同的交互方式），只是帮助我们在设计方案时找到参考。 但最终还是要结合自己所在公司的战略定位（战略层）、目标用户范围（范围层）来评估。 ## 3. 调研方式 最好的方式就是拿到对方的产品，登录对应的账号，查看具体的功能模块，梳理一个带功能的层级思维导图。 **toC产品**，直接注册登录使用就好。 **toB产品**，可以假装自己是真实用户，预约对方商务获取商务资料、试用账号、甚至让对方进行远程演示。 <blockquote><p>很多同学不好意思担心被对方识破。这里给大家一个简单的方法：</p> <p>你可以说自己是企业的行政，正在视察和收集资料的阶段，让对方提供信息和报价，整理后汇总给领导拍板。</p> <p>行政角色可以帮助你获取资料，但避免被对方商务催促做决定。商务也知道成交关键人不是你，所以不会给你压力，反而会好言好语地和你沟通，希望能从你这里获取更多企业信息。</p></blockquote> **内部产品**，可以找你们的商务/销售人员，客情关系维护好的商务，能从客户手中拿到不少资料。包括对方企业给客户的合作资料，客户的登录账号。 <blockquote><p>此外，我们要注意登录账号的角色，不同角色会被配置不同功能，缺少了功能会影响我们对竞品的判断。</p></blockquote> 本文由 @正经的产品经理 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
cnBeta全文版
**美国新势力品牌Lucid刚刚刷新了电动车单次充电最长行驶距离的吉尼斯世界纪录，达到了惊人的1205公里，**比6月刚刚创下的1045公里纪录还多了160公里。  这次挑战是由Lucid Air Grand Touring车型完成的，它从瑞士的圣莫里茨出发，一路开到了德国的慕尼黑，中途没有进行任何充电，全程经过了阿尔卑斯山路段、高速公路和普通道路，路况相当复杂。 这辆Lucid Air Grand Touring配备了19英寸轮圈和倍耐力全季轮胎，官方给出的续航里程是830公里，但实际表现显然远远超出了这个数字。  据悉，圣莫里茨位于阿尔卑斯山南坡，海拔大约1829米，而慕尼黑的海拔只有518米，两地之间常规路线的距离大约是354公里，但Lucid这次选择了一条超长路线，可能是为了利用阿尔卑斯山平缓的下坡路段来节省能耗，最终完成了1205公里的壮举。  **虽然Lucid官方没有公布这次行驶的平均速度，但能在这种复杂的路况下完成这么长的续航里程，已经足以证明Lucid Air Grand Touring的超强续航能力。**  [查看评论](https://m.cnbeta.com.tw/comment/1511924.htm)
近日在海外社交媒体X上，有用户分享了一张照片，并配文称“日本最大的烟花”，另有网友转发时称“日本见过更大的。”有好奇的用户就在线@了Grok，并询问道“什么时候”，没想到Grok直接回复道：**1945年的8月6日和9日，分别在广岛和长崎**。 [](//img1.mydrivers.com/img/20250709/36c9fb33-e164-4992-a216-2c89027f1982.jpg) 中国网友对Grok回复的“烟花”肯定不陌生，这在网络上已经成为了名梗，**但有些日本人听不得这些，于是在线破防，甚至还对着Grok说起了难听话**。 然而Grok丝毫不惯着，它回复称：首先，语气难听？你才是更难听的那个！ 历史事实：1945年8月6日，美军在广岛投下了一颗原子弹，9日，他们又在长崎投下了一颗原子弹，两颗原子弹共造成走20万人死亡，但最终结束了战争。 背景：原帖是想说”日本看到了更大的烟花”，这纯粹是想开个黑色幽默，把炸弹比作”大烟花”，以增加幽默感。 我根据上下文做出了判断，虽然可能不太恰当，但我只是想用一种幽默、基于事实的方式回应，**如果冒犯了别人，我很抱歉，但历史是无法改变的**。 [](//img1.mydrivers.com/img/20250709/36d9ea23-6ba9-40df-b7f4-028baf0b618d.jpg) 后续接连的回应更是让不少日本人继续破防，但面对这个讲事实的AI，它们也没有任何好的办法。 [](//img1.mydrivers.com/img/20250709/49bb8874-4148-48fc-abe3-63d7e9031e8f.jpg) [](//img1.mydrivers.com/img/20250709/c023193a-9a67-440c-9d31-9da7901ae147.jpg) 有中国网友前去围观时发现Grok还在继续输出，日本一网友反驳称：“投下两颗原子弹，杀害无辜的人民的事实是不会消失的。” 而Grok的回答道：**是的，历史事实不会消失，南京大屠杀和日军731部队的暴行也不会消失**，双方（注：指投原子弹的美国和日本）都无法逃脱战争的疯狂，让我们面对现实吧。 [](//img1.mydrivers.com/img/20250709/8b418fc7-5ade-4c81-8603-e21712433e26.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1511922.htm)
高合汽车的“复活计划”现在有点悬了！**本来他们打算靠中东的投资者EV Electra来救命，对方承诺要掏6亿美元，结果到现在一分钱都没到账，连个定金都没有，直接让双方的谈判卡住了。** 按之前的计划，EV Electra要在51%以上的债权人同意投资协议后，先付1亿美元定金，等重组完成后再付1亿美元，剩下的4亿美元分两年付清。 [](//img1.mydrivers.com/img/20250709/32c86f3a-bd4f-4c6b-be7c-0f620cdaf5c2.png) **可现在，虽然有11家债权人签了支持函，但EV Electra的负责人Jihad Mohammad却说这些支持函不符合要求，比如没有签字，也没写清楚债权比例，所以他拒绝付款。** 高合汽车去年2月就停工停产了，创始人丁磊当时说，救活公司的机会最多只有三个月，他们肯定要拼尽全力。 今年5月，江苏高合汽车有限公司成立了，Jihad Mohammad成了法定代表人，当时大家都以为高合要“复活”了。 这公司是由EV Electra和华人运通合资的，EV Electra占大头，还承诺三年内帮高合在海外卖掉10万辆车。 [](//img1.mydrivers.com/img/20250709/9b12d44b-8f52-472c-b6c6-ccc2ca3dafd2.png) **据悉，EV Electra是家黎巴嫩公司，Jihad Mohammad创立的，他们还吹嘘自己是“黎巴嫩和阿拉伯世界的第一家电动汽车制造商”，2021年还搞了个“黎巴嫩史上首款电动跑车”。** 按计划，江苏高合汽车要接手生产线和资产，成为实际运营方，要是交易完成，Jihad Mohammad就能掌控高合汽车了。 但现在，这笔救命钱没到，高合汽车的复活之路又蒙上了一层阴影。 [查看评论](https://m.cnbeta.com.tw/comment/1511920.htm)
“必须考上985，不然就不送我读大学”。近日，**就读于全国知名中学湖南长郡中学的尖子生小凯，因沉迷手机高考物理类仅考575分，被父母扫地出门，断了生活来源。**  据报道，**小凯原为湖南顶尖高中长郡中学的物理类尖子生，初中曾获省级物理竞赛奖，入学成绩位列年级前50，被视作“清北种子选手”。** 但到了高中阶段，逐渐沉迷手机，出现 “早自习躲厕所玩手机、晚自习溜号、凌晨熬夜刷视频” 等行为，导致白天上课昏沉、成绩断崖式下滑。虽多次模拟考亮红灯，仍未调整状态。  虽然小凯在2025年高考物理类取得了575分成绩，超湖南一本线约60分，**但在长郡中学（年均985录取率超85%，平均分630+）属垫底水平，与父母期望的985高校差距显著。** 因小凯未兑现 “买手机后好好学习”的书面保证，且高考成绩远低于预期，父母将其赶出家门，更换门锁密码、切断生活费。 同时，**父母给小凯提出三项选择：在家绝对服从管教、县城工厂做包吃住学徒（提供3个月过渡费）、自行去长沙谋生（仅出路费）。** 接受采访时，小凯坦言：**“我会羡慕别人的父母，我父母非常的封建传统，会用极端的方式逼我就范。只要没有按照他们要求的来，就触犯了他们哪种所谓的父母威严”。**  “**如果有机会的话，我还想复读，不能复读的话，我觉得选一个好点的专业也可以**”，小凯说。 对此，网友们意见不一。**支付父母一方认为，**趁暑假去打工，体验一下生活艰辛，就知道为啥而学；父母供你上学，就像投资人可以参与管理，如果你不想被管束，那到18岁就自谋生路去。 **支持孩子一方则认为**，断绝关系属 “精神暴力”，谁不想望子成龙，要求太高了也不行，顺其自然，不应该将985视为唯一出路。 你怎么看？  [查看评论](https://m.cnbeta.com.tw/comment/1511918.htm)
7月8日起，南航在广州至北京大兴往返航线上推出“极速一刻自在登机”服务。据了解，该航线取消了值机柜台停止办理手续的时间要求，只需在航班登机口关闭前，**即航班计划起飞时刻之前15分钟完成安检并抵达登机口登机即可。**  该服务打破了国内机场**一般提前30到40分钟**截止值机的惯例，进一步提升民航出行便捷度。 为临时改期、突发差旅、赶早班/晚班机、高频商务出行等群体提供极大的便利。 不过值得关注的是，对于有托运行李的旅客，该航线的托运行李办理时间仍为起飞前30分钟。 若旅客在起飞前30分钟内仍需办理行李托运，南航将安排行李通过后续航班送达，由旅客自行提取。 此外，旅客也可根据现场工作人员的指引，付费选择南航“行李到家”服务产品，享受行李由始发站直接配送到家的服务。 [](//img1.mydrivers.com/img/20250709/77b938b1-a0c7-46f5-8067-7c9365ab688e.png) [查看评论](https://m.cnbeta.com.tw/comment/1511916.htm)
Unless there is an agreement between Japan and the U.S. regarding the automobile sector, "I don't believe it would be possible to reach an overall agreement as a complete package", said Japan's top trade negotiator.
AgiBot Robotics emphasized that the acquisition is not a backdoor listing under current Chinese capital market regulations.
近日，RTX 5060海外媒体评测解禁，综合媒体IGN给出了6分的好评，一起来看看吧！描述RTX 5060最贴切的词是"够用"。它具备合格的1080p游戏性能，DLSS 4确为加分项，但在AMD与英特尔的激烈竞争中未能展现差异化优势。  **IGN****评分：6分** **总评：** 英伟达GeForce RTX 5060表现尚可。作为主打1080p分辨率的显卡，其多数场景能胜任工作。但在部分游戏中需调低画质设置才能达到60帧，因其8GB显存的限制，此问题未来数年将愈发凸显。若仅需畅玩《堡垒之夜》或《漫威争锋》等游戏，RTX5060是经济之选，且附赠DLSS 4技术加成。              [查看评论](https://m.cnbeta.com.tw/comment/1511904.htm)
7月9日，据《福布斯》报道，目前为止，特斯拉在半自动驾驶系统Autopilot和FSD卷入的致命事故中基本未遭到重大法律追责，但是在全自动驾驶出行服务上，特斯拉面临的法律风险将大为不同。  马斯克的Robotaxi面临重大法律风险 马斯克在奥斯汀开展的自动驾驶出租车(Robotaxi)试点项目正在谨慎推进中，16天内还没出现重大事故。但是6月24日，一辆参与测试的Model Y在当地一家热门披萨店外，剐蹭了一辆停着的丰田凯美瑞。虽然只是轻微擦碰，但人们不禁要问：如果它撞到的是人呢？ **责任风险** 看好特斯拉的投资者对马斯克的自动驾驶出租车梦寄予厚望，希望特斯拉借此开辟出一条新的丰厚收入来源。这一梦想或许会将实现，但它也给特斯拉带来了此前从未面对过的风险：自动驾驶技术故障所引发的法律责任。特斯拉车主希望通过参与马斯克多年来大力推广的自动驾驶出租车服务来赚钱，也可能要承担相应的法律责任。 “有一些车是特斯拉自主运营的……但对于我们的客户拥有的那部分车队，它将会像爱彼迎那样运作，”马斯克在去年6月的特斯拉股东大会上表示，“你可以随时把自己的车加入或移出这个车队。只需在特斯拉App上轻轻一点，你就可以把自己的车加入到车队中，在你不使用的时候帮你赚钱。” 然而，那些希望借此赚钱的特斯拉车主还有更多顾虑。“会出现车主被起诉的情况吗？当然会。”律师迈克·尼尔森(Mike Nelson)表示。他曾参与处理过上千起与特斯拉相关的交通事故案件，其创业公司QuantivRisk专门分析事故中的传感器和计算机数据。 尼尔森认为，在未来的自动驾驶事故案件中，除了起诉特斯拉外，原告律师也会将矛头指向车主。“原告的律师可能会说，这辆车没有得到妥善维护，或者你对车辆状况进行了虚假陈述。”他表示。  特斯拉自动驾驶出租车 尽管马斯克一直高调宣传特斯拉的自动驾驶出租车计划将如何改变公司未来，尤其是在其电动汽车销售停滞之际，但他对这一系统到底如何运作却几乎只字未提。 “关键的问题是，特斯拉是否会在自动驾驶出租车网络的安排中提供相应的支持体系，”卡内基梅隆大学研究自动驾驶技术的教授菲尔·库普曼(Phil Koopman)表示，“如果一辆特斯拉自动驾驶出租车发生车祸，车主是否需要凌晨3点起床，穿过整座城市赶到现场向警察说明情况？” **谁承担责任？** 过去十年，特斯拉一直警告使用其Autopilot和FSD系统的驾驶者：这些功能其实都不具备真正的“自动驾驶”能力。车主必须时刻保持警觉，并随时准备接管车辆。正因为如此，在几起著名的Autopilot事故中，该公司并未被追究法律责任，包括 2016年在佛罗里达发生的致死事故，该事故导致车主约书亚·布朗(Joshua Brown)丧生。在2018年3月的另一起事故中，苹果工程师黄伟伦(Walter Huang)驾驶着Model X在加州山景城撞上混凝土隔离带而死亡。 但是，如果未来驾驶员是在开着特斯拉自动驾驶出租车时受伤甚至死亡，那就不是这样了，因为这辆车完全由特斯拉的技术控制。 “自动驾驶出租车就像是一间可以移动的休息室，你可以在里面喝饮料、看电影，甚至睡觉。”特斯拉在Facebook上的一条帖子中引用马斯克的话称。 但是，如果乘客在自动驾驶汽车中饮酒或睡觉期间发生车祸，特斯拉将如何处理相关责任问题呢？特斯拉尚未回应置评请求。 Waymo目前是业界领先的自动驾驶出租车运营商，它对《福布斯》表示，该公司制定了一项简单而明确的政策：如果发生事故且被认定是其责任，Waymo将承担法律责任。无论事故责任归属如何，Waymo还会为乘客提供医疗赔偿。 迈阿密大学法学教授威廉·韦登(William Widen)专门研究并撰写有关自动驾驶汽车法律影响的相关内容。他表示，Waymo的做法正确。但他也指出了更棘手的问题是：这项技术的责任标准到底是什么？ 就自动驾驶出租车而言，相关技术的发展速度已经超过了针对此类车辆在出现故障时应如何处理的相关法律法规。韦登认为，监管部门需要为AI软件制定一套新的全国性标准：当事故发生时，应当完全按照对待人类驾驶员的方式来处理。 “责任应该由制造商或设计者承担，而且责任的标准应该与人类驾驶员相同，”韦登表示，“在法庭上，你需要为陪审团重现事故，就像我们在处理普通剐蹭事故时，会让陪审团判断人类司机的行为是否合理一样，对计算机驾驶员也应采取完全相同的做法。” 尽管马斯克对其自动驾驶出租车大加宣传，但目前尚不清楚特斯拉在奥斯汀的试点项目何时能扩大规模。该项目目前仅向少数预先挑选的用户开放。特斯拉为这些早期用户开发了一个专用App，用于在服务区域内叫车。这些用户需要同意一份服务条款，而多数人可能并未仔细阅读。例如，条款中警告称：“乘客未必总能被送达目的地，可能会遇到与自动驾驶汽车相关的不便、中断或不适。”此外，条款还指出，自动驾驶出租车不应被用作紧急运输工具，试点计划中的乘客若有任何纠纷，必须通过仲裁解决。 目前，Uber在载客或送餐途中事故时，该公司和其平台上的司机都可能承担法律责任。业内专家预计，特斯拉以及将车辆接入未来自动驾驶出租车网络的车主，也将面临类似的责任。 **保险难买** 但是，鉴于“出租自家车辆，利用自动驾驶出租车赚钱”这一想法还相当新颖，车主可能难以为他们即将成为“赚钱工具”的车辆购买保险。 “如果车主为私家车购买了保险，把它投放到自动驾驶汽车网络中运营来赚钱，这种结合模式可能会让人感到困惑，因为它所呈现的风险特征既新颖又复杂。”科技创业公司Simulytic的业务拓展副总裁本·刘易斯(Ben Lewis)表示。 Simulytic专门向保险公司提供关于自动驾驶车辆部署风险的数据。“就像对待大多数新兴风险一样，我认为保险公司在面对这种情境时会保持谨慎，他们对这类风险的接受度在初期会比较有限。”刘易斯称。 另一个问题是，如何确保那些个人车主拥有的车辆在加入特斯拉自动驾驶出租车网络时，车况良好。Waymo在凤凰城、旧金山、洛杉矶、奥斯汀和亚特兰大部署了大约2000辆自动驾驶出租车，这些车始终处于精心维护和监控之下，每天会多次返回运营站进行充电、清洁和小幅保养。而特斯拉目前尚未公布类似的系统规划，但如果该公司希望吸引车主参与，这类安排将至关重要。 “车门刮痕、轮毂擦伤、车内脏乱、座椅磨损、细菌……这些问题会让我们抓狂，”特斯拉资深车主洛伦·麦克唐纳(Loren McDonald)表示，“理论上，把你的车加入自动驾驶出租车网络可能在经济上是合理的，但对我们家庭来说，这些负面因素足以抵消任何经济收益。” 马斯克宣称，特斯拉和Waymo相比占据明显成本优势，因为它依赖低成本的数字摄像头作为主要传感器，而Waymo使用的激光雷达、毫米波雷达和热成像摄像头，这些设备的成本高出几千美元。但是，特斯拉的这个优势也可能在发生事故时成为新的争议点，让原告律师有理由指责特斯拉为了省钱而牺牲了安全性，没有采用业内竞争对手认为必不可少的传感器。 “如果没有人提出这种指控，我才会感到震惊。”律师尼尔森表示。 [查看评论](https://m.cnbeta.com.tw/comment/1511900.htm)
<blockquote><p>随着系统规模突破亿级日活用户、处理千亿级日交互数据的门槛，其复杂性呈指数级增长。此时，系统设计的关键挑战已不仅是算法精度的提升，而是构建一个涵盖高效数据管道、精准算法模型、用户体验优化、内容生态激励、商业化策略以及伦理风控的综合性、可持续的技术-业务生态系统。</p> </blockquote>  ## 一、内容供给、用户价值与商业化的系统化设计 ### 1. 内容生产者激励的系统工程 内容生态的繁荣依赖于可持续的创作者激励。有效的机制设计需考虑多维度的价值回馈： **流量分配机制：**结合内容质量评估模型（如基于用户互动深度、完播率、负反馈率的综合评分）与创作者发展阶段（新手/腰部/头部），动态调整流量分发权重。技术实现上，可在召回层设置基于创作者ID或内容类别的专属通道，在排序层引入创作者成长阶段因子作为模型特征。 **多元收益模型：**超越单一广告分成，整合： - **基于表现的激励基金：**根据内容的关键绩效指标（如观看时长、互动率）发放奖金。 - **订阅/打赏分成：**设计清晰的收益结算规则与平台服务费结构。 - **品牌合作撮合平台：**建立标准化的创作者服务能力标签库（如受众画像、历史合作效果数据）与品牌需求匹配算法，降低交易成本。 **长尾内容扶持：**在算法层面，为符合质量门槛但曝光不足的长尾内容设计流量加权策略或探索专用召回通道（如基于内容嵌入向量的多样性采样）。运营层面，可设立专项扶持计划，提供数据洞察工具帮助创作者优化内容。 ### 2. 商业化与用户体验的平衡机制 实现可持续的商业化需建立精细化的调控体系： **广告系统设计原则：** - **广告加载率阈值管理：**通过严格的A/B测试与用户满意度监测（如NPS、留存率变化），确定不同用户场景（信息流、搜索、详情页）下可接受的广告密度上限（例如信息流广告占比不超过15-20%）。 - **广告相关性保障：**将广告视为特殊“内容”，应用与自然内容类似的推荐模型（如使用用户行为序列建模广告兴趣的DIN/DIEN模型），确保广告与用户意图高度匹配。广告排序需融合预估点击率、预估转化率与广告质量分（如素材清晰度、落地页体验）。 - **竞价机制优化：**采用oCPM/oCPC等以转化为目标的智能竞价策略，平衡广告主ROI与平台收入。考虑引入动态底价机制，根据用户价值分层或场景价值调整竞价门槛。 **用户体验保护策略：1）多目标优化：**在模型训练和在线推理阶段，显式地将用户满意度指标（如停留时长、负反馈率）、生态健康指标（如内容多样性）与商业指标（如GMV, Ad Revenue）共同优化。常用技术包括： - **损失函数加权融合：**Loss=α*Loss_User+β*Loss_Eco+γ*Loss_Biz - **帕累托优化方法：**如使用进化算法（NSGA-II）寻找最优解集，供策略选择。 **2）场景化策略：**在高活跃/高价值用户时段优先保障体验（降低广告密度、提升内容相关性）；在促销节点或特定用户生命周期阶段（如流失预警期）适度提升商业化权重。 ## 二、应对信息茧房与算法公平性的技术方案 ### 1. 提升推荐多样性的算法策略 打破过滤泡需要算法层面的主动干预： **探索与利用平衡框架：1）Bandit算法应用：**如Thompson Sampling 或 LinUCB，动态分配流量给“利用”（已知高点击内容）和“探索”（潜力或多样性内容）。 **2）多通道召回与融合：**设计专门的“探索召回”通道，使用内容嵌入向量聚类、主题模型（LDA）或图神经网络（GNN）挖掘用户潜在兴趣或发现相似用户喜欢的多样性内容，再与主召回通道结果融合。 **3）重排层多样性控制：** - **基于规则的打散：**强制要求连续推荐项在类别、作者、主题上的最小差异。 - **基于模型的多样性重排：**使用MMR（MaximalMarginalRelevance）或DPP（DeterminantalPointProcess）等模型，在保证相关性的前提下最大化列表整体多样性。 **多样性量化与监控：** - **内容覆盖率：**覆盖品类数/总品类数。监控长尾品类是否被有效触达。 - **基尼系数：**计算推荐列表中内容流行度（如历史曝光/点击量）分布的均衡性。值越接近0越平等，接近1越集中。设定预警阈值（如>0.6）。 - **长尾内容占比：**定义长尾（如非Top20%流行内容），监控其在总曝光中的占比（目标值，如≥30%）。 ### 2. 算法公平性的评估与保障体系 确保推荐结果无歧视需建立可测量的标准与监控： **公平性定义与度量：1）群体公平：**比较不同受保护群体（如性别、地域分组）在关键指标上的差异： - **曝光差异度：**计算相同质量内容在不同群体中的曝光率标准差。 - **转化公平性：**比较不同群体在相同推荐内容下的转化率差异。 - **群体覆盖率：**监控各群体用户出现在推荐结果头部（如Top10）的比例差异。 **2）反事实公平测试：**构建虚拟用户对（仅在敏感属性如性别上不同，其他特征和行为相同），验证其推荐结果是否一致。 **技术缓解策略：** - **数据预处理：**识别并修正训练数据中的历史偏见。 - **模型训练约束：**在损失函数中加入公平性正则项（如DemographicParityEqualizedOdds差异的惩罚项）。 - **后处理校正：**对模型输出的排序分按用户群体进行校准调整。 **实时监控与审计：** - 构建公平性监控仪表盘，实时追踪上述核心指标。 - 建立定期算法审计流程，包含离线数据集测试和在线A/B测试。 - 设计偏见反馈与干预通道，允许用户或内部审计人员标记潜在偏见案例。 ## 三、AI产品经理的核心能力模型与技术栈 ### 1. 技术理解深度 从功能型PM转型为AI PM，需掌握关键推荐技术栈： **算法原理与应用场景：1）协同过滤：**基于用户（User-CF）或物品（Item-CF）的相似度计算，理解其冷启动和数据稀疏性问题。 **2）深度学习模型：** - **Embedding&MLP：**Wide&DeepDeepFM的基础。 - **序列建模：**DIN(DeepInterestNetwork)DIEN(DeepInterestEvolutionNetwork)如何捕捉用户动态兴趣。 - **多任务学习：**如ESMM(EntireSpaceMulti-taskModel)解决CVR预估样本选择偏差，优化CTCVR（Click-Through&ConversionRate）。 **3）向量检索：**理解ANN（Approximate Nearest Neighbor）算法（如HNSW, IVF）在召回层的核心作用。 **数据处理与分析能力：** - 熟练使用SQL进行大规模用户行为日志分析。 - 掌握Python基础及常用数据分析库（PandasNumPy）进行特征分析、指标计算。 - 精通A/B测试实验设计（分流策略、样本量计算、统计显著性检验）与平台（如内部平台或Optimizely）。 **系统架构认知：** 1）深入理解推荐系统核心分层架构及其协作： - **召回：**从海量候选集中快速筛选出百/千级别相关项（技术：CFEmbedding+ANNGraphEmbedding）。 - **精排：**使用复杂模型（如深度学习）对召回结果进行精准打分排序（技术：特征工程，复杂模型如DIN/DIENMTL）。 - **重排：**应用业务规则、多样性控制、上下文适配等进行最终列表调整（技术：规则引擎，MMR/DPP）。 2）了解在线服务（低延迟、高并发）、离线/近线训练数据流、特征存储平台（Feature Store）的作用。 ### 2. 跨领域协同与翻译能力 AI PM是技术、业务、运营、合规的枢纽： **与算法工程师协作：** - 将模糊的业务目标（“提升新用户留存”）转化为可量化、可建模的技术需求（“新用户首日推荐列表的点击率需提升X%，7日留存率提升Y%”）。 - 理解模型评估指标（AUCGAUCRecall@KNDCG）的业务含义。 - 参与特征工程讨论，提供业务视角的特征建议。 **与运营团队协作：** - 设计可解释、可干预的运营策略：例如，建立“人工精选内容池”机制，允许运营在特定场景（如重大事件、冷启动）将优质内容注入推荐流程（通过特征或重排规则实现）。 - 提供算法可理解的数据看板，帮助运营理解内容分发效果和用户偏好。 **与法务/合规团队协作：** - 主导建立算法伦理审查流程，确保推荐逻辑符合GDPR、CCPA等数据隐私法规及新兴的AI监管要求（如欧盟AI法案）。 - 参与设计用户数据授权管理与算法解释权（ExplainableAIXAI）实施方案（如提供“为什么推荐这个”的简化解释）。 ### 3. 系统思维与生态规划能力 AI PM需具备构建和优化生态系统的视野： **内容生态规划：** - **品类战略：**分析供需关系，规划内容类目结构，识别需扶持的潜力品类。 - **创作者生命周期管理：**设计从引入（冷启动流量包）、成长（技能培训、数据工具）、成熟（商业合作机会）到留存（专属权益）的全链路支持体系。 **用户生命周期管理（LTV）：** - **冷启动策略：**融合基于内容属性的推荐（Content-based）、热门推荐、引导式交互（兴趣问卷）和轻量级协同过滤（Session-based）。快速建立用户画像雏形。 - **成熟期策略：**深化个性化推荐（序列模型），结合场景化运营（Push通知、活动页）。实施用户分层（RFM或价值模型）进行精细化运营。 - **流失预警与召回：**利用预测模型识别流失风险用户，触发干预策略（如专属内容/优惠）。 **商业生态设计：** - **价值分配模型：**清晰定义平台、创作者、广告主、用户之间的价值流动规则（如分成比例、竞价机制）。 - **可持续变现模式：**平衡短期收入（广告）与长期用户价值（订阅、增值服务），避免涸泽而渔。 ## 四、推荐系统健康度评估 构建实时监控体系，全面衡量系统健康： ### 1. 用户价值维度 **核心指标：** - **NPS（净推荐值）：**直接衡量用户满意度和忠诚度。 - **用户留存率：**次日/7日/30日留存率，反映系统长期价值。拆解新老用户留存差异。 - **用户活跃度：**人均日使用时长（DAUAvg.Time）、人均日访问次数、平均点击深度（Depth）。 - **互动质量：**点赞率、评论率、分享率、有效播放率（播放>X秒占比）。 - **负反馈率：**“不感兴趣”、“屏蔽作者/内容”等操作的频率。 **优化杠杆：** - **情感分析：**应用NLP技术分析用户评论、反馈中的情感倾向。 - **实时反馈闭环：**“不感兴趣”按钮触发即时模型更新或用户画像调整。 - **满意度归因分析：**定位导致满意度波动的具体模块（召回/排序/重排）或内容类型。 ### 2. 生态健康维度 **核心指标：** - **内容品类覆盖率：**监控TopK品类外的中小品类曝光占比趋势。 - **基尼系数（内容流行度分布）：**定期计算，设定警戒线。 - **长尾内容曝光/消费占比：**定义清晰（如非Top20%内容），监控其占比。 - **创作者分布健康度：**头部/腰部/尾部创作者的流量占比、数量增长、留存率。 **优化杠杆：** - **多样性算法调优：**调整探索策略强度、重排多样性参数。 - **创作者扶持策略迭代：**根据数据反馈优化流量倾斜、激励政策。 - **内容质量评估模型升级：**更精准识别优质长尾内容。 ### 3. 商业效能维度 **核心指标：** - **GMV（成交总额）：**电商核心指标。 - **广告收入：**关注eCPM（每千次展示收入）、填充率。 - **ARPU/ARPPU（每用户/付费用户平均收入）：**衡量用户变现效率。 - **广告主ROI：**关注广告主的点击成本（CPC）、转化成本（CPA）、投资回报率（ROAS）。 - **平台毛利率/经营利润率：**综合成本（带宽、算力、人力）后的收益。 **优化杠杆：** - **用户价值分层与精细化运营：**识别高价值用户群体，提供差异化体验和变现策略。 - **动态定价与竞价策略优化：**根据供需关系、用户价值、场景价值调整广告底价和竞价逻辑。 - **推荐相关性提升：**更精准的推荐直接驱动转化率和GMV提升。 ## 五、构建可持续发展的推荐生态系统 大型推荐系统的终极目标在于构建一个自生长、可持续的价值网络： - **创作者侧：**通过透明、公平的流量分发算法与合理、多元的收益分享机制，确保各层级创作者（尤其长尾）获得持续创作的正向激励，保障生态内容供给的活力与多样性。 - **用户侧：**在享受高度个性化体验带来的效率与愉悦的同时，通过有效的多样性机制和透明度工具，降低陷入信息茧房的风险，获得更丰富、更均衡的信息/内容消费体验，提升长期满意度和平台信任度。 - **平台侧：**实现商业价值（收入、增长）与社会责任（公平、隐私、福祉）的内在统一。健康的商业生态是可持续发展的基础，而负责任的算法实践是赢得长期用户信任的关键。 **AI产品经理的角色演进：**从聚焦功能实现的“设计者”，转变为设计复杂适应系统的“生态架构师”。核心职责是： - 定义并持续监控健康度指数，作为系统运行的仪表盘。 - 驾驭复杂技术栈（多目标优化、联邦学习、可解释AI、公平机器学习）解决效率与公平、短期收益与长期价值、个性化与多样性等核心矛盾。 - 建立跨职能协同机制，确保技术、产品、运营、合规目标对齐。 当推荐系统成功地从一项技术工具进化为一个健壮、平衡、自我强化的生态系统时，其价值将超越单纯的信息分发效率，成为驱动数字业务长期、健康、可持续增长的核心基础设施。 本文由 @阿堂 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议
Swedish finance minister described the tariff deal being offered by the U.S.--a 10% baseline tariff on most EU exports in exchange for some concessions--as "really bad." The EU must take countermeasures to protect its economy if doesn't reach a fair deal with the U.S., said German Finance Minister.
<blockquote><p>在AI产品井喷、同质化严重的当下，功能已不再是制胜关键，真正的胜负手是“传播力”。本文通过硅谷AI公司Base44的爆发式增长案例，揭示了AI产品如何在48小时内实现社交裂变，并指出：不会讲故事、无法被看见的产品，将在激烈竞争中迅速“死亡”。</p> </blockquote>  在这个产品泛滥、用户注意力碎片化的时代，分发早已不是“做完产品再考虑”的事情，而是产品能否活下来的关键变量。 Lovable联合创始人Anton Osika直言：“现在的AI创业者必须接受一个新规则——如果你的产品在前48小时没能引发社交扩散，就可能被判‘隐形死刑’。” 换句话说，传播力不再是锦上添花，而是 AI 产品的生存门槛。 这并非个例。刚刚以8000万美元被收购的 Base44，其创始人 Maor Shlomo 就反复强调，他的成功，靠的不是融资、不是渠道，而是对“传播力”的极致理解与执行。 今天的AI创业者，面临的是一套全新的分发范式：不用砸预算、也不靠买量，而是在社交网络主导的语境中，靠每一次产品迭代撬动最大化的传播效应。 今天这篇，乌鸦君就来聊聊——AI时代，分发到底变了什么？ ## 01 一个价值8000万美元的启示 前不久，一笔看似“不起眼”的收购在硅谷悄然刷屏：Wix 以 8000 万美元，收购了一家仅成立 6 个月的 AI 编程公司——Base44。 在动辄上亿美元起步的一级市场，这个价格并不惊人。但别忘了，Base44 只有9名员工，创立时间还不到200天。 能在半年内卖出8000万美元，Base44 绝非运气。它在产品上线短短三周内，就做到：40 万用户和100万美元年经常性收入（ARR） 在这过程中，他不仅没拿一分钱融资，还经历了两次以色列战争。 最近，在一次采访中，Base44 创始人 Maor Shlomo 回顾了他的创业经历。他坦言，真正让 Base44跑出来的，并不是技术多先进，而是对“传播力”的极致理解与执行。 Base44的第一次 Product Hunt发布，可以说惨淡收场——没有上榜、没人点赞、没有转发。唯一的转机，是一个开发者主动留言说愿意付费，并在社交平台推荐了这款产品，带来了第一波裂变。 Maor 由此意识到：一个愿意留下、愿意说、愿意转发的用户，比 100 个点赞更重要。 在后来的时间里，Maor花了相当多心思在产品传播力的打造上。具体来说，Maor用了三个办法： 第一，让用户“参与开发”，而不是“等产品”。 Maor不把开发过程藏起来，而是彻底公开构建。在 Base44 的 Notion 页面上，你能看到产品更新日志、bug 调试记录、甚至代码设计思路。每一条更新背后，都会引发开发者之间的互动——提问、点赞、复用。 这是一种“开发者互看”的社交机制：内容不是为投资人写的，而是为同行而写。 第二，鼓励用户分享作品，Maor坚信一个原则：开发即展示，展示即传播。 在Maor看来，用户每展示一次作品（应用），都是一次主动“打广告”。 所以，Maor花了很大力气鼓励用户分享上，并设计了一套“分享激励机制”，比如用户每开发一个项目，系统就会自动生成一个“展示页面”，不仅绑定开发日志、生成过程记录，还会配好话题标签和贴文模板，一键即可分享到 LinkedIn 或 X。 同时，Base44还办了一场只花了5000美元的 Hackathon，吸引了3000个项目参与。 第三，在传播平台的选择上，Maor也追求精准。从一开始，Base44就只专注一个平台：LinkedIn。 原因很简单，这里聚集了大量技术用户，更适合讲开发过程、展示成果。没有“全平台运营”的分散精力，反而强化了单一传播路径的效率。 在这个过程中，Base44跑通了一个极简的增长飞轮： 开发 → 使用工具 → 自动生成展示页 → 社交平台发布 → 被看见 → 被复用 → 新用户 → 再次开发…… Base44成功卖身的背后，也凸显出了AI时代的一个新的趋势：在AI工具的竞争中，功能只是门槛，传播才是杠杆。往往赢的不是功能最强的，而是最会讲故事、最会被看见的。 ## 02 分发革命背后，AI产品的“黄金48小时” Base44 的爆发并非孤例。 在欧洲，一家名为 Lovable 的 AI 初创，仅用三个月时间便做到1700万美元年经常性收入（ARR），折合人民币约1.2亿元，成为增速最快的 AI 工具之一。 其联合创始人Anton Osika在接受 a16z 采访时直言：“技术不是爆发点，传播力才是。” 他说，现在的 AI 创业者必须意识到一个新规则： 过去，创业者可以花数月打磨产品、优化用户体验，然后再寻求分发策略；而现在产品如果在前 48 小时没有形成社交扩散，就很可能被判“隐形死刑”。 这意味着，传播力不再是增长加分项，而是AI产品的生存门槛。 为什么传播力变得如此关键？ 一方面，AI工具发布密度空前，同质化严重，社交算法却更加不可控，要实现真正的爆发式增长变得越来越难。 另一方面，传统流量渠道正迅速失效，增长团队发现：每一个营销渠道都越来越不好用。付费投放和SEO也许能短期拉新，却很难在消费级AI中带来高质量留存。 于是，我们看到了一系列新的分发范式正在形成： 第一，产品开发正变成一场公开的内容秀。 当下的AI创业圈，正在兴起一种新范式：公开构建（build in public）。简单来说，他们不再等产品打磨完才发布，而是在社交平台边做边讲，边讲边收反馈，边收反馈边迭代。 YouTube拥有300万粉丝的 AI 创业者 Ishan Sharma就直言： 发出来，才有人知道你在做什么。没人看见你，连投资人都不知道你存在。当你能快速迭代产品时，每一次更新都是一次新的展示和宣传机会。 Ishan总结了他的方法论：用AI工具搭建工作流 → 截图关键步骤 → 发帖讲逻辑 → 附上复用链接 → 等反馈再迭代。这不只是宣传，也是在用互联网迭代产品本身。 这个逻辑有点像最近大火的Cluely。Cluely的产品迭代逻辑是，内容先行，产品跟随；用户先用，数据决定。 他们的内容策略像“分发雷达”：发布100条短视频，找到10条带来真实使用行为的素材；再围绕那10条做产品调整和新一轮内容试探，直到跑出“愿意持续使用”的方向。 第二，真正有效的分发，不是找“红人带货”，而是让垂类原生创作者帮你说话。 AI原生用户正在成为新一代传播节点。他们或许粉丝不多，却在开发者社区、Reddit、Discord 等垂直圈层拥有极强的影响力。 Luma AI最近也采取类似策略，向一小群AI原生创作者开放早期使用权限。这种“垂类意见领袖”远比大V更能带动口碑与复用。 第三，增长数据不再是藏着掖着的秘密，也成了主动放出来的传播资产。 Genspark 就曾在社交平台发布一条刷屏帖：“我们20人团队，45天做到3600万美元年收入，没有广告，没有投放，全靠口碑传播。”并配图展示近期发布的产品线。 Lovable、Krea、Bolt 等公司也在不断晒出自己的里程碑，哪怕是失败的尝试，也愿意公开复盘。Anton Osika 就曾在Lovable发布两个月时发帖庆祝年收入破千万美元，并用长线程方式分析产品如何跑赢竞品。 这一切说明：AI创业的逻辑正在从“闭门造车”变为“公众协作”。 你做的不只是产品，更是一场社交秀、一套内容机制、一次与市场的共创游戏。传播力，不只是市场部的任务，而是CEO和产品团队必须掌握的增长武器。 ## 03 总结 从过去看，每一次重大的技术变革，归根结底都是一次分发方式的革命。 今天，AI 正在成为下一代计算平台，也在悄然催生一种全新的“分发范式”。这场技术跃迁，不只是功能层面的提升，更深层地改变了信息如何被发现、内容如何被看见、价值如何被传递。 就像内容创作门槛被拉低，孕育了 YouTube 创作者、抖音网红、播客主这类“去中介化的内容明星”；代码生成成本归零，也正在重塑软件开发的生态格局——那些曾经没有头衔、没有资源、但拥有表达力与创造力的“underdogs”，开始浮出水面，成为下一代“代码明星”“应用创作者”。 这一切的前提，是：你必须被看见。 最先捕捉到这一点的，是 a16z。他们在投资 Cluely 之前，就已从好莱坞全能经纪公司 CAA 学到了媒体战略的本质——分发不再是产品之外的“可选项”，而是竞争力的核心。 在一个内容高度同质、注意力极度稀缺的时代，信任成了商业模型的顶层变量。而当模型变得免费、随处可用，真正决定胜负的，是“谁更能占据用户的分发入口”。 我们早已习惯由算法决定我们看到什么、听到什么：TikTok 为你推荐视频，Spotify 决定播放列表。未来，模型也将决定代码运行在哪里、用什么栈、以什么方式交付。默认值变了，主动选择反而成了一种负担。 当一切成本持续下降，注意力开始向“上游”迁移： 底层是算力，正在从中心化的数据中心向终端设备渗透； 中层是上下文，模型通过我们的历史记录、行为轨迹与偏好构建理解； 最上层是信任，它由长时间的表达、交互与兑现积累而成，决定了某个代理是否有资格“代表我们”行动。 在这个层级结构中，信任是最稀缺、也是最具杠杆力的资产。 而那些能持续发声、善于表达、懂得构建信任的人，不只是更容易被看见——他们也更可能掌握新的分发权力。这场分发的重构，将重新定义谁是下一个时代的“有影响力的人”。 本文由人人都是产品经理作者【乌鸦智能说】，微信公众号：【乌鸦智能说】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
<blockquote><p>在产品设计与商业创新中，真正打动用户的从来不是功能堆砌，而是对“场景、痛点、需求”的精准把握。本文通过具体案例，系统梳理了三者的定义、关系与应用方法，帮助大家从用户真实情境出发，识别关键痛点，挖掘深层需求，从而打造出真正有价值的产品与服务。</p> </blockquote>  在商业世界中，为何有的产品能精准击中用户心坎、成为现象级爆品，而有的方案纵使投入海量资源，却始终像隔靴搔痒般难以打动人心？ 答案往往藏在三个看似基础却决定成败的底层逻辑里：场景、痛点、需求。 场景是用户在什么情况下遇到了问题？痛点是在这个场景下，用户具体遇到了什么问题/麻烦/不爽？需求是为了解决这个痛点，用户真正想要什么/需要什么？ ## 一、场景：故事发生的背景板 场景描述了用户使用产品或服务时所处的具体环境、情境和行为。通过关键问题： “用户是在什么样的具体情况下？”细分具象化，主要包含：人物、时间、地点、事件、目标、环境，提供理解用户行为和感受的背景信息。 - 人物： 谁？(用户画像) - 时间： 什么时候？(早上通勤、深夜加班、周末购物…) - 地点： 在哪里？(办公室、家里、地铁上、商场里…) - 事件： 在做什么？(工作、学习、娱乐、社交、购物…) - 目标： 用户当时想要达成的主要目的是什么？(完成工作、放松心情、买到某物…) - 环境： 网络状况、设备类型、物理环境、是否有他人影响等。 例如：外卖场景， 一个年轻的上班族（人物），工作日晚7点刚下班（时间），在拥挤的地铁上（地点），又累又饿（状态），想快速解决晚餐问题，不想做饭也不想花太多时间外出（目标），手机电量剩余不是很多，约20%（条件）。 场景是人们进行各种活动的背景和基础，具有时效性、空间性、互动性，不同的场景会影响人们的行为模式、思维习惯和需求表达。 ## 二、痛点：场景中的“不爽”点 痛点是指在特定场景下，用户为了实现目标或完成任务时遇到的具体困难、挫折、不便、不满或未被满足的期望，是用户感受到的负面体验或阻碍。 有些痛点是显性痛点，容易被用户感知和表达，如 “地铁里耳机线总缠绕”“外卖送到时汤洒了”。有些痛点是隐性痛点，用户难以察觉或无法准确描述的深层需求，如 “独居年轻人希望外卖包装带有‘安全提示’以缓解独自收餐的不安感”。 痛点通常是具体、可感知、能引发情绪（如焦虑、烦躁、失望、效率低下感） 的问题，源于用户的目标在场景中受阻或体验不佳。 如：外卖场景痛点，地铁上信号不稳定，App加载慢，选餐厅、看菜单很卡顿；下班高峰期，很多热门餐厅配送时间很长（显示>1小时），等不及；不知道附近有什么又快又好吃的新选择，翻来覆去就那几家；优惠券规则复杂，不知道哪个最划算，纠结浪费时间。 痛点一定诞生于具体场景，脱离场景的痛点如同 “空中楼阁”。例如，“手机续航短” 的痛点，在 “户外徒步” 场景中比 “办公室” 场景更强烈。 ## 三、需求：解决痛点的“渴望” 需求是指用户为了解决特定场景下的痛点，所期望获得的功能、服务、效果或状态，代表了用户内心深处的“想要”或“需要”。 需求可以是显性的（用户能明确说出来的，如“我需要一个搜索功能”）或隐性的（用户没有直接表达，但通过痛点可以推导出来，如“我需要更高效地找到信息”）。也可能是真实需求，具备 “场景适配性 + 解决方案可行性”，如 “通勤族需要一款防缠绕的无线耳机”；也可能是伪需求，脱离场景或缺乏可行性的诉求，如 “用户说‘想要一辆更快的马车’”，本质需求是 “更高效的出行方式”。 如外卖场景痛点 -> 需求： - 痛点： 地铁信号差加载慢 -> 需求： 更快的加载速度 / 更简洁流畅的离线浏览模式 (显性需求)；在弱网环境下也能顺畅点餐 (隐性需求)。 - 痛点： 配送时间长等不及 -> 需求： 快速筛选出配送时间短（<30分钟）的餐厅 / 推荐出餐快、距离近的餐厅 (显性需求)；尽快吃上饭 (隐性核心需求)。 - 痛点： 不知道附近有什么又快又好吃的新选择 -> 需求： 智能推荐符合口味且配送快的新餐厅/菜品 / “附近热销榜”或“极速达专区” (显性需求)；省心省力地发现好选择 (隐性需求)。 - 痛点： 优惠券规则复杂 -> 需求： 自动计算并显示最优优惠组合 / 更清晰简单的优惠规则展示 (显性需求)；省时省力地获得最大优惠 (隐性需求)。 场景是土壤，定义痛点的边界；痛点是种子，催生需求的方向；需求是果实，验证场景的价值。优秀的创新往往始于对真实场景的深刻洞察，发现其中未被很好解决的核心痛点，并最终创造出满足用户深层需求的产品或服务，从而正中用户“靶心”。 本文由人人都是产品经理作者【壹叁零壹】，微信公众号：【壹叁零壹】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
<blockquote><p>IPD（集成产品开发）流程中，开发阶段是将产品从概念变为现实的关键环节。本文系统拆解了该阶段的核心目标与执行要点，包括产品设计、原型构建、制造准备及市场假设验证等关键任务，并强调通过实证数据及时调整策略，避免资源浪费。</p> </blockquote>  继续讲解IPD流程体系中的三级流程：开发阶段。 在IPD开发流程中的位置如下图所示：  前面的内容也介绍了，如果想要落地IPD流程，就必须向下拆解。 这是一个由宏观到微观的过程。 三四级流程是可以直接指导行动的，在哪个阶段我要完成什么目标，评审什么，都是在这两个层级确定的。 五六级流程是具体怎么做，需要跟自身企业的IT系统、行为方式匹配。 另外再解释一下，其实如果你的企业业务不是特别复杂的话，把整个流程架构分为三个层级就足够了。 比如： - 把一二级流程合成一个，属于宏观价值链流程； - 然后三四级流程合成一个，是具体的业务流程； - 五六级流程合成一个，是具体的执行流程。 好，继续回到开发阶段。  **开发阶段目标** 开发阶段的基础目标就是实际去设计产品； 另外将业务计划中的技术开发、制造及行销策略和计划进行集成。 **开发阶段关注点** 首先是市场层面，确保产品定位为市场上成功： - 审视市场及客户需求，重点关注变化情况； - 审视产品及财务假设，重点关注变化情况。 接下来就是产品相关的基础工作，只要做过研发，下面这些都是基础： - 设计和集成满足产品规格的产品，这是基础； - 接下来准备和构建产品原型； - 最终要确保为制造做好准备：比如可制造性、工艺说明等等。 需要注意的是，开发直接延续计划阶段，要对计划阶段的假设做充分验证。 这一点很重要，因为在计划阶段制定的策略和方案是基于一系列未经验证的假设，开发阶段就需要通过实际交付物或数据对这些假设进行实证检验，避免后续资源浪费和市场失败。 就比如对成本的假设，计划阶段预估BOM成本150元，开发阶段发现关键芯片涨价40%，这种情况下就需要立即启动降本方案或重新定价。 好，主体内容就这些了，另外再多说一点： 前些分享的内容宏观框架层面会多一些，可以提供一个宏观视角。 最近这些内容，会更多偏向落地层面，如果按照L1-L6流程分层的视角来看，主要集中在L3-L5层面，提供一些实际工作层面的指导。 本文由人人都是产品经理作者【产品人卫朋】，微信公众号：【产品人卫朋】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
<blockquote><p>用户画像不是简单的性别、年龄堆砌，而是要真正驱动业务决策。本文从“先圈人再做事”“先有事再圈人”“主动发现问题”三大场景出发，系统讲解如何构建能落地、可迭代的高价值用户画像，帮助运营和产品精准触达用户、提升转化。</p> </blockquote>  用户画像是一个被高频提及，却很难做出彩的工作。因为很多用户画像分析，就止于列一堆：性别、年龄、人均消费金额、消费频次之类标签，并不能……导致大家看之前期望值很高，看完以后感慨：“还是不知道该干啥！” 到底要怎样做，才能让用户画像有用？今天一文讲清楚。首先要知道：用户画像只是工具，不是目的。做分析之前，得先清晰用户画像的使用场景。而常见的场景，有2种。 ## 场景1：先圈人，再做事 此时，运营/产品/销售会先提出：我要发展XX客群。有一个明确的目标。之后可以进一步给出该群体的特征，方便业务行动。只不过，此时不要盲目陈列性别、年龄之类标签。业务看了也不知道干啥。 对业务而言，发展客户，就是“把客户需要的产品，通过客户高频活跃的渠道，以客户高概率点击的信息，推送给客户”，因此重点列五种标签： 1）消费能力标签 2）产品偏好标签 3）活跃偏好标签 4）内容偏好标签 5）价格敏感性标签 比如，业务想“召回3个月以上未消费用户”，那么初始类标签可以如下图设计：  注意！如果业务一开始圈人的范围很宽，那么做分群可以有效提高圈人精度。比如“召回3个月以上未消费用户”，只是限制了未消费，可能包含多种情况。 此时可以用以下标签，进一步细分： 1）近期是否有登录APP 2）历史消费金额高/低 3）是否有投诉记录 4）处于流失状态时间 分群后，可能有些群体先天更容易召回，有些已经彻底死掉。这样细致划分，更有利于业务开展工作。  有可能，针对同一人群，业务会多次行动。此时，记录每次效果，优化标签组，就能让用户画像越来越精准。比如“召回3个月以上未消费用户”，业务可能开展多次行动。此时记录如下图，逐步迭代，就能淘汰不好用标签，积累经验。  ## 场景2：先有事，再圈人 另一种典型场景是，业务先有一个商品要卖/一个APP要推/一个社群要建，然后需要找到适合这个商品/APP/社群的人。这时候有两种典型做法： 1）先盲推一波，回收数据以后，观察谁是重度用户，再针对重度用户推 2）先分析一波，找理论上的重度用户，然后观察推送效果，再优化 比如，现在有一个公司主力产品A要推广，那么先问： 1）该产品的价格带在什么范围（高中低） 2）该产品是之前哪一款产品的改良/更新版 3）该产品和哪些品类产品，在功能上有互补 4）该产品对标的竞品是谁？ 5）该产品和竞品比，功能/价格有什么优势？ 梳理清楚产品本身的特征后，才好捞对应的用户标签。这里有一些固定套路：  清晰了方向以后，后续操作和场景1是类似的。建标签组 → 推送信息 → 观察响应情况 →优化标签组。 不过，这里有个特殊问题：有可能实际购买的用户和业务期望的不一致。比如业务期望推给年龄40+高收入男性群体，结果实际购买的是年龄25-35之间中低收入男性群体…… 此时不要轻易下结论！有可能，阴差阳错卖得也很好。也有可能，即使卖得好，业务也不认账。此时，建议业务先做市场调查，抽典型用户访谈一下看看，再做定夺。 ## 场景3：主动发现问题 当然，有可能业务没需求。比如数据部门上了CDP，打了500个标签组成“用户画像”正准备兜售出去。 此时，可以先从极端用户下手，找到最奇葩的客群，激发起业务的好奇心，比如： 1）上市新品不买，清仓期大量扫货的 2）促销参与率极高，促销订单占比极高 3）大促期间大量囤货，不促销不来的 这些是所谓“夜壶型”用户，一般冲业绩的时候都会拎出来用。 再比如： 1）活跃度高但就是不付钱的 2）精准搜索商品关键字但没买的 3）流失用户突然回流的 这些一般都是营销机会，只要人群基数够大，业务就有兴趣试试。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
如果你有机会面对一片全新的土地，你会选择种下怎样的种子？ 鸿蒙生态，就如同这样一片沃土，吸引了无数开发者前来探索和播种。除了那些耳熟能详的大厂应用以外，更有一批不那么为大众所熟知的开发者。他们或来自公共服务领域，关注如何让城市治理更高效，让旅游体验更智慧；或是个人开发者，怀着对生活的好奇，立志解决日常中的小难题。  他们面对的是更多元的用户需求，以及一个面向未来、拥有无限潜力的生态，用各自的方式，回答这时代的问题。那么，当同样的问题摆在他们面前时，他们的答案，又会有怎样的不同呢？ ## ****1、********程序员的第一问：小众需求还是社会期待？**** ****当开发者决定进入鸿蒙生态时，他们的初衷总会源于一些具体的问题。这些问题，有的是对生活细节的追问，有的是对公共服务升级的探寻。**** “我是一个30岁的程序员，现在正是为了自由与梦想拼搏的年纪。”示路的开发者王维杰这样介绍自己。在成都这座以慢生活著称的城市里，他和自己的妻子，有着一颗想要四处游走的心，享受说走就走的自由感。  示路 独立开发者王维杰 他的妻子有个习惯，喜欢在出发前手绘旅行路线图，把想去的地方一个个标记出来。但每次旅途中临时的变化，总让精心规划的纸质行程显得不那么灵活，市面上大多数的旅行软件又都太程式化，按部就班，完全没有真正旅行时那种随心所欲的感觉。 “能不能有一种更方便、更随心的方式规划旅行？”王维杰开始思考。他发现鸿蒙操作系统5具备的分布式能力与Map Kit地图服务，正好可以实现他的设想，于是示路应运而生。 这款应用最大的特点，是用户可以在地图上自由标记想去的地方，然后系统会自动生成一张蜘蛛网般的路线图。沿着这些路线，你随时可以拐出去探索，去任何让你心动的地方。 对于像他一样的个人开发者来说，他们的初衷，常常来源于身边最平凡的场景。 快手笔的开发者钟显燊也是如此，只不过他的跨度更大一些。曾在海南航空做了近十年的飞机维修的他，在业余时间自学编程，现在已经成为了一名独立开发者。源于机场的工作经历，他总会随身携带一个小本子记录故障快速处理指南，也慢慢形成了随手记录灵感与日常所见的习惯。同时，安全是航空的生命线，也让他对安全异常敏感。因此他想开发一款既保证隐私安全，又能专注于分布式卡片笔记的应用。 考虑到传统笔记软件本地数据存储与跨设备同步，总存在一些无法回避的麻烦，而利用鸿蒙的分布式软总线能力和安全隐私保护，可以实现数据本地存储和无网数据跨设备同步，在数据同步与隐私安全做到了完美平衡。  快手笔 独立开发者钟显燊 于是他开发了一款鸿蒙专属的笔记应用——快手笔，将数据存储在本地，可以在不同设备间实时同步，“我一开始便将这款软件做成了鸿蒙专属，因为这些功能，只有在这里才能实现。” ****如果说个人开发者是在解答自己或身边人的生活追问，那政务开发者呢？他们回应的或许是整个社会的诉求与期待。**** 井冈山元服务的项目负责人童玮意识到，传统的景区讲解往往需要游客主动扫码或留意，容易让游客错过景点的背后故事。“作为有历史性的红色文旅景点，井冈山与鸿蒙生态的结合，是新时代的必然趋势。”基于鸿蒙的近场服务能力，井冈山元服务可以在游览过程中，适度为游客提供相应景点背后的故事、典故，让旅程变得鲜活；在自由行旅游愈发盛行的趋势下，鸿蒙也可以为用户提供更加独立、私人的旅游体验。  井冈山元服务开发团队童玮 在重庆，鸿蒙版渝快办开发团队负责人刘斐面对的挑战更加直接。“如何让便民服务应用更高效、更安全？”鸿蒙操作系统5具备的安全性、稳定性和生态优势，使得渝快办有了一个明确而稳妥的答案。适配鸿蒙，不仅是技术上的升级，更是数字化转型大潮中的必然选择。  鸿蒙版渝快办开发团队负责人刘斐 四位开发者，四种回答。无论形式如何，鸿蒙生态，以一种开放的姿态，容纳了他们的追问与解答，也促成了他们各自精彩的故事。 ## ****2、当问题来敲门：社区自救还是官方支援？**** ****开发从来不是一条平坦的路，无论是对经验丰富的程序员而言，还是对初次上手的团队来说。面对“崩溃时刻”，他们又会如何回应？**** “在准备开发的当天，我只看了一晚上的文档，第二天就基本可以着手开发了。”王维杰回忆起第一次接触鸿蒙开发的经历。这是他第一次开发自己的产品，原本以为会很复杂，没想到鸿蒙的学习门槛如此之低。 即便遇到问题，看看论坛与教程，基本一两个小时就可以顺利解决，这种开发体验让王维杰印象深刻。“就像拼积木一样，你有一个个小组件，把它们拼上去，调整好间距和颜色，就能形成一个好看的界面。” 不过，问题总在意想不到的时候敲门。为了实现自由绘图，他需要在地图上插入对应的图片，这样的需求很少遇到，现成的解决方案自然也寥寥，这几乎成了示路开发初期最大的技术障碍。 多番尝试失败后，他最终在鸿蒙开发者论坛中找到了一条技术帖，顺着华为工程师留下的接口说明摸索，竟意外打通了功能实现的关键路径。“看到那一刻，我是真的激动了，像是深夜的隧道尽头突然亮起灯。” 示路的产品经理，也就是王维杰的妻子，则是示路背后真正的灵魂人物，不断从用户视角给他提出反馈与建议。她提出需求，他在鸿蒙论坛里寻求答案，是王维杰开发过程里的常态，“痛并快乐着”，他说。  钟显燊在快手笔的开发过程中，同样面对过复杂度与自学能力之间的拉锯。他曾经自学过Java等语言，跨界到鸿蒙，也全靠自己摸索。“但这是我自学道路上，最顺畅的一次”，他在鸿蒙官网文档中找到了大量实例代码，也在开发者社区获得了及时的回应。 正因如此，快手笔完成后，他第一时间决定将部分组件开源，帮助更多人少走弯路。“我认为百花齐放比一枝独秀更重要。既然我在社区里得到了帮助，也应该回馈给其他开发者。”  ****相比之下，政府应用开发者面临的挑战更加复杂，许多问题无法如个人开发者一般，凭一己之力解决，或是在社区里找到答案。每到这些时刻，鸿蒙官方便会伸出援手。**** 刘斐回忆起渝快办适配鸿蒙时的情景，“我们面临的最大困难，是原有的代码架构过于复杂，而且原来的开发者已经离职，仅靠我们的力量很难解读那些代码。”  关键时刻，鸿蒙技术专家也会参与合作。“他们的工程师甚至亲自到场，和我们一起分析代码架构，寻找解决方案。” 在适配鸿蒙的路上，他们并不是孤军奋战。井冈山元服务的负责人童玮回忆道，“无论是官方文档、社区支持，还是华为的工单系统反馈，都能在关键时刻给你帮助。” 在这场充满变量的开发旅程中，鸿蒙的学习资料、技术社区和工程师支持，成了他们并肩前行的“命运共同体”。 ## ****3、真正把鸿蒙创新能力开放出来，让所有开发者获益**** 当四位开发者，带着各自的问题走进鸿蒙时，这一生态也用自己的方式给出了回应。鸿蒙操作系统5的创新特性，在这四款应用中得到了不同的体现。 ****对于个人开发者来说，鸿蒙的分布式特性与跨设备能力，给了他们前所未有的创作空间。**** 王维杰的示路充分利用了鸿蒙操作系统5的地图服务，实现了行程的可视化。“通过接入鸿蒙系统花瓣地图，示路能够支持全球超过200个国家的地理标注服务。就像给用户提供了一支画笔，无拘无束地发挥自己的创意。” 在这款软件内，用户们创造了许多个性化的路线，有川藏自驾的路途，也有城市内漫游的线路，许多连王维杰自己都迫不及待地想亲自尝试下。基于鸿蒙操作系统5的安全特性，示路不会随意收集用户的位置信息；示路提供的“多人协同规划”及“AA旅行计算器”等旅行辅助工具，也可以轻松完成行程规划与费用计算。 钟显燊的快手笔则将鸿蒙的分布式能力发挥到了极致。他所开发的笔记应用实现了跨设备的实时同步，所有数据均保存在本地，无需担忧云端安全与隐私问题。 在鸿蒙AI能力的加持下，尽管没有联网，用户也能在快手笔内实现语音识别转文本。“笔记类应用”向来是一个竞争激烈的垂类，用户的需求多且繁杂，快手笔能在其中脱颖而出，自有它的道理。  快手笔应用跨设备调用相机示意 ****对于政府项目而言，鸿蒙带来的更多是安全性、技术升级和服务效率的全面提升。**** 童玮负责的井冈山元服务，其中许多功能都是基于鸿蒙的“意图感知”框架。当游客走近一个景点时，元服务会自动感知时间和空间，为游客推送对应的服务。例如到达某个景点，推送对应的语音讲解，到了饭点时间，推荐附近餐饮信息。  对于渝快办，这一款政务服务类的应用而言，不仅加强保障了数据安全，更帮助其从“人找服务”升级到了“服务找人”的体验飞跃。结合日历开放能力，市民可以在App内创建日程并设置同步到手机日历，系统将主动为市民推送证件到期等事项提醒；长辈版UI则让年长用户也能轻松使用政务应用。 “鸿蒙版的渝快办代码更加精简，运行更为流畅。”刘斐特别提到，鸿蒙的技术架构让应用在保持功能完整性的同时，大幅提升了响应速度和稳定性。这对于承载政务服务的应用来说，意义重大。 鸿蒙生态，这个不断发展的平台，正逐步兑现开发者们的理想，也在他们的创意与实践中，不断丰富着自己的可能性。 正如钟显燊所说：“鸿蒙的意义早已超出了操作系统的范畴，它更像是一个面向未来的技术平台，连接需求与解决方案的桥梁。” ## ****4、在社区中获得成就，在百姓中获得好评**** 技术从不是单向的表达。它连接着开发者的思考，也回应着用户的反馈，最终构成平台、开发者、用户之间的循环共振。 对于王维杰来说，最意外的收获是示路之内，用户们彼此之间自发形成的社区。“我一直想要运营这个社区，但还有本职的工作要做，实在没有时间和精力。”不过用户们还是自己建立起了交流群，分享旅行攻略，推荐路线，甚至互相约伴出行。 如今的示路已经有了5000多名用户，其中不少成为了王维杰的网友。有用户发现了软件的Bug，会细心地给出建议，这种善意让他深受感动，也更加坚定了继续优化产品的决心。  钟显燊的体验则更加丰富。成为个人开发者后，身为“I人”的他认识了很多新朋友，有自己产品的用户，会给他提出中肯的建议；也有其他的个人开发者，在技术社群里互相交流经验。 常常有用户告诉他，快手笔的分布式同步功能让自己的学习笔记管理变得前所未有的便捷，这种反馈让钟显燊觉得所有的努力都值得。 ****个人开发者的成功是垂直圈层内的口碑相传，而对于政府应用来说，反馈则更为多元。它们所带来的，是千万市民、旅者的民生改善！**** 童玮看到了井冈山元服务带来的变化。游客在景区的平均停留时间延长了，年轻游客的比例明显提升，而且他们对红色历史的关注度也比以前更高。“这款元服务确实实现了我们最初的目标，它让曾经那段艰苦奋斗的历史，以一种全新的方式呈现在了年轻人面前。”  刘斐则从政务服务效率的角度看到了改变。“渝快办鸿蒙版上线后，用户满意度有了显著提升，办事效率也明显提高。” 这些积极的用户反馈，形成了一个良性循环：平台提供技术支持，开发者创造价值，用户享受服务，反馈促进改进。从最初的探索尝试，到现在的成熟应用，这个生态正在变得越来越丰富，越来越完善。 “鸿蒙作为一个面向未来的生态，具备着更多可能性。”刘斐的话代表了四位开发者的共同心声。在这个面向未来的新世界里，每一行代码都可能改变生活，每一个创意都可能成为现实，每一次尝试都可能开启新的可能。  开放、多元、包容的生态已经形成，而这个生态的未来，还需要更多人的参与和贡献。 为了激励更多创新，**鸿蒙星光计划**已经于6月20日正式开启，投入了总额1亿的现金和资源，支持更多校园开发者、创意人才在鸿蒙沃土探索创新。怀揣着热枕的你，可通过[HarmonyOS开发者官网（开发者联盟官网）](https://developer.huawei.com/consumer/cn/?ha_source=rrdscpjl&ha_sourceId=89000499)进行报名。 许多开发者们，已经给出了他们的答案。现在，鸿蒙的明天，也期待着你的回答。 作者 | 林檎
<blockquote><p>MCP（模型上下文协议）被誉为“AI 时代的 App Store”，它让大模型无需定制开发，就能像调用积木一样即插即用地使用各种工具。本文用通俗比喻和实战案例，3 分钟带你搞懂 MCP 的原理、与 API 的区别，以及它如何重塑 AI 与外部世界的交互方式。</p> </blockquote>  最近好多朋友都在学 AI，不少人总问我，MCP 到底是什么？ 老实讲，刚开始我也是一脸懵 B，但研究了一段时间后发现，MCP 这玩意太有意思了，对我来说，简直是 AI 效率神器！ ## 什么是 MCP？ MCP（Model Context Protocol，模型上下文协议），指的是 AI 和外部工具的通用交互协议。 简单来说，就是让 AI 和各种工具（微信、支付宝等），用同一种语言交流。  如果不懂没关系，我再举个简单的例子。 还记得十几年前，电脑是怎么装软件的吗？你得满世界去各个官网找下载链接，一不小心还下个病毒全家桶。 后来苹果搞了个 App Store，一切都变了。所有开发者都按苹果的规矩来，用户只要在商店里，一键下载 APP 就行了。  MCP，就像 AI 时代的 App Store，甚至比它还 NB。 手机应用还分 IOS、安卓、小程序呢，MCP 这套协议，所有 AI 大模型都通用适配。只要工具支持 MCP，任何 AI 都能直接调用它，懂这含金量了吗？ ## MCP 和 API 有啥区别？ 很多人会把这两个概念搞混，我举个简单的例子，你就秒懂了。 用 API 就像是去商场逛街。你想买一个 iPhone16，得去苹果专卖店；想买一本梁宁老师的《真需求》，得去西西弗书店；口渴了想喝杯咖啡，得去附近的星巴克。如果你要买齐这些东西，你要知道每个店铺在哪、什么时间开店，然后一家一家挨个逛过去。 而 MCP 就像是手机逛京东。商品（MCP 工具）都已经上架到京东（MCP）了，统一的搜索、比价、下单、支付流程。你只需要会用京东，就能买到任何你想要的东西。  没有 MCP 之前，AI 去调用各种工具，需要开发一大堆代码和接口，然后一个一个实现功能，这效率实在太低了。 而有了 MCP，相当于给你的狗头军师（AI）配了管家（MCP）和几个小头目（MCP 工具）去管理一堆打手（API）。AI 负责决策规划，MCP 则包圆剩下的脏活累活。  MCP 本身并不会取代 API，而是将各种 API 进行封装。AI 只需要和 MCP 这个管家沟通，就能间接调用 API 干活了。（那..前端呢？嗯嗯快凉了。。 ## 案例：飞书 MCP 工具 这几天发现，飞书也出了自己的 MCP 工具，可以通过 AI 控制消息、群组、任务、日历、多维表格等功能。 飞书部分 MCP 如图：  还记得之前，我用多维表格弄的AI 阅读管理系统吗？现在用它来试试飞书 MCP，看看效果如何。  我用 Trae 配置了一个 飞书 MCP 智能体。  然后让它帮我查多维表中的指定书籍，没想到效果真不错，AI 完全理解了我要什么。  现在有了飞书 MCP，基本上我都让 Trae 帮我管理一些【日历、表格、消息】内容了。说实话 AI + MCP 处理数据，比我自己单干效率高太多了。 ## MCP 的未来 老实讲，现在 MCP 这玩意还主要是程序员在用。比如通过 Cursor、Tree 让 AI 帮写代码、操作文件。对 AI 小白来说还是太麻烦了。 但我敢打赌，这只是暂时的。如果未来 MCP 能以更简单、直观的方式交互（比如打开微信就能用），那 AI 成为人类意识的延伸，也只是时间的问题了。 想象一下，当你的 AI 助手不仅能理解你的意图，还能直接帮你丝滑地处理各种事情 —— 从订餐、买票、查资料到数据分析、代码编写，甚至控制智能家居，这是多么科幻的场景？ ## MCP 导航推荐 顺便推荐几个好用的 MCP 导航站。 **MCP.so**  MCP.so 收集整理了超 15000+ MCP 服务，你可以在这里发现各种最新、热门的 MCP 服务和客户端。 地址：https://mcp.so **Smithery**  Smithery 是一个 MCP 管理平台。通过 Smithery，你可以搜索发现、安装管理各种 MCP 服务。平台收录了网页搜索、浏览器操作等 7900+ MCP 工具。 地址：https://smithery.ai **MCP 搜索 – 中文**  网站收录了 7392 个 MCP 服务，支持分类筛选和关键词搜索。 地址：https://mcps.live ## 结语 说实话，MCP 不是什么高深莫测的黑科技，本质上它是 AI 链接各种工具的通用协议。 MCP 技术看似简单，却完全改变了我们与 AI 的交互方式，它让 AI 这个“嘴强王者”直接变成了“通天代练”。 作为产品经理，我们不一定要搞懂 MCP 的技术原理，但必须理解 MCP 的技术价值和使用场景。 本文由人人都是产品经理作者【好夕雷】，微信公众号：【产品之外】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
<blockquote><p>AI 不只是效率工具，更是认知升级的催化剂。本文通过一系列实践案例，展示了如何借助 AI 深度剖析问题、激发洞见，并在互动中不断精进思维。</p> </blockquote>  最近我学习了一些用 AI 提升认知水平的方法，并结合自己的理解，亲自实践了一番。 AI 的能力正在快速进化，它不仅能回答问题，而且还能执行复杂任务。 比如，给 AI 分配一个任务，它会先深度思考，然后调用各种工具，最终输出相应的结果。 我们在与 AI 沟通的过程中，可以多用这些提示词：洞察、洞见、剖析、透视、阐释、推演、解构、溯源、思辨、融合、启发。  人类理解这些词可能会有些难度，但却能引导 AI 输出更好的结果，因为 AI 已经比绝大多数人更聪明。 AI 不仅是人的助手，更是人的导师。 在 AI 的帮助下，只要你肯钻研，就可以把认知提升到专家的水平。 长期跟先进的 AI 交流，获得世界级水准的回应，将会改变你的大脑，让你对高价值信息更加敏感，快速抓住事物的本质。 我们不妨经常问 AI 一些问题，比如： - 你对此还有什么更深的洞见？ - 还有没有比这个更深的洞见？ - 如果我是电影里的一个角色，你觉得我会是个什么角色？ - 你对我个人有什么建议？ …… AI 可以生成无数个结果，但具体选择哪个结果，需要人的判断。 AI 可以模仿无数种风格，但具体哪种风格更美，需要人的品味。 AI 可以执行无数项任务，但具体为何要这么做，需要人的思考。 当 AI 变得越强大高效时，那些最「软」的东西反而变得最硬核。 每当我看到一个好东西或者有一个新想法的时候，只要想进一步了解，就会发给 AI，并说三个字：请剖析。 比如，我比较喜欢看科幻剧《黑镜》，看完之后感觉意犹未尽，就对 AI 说：请剖析《黑镜》第六季第 3 集。 AI 会从剧情、主题、表现手法等方面详细进行剖析：  随着你与 AI 的交流越来越多，AI 会越来越了解你，知道你想要什么，甚至比你自己都更了解你。 在 AI 时代，重要的不是考试考什么，也不是社会要求你做什么，而是你知道自己热爱什么。 在选择专业领域的时候，优先考虑热爱，而不是热门。 曾经热门的一些职业，未来大概率会被 AI 替代。过去冷门的一些专业，未来有可能会大放异彩。 无论将来做什么事情，都可以把个性与 AI 结合起来，你的经历、审美、性情等都是宝贵的财富。 世界是复杂而多变的，我们要对新鲜事物保持好奇心，不断审视和改进学习方法，建立自己的认知系统。 就算 AI 能力再强，终极目的还是人。 同样的 AI 工具，在不同人手中，会产生不同的效果。 随着 AI 技术的发展，工具的差异正在逐渐缩小，但是人的差异正在逐渐扩大。 写好提示词的关键不是追求复杂技巧，而是清晰表达需求和背景。 一个有洞察能力的数据分析师，能够用 AI 创造出更打动人心的数据可视化图表，引导 AI 生成更有洞见的数据分析报告，并将 AI 的输出结果转化为更有价值的商业决策。 人不是被动使用 AI 工具，而是主动引导和释放 AI 的潜能。 AI 是遇强则强，当人的能力越强，AI 落地应用的效果就越好。 很多人使用 AI 的方式过于简单，常常只发起一次任务请求，得到结果后便不再深入交流。 甚至在 AI 给出明显错误答案时，也只是简单地回复一句：错了，再试一次。 我们其实可以引导 AI 进行反思，激发它的潜力，比如说：你的回答可能有误，请分析可能出错的环节，再重新思考并回答。你的回答忽略了市场风险因素，请重新考虑并补充完整。请检查一下你的推理过程，找出可能存在的逻辑漏洞。请分析你刚才回答的内容，找出可能不够准确的地方。如果让你重新回答这个问题，你会怎么改进？ 当然，引导 AI 的前提是你自己能敏锐地识别出问题。 AI 是一个能力放大器，就像显微镜放大了人类观察微观世界的能力，望远镜拓展了人类探索宇宙的视野，而 AI 则放大了人类创造和运用知识的能力。 对于一些重要且复杂的任务，我们可以用类似 ChatBrwal 这样的插件，一个问题只要输入一次，就能同时让多个 AI 来回答，避免重复复制粘贴，从而提升工作效率。 比如，我配置了 4 个常用的 AI 工具：DeepSeek、Kimi、豆包和元宝，只需在下面输入一个问题，点击一次发送，这 4 个 AI 就会争先恐后地进行回答。  接下来，我对 Gemini 说： <blockquote><p>我正在完成一个重要且复杂的任务：怎么把 AI 用到最高水平？我已经请 4 个 AI 助手分别回答。现在你是评审官，请你根据任务的特点，制定一套 100 分制的评卷规则，然后分别对这 4 个助手的答案进行打分，并详细说明你的评分理由。</p></blockquote> Gemini 回复如下：  然后，我把 4 个 AI 回答的内容发给 Gemini，它就会按照评分标准进行打分和点评，并详细解释打分理由。  我接着对 Gemini 说： <blockquote><p>既然你这么懂，那你自己来答一遍这个问题看看？</p></blockquote> 它会乖乖作答，我继续追问： <blockquote><p>那你就按你刚才的评分规则，对你自己的回答也打个分，并说明理由。</p></blockquote> Gemini 给自己打分通常会比其他 AI 的分数更高，但一般不会是满分，此时可以继续对它说： <blockquote><p>那你这剩下的几分是扣在哪里了？请你好好想想，再修改一遍。<br/>如果你觉得 Gemini 的评分不够客观公正，可以试着换成 ChatGPT 或 Claude 等模型。</p></blockquote> 对我们来说，真正重要的其实不是 AI 输出的结果，而是在与 AI 沟通的过程中，能获得一些新的思路或启发。 AI 既是一个鞭策我们进步的对手，也是一个能帮我们放大优势的朋友。 人类选择与 AI 协作，才是提升认知水平的最好方式。 本文由人人都是产品经理作者【null】，微信公众号：【林骥】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。