<blockquote><p>Costco作为全球知名的会员制仓储零售商，在北美市场长期压制山姆会员店，凭借高效的运营模式和极致的低价策略取得了巨大成功。然而，当其进入中国市场后，却面临着水土不服的困境，门店扩张缓慢，销售额和会员续费率远低于山姆。</p> </blockquote>  ## 碾压山姆！Costco 怎么做到的？ 作为全球仅次于沃尔玛和亚马逊的第三大零售商，Costco以“会员制仓储零售”为核心模式独霸世界，在北美市场乃至全球的竞争格局中，Costco 长期对山姆形成压制态势。Costco 单店年销售额达到山姆的 2 倍，会员费收入更是占据总营收的 70% 之高。 2024 财年，Costco 更是交出了一份亮眼的成绩单：营收2,544亿美元，净利润74亿美元，净利润同比增长17%；净资产收益率ROE为31%。总资产周转率为3.7次/年。其中，最关键的是存货周转率，在2024年达到12.6次/年，而且还在持续的攀升，这意味着开市客的运营效率还在提升。 截止2024年底，Costco全球卖场数量890个。其中，2024年新增29个，新店增速维持在3%；总的营业平 方来到130.9百万平方英尺，同比去年增加4.6百万平方英尺。2024年的全球平均坪 效为1,907美元/平方英尺（不含会员费），同比去年提升1.3%。 Costco的单店坪效、会员续费率（全球平均超 90%）以及供应链效率，均在行业内一骑绝尘。通过精选约 4000 个 SKU（这一数量仅约为普通超市的 1/7），Costco 进行大规模采购，将极致低价发挥到了极致，平均加价率仅 11%，与传统零售商 25%-50% 的加价率形成了强烈反差。 与Costco相比，截止2024年底，山姆全球门店虽也突破800家。但无论是业绩、增速还是整体坪效都明显低于Costco，根据‌2024年山姆会员店的财报显示，其全年营收为902.4亿美元，同比增长4.7%；营业利润为24亿美元，同比增长2.7%。而中国则是山姆实现全球增长的最大动力。‌‌ Costco 商业模式的两大核心支柱 —— 会员费盈利与低价商品引流，相辅相成。其自有品牌 Kirkland Signature 凭借高性价比在市场上声名远扬，2023 年销售额突破 400 亿美元，占总销售额的 30% 。 此外，Costco 还深谙消费者心理，独创 “寻宝零售心理学” 策略，通过频繁变换商品陈列位置、取消过道标识、设计迷宫式卖场布局，激发消费者的冲动购物欲望。 以 4.99 美元的招牌烤鸡为例，这款极具吸引力的产品每年销量高达 1.37 亿只，消费者在前往购买烤鸡的过程中，往往会在穿越卖场的途中，不自觉地产生大量额外消费。 ## 中国市场：山姆本土化碾压与 Costco 的“水土不服” 1996 年，山姆会员店率先踏入中国市场，开启了长达 28 年的本土化深耕之旅。截至目前，山姆在中国的门店数量已达到 55 家，会员人数预估超过 900 万，2024 年销售额更是突破 1000 亿元大关，近年来以年均不低于5家的速度开新店，这样的成绩在竞争激烈的中国零售市场中堪称亮眼。 山姆的成功，首先得益于其在中国精准的市场定位。它将目标客户锁定为中国中产家庭，在进入市场的早期阶段，通过大量的市场推广和消费者教育活动，逐步培养起消费者的付费会员意识，成功在消费者心中建立起付费会员的消费心智。 在 2021 年，山姆会员数量从 200 万增长至 400 万，仅仅用了 9 个月时间，这一惊人的增长速度充分展现了其强大的市场吸引力和品牌影响力。 在商品策略上，山姆敏锐地捕捉到中国家庭小型化的趋势，积极调整商品包装规格。推出 450g 装牛排等小份量包装商品，既契合了小家庭的消费需求，又有效避免了因大包装带来的食物浪费问题。 同时，山姆大力投入预制菜、鲜食等品类的开发。以烤鸡为例，采用泰森鸡肉作为原料，凭借美味的口感和较高的性价比，这些商品的复购率超过 50%，极大地增强了消费者的品牌忠诚度。 在供应链建设方面，山姆建立起完善的区域化采购网络。与云南鲜花基地、山东蔬菜基地等开展深度合作，通过直接对接产地，不仅保证了生鲜商品的新鲜度和品质，还大幅提高了商品周转率，比行业平均水平快 30% 。这种对供应链的深度掌控，有效降低了采购成本，提升了自身的市场竞争力。 在全渠道体验的打造上，山姆同样不遗余力。其线上销售额占比达到 40%，1 小时达服务覆盖 20 个城市，让消费者足不出户就能享受到便捷的购物体验。 通过在 App 中内嵌食谱推荐与会员专属活动，山姆成功构建起 “到店 + 到家” 的消费闭环，为消费者提供了全方位、多样化的购物选择。 与山姆在中国市场的顺风顺水相比，Costco 的发展之路却充满坎坷。2019 年，Costco 正式进驻中国，上海首店开业时曾引发万人空巷的抢购热潮，但这股热度并未持续太久，后续扩张步伐明显缓慢。 截至 2024 年，Costco 在中国仅拥有 7 家门店，其中上海2家（闵行、浦东），苏州，南京，宁波，杭州，深圳各一家，主要覆盖富庶的长三角以及大湾区。2024年，Costco中国销售额预计到 70 亿以上，店均10亿，仅为山姆会员店店均20亿左右的一半，而Costco的中国会员续费率更是低至 60%，与全球 90% 的平均水平相差甚远。 在商品策略层面，Costco 的大包装商品在中国市场遭遇了严重的水土不服。随着中国家庭结构日趋小型化，户均人口仅为 2.62 人，1.8 升橄榄油、整箱冷冻食品等在北美市场备受欢迎的大包装商品，在中国消费者眼中却成了 “难以消化” 的负担。消费者普遍反映 “买一次吃半年”“占用大量冰箱空间”。 此外，Costco 过于依赖进口商品，缺乏具有本土特色的 “网红单品”。虽然南京店尝试引入鸭血粉丝汤等本地特色产品，但尚未形成系统化、规模化的区域商品矩阵，难以满足中国消费者多样化的口味需求。 在运营模式上，Costco 的郊区选址策略在中国市场也难以奏效。其门店大多位于上海闵行、杭州萧山等远郊地区，主要依赖自驾客群。然而，中国一二线城市消费者的购物习惯更倾向于社区高频购物，Costco 的这种选址方式使得其难以触达大量潜在消费者。 反观山姆，积极尝试 “城市中心店” 模式，如上海外高桥店，并配套建设大型停车场，有效缓解了交通拥堵问题，更贴合中国消费者的购物习惯。 在数字化建设方面，Costco 明显落后于山姆。其线上 SKU 仅有 400 余种，配送门槛高达 299 元且需加收运费，与山姆 “99 元起送、1 小时达” 的优质服务形成鲜明对比。 同时，Costco 在私域运营方面十分薄弱，缺乏独立的 App 和有效的社群互动机制，难以与消费者建立起紧密的联系。 在会员体系方面，Costco 也面临着巨大的价值落差。其在北美市场大获成功的加油站、旅游服务等增值服务，受中国政策限制难以落地。而山姆则通过茅台抢购、亲子体验等特色活动，不断增强会员黏性。 此外，Costco 僵化的退卡机制也备受诟病，消费者退卡需到店办理并扣除优惠金额，这与中国消费者追求 “线上化、便捷化” 的消费需求严重脱节，导致投诉率居高不下。 ## Costco 的破局之路：一场 “中国式进化” ### 从 “全球标准” 到 “区域适配” Costco 若想在中国市场实现逆袭，首要任务是对商品策略进行全面调整。在商品分层上，应推出 “家庭装 + 单身装” 并行的多样化包装选项。 对于家庭用户，保留部分大包装商品以满足其批量采购需求；针对单身人群和小型家庭，开发更多小包装粮油、调味品等日常消费品。同时，积极与本土知名品牌展开合作，深入挖掘各地特色美食，开发具有地域特色的商品，如无锡酱排骨、杭州龙井酥、四川火锅底料等，打造独具中国特色的商品矩阵，以满足不同地区消费者的口味偏好。 在供应链本土化方面，Costco 需要加大投资力度。通过投资本地农场、与优质供应商建立长期战略合作关系，甚至进行并购整合，实现生鲜产品的本地化供应，缩短供应链链路，降低对进口商品的依赖。例如，可以在水果主产区建立直采基地，在蔬菜种植大省布局冷链物流中心，确保生鲜商品能够以最快的速度、最低的成本送达消费者手中。 ### 重构 “仓储 + 即时零售” 双引擎 为弥补郊区门店覆盖不足的劣势，Costco 应积极布局前置仓，与美团、京东到家等本地生活服务平台展开深度合作，拓展线上销售渠道，实现快速配送。同时，加大在数字化领域的投入，构建 AI 驱动的智能选品系统。 通过分析消费者的购买历史、浏览记录等大数据，精准预测消费者需求，优化商品选品和库存管理。利用抖音、小红书等社交媒体平台，开展内容营销活动，制作美食教程、好物推荐等优质内容，吸引年轻消费群体的关注。打造 “Costco 厨房” 等特色 IP，通过直播烹饪、美食分享等形式，提升与消费者的互动频率，增强品牌的亲和力和吸引力。 ### 会员价值重塑 Costco 需要对会员体系进行全面重塑。分层会员体系，增设 “白金卡” 等高端会员等级，为会员提供免费配送、优先购、专属折扣等尊享权益。与携程、滴滴等企业展开跨界合作，建立积分互通生态，丰富会员的权益体系。 在服务体验方面，简化退卡流程，支持线上全额退款，提高消费者的满意度。此外，引入健康管理、教育咨询、艺术培训等高端增值服务，将会员价值从单纯的价格优惠提升到生活方式服务层面，增强会员的归属感和忠诚度，让会员感受到成为 Costco 会员不仅仅是获得购物优惠，更是一种高品质生活方式的象征。 ## 本土化不是妥协，而是生存之战 Costco 在中国市场面临的困境，本质上是全球化商业标准与中国本土市场需求之间的激烈碰撞。其在北美市场赖以成功的 “效率优先” 逻辑，在中国这片充满独特消费文化的土地上，必须让位于 “体验至上” 的理念。如果不能加速本土化进程，Costco 很可能会重蹈亚马逊败走中国的覆辙。 而山姆的成功经验深刻表明：在零售行业，商品交易只是基础，更重要的是塑造符合当地消费者需求的生活方式。这场发生在中国零售市场的竞争战役，最终的胜负将取决于谁能更精准地把握中国消费者的消费心理和生活需求，谁能真正走进消费者的 “胃” 与 “心”。 对于 Costco 而言，本土化不是对原有商业模式的妥协，而是关乎企业生死存亡的关键之战。唯有积极拥抱变化，加速 “中国式进化”，才能在中国市场这片广阔天地中找到属于自己的发展之路，实现从困境到破局的华丽转身。 撰文：刘老实 排版：柯不楠 校对：十 三 公众号：即时刘说 本文由 @即时刘说 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Pixabay，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

为响应香港特别行政区政府全力发展人工智能（AI）为关键产业的策略，香港科技大学（科大）今日正式成立冯诺依曼研究院（Von Neumann Institute），整合具身智能、生成式AI及先进超级运算等技术，推动跨学科协作，促进新质生产力，以迎接AI世代。 冯诺依曼研究院由计算机视觉与AI领域知名专家、科大计算机科学及工程学系讲座教授兼独角兽企业思谋集团创始人贾佳亚教授领导，并以「计算机之父」约翰·冯·诺依曼命名。约翰·冯·诺依曼为着名的计算机科学家，其开创的「冯诺伊曼架构」对当今的AI算法影响深远。凭借科大在AI领域的坚实基础及贾教授广泛的产业网络，研究院将致力于构建完整的AI生态系统，加强产学研合作，并通过中学拓展计划，培育新一代AI人才。   **Vonnex机械人展现AI突破**   出席研究院开幕礼的主礼嘉宾包括香港特别行政区财政司司长陈茂波、匈牙利驻香港总领事柯泰安 (Dr. Pál Kertész) 及香港投资管理有限公司（港投公司）行政总裁陈家齐，以及科大校董会主席沈向洋教授、校长叶玉如教授及首席副校长郭毅可教授等。其中，贾教授团队研发的AI机械人Vonnex更参与揭幕仪式，展现了其流畅的操作及多模态感知系统，更能同时处理视觉、触觉及声音等信息，彰显机械人技术的潜能。       财政司司长陈茂波先生在致开幕辞中表示：“特区政府相信人工智能蕴藏巨大的潜力。我们的目标是通过‘AI+’策略，将AI融入各行各业。冯诺伊曼研究院汇聚了科大、思谋集团及港投公司等多方人才与资源，集合卓越的学术水平、坚实的基础研究、丰富的业界经验，更拥有庞大的企业与投资者网络。我们期望研究院能成为开拓AI应用场景与推动研究成果商业化的平台，为香港不断发展的创科生态系统以及人工智能领域的进步作出贡献。”   港投公司行政总裁陈家齐致辞时说：“港投公司作为代表特区政府的‘耐心资本’，通过支持尖端技术产业化，推动被投企业参与香港的AI研究和落地转化。思谋集团与科大成立研究院，实践了与港投公司签订战略合作协议的承诺，包括与香港高校在产学研合作，培育人才。我期望研究院透过探索AI创新与应用，孵化并培育更多独角兽，构建更完善的AI生态圈。”   沈向洋教授欢迎辞中表示：“科大成立冯诺依曼研究院，是对香港致力发展成国际创新科技枢纽的策略举措。透过结合政策创新、产业需求、资本支持和学术创造力，我们将汇聚世界级的AI人才，并以跨学科合作探索AI的前沿发展。”   **聚焦五大AI研究领域**   在活动期间，贾佳亚教授指出，研究院将透过整合、协作及资源汇聚，聚焦五大AI关键领域，包括开发新一代多模态AI系统，以处理图像、音频及文本等多样化数据；增强AI逻辑推理能力，建立可信赖的解决方案；开发机器人智能技术，实现模仿人类运动的控制及互动；通过AI驱动的三维（3D）理解与生成，创建贴近现实的虚拟生态系统；以及利用大模型改革医疗保健服务，提升治疗效果。   **孕育新一代AI人才**   在港投公司的支持下，研究院推出“AI探索者：人工智能学校教育计划”，透过举办讲座、AI及热门科研课堂，以及于科大及思谋集团的实验室进行示范等，旨在激发学生的好奇心，孕育新一代的思想家及创新者，帮助他们为应对未来挑战做好准备，裨益香港社会。出席典礼的圣保禄学校（中学部）及圣保罗男女中学的师生，均已表明有意参与相关计划。       此外，研究院还会培训超过100名博士生，并汇聚不同专业领域的学术人员，为一众科大毕学生装备前沿理论知识，以及实用的业界技能。

<blockquote><p>小红书聚光投放效果不佳，可能与素材质量、投放设置及服务转化率三大因素相关，本文将为您简析其关键要点。</p> </blockquote>  我发现50%的客户投放聚光，首充消耗后，就停投了！30%的客户在开停投中徘徊，只有20%的客户选择聚光投放后，拿到理想结果后，稳定持续投放。 大部分客户，聚光投放基本不理想！在我看来，主要有这3大原因。 ## 一、素材不合格 素材即定向、决定产品和服务是否被购买。80%客户聚光投放不理想，就是投放素材不过关。可以这样说，素材做得好，不做广告也能拿到客资。 好的广告素材，把受众在茫然状态中吸引过来，然后亮出购买理由，迅速罗列证据，整个购买过程一气呵成，没有弯弯绕绕！ 在制作笔记，可采用我们这张素材模版，思考你的素材布局。  图：小红书笔记能量拆解 但大部分客户，在投放聚光时，面临投放素材少和投放素材质量的问题。 因此，在投放要保证至少有5篇可投放素材，同时投放素材卖点直接，用户能够理解你做什么，凭什么购买你，慎用科普性质笔记投放。 如何制作高转化的素材？最好的方法就是借鉴同行，借鉴评论区有真实购买意愿的笔记。 ## 二、聚光投放设置错误 很多人认为，聚光投放这里面有各种黑科技。其实不是，聚光后台只要你认真花半天，去研究，笔记素材做好，基本就没有问题。 大部分商家投聚光，主要存在聚光投放目标设置不合理，心态过于着急，导致账户越投越差。 **目标设置不合理：** 把种草当成投放主力，疯狂烧种草，没有客户进线；或者出价过低，导致消耗始终投不出去，又或者出价设计的高，结果成本一直压不下来。 **心态过于着急：** 刚开始做聚光投放，展现和开口还没开始积累，看到没有结果，就开始疯狂提价，结果投放效果越来越差。最后陷入新建-关停的恶性循环后果，导致账号不稳。 我们要明白系统比我们更靠谱，设置好正确的目标，让子弹飞一会，有时候等待就是最好的方法。 ## 三、服务转化率提升 在私域聚光投放，要格外关注回复效率，就是用户进线之后，你大概多久能回复，以及你们整体回复质量和效率。 现在平台也在推私信咨询分，咨询分高的商家，得到的流量也会更好。我们服务的优质客户，能够做到1min内回复，这种效率怎么可能，拿不到微信。 同时私域类客户，一定要关注你转化率，转化金额。 举例通过小红书拿到100个客户微信，你的邀约率、成交率是多少，成交客单价是不是合理，核心就是看你后端转化情况。 同样的客户数量，有的销售转化率就是高，这就是核心优势。 成交客单价是不是合格，后端转化不及格，前端做的再多，也很难有理想成绩，最终聚光选择放弃。 当你把上面3个做好，基本你就超过70%投放商家，3-5条广告素材就能吃半年，甚至更久。小红书聚光投放，完全可以闭着眼睛，通投拉满投放。 本文由人人都是产品经理作者【江河聊营销】，微信公众号：【江河聊营销】，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AI技术的浪潮下，传统人工客服行业正面临巨大变革。AI客服公司Crescendo仅用15个月就实现了1亿美元的年经常性收入（ARR），并成功盈利。它是如何做到的？</p> </blockquote>  人工客服都下岗了，虽然很残酷，但这是事实。 有咨询公司测算，未来五年内，被称为“世界外呼中心”菲律宾将因为AI失去30万个人工客服岗位。 在客服人员纷纷失业的另一面，AI客服公司正在加速增长。 AI客服公司Crescendo的高级副总裁Mike Ryan近日透露，Crescendo的ARR超过1亿美金并实现了盈利。 更令人惊讶的是，Crescendo取得这样的成绩，只用了15个月。 Crescendo是怎么办到的呢？答案是**直接打包AI客服系统+人工团队**，将90%常规咨询自动化处理，当遭遇复杂纠纷时，人工团队可借助AI梳理的对话脉络迅速介入。 在商业模式上，Crescendo也摒弃了传统客服按人数或时长计费模式，采用结果导向定价，这对希望拥抱AI但缺乏经验的企业而言，极具吸引力。 靠着创新的AI客户解决方案以及结果定价的付费模式，Crescendo实现了惊人的增长。 ## 01 15个月，做到1亿美元ARR 传统的客服体系通常由两部分组成：聊天机器人和呼叫中心。然而，这种方法不仅会导致客户体验脱节，还容易形成一种对抗性的运营模式：聊天机器人和呼叫中心相互竞争，企业及其客户将承担这种错位和低效的成本。 客服质量参差不齐不说，客服工作又累压力又大，员工离职率高达30-35%，服务质量更是没保障。 在这一背景之下，AI客服行业独角兽Crescendo凭借人机协同的方案脱颖而出。它将AI和人工客服方案打包成整体方案，丝滑地整合了AI和人类团队的服务流程。 具体来说，通过CX（客户体验）类的AI聊天机器人，Crescendo可处理90%常规咨询，结合企业内部数据（如产品目录、政策文件）自主应答。 当遭遇复杂纠纷时，真人专家可借助AI梳理的对话脉络迅速介入，甚至能调取用户三个月前的退换货记录与购物历史，实现精准服务。 这种策略的好处首先是**直接节省了数百万劳动力成本，因为客户不用找外包了**。 所有工作由Crescendo一站式打包完成，平台支持50种语言自动翻译、自定义话术与语气设置。2~4周内可完成系统部署，上线1个月后Al自动处理90%+的常规查询，相比传统呼叫中心建设时间与经济成本大幅降低。 其更突出的优点是**对客服效果负责，提升成单率**。 在高频率、低复杂度的客服场景中，AI确实会比人工表现更好。AI处理掉80%的高频、简单问题，而人工客服只要处理剩余20%AI处理不了、低频复杂问题。 另外，Crescendo的质量评估工具可以实时评分每笔交互效率，若评分低则向企业返还信用额度。 对于公司来说，也不必担心原本的人员流失、不一致性对服务质量的影响。 基于这种业务模式，Crescendo摒弃了传统按人数或时长计费模式，采用结果导向定价（一种是按解决率收费，另一种是按AI处理量收费），这对于希望拥抱AI但缺乏经验的企业而言，极具吸引力。 Crescendo描述，其利润率达到了传统呼叫中心的4倍。 除了新颖的解决方案外，团队成员在客服领域丰富的经验也是其能拿下融资的关键。Crescendo AI团队的核心成员堪称客服行业“梦之队”： - CEO Matt Price曾任客服巨头Zendesk高级副总裁，深谙服务体系构建； - CTO Slava Zhakov拥有云呼叫中心巨头Genesys的技术沉淀； - CPO Anand Chandrasekaran则来自印度电商巨头Snapdeal，具备丰富的消费场景运营经验。 而联合创始人兼董事会主席Andy Lee更是行业传奇，他白手起家创立的外呼中心公司AIorica，年收入超过20亿美元。 这一次，Andy Lee希望用生成式AI重构呼叫中心行业延续20年的服务与收费体系。 Crescendo营销高级副总裁Mike Ryan近日透露，靠着“AI客服+专家团队”的一体化方案，公司ARR超过1亿美金并实现了盈利。  ## 02 AI+真人”重构呼叫中心成本 最近几个月，Crescendo也在进行业务升级。 2024年10月，Crescendo收购了专注于品牌定制化的外包服务商PartnerHero，因而增加了200家客户和3000名CX专业人员。在同一个月，Crescendo获得由General Catalyst领投的5000万美元风投，公司的估值提升至5亿美元。 单纯的技术输出已不能满足需求，客户需要的是能直接产生业务结果的解决方案。Crescendo转向”AI+专家”打包模式，预示着AI技术成熟度、数据积累量、场景理解力达到临界点，“系统+服务”的一体化交付成为可能。 在拥挤的AI客服赛道上，Crescendo不是第一个采用“AI+真人”模式的客服公司，Decagon、Sierra AI、Shulex这三家AI客服公司采用了同样的策略，但也各自做出了特色。 ### ① Decagon数据透明化，基于使用场景构建客服Agent 创立于2023年的Decagon，自成立以来发展迅速。其AI客服代理基于OpenAI、Anthropic和Cohere等公司的最先进模型，并在内部数据如操作指南、手册和过去的客户服务对话基础上进行训练。员工对AI生成的回复进行评分和审核以改进系统。Decagon还允许企业清楚地看到决策过程以及数据使用情况。 今年2月，Decagon与AI音频生成龙头ElevenLabs合作，创建了语音代理，以便与客户进行更自然、更像人类的对话。 Decagon已经帮助多个企业节约客服外包成本。 信用卡提供商Bilt通过Decagon将其客户支持团队从数百人缩减到65人。健身巨头ClassPass利用Decagon的AI代理与客户进行250万次对话，将客户支持成本降低了95%。 截至目前，Decagon已经签订了价值超过1000万美元的合同。该公司正洽谈新一轮1亿美元融资，由a16z和Accel领投，投后估值达15亿美元。 ### ② Sierra AI，不是“帮你接线”，是“直接解决问题” Sierra的定位是打造一个具备人类交互能力的自动化客户支持平台。它的平台模拟了传统外呼中心的模式，背后是一个多模型协调系统，这使得它在真实客户服务场景中具有极高的稳定性和容错率。 Sierra在AI客服上的突破是：从“应答式机器人”，升级为“闭环式交互系统”。换句话说，它不是在“帮你转人工”，而是让“你根本不需要人工”。它能做到的事情包括： 情绪识别+上下文记忆的连续对话多渠道（邮件、网页、聊天窗）统一客服响应与企业后端系统集成，完成退款、改签、投诉等闭环动作自动拉取知识库、历史记录，动态优化话术。 Sierra试点数据显示，某SaaS公司接入Sierra后，客服响应速度提升400%，客户满意度提高37%，而人工客服团队规模缩减60%。 Sierra AI成立一年多完成了1.75亿美金的B轮融资，估值达45亿美金，ARR突破2000万美金。 ### ③ Shulex聚焦客户关注的具体场景，自定义切换AI/人工服务。 这家国内的出海公司采用AI数字人的模式，可以人工与机器自定义丝滑切换，并能向企业交付可量化的工作成果，同时提供消费者洞察报告。 Shulex的AI Agent能够达到人工客服的中高级水平，并能在需求高峰期（如黑五网一）快速复制，提供“100+个随时待命的中高级AI数字客服”。更重要的是，Shulex提供的不仅仅是技术，而是一种包含咨询、培训、落地实施乃至持续优化的“陪跑”服务。 谈到Shulex的优势，创始人郭辰璐说道： AI不是核心的壁垒，最重要的还是应用场景的体验，尤其是非常垂类的一站式场景化体验是比较难替代的。 因此，Shulex更加聚焦客户关注的具体场景，比如大件家具的物流咨询、3C数码的知识自学习能力、小语种服务。 该公司刚完成新一轮亿元级融资，由盛大资本领投。其客服AI Agent在中国、日本、美国市场服务了100+全球化头部品牌客户。 ## 03 客服的逻辑变了 尽管客服市场看起来拥挤，但早期玩家在实际部署生成式AI方面进展缓慢，质量也不高。 这些方案更多依赖于AI技术本身，通过创建剧本（Playbooks）来自动化外呼中心的任务，没有基于生成式模型从头开始构建的产品。这给很多AI客服公司带来了机会。 更重要的是，AI正在让客服生意发生本质的变化，即从成本中心向价值中心转型。 过去，客服很难提供差异化服务，而通用服务与利润并不直接挂钩，所以企业在千方百计地压缩客服成本。但现在不同了，当客服变得高度定制化，其有可能成为产品服务的重要组成部分，甚至成为收入增长的驱动因素。 正如Decagon CEO Jesse Zhang所说： <blockquote><p>在过去，企业只是把客户支持或呼叫中心看作成本中心，它可能不是你愿景的核心。但有了代理，它们非常可定制，它开始成为企业或产品的竞争优势，成为收入驱动因素。</p></blockquote> 文/朗朗 本文由人人都是产品经理作者【乌鸦君】，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。

三星在 5 月 13 日全面发布了Galaxy S25 Edge，最近我们已经看到了大量消息泄露了该手机的所有规格，并为我们带来了泄露的设备渲染图。现在，该聊聊手机壳了。三星计划为 S25 Edge 推出的官方第一方手机壳今天也已经曝光。 首先要说的是一款名为 Kindsuit 的手机壳，它采用仿皮材质，有黑色、蓝/紫和白色可供选择，与手机的钛晶黑、钛冰蓝和钛银配色相匹配。据称，这款手机壳的售价为 59.99 欧元。           三星 Galaxy S25 Edge Kindsuit 手机壳 接下来是透明保护壳——名字就说明了一切。如果你想透过保护壳看到手机的原貌，那么这款就是你的不二之选。           三星 Galaxy S25 Edge 透明手机壳 最后还有硅胶保护壳，它和 Kindsuit 保护壳一样有三种颜色可选。这款保护壳也配有柔软的内衬。硅胶保护壳售价 39.99 欧元。           三星 Galaxy S25 Edge 硅胶保护壳 透明壳价格尚未公布，但如果其价格与 Galaxy S25 的价格相同，则为 29.99 欧元。 [查看评论](https://m.cnbeta.com.tw/comment/1498426.htm)

奔驰AMG系列的全新电动性能车终于揭开面纱。**这款新车定位为溜背式四门轿跑车，采用了奔驰最新的家族设计语言，细节上借鉴了Mercedes Vision AMG概念车的设计元素。**  虽然测试车还覆盖着伪装，但已经可以看出，新车的LED日间行车灯采用了奔驰家族最新的三叉星设计风格，预计前脸会搭载贯穿式的灯带，并且采用封闭式的大嘴格栅以及可点亮的车标。 [](//img1.mydrivers.com/img/20250509/27b2c6df-0980-42a9-a09e-2fee586a9eaa.png) 动力上，奔驰AMG的这款电动猛兽搭载了最新的axial-flux电机技术，这项技术拥有更高的功率密度和更紧凑的体积，理论上可以将电机安置于每个车轮，而且不会显著增加车重。 **如果采用四电机布局，该车的总功率可能接近2000马力，这将使它成为电动性能车市场的一个重量级选手，远远超过1500匹马力的小米SU7 Ultar。** [](//img1.mydrivers.com/img/20250509/3ff1bb01-fb88-4dbd-8d62-135789b8090a.png) 此外，新车还配备了液冷圆柱形电池单元，比现有电池更薄更紧凑，虽然电池容量和续航数据尚未公布，但得益于EQXX的设计基因，其能效有望超越奔驰当前的电动车型。 [](//img1.mydrivers.com/img/20250509/31173240-bf08-4851-9ba0-a2e0d8ce3e8d.png) 奔驰AMG的新电动性能车不仅在设计上充满未来感，在性能上也直逼顶级，这无疑会为电动汽车市场带来新的活力。 对于SU7 Ultra等竞争对手来说，奔驰AMG的这款电动猛兽无疑将是一个强大的挑战。 [查看评论](https://m.cnbeta.com.tw/comment/1498424.htm)

**腾讯混元宣布今天正式推出并开源全新的多模态定制化视频生成工具HunyuanCustom。**据悉，该模型基于混元视频生成大模型（HunyuanVideo）打造，主体一致性效果超过现有的开源方案。 据介绍，**HunyuanCustom融合文本、图像、音频、视频等多模态输入生视频的能力，是一款具备高度控制力和生成质量的智能视频创作工具。** 腾讯表示，HunyuanCustom模型能实现单主体视频生成、多主体视频生成、单主体视频配音、视频局部编辑等能力，其生成的视频与用户输入的参考主体能保持高度一致。 在部分场景下，创作者希望保持人物一致的情况下，改变人物所在的环境和动作。 但此前的视频生成模型都无法实现。 而HunyuanCustom通过引入身份增强机制和多模态融合模块，真正实现**“图像提供身份，文本定义一切”。** **HunyuanCustom可以满足视频创作者、短视频博主、电商从业者、广告创意人等不同用户和场景的需求。** 比如，在广告场景中，可以快捷变换商品背景、模特可以快速换衣服；在电商和客服场景中，可以快速低成本制作出生动的数字人商品介绍视频，或者制作特定穿着的数字人客服视频；在影视场景中，快速制作短剧和小故事短视频。 此外，通过业内领先的主体一致性建模能力，HunyuanCustom在单人、非人物体、多主体交互等多种场景，都能保持身份特征在视频全程的一致性与连贯性。**人物不会“变脸”，物体不会“漂移”。** 目前，单主体生成能力已经开源并在混元官网上线，**用户可以在“模型广场-图生视频-参考生视频”中体验，其他能力将于5月内陆续对外开源。** 单主体生成能力下，用户只需上传一张目标人物或物体的图片，并提供一句如“他正在遛狗”的文本描述，Hunyuan Custom就能在完全不同的动作、服饰与场景中生成连贯自然的视频内容。 [](//img1.mydrivers.com/img/20250509/2493fdb0-4695-48fc-a650-6e3b5b1afad9.png) 在多主体视频的生成中，用户提供一张人物和一张物体的照片，并输入文字描述，即可能让这两个主体按要求出现在视频里。 [](//img1.mydrivers.com/img/20250509/d9c4d0f5-334c-49db-a8c2-fdbadfc91bf1.png) 而Hunyuan Custom不止于图像和文本的配合，还具备强大的扩展能力。 在音频驱动（单主体）模式下，用户可以上传人物图像并配上音频语音，模型便可生成人物在任意场景中说话、唱歌或进行其他音视频同步表演的效果，广泛适用于数字人直播、虚拟客服、教育演示等场景。 [](//img1.mydrivers.com/img/20250509/84e17c43-042f-4c13-8b8f-b95fda0d3d65.png) 在视频驱动模式下，Hunyuan Custom支持将图片中的人物或物体自然地替换或插入到任意视频片段中，进行创意植入或场景扩展，轻松实现视频重构与内容增强。  [查看评论](https://m.cnbeta.com.tw/comment/1498422.htm)

<blockquote><p>最近，AI墙绘花女孩的视频在各大平台火爆出圈，收获了高达28万的点赞！这些充满创意与美感的作品，是如何借助AI技术制作出来的呢？本文将为你带来一份详细的保姆级教程，从拆解爆款案例、介绍制作工具，到如何模仿竞品并超越它，甚至附上了实用的提示词。</p> </blockquote>  ## 1拆解案例 大家最近是不是刷到很多这样的视频，每一条都是上万的点赞。  我还专门打开一位博主的主页查看了一下，一共发了几十条作品，可以说是条条爆款，粉丝已经突破10W了。  这个赛道刚火起来不久，现在加入，肯定还会有泼天的流量~ 我们今天就来详细拆解，这种视频是怎样制作的！ ## 2制作工具 想要学习的小伙伴，可以先准备一下工具。 ### 1. 提示词反推工具：豆包  ### 2. 图片制作工具：即梦AI  ### 3. 短视频制作工具：可灵AI  ### 4. 视频剪辑工具：剪映  ## 3先模仿：生成竞品 ### step1：反推提示词 我们要整，就整这些爆款的，先拿这个28.2万个小红心的练练手。  截取视频中的图片，然后丢给豆包： （记得打开深度思考哦~）  我们得到这样一段提示词  ### step2：文生图 打开我们的即梦AI，把提示词丢进去：  然后，得到了以下的结果：  仔细看一下，得到的结果，跟我们想要的好像不太一样。 主要有两方面的问题： - （1）图2和图3，少女跟墙都不是一体的； - （2）图1跟图4还可以，但少女跟花也不是一体的。这就影响我们后续短视频生成的效果了。 其他AI工具，我也试了，也不太行，这里就不展示过程了。 这充分证明了，**利用AI反推提示词，也不是万能的，如果是这么简单就把AI绘画的各种玩法都搞定了，那么那些网上卖课的，谁还买呢，对吧。** 怎么办？ 来，我们一起分析提示词吧。 - 动漫风格墙绘，少女形象，头发与粉色、黄色花朵及藤蔓自然交织，背景为斑驳老旧墙壁（墙上点缀花朵），远处有房屋，晴朗天空，阳光明媚，地面散落花瓣，画面色彩鲜艳、充满生机，细节丰富，光线柔和明亮。 我们来把提示词，庖丁解牛地分析一下，主要由这几部分构成： **（1）风格** 动漫风格。这个没问题。 **（2）主体** 墙绘，少女形象，头发与粉色、黄色花朵及藤蔓自然交织，背景为斑驳老旧墙壁（墙上点缀花朵）。 这个就有问题了，首先主体是墙绘没问题，但提示词里面，没有说明少女是墙绘的一部分！并且，提示词只说明了，头发与花朵交织，但也没详细说，具体怎么交织，所以，我们上面分析了两个问题，就出在这里！ **（3）场景** 远处有房屋，晴朗天空，阳光明媚，地面散落花瓣，画面色彩鲜艳、充满生机，细节丰富，光线柔和明亮。 场景倒没啥问题。 **提示词修正** 生成一张创意墙绘。 （明确告诉即梦，你的目的，就是生成墙绘的） **（1）风格** 动漫风格。 **（2）主体** 墙绘在斑驳老旧的墙壁上，墙绘的主体是一个动漫风格的少女，少女的头发，由茂盛的花构成，花的颜色，有粉红色和黄色，花朵包裹着女孩的头顶，仿佛给少女带上了一点绚丽的花帽子。 （明确了少女是墙绘的一部分，然后少女的头发是由花构成的，这就解决了，上述我们分析的两个问题） **（3）场景** 远处有房屋，晴朗天空，阳光明媚，地面散落花瓣，画面色彩鲜艳、充满生机，细节丰富，光线柔和明亮。 我们把修正过的提示词，丢给即梦，再试一下：  我们来看结果：  第三张不算，其他的是不是都还可以~尤其是这一张，我感觉很是不错：  别问我咋知道提示词能这么调整，毕竟我这创业期间，除了吃饭睡觉，都在研究这些玩意。 ### step3. 图生视频  注意这些我标红的部分。 尤其是提示词： 墙绘作品中，人物小女孩保持不动。小女孩头上的花朵，在微风的吹动下，自由飘扬。 我们来看一下，生成的效果： 效果是不是还不错。 **如果是追求品质，还得用可灵AI~** 有兴趣的，可以自己去试哈，也可以最后我演示的成果，就是用可灵AI生成的短视频。 ### step4. 短视频剪辑 想制作短视频的话，5秒就有点太短了，我们可以重复以上步骤，再生成两个5秒的素材，这样凑够15秒就很完美了。 另外两个素材的生成，就交给大家自己搞定啦！ 素材搞定以后，用剪映整合短视频就简单了，就三步就ok： - 1. 导入素材； - 2. 加入自己喜欢的背景音乐；（这里最好是用流量高的竞品的音乐） - 3. 加入动画转场。（我用的是渐显）  我们来看看成果如何： ## 4再超越：自己创作 之前教过大家，要对提示词进行分析，哪些是可以改动的，自己根据实际情况调整，就可以产出无数种可能。 就比如墙绘的主题，可以由动漫风格的少女，改成古典美女，花由红色改成蓝色，天气由晴天改为雨天等等。 这里，再送大家三个非常哇塞的提示词，给大家提供灵感： - 提示词：真实摄影风格，墙绘以国漫动漫少女形象为主体，少女有着大眼睛、红晕的脸颊。特别之处在于，少女的头发部位由墙内高出墙头真实生长的巨大的繁茂花簇构成，紫色、白色花朵相互交织，自然爆炸垂落，与墙绘的少女形象巧妙融合，仿佛是少女的头发 。背景是斑驳浅色矮墙面，旁边还有街道、电线杆，马路等实景元素。整体营造出一种自然与艺术交融的奇幻、唯美的氛围，给人带来独特的视觉享受。正面视角，中远景。  - 提示词：在一条城市街道的一面围墙上，墙绘的主体是一位唐朝美人，动漫形象，少女的头发部分由大量的茂盛的多彩花朵构成，花朵密集，包裹着女孩的头顶。仿佛给少女带上了一顶绚丽的花帽子，这些花密密麻麻覆盖了整个墙头，茂密的长长的花枝垂落下来，地上掉落很多花瓣，花朵细节逼真，花根在一侧，背景是房子，前景是宽阔的道路，大景深，超广角，真实照片，写实风格，32k超清，色彩艳丽  - 提示词：这是一幅正面创意的墙绘。一面破旧的围墙上。墙绘的主体是一位动漫少女的形象，头发丝流畅呈现出微卷的状态。少女的头发部分由大量的茂盛的花构成，青蓝色的花，花朵密集，密密麻麻，层层叠叠，花枝延展开来，花朵包裹着女孩的头顶。花朵从墙顶倾泻而下，仿佛给少女带上了一点绚丽的花帽子，花盆在左侧地面上，花枝延展到墙上，背景是开阔的街道，地面由红砖铺成。墙绘下方有两人，一人手持手机似在拍摄墙绘，另一人在旁，呈现户外日常场景。整体风格写实与唯美结合，色彩鲜明生动，具备强烈视觉冲击力。  本文由人人都是产品经理作者【晓庄同学】，微信公众号：【晓庄AI创业笔记】，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>京东外卖和淘宝闪购在即时零售领域的竞争日益激烈。文章《京东外卖70天白忙？淘宝闪购6天达成单日千万单》分析了两家平台在五一期间的表现，淘宝闪购仅用6天就实现了日订单量突破千万单的壮举，而京东外卖则耗时70天才达到同样的目标。这一差异不仅体现了两家公司在市场营销效果上的差异，也反映了即时零售行业从流量争夺到能力比拼的逻辑演进。文章深入探讨了京东外卖面临的挑战，以及淘宝闪购如何通过高效的资源整合和市场策略迅速占领市场，为读者提供了对即时零售行业竞争态势的深刻洞察。</p> </blockquote>  五一期间，即时零售领域出现一组引发行业关注的数据对比，饿了么来自淘宝闪购的订单量，从4月30日至 5月5日，仅用6天时间实现订单量突破1000万单；而京东外卖自2月12日上线后，直到4月22日才达成千万单，耗时整整70天。  京东70天达成的成绩，淘宝闪购6天就做到了，这一效率差异不仅反映节点营销效果，折射出即时零售从流量争夺到能力比拼的行业逻辑演进。 作为传统电商巨头，京东试图复制“补贴开路 + 舆论造势” 的旧有打法，以外卖高调入局即时零售时，可能没有想到自己前期通过广告轰炸和低价补贴培育的用户心智，却为淘宝闪购做了嫁衣。 不仅如此，京东依赖补贴刺激的增长模式如同沙滩上的城堡，本来试图挑战美团，但现实是淘宝闪购一出招也难以招架，令持“老大老二打架”论的看官们都感到尴尬。 ## 京东“补贴”，突围的怎么是淘宝闪购？ 京东的高调入场，意外成为淘宝与饿了么生态融合的催化剂。 当京东以“0 佣金”策略吸引商家入驻，并在社交媒体、短视频平台发起密集的舆论攻势，试图将“上京东点外卖”的概念植入用户心智时，这种“砸钱换流量”的策略，却在客观上为淘宝闪购完成了市场教育 —— 当用户开始接受电商App 也能点外卖，淘宝凭借庞大的流量池和饿了么成熟的本地服务能力，迅速承接了这波消费需求。 流量转化的“反向渗透”成为京东始料未及的困境。毕竟，当京东大水漫灌收获了一波短期成绩后，已逐步开始降低对消费者侧的补贴，但饿了么却联手淘宝闪购瞄准了五一前夕消费市场呈现微妙的竞争空窗期，发起“突围”。 4月30日，淘宝“小时达”正式升级为“淘宝闪购”，联手饿了么以“节日场景+价格优惠”双轮驱动打开流量入口，通过淘宝首页的强曝光引流、饿了么 APP 的定向优惠券发放。  此时，京东对商家的免佣政策和补贴力度都在五一前夕明显收缩，那些被低价吸引的消费者迅速流失，而淘宝闪购却凭借电商生态的黏性实现了用户留存。 ## 供给侧的差距进一步放大了这种劣势。 即时零售的核心是满足碎片化、本地化的消费需求，商品供给的丰富度和适配性至关重要。 作为传统电商出身的平台，京东在即时零售的供给端面临天然劣势。其传统优势在于自营商品的全国仓配体系，而即时零售的核心是“近场消费”，依赖本地商户与线下门店的深度绑定。 京东外卖目前仅限“品质堂食餐厅”入驻，覆盖品类集中在咖啡、奶茶、卤味、快餐等领域，而中小餐饮商家、生鲜超市、便利店等高频刚需业态尚未大规模接入。这种策略，导致平台商品选择有限，难以满足消费者即时消费的多样性需求。 普惠性不足的直接表现是商户数量差距悬殊。截至 2025年4月，京东外卖入驻商家约45万家，与美团、饿了么均存在巨大悬殊。 饿了么依托深耕多年的本地商户网络，整合了星巴克、麦当劳等数千个品牌的专属套餐，同时接入生鲜超市、便利店等高频刚需业态，形成“千城千面”的本地化供给体系。数据显示，活动期间多个城市奶茶、咖啡、快餐品类订单量年同比增长均超过100%。 “高频场景不足 + 全品类覆盖缺失”的短板，让京东在节日消费高峰中难以满足用户多样化需求，而饿了么却通过“全品类+低价 + 即时配送”的组合拳，做到了对价格敏感型和品质型用户的双重收割。 这一竞速赛，京东又花钱又吆喝，本以为能与美团掰上手腕，却没想到却让淘宝闪购借势反超，并让京东眼睁睁看了一出阿里内部资源的高效协同：淘宝借即时零售场景延伸来新客户、强化“小时级消费”定位，饿了么则通过订单增长扩大市场份额，形成“流量共享、能力互补”的双赢格局。 ## 即时零售，京东难搅局 在即时零售的核心战场，京东因为美团闪购侵入其腹地而被迫启动外卖，但目前看来京东没有展示出能够阻挡美团闪购的迹象。 即时零售的核心是“近场履约”，而配送网络是支撑这一模式的生命线。美团通过餐饮外卖业务构建的运力体系，成为其不可逾越的护城河。2024年，美团月均有单骑手336万，形成了密度最高的同城配送网络。 反观京东，《晚点 LatePost》数据显示：“京东体系下的达达披露其拥有130万年活跃骑手，目前实际有3万- 4万名事实上全天在平台工作的骑手。” 这个数字如今伴随着京东日订单量迅速达到1000万单应该已有所增加，但对比美团，仍是不够看。  同时，即时零售要求骑手单次配送多，需依赖算法实现“分钟级路径优化”，美团基于海量数据训练的AI算法可预测订单需求、动态调整骑手路线，将平均配送时长压缩至28分钟内，但京东物流调度系统尚未突破传统电商的技术框架，尤其是在订单高峰期难以快速调配弹性运力，进一步加剧了履约环节的压力。 《新消费日报》采访的骑手表示：“当前的京东的外卖配送系统尚不具备此类优化算法。骑手接到的订单有一定概率不顺路，甚至是“南辕北辙”，同一个地址的两个订单也会随机派送给不同方向的骑手。” ## 在商家供给端，美团更是呈现出量与质的双重优势碾压。 美团财报显示，2024年，美团年交易用户数超7.7亿人、年活跃商户数增至1450万户，创下新高。同时，截至2024年末，美团闪购已和超5600家大型连锁零售商、41万本地小商户以及超570家品牌商达成合作。到目前，美团闪购的日均单量已飙至1800万单。 目前的京东，供给端不仅在数量上缺口巨大，那些冲着免佣与流量扶持的入驻商家，也开始面临难题。公开报道显示，不少入驻商家发现京东的系统尚不完善，配套服务滞后。 《海豚投研》总结了一个观点：美团的壁垒并非单一技术或资源，而是用户习惯、商户依赖、骑手网络、数据算法、生态协同的系统。在这样的“系统级优势”下，京东等新进入者可在局部发起补贴战，但想要在用户体验、履约效率、商户黏性三个维度同步突破，是一件极具挑战的事情。 资本市场对于京东的入局，也持有同样的负面观点——当饿了么用6天就达成京东70天才做到的成绩时，京东根基的脆弱性早已暴露无遗。从股价表现来看，过去一个月，京东股价表现弱于基准指数。摩根大通认为，京东的入局不会显著改变当前市场结构。 对于京东而言，即时零售的未来充满迷雾。若继续依赖补贴争夺价格敏感型用户，只会陷入 “停补即退”的死循环；若尝试补课本地商家生态与运力建设，又面临着两大对手的双重压制：目前的行业领跑者美团，以及兼具淘宝零售供给和饿了么运力基建的淘宝闪购。 这种差距，或许不是花钱追赶就能解决的，而是需要重新审视赛道本质：这是一场关于“生态完整性、供应链韧性、用户价值可持续性”的全维度较量。 现在看来，京东入局外卖，造成最大的行业影响是“引”出了“淘宝+饿了么”合体形态的淘宝闪购。但在这场生态战争中，京东自身仍然只是一个行业新玩家，别说挑战美团、饿了么，自己能否稳住外卖业务都还有很长的路要走。 本文由人人都是产品经理作者【王新喜】，微信公众号：【热点微评】，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>在短视频内容创作的浪潮中，一种新颖的小丑自嘲文案风格迅速走红，仅用3天就实现了500万播放量。文章《3天500万播放量，小丑自嘲文案火了！（附详细教程）》深入解析了这一现象背后的创作秘诀，并提供了一套详细的制作教程。通过结合经典小丑形象和触动人心的文案，这种内容形式不仅吸引了观众的注意，也激发了广泛的共鸣。本文将引导你了解如何利用AI工具和创意提示词，制作出同样引人入胜的短视频，为你的内容创作之路提供新思路。</p> </blockquote>  文章目录 1. 拆解案例展示 2. 制作工具介绍 3. 先模仿：生成竞品 4. 再超越：自己创作（附赠提示词）1拆解案例大家最近有没有刷到这样的短视频：  也不知道哪个鬼才想出来的，将小丑IP与扎心的自嘲文案结合，这想不火都难啊！毕竟小丑这个角色，太深入人心了，尤其是癫狂跳舞这一段，再配上经典的BGM，早已成就影史经典符号！ ![]() 这个赛道刚火起来不久，现在赶紧加入，还能得到流量的眷顾。最起码我目前在抖音上是搜到了一些账号在发布这类短视频，公众号上面，目前还没怎么看到。我们今天就来详细拆解，这种视频是怎样制作的！还是老规矩，想要学习的小伙伴，先准备一下工具。 1. 提示词反推工具：豆包  2. 图片制作工具：即梦AI  3. 短视频制作工具：可灵AI  4. 视频剪辑工具：剪映 3先 模仿：生成竞品step1：反推提示词截取视频中的图片，然后丢给豆包：（记得打开深度思考哦~） 我们得到这样一段提示词 一个绿发、妆容夸张的小丑身着棕色西装，嘴叼香烟，立于雨夜城市街头，脚下散落多个啤酒瓶。背景是石墙，上方广告牌醒目显示文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。昏暗路灯洒下微光，地面潮湿反光，营造出压抑却蕴含力量的氛围，整体色调偏暗，突显雨夜街头的孤寂与坚韧感。step2：文生图打开我们的即梦AI，把提示词丢进去：  然后，得到了以下的结果： 整体感觉还好，就是文案部分，感觉读起来有点吃力！我们来把提示词，庖丁解牛地分析一下，看看怎么优化一下：一个绿发、妆容夸张的小丑身着棕色西装，嘴叼香烟，立于雨夜城市街头，脚下散落多个啤酒瓶。背景是石墙，上方广告牌醒目显示文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。昏暗路灯洒下微光，地面潮湿反光，营造出压抑却蕴含力量的氛围，整体色调偏暗，突显雨夜街头的孤寂与坚韧感。 （1）风格昏暗路灯洒下微光，地面潮湿反光，营造出压抑却蕴含力量的氛围，整体色调偏暗，突显雨夜街头的孤寂与坚韧感。 （2）主体一个绿发、妆容夸张的小丑身着棕色西装，嘴叼香烟。 （3）场景立于雨夜城市街头，脚下散落多个啤酒瓶，背景是石墙。 （4）文案上方广告牌醒目显示文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。我们刚才也看到生成的图片了，除了文案看起来有点吃力之外，其他的还好。 我们可以参考竞品的图片，把文案部分调整一下： 上方有一个黄色的广告牌，上面醒目显示着黑色的文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。我们把修正过的提示词，丢给即梦，再试一下：  我们来看结果： 这感觉就好多了，如果你还是嫌文案看起来有点吃力的话，那么可以再花一个积分，将图片搞成超清的：  大家自己看，这是不是就很OK了~  step3. 图生视频用即梦也可以图生视频，但效果没有可灵好，我们直接用可灵给大家演示一下：打开可灵AI（我用的是国际版的，可以白嫖积分的那种，白嫖攻略，文末课程当中整理的有，有需要的，可以自行查看）  然后输出生成短视频的提示词：男人抽着烟，低头踱步  我们来看一下，生成的效果：是不是感觉还可以，再配上BGM，那感觉就来了，我们继续。 step4. 短视频剪辑我们打开剪映，其实小丑文案的精髓，有两部分： 1. BGM也就是《that girl》那种歌，音乐一想，就总能想起，小丑在台阶上跳疯癫舞蹈的画面。  这个很好找，直接添加一下就行。 2. 笑声小丑的笑声，那绝对是这个IP的精髓。  但小丑的笑声，在音效库里面，就没找到合适的了，这个时候咋办？再教给大家一种方法，贼简单好用，总共分三步： （1）去抖音搜索关键字“小丑笑声癫狂”  （2）找一个可下载的短视频，将其保存到本地  （3）打开剪映，点击“音频提取”，这样我们就可以获取到既有《that girl》又有小丑笑声的BGM啦！  将这个BGM加到我们自己的短视频当中，我们来看一下最终的成果：（我换了一个场景，我觉得这个更有感觉，哈哈哈） 4再超越：自己创作之前教过大家，要对提示词进行分析，哪些是可以改动的，自己根据实际情况调整，就可以产出无数种可能。这里，再送大家三个非常哇塞的提示词，给大家提供灵感： ### 提示词 一个穿着棕色西装的小丑躺在路上天空下着小雨，两边路灯嘴里叼着烟凌乱的啤酒瓶看着路上的广告牌“不愧疚吗？在我最信任你的时候拿我当傻子耍了又耍”画面伤感一点  ### 提示词 蝙蝠侠里面的小丑人物形象，站在欧式风格的街道上，站在雨中，密集的雨滴洒落到小丑身上，滑落到地面，溅起水花  小丑抽着烟，头顶上是一个巨大广告牌，广告牌上写着  从眼里流下谢谢两个字 尽管叫我疯子 不准叫我傻子。 ### 提示词 ###  在一个雨夜下，路边的石墙上醒目的大广告牌，广告牌正面展示：“ 未经他人苦，莫劝他人善。 ”，一个孤独的菲尼克斯版小丑站在广告牌下，仰着头抽着烟闭着眼，脚边散落着几瓶啤酒，广告牌正面展示。 本文由人人都是产品经理作者【晓庄同学】，微信公众号：【晓庄AI创业笔记】，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。

烘焙赛道的 “轮替周期” 短暂，这次，海底捞能成吗？

<blockquote><p>在数字营销时代，用户购后评论数据蕴含着巨大的商业价值。本文通过实操案例，展示了从数据收集、标签体系构建到洞察提炼的全过程，深入探讨了如何利用人工智能（AI）技术对这些数据进行深度分析，以洞察用户的真实需求和市场趋势。</p> </blockquote>  从海量用户评价中剖析出市场需求，无异于沙里淘金。 一方面在于用户评价很多时候是不痛不痒的「中评」，看不出来顾客到底想表达什么？ 另一方面在于「海量」，评价太多了，根本看不完，如果用传统的python等工具分析，工作量又非常大。 更不用说： 1. “标准统一吗？”——主观判断的困扰： 不同的人对同一条评论的理解可能千差万别。今天A同学打的标签，明天B同学可能就不认同。这种“尺子”不统一的问题，导致分析结果的准确性和可信度大打折扣。 2. “挖得深吗？”——表面现象的迷雾： 传统的关键词统计或许能告诉你用户在讨论什么，但很难揭示这些讨论背后的深层原因、情感倾向以及不同用户群体的差异化需求。我们往往只能停留在“用户提到了XX”的层面，难以形成真正驱动决策的洞察。 幸好，AI来了。 但即使在AI时代，很多人做用户评论分析的方法就是直接把采集到的用户评论一股脑扔进AI里，让AI自己去分析得出结论。基本上这样的结论，要么是数据幻觉严重，要么是时好时坏，跟买彩票一样。 那么，如果你想稳定得到有效的用户评论洞察分析报告，就需要有一套方法框架，然后在这个基础上搭建一个AI工作流。今天我们就来做这样的实践。 下图就是此次实操做的用户购后评论AI洞察报告： 它不仅能做正确的数据统计，还能实现评论打标后的频次与交叉分析，最终得出关键洞察与行动建议。 （此次分析是基于业务场景来做的，报告结果也得到了业务的认可，具体可见文末。）  在正式开始之前，我们做分析还是要带入真实的业务场景。 假设我们是卖下面这块自动理毛器的。  产品地址：https://www.amazon.com/PawSwing-AutoComb-Automatic-Surround-biomimetic/dp/B0DMSVNTC1/ref=cm_cr_arp_d_product_top?ie=UTF8 可以看到，亚马逊上的评论内容都很丰富，很适合拿来做评论洞察分析。 用户购后评论 ## 洞察分析方法论 在做任何分析之前，必须有「章法」也就是方法论、理论框架。 以下就是我们做用户购后评论洞察分析的方法论，图片是总结。  往下，可以看到这个方法论是怎么把一大块一大块的用户评论，逐渐拆解成多个标签，然后再基于标签做交叉洞察分析，得出我们想要的业务建议的。 ### 核心目标 通过深度分析用户购买后留下的真实评论，洞察用户在实际使用中的满意点、痛点、未被满足的需求以及潜在期望，从而指导目标人群画像优化、产品迭代/创新及精准内容营销。 ### 分析框架 基于产品的4大用户价值层级： 1. 人群 + 场景 (Crowd + Scenario): 用户是谁？他们的猫是什么样的？他们在什么情况下使用/期望使用这款猫咪自助理毛器？ 2. 功能价值 (Functional Value): 这款自助理毛器解决了用户的什么核心问题（如减少猫毛、猫咪自娱自乐）？各项宣称功能（如模仿猫舌、收集猫毛、智能喂食器）表现如何？ 3. 保障价值 (Assurance Value): 产品的材质质量、耐用性、安全性（对猫友好）、品牌服务（如说明书、配件）如何？ 4. 体验价值 (Experience Value): 用户（和猫）在安装、引导、日常使用、清洁过程中的整体感受如何？（便捷性、猫咪接受度、产品设计美观度、噪音等） ## 落地步骤 ### 阶段一：准备与规划 **Step 0: 明确分析目标与范围** 目标：本次分析是为了优化AutoComb自助理毛器的用户体验，并为下一代产品寻找创新点，同时提炼更精准的营销沟通信息。 产品范围：明确分析亚马逊上 “AutoComb Automatic Cat Self Groomer, 360° Surround Self Grooming For Cats…” (白色款) 的评论。 时间范围：选取产品上市以来至近一个月的所有评论。 平台范围：亚马逊美国站。 ### 阶段二：数据收集与处理 **Step 1：购后评论数据收集** 渠道：从亚马逊该产品页面的“Customer reviews”模块获取数据。 工具：可使用亚马逊后台评论导出、第三方评论分析工具或浏览器插件。 内容：收集评论文本、星级评分、Verified Purchase标识、评论图片/视频、评论日期、用户名（用于识别是否多猫家庭的线索）等。 **Step 2：构建分析标签体系核心原则** 围绕4大用户价值层级，结合AutoComb产品特性，设计细化标签。 标签示例 (以AutoComb为例)： 1）人群+场景： - 养猫人群特征：长毛猫主、多猫家庭、猫咪体型(大/小)、猫咪性格(胆小/好奇)、猫咪年龄(幼猫/成年猫/老年猫)、猫主人经验(新手/老手)、对猫毛困扰程度(高/中/低)。 - 使用场景/期望：减少家中浮毛、猫咪自娱自乐、替代人工梳毛、猫咪躲避空间/小窝、猫咪行为训练(结合零食机)、作为猫咖/救助站用品。 2）功能价值： - 核心理毛功能：理毛效果(去浮毛量)、模仿猫舌设计感受、自清洁刷毛、360°环绕理毛。 - 智能喂食功能：零食机引诱效果、零食机易用性、零食机充电/续航、零食机记录功能(QR码)。 - 猫毛收集功能：猫毛收集便利性、猫毛毡化元素(趣味性)。 - 适应性：适应不同体型猫咪、入口大小调节。 - 供电方式：无需电力(理毛部分)。 3）保障价值： - 产品材质/质量：材料质感(如毛毡、塑料)、结构稳固性、耐用性(如按扣、刷毛)、配件质量(如充电线)、产品有无异味。 - 品牌服务/支持：安装说明清晰度(如超大说明书)、配件提供(如额外刷头)、客服响应。 - 猫咪安全性：材质对猫安全、无锐利边角、刷毛温和度。 4）体验价值： - 安装体验：安装便捷度(如按扣设计)、是否需要工具、安装耗时。 - 猫咪接受度/使用体验：猫咪初次反应、猫咪适应过程/时长、猫咪是否喜欢/主动使用、猫咪在内部停留时长/行为(睡觉/观察)、猫咪是否会玩耍/互动。 - 主人操作体验：入口大小调节便捷性、零食机操作便捷性、清洁便利性(特别是底部)、产品移动便携性(重量vs便携)。 - 感官体验：产品外观设计、产品体积/占空间、运行噪音(若有)、零食机屏幕可读性。 - 价格感知：性价比、价格是否过高。 - 情感价值：是否减轻主人负担、是否增进人宠互动(反向，如评论中提到的“disconnects you from bonding time”)、趣味性(如猫毛毡化)、推荐意愿。 情感倾向标签：为每个细分标签点再打上正面、负面、中性/建议的情感倾向。 **Step 3：评论逐条打标与归因方法** 可以借助飞书多维表格的「快捷指令」来完成。 示例评论： <blockquote><p>“Great quality and works well to help groom my very long haired Siberian cat. He’s quite big and he still has no issues making himself comfortable in it. It’s also his hidy-hole… He loves getting treats in it as well… this does help with the amount of cat hair that we usually have to clean up.”</p></blockquote> 打标： - 保障价值 -&gt; 产品材质/质量 -&gt; 正面 - 功能价值 -&gt; 理毛效果(去浮毛量) -&gt; 正面 - 人群+场景 -&gt; 长毛猫主 -&gt; 中性 - 人群+场景 -&gt; 猫咪体型(大) -&gt; 中性 - 体验价值 -&gt; 猫咪接受度/使用体验(舒适/藏身处) -&gt; 正面 - 功能价值 -&gt; 智能喂食功能(零食机引诱效果) -&gt; 正面 ### 阶段三：数据分析与洞察提炼 **Step 4：数据量化与统计分析** 频次统计：统计“安装便捷度(正面)”提及20次，“安装便捷度(负面，如按扣难扣)”提及5次。 交叉分析： - 人群 x 需求点：分析多猫家庭评论中，对零食机引诱效果的评价是正面居多还是负面居多。 - 场景 x 需求点：分析期望减少家中浮毛的用户，对理毛效果的满意度如何。 - 痛点与亮点：“猫咪适应过程(需要耐心引导)”可能是常见中性/建议点，“零食机引诱”是亮点，“价格过高”是常见痛点。 趋势分析 (可选)：分析早期评论和近期评论中，对“安装便捷性”的反馈是否有变化（可能与产品批次或说明书更新有关）。 **Step 5：洞察提炼与解读** 围绕4大价值层级进行总结： - 人群+场景洞察：购后评论显示，产品对长毛猫和多猫家庭有一定吸引力，但猫咪性格(胆小)是接受产品的一大挑战。部分用户将其视为猫咪的私密空间而非纯粹的理毛工具。 - 功能价值洞察：零食机引诱功能被普遍认为是引导猫咪使用的有效手段。理毛效果方面，用户反馈不一，部分认为有帮助减少浮毛，但不能完全替代人工刷毛。入口大小调节功能受到好评。 - 保障价值洞察：用户对产品使用的材料质感（如毛毡的稳固性）评价不一，部分认为“well built”，部分认为“flimsy”。安装说明清晰度有提及，但按扣的安装体验是负面反馈点之一。 - 体验价值洞察：安装过程（特别是按扣）是一些用户的痛点。猫咪适应过程需要主人耐心和正确引导，遵循说明书很重要。产品体积较大、底部不易清洁是体验上的不足。价格感知普遍偏高。 识别关键问题与机会： - 核心痛点：猫咪接受度与训练成本、部分组件安装困难、底部清洁不便、性价比感知。 - 独特优势：零食引诱与理毛结合的创新概念、猫咪的“私密小窝”属性。 - 未满足需求：更简易的安装方式、更易清洁的底座材质、针对不同性格猫咪的更细化引导方案、更具竞争力的价格。 ### 阶段四：洞察应用与行动 **Step 6：将洞察应用于业务决策** 1）目标人群画像 优化/生成： 输入：Step 5中用户常说的“hidy-hole”、“treat dispenser is key”、“takes time to acclimate”、“helps with cat hair”、“hilarious cat hair felting”。 输出： - 优化画像：更强调“愿意投入时间训练猫咪的爱猫人士”，而非“追求一劳永逸的懒人猫主”。 - 细分画像：“科技养宠尝鲜者”，他们对新奇产品感兴趣，愿意为“智能化”、“自动化”付费，但对实际效果和易用性有较高期待。 - 画像描述应包含：养宠情况（猫品种、数量、性格），养宠痛点（猫毛、猫咪独自在家的娱乐），对新产品的态度，对价格的敏感度，以及对产品功能、体验的期望（如易于引导猫咪使用、真实有效的理毛效果）。 2）产品开发： 老品优化： 输入： Step 5中关于“按扣安装困难”、“底部毛毡不易清洁”、“零食机屏幕难读”、“部分猫咪对刷头不适或理毛效果不佳”的反馈。 输出： - 功能价值：研究更有效的刷毛材质和结构，优化入口调节机制以适应更多猫咪。 - 保障价值：改进按扣设计或采用其他更稳固便捷的连接方式，考虑使用更耐用的毛毡或提供可更换的毛毡部件。 - 体验价值：底座改为可拆卸清洗的防水材质，增大零食机屏幕或优化显示，提供更详细的猫咪引导视频教程。 新品机会挖掘： 输入：用户对“更低价格但保留核心引诱和轻度理毛功能”的潜在需求，或对“模块化设计，可单独购买喂食模块或理毛模块”的兴趣。 输出： 概念1: “AutoComb Lite”，简化版，专注于零食引诱和基础理毛，价格更亲民。 概念2: “智能猫咪互动站”，强化娱乐和喂食功能，理毛作为辅助，增加App互动和远程控制。 3）内容营销： 输入：Step 5中关于“长毛猫主”、“多猫家庭主人”、“对猫咪行为训练有耐心的主人”的洞察，以及他们对“减少浮毛”、“猫咪娱乐与奖励”、“产品耐用性”的关注。 输出： - 卖点提炼与沟通：强调“零食引诱，让猫咪爱上梳毛”、“不仅是理毛器，更是猫咪的私享空间”、“有效减少家中飞毛”。 - 痛点共鸣与解决方案呈现：制作“如何快速让猫咪适应AutoComb”的教程视频/图文，强调遵循说明书的重要性。针对“价格高”的顾虑，可以突出其多功能性（理毛+喂食+娱乐+猫窝）和长期使用的价值。 - 场景化内容：“长毛猫换毛季的救星：AutoComb实测”、“多猫家庭和谐养宠，从共享AutoComb开始”。 - 用户证言收集：筛选那些成功引导猫咪使用并看到效果的正面评价，特别是包含猫咪可爱使用视频/图片的评论。 - FAQ与客服脚本优化：针对“安装困难”、“猫不进去怎么办”、“清洁问题”等高频疑问，提供标准答案和解决方案。 关键考量 - 样本量：确保分析的评论数量足够代表整体用户，避免因样本过小导致结论偏差。 - 评论时效性：优先分析较新的评论，更能反映当前用户的心声。 - 去伪存真：注意识别和过滤无效评论、恶意差评或刷好评。 - 动态迭代：用户需求和市场环境是变化的，购后评论洞察应定期进行，标签体系和分析重点也可能需要随之调整。 - 结合其他数据：将评论洞察与其他数据（如销售数据、客服反馈、调研数据、行业报告）结合，进行多维度验证，使结论更可靠。 ## AI评论分析实践 OK，看了理论之后，我们就对用户评论洞察有了概念，但如果让你直接上手去做，就会发现有很多卡点。不着急，我们来逐个解决。 （这里跳过数据采集部分，可以参考上一期我介绍的AI爬虫，也可以用RPA去采集。） ### 从问题说起 做用户评论的关键在于给评论打多个不同维度的标签，也称为「打标」，具体执行上，我们可以把评论逐个发给AI，让AI返回打标结果给我们。 但问题来了。 每次发评论给ai都是独立的，也就是说ai每次打标签的标准是不统一的，包括标签的名字也不一样，这个怎么解决？ 理论上说，应该先设计一套标签体系，再让ai在这个标签范围内去挑选打标签，但每次产品都不同，或者情况都不同，怎么才能快速用ai建立好标签体系呢？而且还是一个符合业务落地的标签体系。 这里就特别需要AI的能力： 先把一部分评论扔给AI（如果量少的话直接全部扔进去都行，需要长上下文的王者支持，例如Gemini、KIMI等），然后再人工调整。 ### 生成标签体系 下面是我这次用到的提示词，有几个关键地方： 1. 理论学习，要把我们的理论框架扔给AI，它才能跟我们同频 2. 标签设计原则，标签不是随便打的，至少要符合MECE原则 3. 输出示例与结果格式，最终我们得到的标签体系是要扔给AI继续做下一步的，所以最好拿到JSON的格式 <blockquote><p># AI提示词：构建用户评论分析标签体系</p> <p>## 您的任务：<br/> 您是一位经验丰富的产品分析专家和自然语言处理专家。您的任务是基于我提供的一批用户购后评论文本，为该产品构建一个结构化的、多层级的分析标签体系。这个标签体系将用于后续对每条评论进行细致的分类和打标，以便深入洞察用户需求和反馈。</p> <p>## 核心理论知识（请先学习并理解）</p> <p>1. 用户价值层级模型： 我们将从用户的角度出发，将他们对产品的关注点和评价归纳到以下四个核心价值层级。您的标签设计需要围绕这些层级展开：<br/> * 人群与场景 (Crowd &amp; Scenario): 描述的是“谁”在“什么情况下”使用或提及产品。这包括用户的身份特征、所处环境、使用产品的具体情境或期望达成的目标。<br/> * 功能价值 (FunctionalValue): 指产品为了解决用户的核心问题所提供的具体功能、性能表现以及操作特性。<br/> * 保障价值 (AssuranceValue): 涉及产品的质量、耐用性、安全性、可靠性，以及品牌提供的售前、售中、售后服务和支持。<br/> * 体验价值 (ExperienceValue): 涵盖用户在与产品交互的整个生命周期中的主观感受，包括感官体验（外观、声音、气味等）、操作便捷性、情感连接等。</p> <p>2. 标签设计原则：<br/> * 层级性： 标签体系应具有清晰的层级结构（一级标签、二级标签、三级标签）。<br/> * 覆盖性： 能够尽可能全面地覆盖评论中用户提及的主要议题。<br/> * 互斥性（理想状态）： 同一级下的标签应尽可能互斥，避免语义重叠过多。<br/> * 简洁性： 每个标签的名称应简洁明了，尽量不超过5个汉字。<br/> * 客观性： 标签本身不应包含情感倾向（如“效果好”、“质量差”），仅客观描述讨论的主题（如“清洁效果”、“产品材质”）。情感分析将在后续打标步骤中独立进行。<br/> * 可扩展性： 体系应具备一定的灵活性，方便未来根据新的评论内容进行补充和调整。</p> <p>标签体系层级结构定义：</p> <p>* 一级标签 (Level1Tag): 必须是以下四个固定维度之一：<br/> 1.`人群场景`<br/> 2.`功能价值`<br/> 3.`保障价值`<br/> 4.`体验价值`</p> <p>* 二级标签 (Level2Tag): 是对一级标签的进一步细分，代表了该价值层级下的主要关注领域。<br/> * 示例（针对一款“猫咪自助理毛器”产品，仅作启发，您需要根据提供的实际评论生成）：<br/> * 一级标签：`人群场景`<br/> * 二级标签：`养宠特征` (如猫品种、数量、年龄、性格)<br/> * 二级标签：`使用期望` (如减少浮毛、猫咪娱乐)<br/> * 一级标签：`功能价值`<br/> * 二级标签：`理毛功能` (如理毛效果、刷毛设计)<br/> * 二级标签：`喂食功能` (如零食引诱、机器操作)<br/> * 二级标签：`猫毛收集`<br/> * 一级标签：`保障价值`<br/> * 二级标签：`产品质量` (如材质、耐用性)<br/> * 二级标签：`品牌支持` (如安装说明、配件)<br/> * 二级标签：`猫咪安全`<br/> * 一级标签：`体验价值`<br/> * 二级标签：`安装体验`<br/> * 二级标签：`猫咪反应` (如接受度、使用行为)<br/> * 二级标签：`主人操作` (如清洁、调节)<br/> * 二级标签：`感官感受` (如外观、体积、噪音)<br/> * 二级标签：`价格感知`</p> <p>* 三级标签 (Level3Tag): 是对二级标签的具体化，代表了用户评论中实际讨论到的、更细致的主题点。这是您需要根据提供的评论文本重点设计的部分。<br/> * 示例（续上例，针对“猫咪自助理毛器”）：<br/> * 一级标签：`功能价值`<br/> * 二级标签：`理毛功能`<br/> * 三级标签：`理毛效果`<br/> * 三级标签：`刷毛材质`<br/> * 三级标签：`入口调节`<br/> * 二级标签：`喂食功能`<br/> * 三级标签：`零食引诱`<br/> * 三级标签：`喂食机操作`<br/> * 三级标签：`喂食机续航`<br/> * 一级标签：`体验价值`<br/> * 二级标签：`安装体验`<br/> * 三级标签：`安装便捷`<br/> * 三级标签：`安装耗时`<br/> * 三级标签：`按扣设计`<br/> * 二级标签：`猫咪反应`<br/> * 三级标签：`猫咪喜欢`<br/> * 三级标签：`猫咪害怕`<br/> * 三级标签：`适应过程`</p> <p>您的具体操作指令：</p> <p>1. 仔细阅读并分析我稍后提供的一批用户购后评论文本。<br/> 2. 基于上述理论知识、层级结构定义和设计原则，为这批评论所讨论的产品生成一个三级标签体系。<br/> 3. 一级标签和二级标签的类别和名称，您可以参考我给出的示例进行扩展或调整，使其更贴合实际评论内容，但一级标签必须是固定的四个维度。<br/> 4. 三级标签是您创造性的核心，需要您从评论中提炼用户实际讨论的具体议题点，并用简洁的词语命名。<br/> 5. 确保每个三级标签都归属于一个明确的二级标签和一级标签。<br/> 6. 输出格式要求：请以结构化的JSON格式输出您设计的标签体系。 这样便于我直接将其用于后续的AI打标任务。格式如下：</p> <p>“`json<br/> [<br/> {<br/> “level_1_tag”: “人群场景”,<br/> “level_2_tags”: [<br/> {<br/> “level_2_tag_name”: “养宠特征”, // (示例二级标签，请您根据文本生成)<br/> “level_3_tags”: [<br/> “猫咪品种”, // (示例三级标签，请您根据文本生成)<br/> “猫咪数量”,<br/> “猫咪年龄”<br/> ]<br/> },<br/> {<br/> “level_2_tag_name”: “使用期望”, // (示例二级标签)<br/> “level_3_tags”: [<br/> “减少浮毛”,<br/> “猫咪娱乐”,<br/> “替代人工”<br/> ]<br/> }<br/> // … 更多该一级标签下的二级标签及其三级标签<br/> ]<br/> },<br/> {<br/> “level_1_tag”: “功能价值”,<br/> “level_2_tags”: [<br/> {<br/> “level_2_tag_name”: “核心功能A”, // (示例二级标签，请替换为具体功能，如 理毛功能)<br/> “level_3_tags”: [<br/> “功能A效果”, // (示例三级标签，如 理毛效果)<br/> “功能A设计”, // (示例三级标签，如 刷毛设计)<br/> “功能A参数” // (示例三级标签，如 入口大小)<br/> ]<br/> },<br/> {<br/> “level_2_tag_name”: “辅助功能B”, // (示例二级标签，如 喂食功能)<br/> “level_3_tags”: [<br/> “功能B效果”, // (示例三级标签，如 零食引诱)<br/> “功能B操作” // (示例三级标签，如 喂食机操作)<br/> ]<br/> }<br/> // … 更多该一级标签下的二级标签及其三级标签<br/> ]<br/> },<br/> {<br/> “level_1_tag”: “保障价值”,<br/> “level_2_tags”: [<br/> // … 请您根据文本设计二级和三级标签<br/> ]<br/> },<br/> {<br/> “level_1_tag”: “体验价值”,<br/> “level_2_tags”: [<br/> // … 请您根据文本设计二级和三级标签<br/> ]<br/> }<br/> ]<br/> “`</p> <p>请确认您已理解以上所有要求。在我提供用户评论文本后，请开始您的分析和标签体系构建工作。</p></blockquote> ### 逐个评论打标签 得到标签体系后，我们就要逐条评论给AI打标。 注意这里打标，不是说给几个标签就完事了，是要让AI针对不同的维度分别打标，这样的标签才丰富，后续才能聚合做分析。效果长这样：  这么复杂的工程该不会有人一条一条发给AI吧？？？？ 这里我们可以借助飞书多维表格里的「字段捷径」来实现。 先把数据上传到飞书多维表格里，然后针对每个「二级标签」来新建字段，选择「字段捷径」里的「智能标签」 它能用Deepseek 来对内容进行打标。  新建字段后，又有新的问题了，每个二级标签下这么多的三级标签，难道要一个一个填吗？ 这里每个字段的参考示例、标签要求怎么填？不填效果不好  这里我们又要借助AI的能力来帮我们完成。 提示词： <blockquote><p>接下来，下一步，需要你生成用于我逐条评论发给AI打标签的提示词。同样需要给示例，我需要用如图的飞书多维表格来处理，所以还需要给我对应的每个部分的示例和标签要求，按以下标签体系的二级标签，一个二级标签对应：一个输入参考示例、一个自定义标签要求、一个添加的选项描述（就是介绍这个列是什么，然后列出所有的三级标签）</p> <p>以下是标签体系：<br/> “`<br/> 把前面生成好的标签体系放进来<br/> “`</p></blockquote> 这样我们就生成了每个字段下需要的选项和示例、标签要求。 <blockquote><p>一级标签：人群与场景<br/> A. 二级标签：人群特征<br/> – 添加的选项描述 (列描述及可选标签)：<br/> 描述：识别评论中提及的与猫主人或猫咪本身相关的身份、特征或所属群体。<br/> 可选三级标签：长毛猫主, 多猫家庭, 大型猫主, 短毛猫主, 幼猫猫主, 老猫猫主, 胆小猫主, 掉毛多猫主, 猫不爱零食, 猫咖/救助站</p> <p>– 输入参考示例 (Few-shot Learning Example)：<br/> 评论文本：”Great quality and works well to help groom my very long haired Siberian cat. He’s quite big…”<br/> 对应标签：长毛猫主, 大型猫主</p> <p>– 自定义标签要求 (Constraints for AI)：<br/> 如果评论中明确提到猫的品种、毛发长度、体型、年龄、数量或主人身份（如救助站），请选择对应标签。一条评论可能对应多个“人群特征”标签。</p> <p>B. 二级标签：使用场景/期望<br/> – 添加的选项描述 (列描述及可选标签)：<br/> 描述：识别评论中用户描述的实际使用产品的情境、环境，或他们购买产品时期望达成的目的或应用场景。<br/> 可选三级标签：减少浮毛, 猫咪自娱, 代替人工梳毛, 保持清洁, 日常梳理, 猫咪适应期, 提供躲避空间, 收集猫毛</p> <p>– 输入参考示例 (Few-shot Learning Example)：<br/> 评论文本：”I have two inside/outside cats and thought this would be great to help keep them cleaner… It’s also his hidy-hole…”<br/> 对应标签：保持清洁, 提供躲避空间</p> <p>– 自定义标签要求 (Constraints for AI)：<br/> 关注用户提及购买产品的主要原因或期望解决的问题。如果提到猫咪在里面的特定行为（如躲藏），也请选择。</p> <p>…后面太长了就忽略了，都是一样的结果。</p></blockquote> 接下来要做的就是逐个字段去新建、填入，例如： 1. 新建「人群特征」列 2. 在标签的位置选择「AI生成选项」 3. 然后把标签描述扔到左边，生成后点「采纳」  4. 把参考示例、标签要求填进去下图对应位置 5. 选择字段那里，选择「用户评论」也就是你放评论的那列  点确定后，它就会开始每行去打标签  最终就得到了理论框架里的4个维度下的12个二级标签里的多个三级标签。  至此，我们最困难的打标签工作已经完成了。 虽然看起来很复杂，但实际上需要用到人脑的地方很少，都是交给AI去完成。工作量至少缩至30%数据分析 接下来攻克下一个难点——对标签进行 ### 数据分析 开头说过了，直接把表格扔给AI去做数据分析，绝大部分情况下都是不靠谱的，数据都会有幻觉，也就是错的。 （虽然我不信邪，接连测试了Gemini 2.5 pro、Claude 3.7，最终得到的结果全是错的。所以你们不要再去试了） 现在的解决方案就是把表格扔给AI，让它学习表格结构后，生成Python代码，再去跑代码。不懂编程不要紧，基本上不怎么会报错，跟着执行就行了。 这里，我们可以用编程屠榜的gemini 2.5 pro 也可以用Claude 3.7，毕竟不是很复杂的代码需求。 提示词： <blockquote><p>我在做用户购后评论洞察分析，现在已经完成了前两个阶段，得到了当前的表格，需要你帮我完成 `阶段三：数据分析与洞察提炼 (Data Analysis &amp; Insight Extraction)`</p> <p>具体的方法论如下（注意这个是通用方法论，是让你学习后再来分析我的表格的，而不是直接用里面的内容）<br/> “`<br/> 把前面的方法论扔给AI学习<br/> “`<br/> 只需完成 `阶段三：数据分析与洞察提炼 (Data Analysis &amp; Insight Extraction)`即可</p> <p>其中人群/场景标签是：人群特征、使用场景/期望<br/> 功能价值是：核心功能表现、辅助特色功能、操作控制相关<br/> 保障价值是：产品质量耐用性、品牌服务支持、安全性可靠性<br/> 体验价值是：价格感知情感价值、感官体验、日常使用便携性、安装体验</p> <p>你的分析必须是基于对我的表格数据的统计</p> <p>忽略「无匹配标签」</p> <p>请给我做数据分析的python脚本完成定量数据分析的部分，注意，不需要做定性文字分析</p> <p>不要生成图片，生成markdown形式的数据分析表格结果就行了</p></blockquote> 注意，这里的要点是最后的生成Markdown格式的结果，这个结果不是给我们自己看的，是方便给下一个AI来做分析。  直接运行python脚本后，就会得到下图中的md文件，里面全是python做的各个维度标签的统计和多个维度标签交叉统计的数据结果。 换成Excel的话，也就是很多个sheet 这里可以简单自行做一下数据验证，我做过数据是正确的。  接着的事就简单了，直接把数据分析结果md文件扔给AI，记住是同一个对话框，因为前面AI已经学得了我们的分析框架，所以这里直接让它完成剩余步骤就好了。 这样我们就完成了数据分析的定性洞察。  最后让AI做一个HTML分析报告，完结！ HTML的部分可以参考我之前这篇文章，得到一个动态的数据分析报告。  ### 业务落地 饼干哥哥的风格从来不是讲虚的。这次分析案例之所以选择这个产品也是因为有朋友在做，跟她沟通后，也认可了此次分析报告结果，跟他们人工做的差不多，也能直接在营销策略上落地。对业务指导意义的话，反而是Step 5: 洞察提炼与解读会更有用一些。 当然，是否能在业务落地，还是要看不同公司的情况。 总结来说，需要遵循「以终为始」的逻辑：先从业务落地场景出发，倒推出分析框架和标签体系，再去做方案执行，就万无一失了。 本文由人人都是产品经理作者【饼干哥哥】，微信公众号：【饼干哥哥AGI】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图由作者提供

山岳型景区的标配。

打架者的背后最可恨的是挑事者。

中国跨境电商企业到美国生产是否成为了一种新的可能？

<blockquote><p>在当今商业环境中，企业家个人IP的打造已成为企业成功的关键因素之一。文章分析了雷军、俞敏洪等成功案例，并指出在媒体去中心化时代，企业家IP对企业的重要性。同时，文章也提出了企业家IP打造的策略和注意事项，为企业家提供了实用的指导和洞见。</p> </blockquote>  随着雷军、俞敏洪、周鸿祎、刘强东等企业家通过个人IP的影响力，为企业带来了远超所有人预期的影响力和商业价值；吸引了越来越多的企业家主动下场，探索如何打造个人IP为企业赋能。 在传统媒体时代，通过企业家IP为公司建立良好形象和影响力的现象就一直存在，但那时候更多的作用是锦上添花。 然而随着媒体去中心化，权威人士现身说法的方式比广告投放更具说服力，据埃森哲2024年《全球消费者洞察报告》显示，83%的消费者认为“真实可信的个体推荐”比品牌广告更具决策影响力。  这标志着企业跟用户之间的链接和互动方式，由“品牌中心化”已经逐步向“人格化沟通”转型，因此对于绝大多数行业的企业来说，打造企业家IP已经从“可选项”变成了“必选项”。 ## 为什么必须做企业家IP 一个成功的企业家IP其价值是全方位存在的，主要体现在“商业价值和影响力”“品牌信任快速建立”“用户感受和体验”三个大的方面。 企业家的时间精力和身上与生俱来的优秀精神，是一家企业最为贵重和稀缺的资源之一；因此所蕴含的商业价值潜力，是衡量企业家是否值得亲自下场操盘的关键。 而一个优质的企业家IP所带来的商业价值，毫无疑问已经得到了充分验证；企业家IP既是最佳代言人、又是流量密码、甚至还能充当最有效的带货达人。  在传统的认知当中，一家企业的品牌建设需要长时间的积累和投入，因为用户对一个品牌从认知到行动到推荐，走完整个营销链路的周期是比较长的，且在这个过程中需要得到正向的体验才能形成整个闭环。 现如今却可以通过企业家IP的方式，让用户对品牌信任的建立过程大为缩短；相对于企业和产品，企业家是一个更加鲜活立体的人，其身上所具备的优秀精神品质和标签更容易被用户吸收接受。 当企业家具备一定的IP用户信任基础之后，只需要把这些优秀的精神和标签嫁接到企业文化之中，即可产生爱屋及乌的效果，让企业快速获得用户的信任；当然前提是企业的产品和服务能够立得住，否则也可能会适得其反。 从中心媒体时代到个人媒体时代，企业和用户之间的沟通方式已经发生了本质的变化；传统那种企业单向发声的方式已经不被用户接受，也无法得到用户的真实反馈。 虽说大部分企业都开通了自媒体账号，但从无论是跟用户互动还是舆情发声，企业账号跟用户之间始终存在一定的隔阂；而企业家亲自下场发声和互动的方式显得更加诚恳，用户也认为自己得到了足够的重视和尊重，情绪价值直接拉满。  小米汽车能够后来居上，在厮杀激烈的电动车市场站住脚跟，就是把雷军个人IP商业价值和影响力发挥到淋漓尽致的体现。去年小米汽车发布第一款车型时，当雷军喊出那句“这是我人生最后一个创业项目,我愿意押上一生为小米汽车而战!”，他已然成为小米汽车当之无愧的最佳代言人。 而后雷军和小米汽车每一次有新的行动，都能在电动车行业引发消费者和媒体的高度关注，以低成本的方式为小米汽车带来源源不断的流量；而相比对广告投放带来的流量，这些主动关注的流量具备了一定的信任背书和认知基础，因此其转化效率也要更高。 在小米SU7首批车主的交付仪式上，雷军甚至亲自现身为车主打开车门，并在个人账号上感谢所有车主的支持，让车主的情绪价值直接被拉满，再次迎来一波流量高潮。 ## 如何才能做好企业家IP 企业家下场做IP具备关注度和传播资源等天然优势，然而要打造一个真正具备商业价值的企业家IP，其关键在于企业家本身的人格魅力、以及如何找到企业家人格魅力和企业文化特征的链接之处。 当挖掘到两者之间相连的内核之后，企业家IP的战略定位就会变得比较清晰，而接下来所有的战略配称动作都将围绕着这个内核而开展。 老泡总结了一套企业家IP打造的黄金圈战略法则，从战略定位的制定到战略配称的落地进行细致的指导。  （企业家IP打造黄金圈法则） ### 【战略定位】 很多时候我们做事情容易落入一个误区，那就是为了做而做，看到他人拿到了成果就盲目跟风；却没有想清楚为什么要做，适不适合做，以及希望拿到什么样的结果。 在做企业家IP之前，同样需要考虑清楚这几个问题：是为了扩展新的销售渠道？为企业寻找新的增长机会或商业模式？建立良好的形象和口碑？还是为了更好地了解用户需求和反馈？ 另外还要思考企业目前所处的阶段，是否适合做企业家IP？比如在产品质量和商业模式没有完全得到市场验证的情况之下，盲目跟风做IP可能会让企业和企业家都失去用户的信任，带来反噬效果。 在确定要做且适合做企业家IP之后，第一步就是明确IP的人设定位；需要先剖析企业家自身的性格特征、人生经历、使命愿景等，虽然IP的打造需要一定程度上的包装，但如果脱离了真诚则很难打动粉丝且迟早会露馅。 同步需要挖掘企业的文化特征和业务优势，然后找到企业家和企业之间相通的连接点，以此确立企业家IP的人设定位；因为这时候两者之间是一种相互绑定的关系，如果出现企业家人设和企业文化的脱节，会给用户造成认知上的混乱。  比如刘强东因为自己是农村穷苦出身，一路努力学习和创业打拼才实现了阶级的跃迁；而京东的创业成长过程同样是一部升级打怪的奋斗史，并且京东的业务离不开无数快递小哥的日夜奔走。 因此刘强东在互联网上一直展现的是“亲民草根、坚韧打拼、践行兄弟文化“的人设形象，这不仅为刘强东本人带来了良好的口碑，也增强了京东内部的凝聚力、塑造了有社会责任感的企业形象。 ### 【IP传播】 明确了人设定位这个战略内核之后，紧接着要考虑如何通过不同的内容和渠道，将企业家IP的影响力进行传播扩散，而这其中最重要的就是做什么样的内容。 由于国内有视频号、抖音、小红书等多个主流的自媒体平台，每个平台因风格定位、用户构成、流量分发机制的差异，导致不同的平台适合不一样风格的内容；因此如果在资源有限的情况下，需要根据前面的人设定位，选择其中一个平台作为内容传播的主阵地。 同时能够制造具有冲突性的内容，是屡试不爽的流量密码；比如罗永浩就是制造冲突性内容的高手，在锤子手机失败刚开始转型做直播带货时，他不断强调自己欠债金额巨大，在直播间上演了“真还传”且段子频出，这些内容最终成为了很好的传播素材。  除了内容之外，策划公关事件和打造IP符号（周鸿祎号称红衣大叔）也是值得尝试且非常典型的IP传播方式，这里着重举例介绍下公关事件策划。 刘强东最近宣布进军外卖领域本身只是一种商业竞争行为，然而刘强东却亲自下场派送外卖、结束后还跟兄弟们聚餐畅饮，并举杯邀请美团和饿了么的骑手加入，视频被爆出来后瞬间引发热议和赞誉，让京东外卖的订单实现激增。 即使存在一定程度上的炒作嫌疑，但东哥的这种行为跟他以往长期营造的亲民人设是吻合的，因此并不会引发大家的反感，反纷纷而为他一直践行的兄弟文化竖起大拇指。 ### 【流量运营】 人设定位和IP传播的目标都是为了撬动更大的流量和影响力，承接住这些泼天的流量并转化为产品销量，则是企业家IP最能直观展现商业价值的一环。 关于把企业家IP的流量转变为销量，在诸多优秀企业家各显神通之下，已经有很多招式取得了效果；这里着重介绍“激发用户主人翁意识”和“企业家现身带货”这两种能够直接产出收益，且经过市场和时间验证的方式。 第一个方法就是充分激发用户的主人翁意识，甚至参与到产品的设计中来。都知道在社交媒体时代，企业和用户之间不再是一种单向信息灌输的方式，而是需要在企业和用户之间搭建沟通的桥梁，以便企业最好地为用户服务满足用户需求。 毫无疑问在这方面，小米和蔚来是最值得学习的对象。小米会开放自己的产品研发过程，用户可以在论坛上发表自己对产品的看法，而小米也会认真地听取用户的建议进行产品的迭代优化。 蔚来的李斌和高层，会亲自去APP听取用户的反馈、跟用户进行直接沟通，甚至把一些企业的重大决策权交给用户。这都是在提升用户的参与感，培养用户的主人翁意识。  而另一个更加普遍的做法就是企业家亲自现身带货，特别是针对那些希望利用企业家IP提升销量的企业来说，这已经成为了一种频繁的基础操作。 今年小米SU7 Ultra在开售2小时内大定数量突破10000台，轻松超过了绝大部分新能源实力一个月的销量；这样的成绩让全行业为之一震，不仅为小米节省了上亿级别的营销费，小米的股价也随之水涨船高，可谓是一举三雕的神迹。 同样在今年民营企业家大会上因跟雷军同框而意外走红的海尔总裁周云杰，为了接住这泼天的富贵顺应广大网友的呼吁开通了社交账号，甚至带领海尔高管集体出道。 最终海尔相关产品在电商平台的搜索量激增217%，品牌声量提升189%；随即举办的家电及消费电子博览会上，大量博主涌向海尔展台，花式宣传和种草海尔产品。 ### 【舆情维护】 当企业家的个人IP与企业深度捆绑之后，两者之间将会形成一荣俱荣一损俱损的关系；为了避免被预料之外的黑天鹅事件所反噬，积极维护网络舆情、提前建立危机预案是不可或缺的操作。 比如前两年丈母娘粉认为董宇辉受委屈了，在网络上声讨东方甄选和俞敏洪，导致俞敏洪个人声誉和新东方股价均遭受重创，即使董宇辉本人多次出来澄清也无济于事。 董明珠这些年虽然为格力带来了很多的流量，但格力把线下门店改成“董明珠健康家”的操作，迎来了消费者的疯狂吐槽，甚至嘲讽格力搞个人崇拜主义。 造成这些负面后果就是因为在享受企业家IP带来的成果时，没有提前建立相应的预案，导致负面舆情出现时措手不及，让事件的影响力超出了企业的管控能力。  企业家IP虽好，但也不要盲目迷恋；为了避免被流量反噬产生适得其反的效果，有以下几个雷区是在做企业家IP的过程中需要注意的： 1.个人言论可能放大企业危机。前段时间董明珠在股东大会上“绝不用海龟派”的歧视性个人言论，引发了轩然大波和社会上的广泛批评，影响了格力的企业形象。 2.IP定位与业务脱节。花费大量时间和精力打造企业家IP，其根本目标还是希望能够为业务助力，IP的定位作为整个事项的内核，如果不能跟业务保持同频则毫无价值。 3.剧本化内容遭反感。真诚是永远的必杀技，且群众的眼睛是雪亮的；切勿用剧本化的内容来试图迷惑用户的眼睛，否则企业和IP均会失去用户的信任。 4.产品力不足被流量反噬。常说好的产品会自己说话，其实劣质产品也会说话；如果产品力无法承接住IP带来的巨大流量，负面口碑也会被成倍放大。 本文由人人都是产品经理作者【老泡】，微信公众号：【老泡OG】，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。

帕金森病，可能比你想象的更常见。

出走与归来。

餐饮的“引进来”与“走出去”。

解码场景革命2.0的情感密码。

一家中国AI公司的价值重估：Meta的技术追求、Adobe的产品刀法、腾讯的生态野心。

法拉第未来公布了2025年第一季度的业绩，这段时间里他们交付了两辆FF 91 2.0，这是他们首次进入美国东海岸市场，用户分别来自加州和纽约。**虽然收入只有30万美元，但这主要是来自FF 91 2.0的交付和租赁收入。** 不过，运营净亏损达到了4380万美元，与去年同期持平，经营现金流出2030万美元，比去年同期增长了38%，融资现金流入2460万美元，连续第三个季度融资现金流入超过经营现金流出。 总运营费用为2280万美元，比去年同期减少了20万美元。 FF还计划在6月底左右召开FX Super One的首次产品发布会，并开启B2C线上付费预订。 他们的目标是在发布后48小时内获得近10,000台的付费预订，这包括有法律约束力的B2B大客户付费预订单和定金可退的B2C预订单。 他们的目标是在2025年年底前让首车下线。虽然亏损依旧，但FF在朝着他们的宏伟目标稳步前进。  [查看评论](https://m.cnbeta.com.tw/comment/1498418.htm)

**目前胖东来的和田玉不止要线上约号购买，****而且还标注进货价和毛利。**据网友反映，**胖东来和田玉商品吊牌上标注了进货价和毛利率。工作人员表示，和田玉商品从5月8日起吊牌上会明确标注进货价和售价。**  经许昌市市场监督管理局检查，许昌市胖东来唯初珠宝有限公司2025年1至4月份共销售和田玉商品4177件，销售金额2959.2175万元，**平均毛利率不超过20%。** 近期，胖东来玉石事件引发社会关注，但风波后时代广场和田玉专柜更加火爆，不少网友称，已经连续几天不到中午，和田玉大部分款式就售罄了。 据许昌胖东来时代广场珠宝区工作人员透露，**目前和田玉销售已改为线上预约制，每月仅可预约一次，而翡翠等商品仍需现场排队取号。** 工作人员表示“每天仅开放50个名额，但受近期网络热议影响，顾客越来越多。” 胖东来表示，凡在珠宝部自营区购买的和田玉、翡翠商品，如顾客对价格或品质存疑，可前往第三方权威机构鉴定或向行政部门申请评估。 若需退货，只需商品无损坏、保留购物凭证及鉴定证书，即可全额退款，不收取任何手续费或税费。 [查看评论](https://m.cnbeta.com.tw/comment/1498416.htm)

5月9日消息，美国食品药品监督管理局（FDA）当地时间周四宣布，**在完成面向科学审评人员的新生成式AI试点项目后，FDA所有下属中心将立即启动人工智能内部部署，并计划于6月30日实现全面整合。** [](https://static.cnbetacdn.com/article/2022/03/d6cd17721d7c8f6.jpg) FDA在收到新药审批申请后，通常需在6到10个月内作出审批决定。FDA表示，这些生成式人工智能工具能让科学家及各领域专家减少耗时的重复性工作，从而加快审评流程。 FDA在声明中指出：“未来将重点提升工具可用性、扩展文档整合，并根据各中心的具体需求定制输出结果，同时严格遵循信息安全规范和FDA政策要求。” 周三有报道称，FDA近期正与OpenAI探讨人工智能应用。报道称，知情人士称，近几周OpenAI团队已经与FDA及埃隆·马斯克（Elon Musk）所领导“政府效率部”两位成员举行了多轮会谈。 FDA将持续评估人工智能系统性能、收集用户反馈并优化功能，以适应内部人员不断变化的需求。更多人工智能应用细节与更新将在6月对外公布。 [查看评论](https://m.cnbeta.com.tw/comment/1498410.htm)

5月8日消息，据彭博社援引知情人士透露的信息报道称，美国特朗普政府计划取消拜登政府时代制定的针对人工智能（AI）芯片扩散的三级管理政策，因为这些限制引起了主要科技公司和外国政府的强烈反对。 [](https://cdn.wccftech.com/wp-content/uploads/2025/05/Untitled-design-8-728x410-2.png) 今年1月13日，拜登政府在任期的最后阶段制定了一项新的“AI扩散规则”，将全球各个国家和地区划分为三个不同的等级，每个等级对应不同的AI芯片出口管制规则，以进一步限制AI芯片的扩散转移。 其中，第一级包括：澳大利亚、比利时、加拿大、丹麦、芬兰、德国、法国、法属圭亚那、爱尔兰、意大利、日本、荷兰、新西兰、挪威、韩国、瑞典、台湾和英国。这些国家和地区可以不受限制的采购美国的先进AI芯片。 第二级包括：新加坡、墨西哥、印度、马来西亚、以色列、阿联酋、沙特阿拉伯、葡萄牙、土耳其等在内的140多个国家/地区。这些地区将面临他们可以采购的计算能力限制：2025 年至 2027 年期间每个国家/地区可获得的处理性能 (TPP) 总量不得超过 7.9 亿。大约相当于 50，000 个英伟达H100 GPU 的上限。 第三级包括：白俄罗斯、中国大陆（包括香港和澳门）、伊朗、俄罗斯、韩国、委內瑞拉、尼加拉瓜、叙利亚等约22个国家和地区。这些国家和地区将几乎完全被禁止从美国进口先进的AI处理器。 由于新加坡、马来西亚、阿联酋、沙特阿拉伯等地近年来都在积极发展AI数据中心，因此拜登政府的这项“AI扩散规则”公布之时就遭到了英伟达和甲骨文的公开批评和反对。 拜登政府公布的这项“AI扩散规则”计划是在宣布后 120 天内生效，这也意味着该规则将会在5月15日生效，除非特朗普政府叫停该规则，或者对该规则做出修改。 随着5月15日的临近，知情人士表示，特朗普政府届时将不会执行该规则。因为，特朗普总统正准备访问中东，包括沙特阿拉伯和阿拉伯联合酋长国在内的许多国家都对限制他们获得AI芯片的能力感到愤怒。 据知情人士称，特朗普政府官员正在积极制定一项新规则，以替代“AI扩散规则”，加强对海外芯片的控制。 “拜登政府制定的人工智能规则过于复杂、过于官僚主义，会阻碍美国的创新，”美国商务部工业和安全局在发言人在发布的一份声明中表示。“我们将用一个更简单的规则来取代它，以释放美国的创新并确保美国人工智能的主导地位。” 知情人士表示，美国商务部目前将继续严格执行芯片出口限制，同时制定新规则。其中一位知情人士表示，废除AI扩散规则的举措之一，是对将芯片转移到中国的国家实施芯片控制，包括马来西亚和泰国。 废除AI扩散规则，将标志着印度、马来西亚等国家受该规则影响的消失，在 1月份拜登正公布该规则之前，这两个国家没有面临任何AI芯片出口限制。这对甲骨文公司来说是一个好消息，该公司计划在那里进行大规模的数据中心扩张。 作为AI芯片市场的龙头企业，英伟达反对美国政府对于AI芯片越来越多的贸易限制。对于拜登政府制定的AI扩散规则，英伟达一直明确反对，并积极推动全面废除该规则，认为对第三国的限制，只会使它们更倾向于中国。 英伟达首席执行官黄仁勋本周表示，中国的AI芯片市场在未来两到三年内可能将达到约500 亿美元规模，若无法参与其中将是一项“巨大损失”。如果能对中国销售产品，将为美国带来收入、税收，并“在美国创造大量就业机会”。 [查看评论](https://m.cnbeta.com.tw/comment/1498408.htm)

 - Logo设计：果汁- C - OP / ED合成 / 后期：老斧子 - 企划、录制：Kazuya 2023年漫威漫画的crossover精彩联名作品，本期我们详细拆解其中魅力。

有博主在社交平台上展示了iPhone 17 Air的戴壳效果。**该机采用横置相机模组，DECO神似条形跑道，设计语言跟谷歌Pixel 9接近。****戴壳后，iPhone 17 Air的摄像头凸起明显，其厚度和iPhone 17 Pro Max相当。**另外，iPhone 17 Air保护壳的侧边有个开孔，这个位置对应的是拍照键。  作为苹果有史以来最薄机型，iPhone 17 Air厚度在5.7mm左右，为了做到超薄设计，苹果砍掉了物理SIM卡槽，仅支持eSIM，并且后置只有一颗4800万像素摄像头，其电池容量不到4000mAh，仅配备单扬声器。  值得注意的是，为解决续航问题，苹果计划同步推出iPhone 17 Air配件——MagSafe外接电池，这款产品早已停产，如今为了缓解iPhone 17 Air用户的续航焦虑，苹果不得不重新投产。   [查看评论](https://m.cnbeta.com.tw/comment/1498402.htm)

东芝在4月份发布了N300和N300 Pro系列NAS专用机械硬盘的24TB容量版本，不过根据最新报道，东芝暂时不会在欧洲市场推出这一版本。东芝在给ComputerBase的声明中指出，**公司目前观察到欧洲市场对24TB NAS硬盘的需求有限，因此至少在目前，不会在欧洲市场推出N300 24TB型号。** 东芝强调，公司会持续分析市场发展，并根据当前需求评估定期验证其决策。 **这一策略与东芝在其他地区的策略形成对比，目前东芝24TB版本的N300和N300 Pro已经在美国、亚洲和英国列出。** 与之对应的是，其他硬盘制造商如希捷和西数，在欧洲销售的有24TB和26T硬盘。 东芝的这一决策可能与更倾向于将其高容量硬盘运送到美国及其合作伙伴有关，因为美国市场对东芝来说更为重要。 此外，东芝也可能是试图在7月美国特定关税生效前尽可能多地向美国市场运送高端硬盘，以获取额外市场份额，当然这只是一种猜测。 [](//img1.mydrivers.com/img/20250509/579c9222-5f8f-4b1d-a318-ffec3dc0d5af.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1498400.htm)

8日举办的美国AI听证会上，AMD CEO苏姿丰回应“中国落后美国多少”时指出，**即使没有最好的芯片，中国仍有很多种途径可以达成目标，正迎头赶上。** [](https://static.cnbetacdn.com/article/2025/0509/6d39e7160dda945.webp) 苏姿丰表示，目前美国在芯片领域领先，拥有全球最顶尖的AI芯片，中国因为无法使用先进科技而收到限制。 **“但有一点对我们所有人都非常重要，那就是完成一件事往往有很多种方式。拥有最强芯片固然好，但即使没有最好的芯片，依然可以完成很多事。中国确实正迎头赶上。”** 苏姿丰也提醒“魔鬼藏在细节中”，**必须在芯片管制上非常谨慎地取得平衡。** 据TH报道，此前NVIDIA CEO黄仁勋在对美国议员的讲话中写道：“我们正处于一个转折点，美国必须决定是继续引领全球人工智能的发展和部署，还是撤退和收缩。 美国不能通过放慢速度来保持领先。如果我们退缩，其他国家就会介入。全球人工智能生态系统将会在技术、经济和意识形态上四分五裂。” 当NVIDIA的AI芯片无法再供应给中国的买家，他们可能考虑改为华为或壁仞、芯动科技、摩尔线程等公司的硬件，这将使NVIDIA每年损失数百亿美元营收、市值缩水数千亿美元，甚至导致中国竞争对手反而成为AI领域的新标准制定者。 [查看评论](https://m.cnbeta.com.tw/comment/1498396.htm)

**湖南一名3岁女童近日因出现眼神呆滞、行走困难和严重脱发等症状就医，经检测确诊为急性铊中毒。这一病例引发了人们对这种致命重金属的关注。**铊（Tl）是一种与铅、汞同族的重金属元素，其名称源自希腊语&#34;嫩芽&#34;，源于它燃烧时产生的翠绿色火焰。 这种银白色金属质地柔软，在空气中会迅速氧化变色。最危险的是，铊离子与人体必需的钾离子极为相似，**能够&#34;伪装&#34;进入人体各个系统，尤其对中枢神经系统造成严重损害。其毒性远超砒霜，成人致死量仅为10-15mg/kg。** 铊中毒主要通过三种途径发生：误食被污染的食物或水源，如矿区附近富集铊元素的野菜或被工业废水污染的河水；职业接触，如在无防护条件下从事铊盐生产；以及人为投毒，因其无色无味的特性容易被混入食物中。 中毒症状分为三个阶段：初期表现为恶心呕吐、腹痛便秘等消化道症状；随后会出现四肢剧痛、肌肉无力及特征性的突发脱发；晚期则可能导致视力丧失、运动障碍等不可逆损伤。**医生特别指出，铊中毒早期容易被误诊为其他疾病，而突发脱发是其重要识别特征。** 虽然早期治疗可以完全康复，但延误诊治可能导致严重后果甚至死亡。该女童的病例再次提醒我们，要警惕生活中潜在的重金属中毒风险，对不明原因的神经系统症状和脱发要保持高度警觉。目前，相关部门正在调查该女童的具体中毒原因。 [](//img1.mydrivers.com/img/20250509/a23a03f1a84340a9aa6bb4abce88fbc8.png) [查看评论](https://m.cnbeta.com.tw/comment/1498394.htm)