分类: 案例分析

通过WPeMatico自动添加.

  • 豆包手机:AI革命的昙花一现与流量封杀

    nubia M153搭载的豆包手机助手,在2025年掀起了一场AI手机的狂欢。这款设备通过系统级Agent实现”意图即应用”的交互革命,仅凭语音指令就能跨平台操作所有App。然而短短7天后,它遭遇了微信、淘宝等巨头的联合封杀——这场闪电般的围剿揭示了一个残酷现实:AI正在挑战移动互联网时代的流量霸权与数据主权。

    2025年12月1日,一款名为“nubia M153”的工程样机横空出世。它没有顶级的摄像头,也没有极致的屏幕,却在几分钟内被抢购一空,二手市场甚至炒至万元。这就是搭载了豆包手机助手的“AI手机”。由字节跳动与中兴合作推出,它承诺的不是更快的处理器,而是一个全新的世界:你只需要动嘴,剩下的交给AI。

    然而,这场狂欢仅仅持续了不到一周。12月8日,微信强制下线、淘宝风控报警、银行App拒绝服务……这款被视为“AI时代iPhone”的产品,在上线短短几天后,遭遇了互联网巨头的联合“围剿”。这不仅仅是一款产品的失败,更是一场关于未来流量入口的残酷战争。

    一、一句指令,接管所有APP

    豆包手机的核心卖点不是普通AI助手的查天气、设闹钟,而是对日常App的“全自动接管”——用户无需手动操作任何软件,仅凭一句话就能完成跨平台复杂任务。

    • 购物场景:想买东西,无需逐一打开淘宝、京东、拼多多。只需说“帮我找一件200块以内的黑色卫衣,在三大平台比个价,把最便宜的加购物车”。手机屏幕自动亮起,AI接管了操作。豆包自动检索、对比价格、筛选商品,全程无需用户盯着屏幕,还可以切到后台运行;
    • 出行场景:规划出行,只需说“订明天下午3点上海到北京最便宜的机票,再约一个机场到公司的接机服务”,它就能联动携程、滴滴等App完成订票、下单;
    • 生活服务:说明口味偏好与预算后,AI 会在美团、饿了么筛选最优外卖选项,完成支付前的所有操作(支付环节需手动确认以保障安全)。

    以上全程无需人工干预。

    这不仅仅是效率的提升,这是对智能手机交互逻辑的彻底颠覆。你不需要再打开美团看首页推荐,不需要刷抖音找灵感,不需要点开微信翻找聊天记录。你只需要表达你的意图,AI就是你的“手”和“眼”,在各个App之间自由穿梭,为你打工。

    这意味着,手机的交互中心从“一个个孤立的图标(App)”,转移到了一个“统一的智能体(Agent)”。 豆包手机试图定义的,不是一个新的功能,而是一种新的范式:“意图即应用”。你无需寻找和打开应用,只需发出指令,手机便会调用全世界应用来为你服务。

    二、封禁的必然:捅破了巨头的“流量金库”

    为什么豆包手机会死得这么快?为什么巨头们会如此恐慌,以至于不惜一切代价进行封杀?

    1. 流量漏斗的崩塌

    在过去的移动互联网时代,流量就是巨头的生命线,它们早已构建起一套成熟的“注意力变现”模式。以淘宝买衣服为例,常规流程:打开淘宝后,会先看到首页的开屏广告、推荐信息流,再通过搜索框查找商品,过程中还要浏览不同店铺的详情页、对比评价,往往花了大半天才能完成下单。有时候挑礼物,光是搜索相关知识、对比不同产品就耗掉了整整一下午。而这漫长的过程,正是平台的盈利核心——首页广告位、信息流推荐、竞价排名,这些都是阿里、美团等公司的主要营收来源。

    但豆包手机助手的出现,彻底打破了这套规则。

    当用户无需打开淘宝首页、无需刷信息流就能完成购物,平台精心设计的广告位就成了“摆设”,广告商自然不会再花钱投放;当豆包直接帮用户完成全网比价,淘宝的竞价排名失去了意义,商家也无需再为排名付费。

    更致命的是,这种模式几乎适用于所有场景:用豆包助手自动回复微信消息,用户就不会再刷朋友圈,微信的广告收入会大幅缩水;用它自动处理外卖、出行需求,美团、携程的首页推荐流量也会骤降。对于这些巨头而言,豆包不是一个简单的工具,而是一个“流量掠夺者”,它将用户的注意力从超级App转移到自己身上,直接动摇了整个移动互联网的商业根基。

    2. “越权” 的系统级威胁

    微信、淘宝、美团,这些App之所以超级,是因为它们占据了手机桌面的第一入口。但豆包手机助手是系统级的Agent(智能体),它能够直接调用各大App的功能,而无需通过App的“同意”。

    • 对微信来说: 你用AI回消息,就不看朋友圈,不刷视频号,微信的广告收入因此受到重创。
    • 对淘宝来说: 你用AI比价,只买最便宜的,不看直播,不逛店铺,直接影响了淘宝的GMV(成交总额)和商业生态。
    • 对银行来说: AI拥有模拟点击的底层权限(INJECT_EVENTS),这成为了一个潜在的巨大资金安全隐患。

    在这种情况下,巨头们若不采取行动,他们的流量和收入模式将受到威胁。于是,它们选择联手封杀豆包手机,防止被AI“降维打击”。

    3. 数据主权与生态霸权的争夺

    巨头逻辑:每个App都是一个“数据孤岛”或“围墙花园”。你在淘宝的行为数据,是淘宝的资产;你在微信的社交图谱,是微信的核心壁垒。它们用这些数据训练自己的算法,向你推送广告和服务,形成商业闭环。

    豆包逻辑:作为系统级Agent,它试图打通所有数据孤岛。它能看到你在淘宝比价、在美团点餐、在微信聊天,从而为你提供全局最优解。但这相当于要拆掉所有花园的围墙,动摇了巨头商业模式的根基——数据垄断。封杀它,不是封杀一个功能,而是保卫自己的数据主权。

    除此之外,字节与巨头的天然竞争关系,也注定了豆包的困境。抖音与微信的流量之争早已是公开的秘密,连抖音链接都无法直接分享到微信,足以说明底层生态的壁垒的坚固。

    三、未来预测:谁能真正掌握AI入口

    从行业格局来看,最终能掌握AI入口的,绝不会是字节这种单纯的模型公司,而更可能是没有直接竞争关系、或占据底层生态的玩家——比如华为、小米等硬件厂商。

    • 底层适配能力:自有手机品牌与操作系统深度绑定,能避免 “模拟点击” 等违规操作,通过官方权限实现合规的跨场景协同;
    • 生态中立性:与腾讯、阿里等巨头无直接流量竞争,可通过 “能力赋能” 实现共赢(如为淘宝提供内置 AI 比价技术,按效果分成);
    • 硬件支撑:能针对 AI 算力需求优化芯片与续航,解决豆包在工程机上暴露的 “发热、卡顿” 等问题。

    豆包手机助手或许会成为历史,但它留下的火种不会熄灭。它用一种近乎悲壮的方式,告诉了所有人:用户的需求是真实的,解放双手的愿望是强烈的。虽然目前它被巨头的生态围墙撞得头破血流,但它证明了App时代的规则,在AI时代就是“枷锁”。

    正如抖音集团副总裁李亮所言:“AI带来的变革是真实存在的……不论这次是不是会成功,但AI一定是未来。”

    本文由 @王小佳 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

  • 我用谷歌NotebookLM,把黄铮的商业思考,一键转成了PPT!

    真正硬核的AI内容工具,一定得能解决「最后一公里」的难题:要么极度懂逻辑,能啃动深奥的长文本;要么有极强的可视化能力,能一键输出高质量成果。

    这两天,谷歌NotebookLM在Gemini 3 Pro加持下彻底杀疯了,镜哥深度实测了一下,用它把黄峥早期的几万字深度长文,一键翻译成了逻辑严密的商业PPT。

    在AI绘图和对话泛滥的当下,这种能读懂复杂商业逻辑并可视化的能力,简直是降维打击。、不少圈内朋友都感叹:这才是能真正帮打工人省时间的神级工作流。

    Follow me,一起来打破这个信息差!

    说心里话,镜哥在AI圈也摸爬了这么久,逐步对AI刺激开始有些免疫了,现在能让我有多巴胺快感到“头皮发麻”的AI工具,越来越少了。。

    咱们每天看着各种模型跑分刷榜,今天你超越GPT-5,明天他拳打Claude 4.5,但落到实际应用上,往往还是那个老样子:能聊几句天,但真要干活,还是离不开咱们人工上手擦屁股。

    实际场景往往是:进度条0-90%一路高歌,最后10%却耗费90%的额外精力,真真是卧了个大槽。

    前几天,Gemini 3 Pro,属实算是AI圈儿的一针强心剂,能打才是硬道理嘛~

    原本我以为Gemini 3之后,新的刺激怎么也得个把月,但是,这两天我是真被谷歌的NotebookLM给惊到了(内心os:这是谁的部下~)。

    实际上,镜哥在之前的文章中分享过NotebookLM:有没有真正好用的知识管理工具??

    不过,咱之前大家聊NotebookLM,都是冲着知识库调用、都是冲着那个“AI播客”功能去的——后者也确实好玩,听着两个AI搁那侃大山,hhhh。

    直到昨天,我顺手体验了其在Gemini 3 Pro级别的能力加持下的PPT生成能力,又被刺激到了。

    真的,完全超预期!

    01 实操案例:操作很方便,一键生成演示文稿

    熟悉黄峥的朋友都知道,他的文章思考极深,讲“劣币驱逐良币”,讲“反向保险”,讲“量子力学与商业逻辑”,这里面的逻辑密度极大,普通人读两遍都不一定能理解透。

    镜哥没事就会翻出来读一读,很受启发,本文咱们就以这个案例为例。

    当然,先讲下大概的使用流程,其实也非常简单:

    首先,咱们打开NotebookLM的网站,先上传需要的参考文件——《黄峥公众号原创文章全集.pdf》,上传文件后,NotebookLM会自动解析:

    解析完成后,咱们在右侧可以看到「演示文稿」的生成按钮,点击下,然后静待生成。

    接下来发生的一幕,确实让我对谷歌这次的更新刮目相看。

    也就几分钟,就生成了对应的PPT,哦,准确地说,应该是演示文稿,大家可以看一下,质量是相当的好啊:

    当然,咱们可以对生成好的演示文稿进行在线播放,也可以下载为pdf,甚至你还可以用邪修把水印去掉即可。

    02 不是在做摘抄:它真的读懂了商业逻辑

    首先,从用户场景出发来看一个问题:大家用AI做PPT,最头疼的是什么?

    镜哥觉得主要有两个:

    一个是AI不懂装懂,它往往只是机械地把文章里的句子摘抄下来,贴在PPT上,虽然字都对,但凑在一起就是不知所云。

    另一个是,界面风格不够美观,要么丑的让人脚趾抓地、要么一眼就是html的风格,改起来很难。

    但这次不一样。

    在Gemini 3 Pro这种新模型的加持下,NotebookLM给我的感觉是:它不是在做摘抄,它是在做翻译,而且 不是语言的翻译,而是把「复杂的文本逻辑」翻译成「可视化的商业逻辑」。

    大家可以看看这张图,这是它生成的关于“劣币驱逐良币”与“电影院现象”的幻灯片:

    注意看,它并非只给你堆砌文字,而是精准地提炼出了关键洞察,甚至根据原文内容给出了「造币厂」、「电影院」准确的定义、本质特征,而且配的图也很符合其对作者商业逻辑的理解。

    你敢相信,这是AI直接做出来的?!

    再比如,下图是关于质变的临界点的洞察总结:

    它抓住了黄峥原文中关于“临界点”的论述——一粒屎坏了一锅汤,劣质比例在2%到5%之间,而且,幻灯片右侧对商业应用、纠正成本的引用和总结,也是非常的到位。

    你看,这就是我在小群里常说的:AI的智商,不体现在它能写多少字,而体现在它能“删”多少字。

    这就类似于咱们产品经理做设计减法,如果AI能把几千字的废话删掉,只留下这最核心的一句洞察,这说明它是真的读懂了。

    03 审美在线:连“流程图”都能自动生成

    如果说逻辑理解是内功,那视觉呈现就是外功。

    说实话,以前用Gamma或者PPT Copilot这类工具,最让我抓狂的是它们只会列Bullet Points(要点列表)。

    不管你喂进去什么内容,它永远给你出三个小圆点,看多了真的会吐。

    但NotebookLM这次给了我一个巨大的惊喜。

    比如,下面这张图,他甚至知道把团队比喻成小树:

    再比如,下面这两张关于“个性化需求归集为计划性需求”的演变示意图,不仅很懂内容,而且个性化需求的散点效果,以及计划性需求的归集模块的效果,都很到位、很细腻:

    你看,它竟然自动画出了一个高度契合语境的“示意图”!

    从左边的“计划性需求”,到中间的“解耦”、“柔性化”,再到右边的“计划性需求”,路径画得清清楚楚。

    镜哥认为,这背后其实是非常恐怖的能力,因为要画对这种图,AI必须得理解“因果关系”和“先后顺序”,它得知道先有解耦,才能有柔性化。

    这种级别的图表,以前哪怕是找个刚入行的咨询顾问,都不一定能画得这么清晰,现在,谷歌NotebookLM一键就给你搞定了。

    这不仅仅是审美的重塑,更是效率的极大提升。

    04 信息差红利:产品经理的神级工作流

    看到这,可能有人会问:镜哥,这东西对我这种打工人有啥用?我又不去研究黄峥。

    这就得聊聊咱们最容易忽略的信息差了。

    我想很多做产品经理或者做行业研究的朋友,平时工作中最大的痛点就是:资料太多,整理太慢,分享太难。

    比如:

    1️⃣做完一轮客户访谈,手头全是乱七八糟的Word记录。

    2️⃣看完几十份竞品报告,脑子里一团浆糊。

    3️⃣想给老板做个汇报,光写PPT大纲就得憋一天。

    现在,这个游戏规则变了。

    我实测了一个新路径,效率高得吓人:

    1️⃣把这些杂乱的源文件,直接拖进NotebookLM。

    2️⃣利用最新的模型能力进行语义梳理。

    3️⃣点击右下角的「演示文稿」。

    4️⃣一键导出。

    你得到的不是一个草稿,而是一个可以直接转成PDF分享的知识资产。

    就像我这次生成的黄峥系列一样,咱们甚至该可以直接生成一个分享链接,设置为「网上知道链接的任何人都可以查看」。

    对方点开,看到的就是一份排版精美、逻辑闭环的商业分析报告。

    什么叫做专业,这就叫降维打击。

    当别人还在吭哧吭哧复制粘贴的时候,你已经用最强的模型把信息洗了一遍,变成了高质量的资产。

    总之,这次实测下来,我的个人感觉是:谷歌依托Gemini3模型,通过canvas绘图的新方式,直接与PPT演示错开了竞争路径。

    因为,它在另一个更高的维度上。

    客观上,NotebookLM结合这个级别的模型能力,确实切中了一个极其痛的场景——「从长难文本到高质量演示」的最后一公里。

    如果你手头正好有难啃的资料,或者急需输出一份有深度的报告,听我一句劝,赶紧去试试。

    毕竟,极速流变的AI时代,慢一步,往往就意味着失去了一个维度的竞争权。

    本文由人人都是产品经理作者【产品大峡谷】,微信公众号:【产品大峡谷】,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

  • 豆包AI手机,给我们踏出来了三条血路

    一款号称’能听懂人话’的AI手机引爆市场,却在真实体验中频频’翻车’。这背后折射出的不只是技术问题,更是AI产品设计中关于权限边界、体验链路与生态规则的深层思考。本文从产品经理视角,剖析当前AI交互设计的三大致命误区,并给出兼顾创新与落地的四步解法。

    最近科技圈那台“能听懂人话”的AI手机,大伙儿都看到了吧?

    从刷屏预售到主播们集体“翻车”,这过山车我都看乐了。

    (图片来源网络)

    作为一个天天琢磨产品的人,我没上手真机,但几乎蹲完了所有深度评测。

    看多了,一个问号越来越大:这么“炸裂”的功能,为什么深耕系统多年的苹果、华为,反而没做?

    这事儿绝不只是技术行不行那么简单。它像一面镜子,照出了当前AI产品经理最容易踩进去的几个大坑。

    今天,我就结合这些天的观察,聊聊我的看法。

    01 我最先注意的,是它那把“万能钥匙”

    它想做到的事情,说实话挺诱人:你一句话,手机代你点外卖、打开 App、处理流程,像个真正的数字管家。

    (图片来源网络)

    但真实世界里,它之所以能做到这些,是因为拿到了安卓系统深层的“注入事件权限”——我更愿意把它理解成“万能钥匙”。

    从产品逻辑上讲,这条路径看似合理:既然要代替手指,那就让 AI 能点击屏幕、滑动界面。

    但我最直观的感受是:这把钥匙不应该这么交出去。

    用户看到弹窗,会以为“助手要帮我操作一下”,但实际上是把微信、银行、聊天、相册、支付的一切底层入口都交给了一个服务。

    我做产品时最怕的就是这种“理解与后果不对等”。如果用户连自己授权了什么都无法判断,那这条能力不论多炫,都不应该轻易落地。

    安全不是禁止,而是把边界画清楚。权限可以拆、风险可以隔离,但“万能钥匙”式的一次性交付,是我个人永远不会允许上线的。

    02 我更清晰地看到:智能如果不改变链路,就是负担

    看评测的时候,我印象最深的是那段“点外卖”的演示。

    • 官方展示 30 秒搞定。
    • 博主实测 6 分钟,期间卡顿、误点、界面识别失败不断。

    那一刻我非常清楚:这不是技术不够强,而是路径选错了。

    AI 在现阶段通过视觉识别 App,再模拟点击流程,本质上就是把自动化测试的逻辑放到用户日常体验里。

    只要页面一点变动,按钮换个位置,多一个广告弹窗,它的整个流程就会像多米诺骨牌一样全部重来。

    这不是 AI 的问题,而是设计选择的问题。

    在我的实践里,一个真正能让用户觉得“智能”的能力,只有在符合两点时才成立:

    • 它真正重构了任务链路,让体验变得比原来短、快、确定。
    • 它可以在失败时优雅退化,而不是让用户成为它的“监工”。

    可惜,这台手机做的恰好相反:它既没有把原有流程拆解重构,也没有构建清晰的边界和失败处理方式。最终就变成了一个“看起来很厉害,但你需要盯着它的每一步”的半自动工具。

    03 技术再先进,触达用户的方式不对,体验就会反噬

    真正让我觉得“危险”的,是它和生态的正面冲突。

    这件事最值得所有产品人反思的,不是“技术实现”,而是它和整个移动生态之间的冲突。

    移动生态这么多年能够稳定运转,靠的是一整套相互制衡的规则:1. 敏感操作必须即时确认。2. 支付需要用户主动触发。3. 安全验证不能被绕过。4. 平台要识别自动化攻击。

    而这台手机的 AI 模式,却是一次性授权、全程自动代操作。

    你不用想也能猜到结果:微信、支付宝、银行类 App 把它当成异常设备或自动化攻击工具,直接拦截或封禁。

    我相信不是平台“封杀创新”,而是这个模式本质上破坏了它们赖以生存的安全模型。甚至某些平台的商业模式——广告曝光、任务链路、停留时长——也被自动化操作彻底抽离。

    换成我站在平台那边,我也不可能接受这样的冲击。

    做产品这几年我越来越相信一件事:任何挑战生态底层规则的创新,都必然要付出高昂代价。这次事件就是代价的真实样子。

    04 如果让我来做,我会怎么落地?

    如果把这件事放在我自己的工作场景里,我大概会这么做:

    第一,把能力拆开,让权限变得“可感知”。与其一次性撸到系统级权限,不如拆成“读取页面信息”“执行局部操作”“用户确认后代操作”这种可控的小能力,让用户知道每一步的边界。

    第二,不卖“全能”,只交付“可控”。我宁可宣传成“帮你加速 80% 的流程”,也不会为了营销把它说成“你一句话我全搞定”。

    第三,和关键平台提前做规则对齐。支付、登录、隐私敏感操作必须遵守现有机制,能辅佐就辅佐,不能接管就不要硬上。

    第四,为失败设计兜底逻辑。这在真实场景里尤其重要。我希望用户遇到异常时能清楚地知道发生了什么,并能随时接管,而不是在旁边焦急等待看它“下一步会点错哪里”。

    在我看来,真正的 AI 产品不是“炫技”,而是“靠谱”。

    最后的话

    这台手机让我重新审视了一句我以前没太在意的话:不是看 AI 能做什么,而是要看它“应不应该这么做”。

    技术当然要往前跑,但安全、体验、生态,这三条线永远不可能绕过去。越是面向大众的产品,越需要克制,需要反复琢磨边界在哪里、风险如何隔离、用户的理解和心智是否足够匹配。

    这次的讨论喧嚣很大,但对我来说,它更像一声警钟。

    不是对某一家公司,而是对我们所有在做 AI 产品的人。我们都想做突破性的东西,但突破从来不是靠“抢快”和“压风险”,而是靠把底层规则摸清、把用户的信任护住、把生态的张力处理平衡。

    希望带给你一些启发,加油!

    本文由人人都是产品经理作者【柳星聊产品】,微信公众号:【柳星聊产品】,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。

  • 如何靠 AI “三位一体”实现全量轨迹下的用户增长?

    在《智能时代》中,吴军博士指出:任何一次技术革命,都是由于发现了一种可以极大地提高效率的新能源或新动力。在当前的数字化战场,App 用户增长的“新能源”正是数据,而驱动增长的引擎则是 AI 的“三位一体”。

    大数据(新能源):从“局部样本”到“全量轨迹”

    传统的增长依赖于抽样调查或单一维度(如年龄、地区)的标签。但在 AI 框架下,大数据意味着全维度、全流程、实时性。相对传统增长更依赖于用户深度行为数据相互依赖关系,关注数据的集中性和全流程的数据规律总结。

    1. 数据深度(深度行为)

    数据深度是指:不再仅关注点击和下载,而是挖掘用户进入 App 后的微观轨迹(滑动热点、停留时长、功能点击顺序)。这些是预测 LTV(生命周期价值)最真实的燃料。

    传统的 LTV 计算往往是滞后的(Post-Factum),比如看 30 天或 90 天的实际收入。但增长需要预测(Prediction)。微观轨迹数据的价值在于它们是先导性指标(Leading Indicators),最长用的是数据来源:滑动热点追踪+页面停留时长+页面点击顺序。

    1)滑动热点 (Scroll Heatmaps & Touch Heatmaps)

    记录用户手指在屏幕上滑动和点击的精确位置。

    为什么重要?

    它揭示了用户的注意力分布和操作阻力。

    例如一个电商公司如何通过滑动热点进行LTV 预测逻辑:

    如果一个电商 App 用户在详情页上,手指反复在“商品参数”和“评论区”之间滑动,但迟迟不点“购买”,这预示着他是一个高意向但价格/质量敏感的用户。这种行为模式可能指向一个中等 LTV 但需要促销刺激的群体。相反,如果用户在页面上快速滑动到底部,然后退出,这可能是一个低 LTV 的“闲逛者”。

    2) 停留时长 (Dwell Time & Hover Time)

    精确到毫秒记录用户在某个页面、甚至某个特定元素(如一张图片、一段文字)上停留的时间。它反映了用户的兴趣深度和信息处理难度。

    利用停留时长对LTV 预测逻辑:

    • 内容类 App (如小红书/TikTok): 一个新用户在某篇关于“高定礼服”的笔记上停留了 45 秒(远超平均的 15 秒),即使他没有点赞,这个微观停留时长也强烈暗示了他对高客单价商品的潜在兴趣,是高 LTV 用户的重要特征。
    • 工具类 App: 如果用户在“设置”页面停留过久,可能意味着他遇到了困难,这反而是流失风险的信号。

    3. 功能点击顺序 (Click Sequence / User Path)

    用户在 App 内操作的具体步骤和先后顺序。它揭示了用户的目的性和使用习惯。

    利用功能点击顺序进行LTV 预测逻辑:

    • 路径 A(高 LTV 特征): 新用户注册 -> 首页 -> 搜索特定品牌 -> 进入商品详情页 -> 收藏。这条路径显示了强烈的目的性和明确的购买意图。
    • 路径 B(低 LTV 特征): 新用户注册 -> 首页 -> 点击横幅广告 -> 立即退出 App。这条路径显示了低质量流量的特征。

    传统增长 VS AI智能增长

    “挖掘深度行为和微观轨迹”,本质上是利用 AI 的算力,捕捉人类肉眼无法观察到的、海量的、细微的行为模式,从而比用户自己更早地预判他们的价值。

    2.关联性取代因果

    AI 不问“为什么”,它只看“是什么”。在大数据时代,只要相关性强度足够,它就可以直接转化为商业决策,而不必纠结于背后的动机。

    为什么这种方式在 2026 年的 App 增长中更有效?

    • 反应速度: 心理分析需要定性研究(慢),关联性分析只需要机器学习(快)。
    • 规避偏见: 运营人员的经验往往带有个人偏见,而 AI 的关联性是纯粹基于结果的。
    • 灰度成本低: 你可以同时针对 100 种莫名其妙的“关联性”进行小流量测试,最终留下的那个关联性就是你的“增长密码”。

    增长应用: 建立全链路数据追踪系统,将过去散落在各渠道的归因数据、App 内行为数据和交易数据打通,形成统一的用户资产(Single Source of Truth)。

    企业案例实战:AI “三位一体”如何驱动增长

    1. 字节跳动(ByteDance / TikTok):极致的推荐与自动化留存

    字节跳动是全球公认将“算法+数据+算力”融合得最完美的增长机器。

    • 大数据(全量轨迹): TikTok 记录的不仅是你的点赞,还有你滑过视频的速度、在某帧的停顿、音量大小等极其细微的行为数据。
    • 算法(强化学习): 它的推荐算法本质上是一个大规模强化学习系统。每当你滑掉一个视频,AI 就会收到一个“负反馈”,瞬间调整下一条内容的推送权重。
    • 实际增长案例: * 获客: 字节在投放时,会利用 Lookalike(相似人群扩展) 算法。它先分析 App 内最高价值的 1% 用户特征,然后利用算力在全球数十亿设备中找出最像这群人的潜在用户进行精准投放。
    • 留存: 著名的“沉默唤回”。如果一个用户 3 天没打开 App,AI 会根据其历史偏好预测哪一条内容最能吸引他点开,并在他最习惯看手机的时间点(算力预测)发送 Push。

    2. 某视频 App 的“音量调节”与流失预测

    这是一个更细微的、非直觉的相关性案例。

    • 发现相关性: 数据平台监测到,如果一个新用户在观看第一个视频时,频繁调节音量或反复拖动进度条,其 24 小时流失率比普通用户高 3 倍。
    • 分析: 机器不关心他是否心情烦躁。机器只看到这个行为模式。
    • 增长动作(实时干预): 当 AI 发现新用户正在“频繁调音量/进度条”时,立即判定该用户处于“体验挫败”状态,系统瞬间弹出一个高清切换指引或赠送一张会员体验券,强制打断流失路径。

    3. Netflix(奈飞)的“色调偏好”与留存

    • 传统心理猜测: 运营认为用户流失是因为“最近没好剧看”。于是花大钱买版权、推大片。 AI 特征识别: Netflix 的算法发现,用户点击视频的决定因素,往往不是剧情简介,而是预览海报(Thumbnail)的色调和构图
    • 特征发现: 数据显示,某些用户群对“暗黑、冷色调、特写镜头”有极高的点击相关性;而另一些用户对“明亮、多人合影”有强反应。
    • 增长动作: Netflix 针对同一部电影,实时生成几十种不同风格的海报。如果算法识别出你过去点开的都是暗色调封面,那么即便是一部喜剧片,它推给你的海报也会选一张色调较深、带有忧郁感的剧照。
    • 结果: 这一动作极大降低了用户的“决策成本”,从而大幅提升了长期的订阅留存。

    增长思维的升维:从“经验主义”到“数据主权”,过去的增长: 人工看数据(少量) -> 人工想策略(简单算法) -> 人工执行(低算力)。未来的增长: 系统收全量数据 -> AI 自动建模 -> 机器实时执行(高算力)。

    总结一句话: 高阶增长专家的价值在于:能够定义好业务场景,然后组织起最合适的“数据”,选择最有效的“算法”,并利用公司的“算力”去实现规模化增长。

    本文由 @ Sherryyyyy 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

  • 40+硅谷大佬抢投1000万美元,打造全球首个销售人员的AI操作系统

    B2B 销售正深陷效率泥潭:销售人员仅 30% 时间用于真正销售,每年浪费超 4000 亿美元生产力。AnyTeam 以 AI 原生销售操作系统破局,通过本地运行的 Account Agent、Call Companion 与 Sales Studio 三大核心模块,将繁琐任务从数小时压缩至几分钟,重新定义销售角色与工作流。

    你有没有算过,销售团队每天到底有多少时间在真正卖东西?答案可能会让你震惊:只有 30%。剩下的 70% 时间,也就是每天 4-5 个小时,都消耗在准备会议、做客户调研、制作演示文稿和跟进邮件这些琐碎事务上。更糟糕的是,新入职的销售代表需要 7-11 个月才能完全上手,而每年有 30% 的销售人员会离职。对于上市的 B2B 公司来说,每个季度用在销售团队运营上的开支占总运营成本的 25%-60%,这意味着数亿美元的开销。这不仅仅是效率问题,这是整个 B2B 行业最昂贵的运营黑洞。

    当我看到 AnyTeam 刚刚完成 1000 万美元种子轮融资的消息时,我意识到这家公司正在做一件极具颠覆性的事情:他们打造了全球第一个 AI 原生的销售操作系统。这不是又一个销售工具,而是对销售这个职业的彻底重新定义。更让我感兴趣的是,这轮融资由 SignalFire 和 Crosslink Capital 共同领投,还吸引了超过 40 位来自 Salesforce、Elastic、Snyk、ClickHouse 等公司的资深天使投资人。这些投资者都深刻理解销售的痛苦,他们的参与本身就说明了 AnyTeam 正在解决的问题有多么关键。

    全球 350 万销售人员的共同困境

    我深入研究了 B2B 销售领域的现状后发现,这个行业的效率问题已经到了不可忽视的地步。全球有超过 350 万 B2B 销售代表,他们每个人每天要花 4-5 个小时做那些与销售没有直接关系的工作。如果把这些时间乘以全球所有销售人员的薪酬,你会得到一个惊人的数字:每年超过 4000 亿美元的生产力浪费。这还只是直接成本,如果算上因为效率低下导致的客户流失、销售周期延长和收入目标未达成,实际损失可能是这个数字的好几倍。

    更让我震惊的是这个恶性循环的程度。新销售代表需要近一年时间才能真正开始产出,但平均每三个销售中就有一个会在一年内离职。这意味着很多公司投入大量资源培训的销售人员,刚刚开始创造价值就离开了。而那些留下来的销售,也在日复一日的繁琐工作中消耗热情和创造力。我认识的一位销售主管曾经跟我抱怨说,他最优秀的销售代表每天早上 8 点到公司,但直到下午 1 点才能真正开始第一个销售电话,因为之前的所有时间都用来准备资料、更新 CRM、回复邮件和制作演示文稿了。

    这种低效率不仅让销售人员痛苦,也让公司的财务状况雪上加霜。上市 B2B 公司每个季度在销售和市场营销上的支出占总运营费用的 25%-60%,这对任何一家公司来说都是巨大的负担。当董事会要求用更少的人创造更多的收入时,销售团队面临的压力就更大了。购买周期越来越长,获客成本不断攀升,但销售人员的日常工作方式却几十年没有真正改变过。这就是为什么我认为 AnyTeam 瞄准的是一个真正值得解决的巨大问题。

    传统销售工具为什么失败了

    在深入了解 AnyTeam 之前,我一直在思考一个问题:市场上已经有那么多销售工具了,从 CRM 到销售自动化平台,从数据分析工具到销售培训系统,为什么销售效率问题还是没有得到解决?答案其实很简单:这些工具从一开始就没有为真正做销售的人设计。

    我发现,传统的 GTM(上市)软件都是为管理层和运营团队打造的。CRM 系统的主要目的是跟踪销售流程和预测收入,仪表盘是为了让管理者能看到团队表现,报告系统是为了生成各种分析报告。这些工具确实给管理层提供了很好的可见性,但对于实际执行销售任务的销售代表来说,它们只是增加了更多的工作量。每次打完客户电话,销售代表都要花 20-30 分钟更新 CRM,记录会议纪要,设置后续任务。这些工具不是在帮助销售人员卖东西,而是在要求他们为管理层提供数据。

    AnyTeam 的联合创始人兼首席增长官 Jeff Yoshimura 说得很直接:”我们在与数百位销售代表交谈后发现,今天的 GTM 工具是为管理层和运营团队构建的,而不是为真正做销售的人。”这句话点出了问题的核心。Jeff 不是随便说说,他是 Zuora 的第一号员工,也是 Salesforce 最早的几百名员工之一,经历过三次 IPO。他亲眼见证了销售如何成为公司最大的开支项目,高昂的获客成本、高流失率和让 CFO 头疼的销售与市场营销费用比率。

    传统工具还有另一个致命缺陷:它们都是事后系统。销售人员必须先完成所有工作,然后再把信息输入到这些系统中。这些工具不会在销售人员准备会议时主动提供客户洞察,不会在电话会议中实时给出建议,也不会在需要创建演示文稿时自动生成相关内容。它们只是被动地等待销售人员输入数据,然后生成报告。这就像是给一个正在跑马拉松的运动员身上绑了一个沉重的背包,还期望他跑得更快。

    AnyTeam 的革命性突破

    AnyTeam 的方法完全不同。他们没有创造另一个销售工具,而是重新定义了销售人员的工作方式。他们打造的是一个 AI 原生的销售操作系统,就像 Windows 或 macOS 是电脑的操作系统一样,AnyTeam 要成为销售专业人士的工作操作系统。这个操作系统始终在线,能感知上下文,并在每次客户互动的前、中、后主动提供指导。

    让我印象最深的是 AnyTeam 的技术架构选择。与那些基于云的传统 SaaS 应用不同,AnyTeam 选择在本地设备上运行 AI。这个决策看似简单,实际上意味深长。在销售场景中,速度至关重要。当客户在视频会议中提出一个异议时,你需要立即得到相关信息和应对建议,哪怕延迟几秒钟都可能错失关键时机。通过在本地运行 AI,AnyTeam 能够提供闪电般快速的响应,与实时对话的节奏完美匹配。这种速度优势在传统的云端 AI 应用中是不可能实现的。

    AnyTeam 的产品架构由三个核心支柱组成,每一个都针对销售流程中的关键痛点。第一个是 Account Agent(客户 Agent),它能为每个潜在客户和现有客户提供全面的洞察。过去销售人员需要花 3-4 个小时在各种网站、LinkedIn、新闻网站和 CRM 之间来回切换做客户调研,现在 Account Agent 能把这个过程压缩到 3-5 分钟。更重要的是,这个 Agent 会持续监控客户动态,当你的潜在客户公司宣布新一轮融资或高管变动时,你会立即知道。不需要手动追踪,信息会自动推送给你。

    第二个支柱是 Call Companion(通话伴侣),这个功能让我想起了科幻电影中的场景。想象一下,你正在与一个重要客户开视频会议,客户突然提出了一个棘手的问题或异议。传统情况下,你可能会有些慌乱,需要快速思考如何回应。但有了 Call Companion,就像是有一个经验丰富的销售教练在你耳边低语,实时提供应对建议、相关数据和谈话要点。它会自动完成会议准备工作,在会议中提供智能指导,会议结束后还会自动生成跟进内容。整个会议生命周期的管理从原来需要 1-2 小时缩短到 3-5 分钟。

    第三个支柱是 Sales Studio(销售工作室),这是一个按需创建定制销售材料的交互式环境。销售人员经常需要创建各种内容:竞争分析、针对特定利益相关者的谈话要点、定制化演示文稿等等。这些工作过去可能需要 1-2 小时,现在 Sales Studio 能在几分钟内完成。它连接到用户的数据源和 AnyTeam 的研究能力,能够自动处理会议中的行动项目,理解你的信息传递方式,并生成真正能推进交易的材料。

    这三个支柱不是孤立运作的,而是通过与日历、邮件、CRM、Slack 和其他内部工具的集成,形成了一个完整的工作流程。AnyTeam 就像是销售人员的智能副手,始终陪伴在侧,自动化日常任务,提供实时的情境化指导,并且不断学习以持续改进。AnyTeam 的 CEO Ajay Arora 说:”我们构建 AnyTeam 是为了’把工作从工作中拿走’,将每天的销售任务从几小时缩短到几分钟,并给销售代表提供实时支持,帮助他们建立真实的客户关系。”

    为什么这个团队能成功

    我一直相信,真正能定义一个新品类的公司,不仅需要解决一个巨大的问题和拥有出色的产品,更需要深刻理解这个问题并知道如何解决它的创始人。这就是为什么我对 AnyTeam 的团队如此看好。

    CEO Ajay Arora 是一位三次创业的连续创业者,有多次成功退出经验。他最近的一家公司 BluBracket 在 2023 年被 HashiCorp 收购。Ajay 不仅是产品和工程领域的深度专家,拥有七项专利,更重要的是他构建过企业级系统,知道如何创建销售人员真正信任的工具。作为创始人,他经历过产品市场契合度确定后,销售变成最昂贵也最难预测的职能的痛苦。当你的销售团队把 70% 的时间花在行政任务上时,你就是在烧钱并错失机会。

    首席增长官 Jeff Yoshimura 可能是企业软件领域最受尊敬的 GTM 领导者之一。他帮助 Salesforce、Zuora 和 Elastic 实现了 IPO,后来又推动 Snyk 在不到三年的时间内从 3500 万美元的年度经常性收入增长到 2.15 亿美元,将公司估值推到 74 亿美元。Jeff 的经验覆盖了从种子阶段初创公司到数十亿美元规模公司的各个阶段,他亲身经历了销售效率危机如何在每个阶段表现出来。

    这两位创始人的组合非常强大。Ajay 带来了产品和技术的深度,知道如何构建销售人员实际会使用的系统。Jeff 带来了 GTM 的实战经验,理解销售流程的每一个细节和痛点。他们不是从外部观察销售问题,而是在职业生涯中反复遭遇这个问题,现在决心要彻底解决它。这种”亲身经历过痛苦”的背景,往往是创业成功的关键因素。

    AI 原生时代的操作系统思维

    我一直在思考一个问题:为什么 AnyTeam 选择将自己定位为”操作系统”而不是”工具”?这个选择背后有着深刻的战略思考。我们正处在 AI 原生时代的早期阶段,在这个时代,新应用不再只是在 SaaS 产品上添加功能,而是围绕智能自动化进行根本性的重新架构。

    就像每台电脑都有操作系统一样,我相信每个专业人士很快都会有一个为其角色专门构建的 AI 原生操作系统。销售是这个转变的完美切入点。全球有 350 万 B2B 销售代表,这个市场足够大;销售工作流程定义明确且可重复,这让 AI 有用武之地;效率低下的问题显而易见,这创造了紧迫需求;而生产力提升带来的投资回报是立竿见影的,这让决策更容易。

    AnyTeam 的边缘计算架构也解决了我在很多纯云端 AI 应用中看到的关键限制:速度不够快。当你需要实时指导时,比如在客户提出异议的那一刻提供答案,延迟可能会毁掉交易。通过在本地运行 AI,AnyTeam 能够提供与实时对话节奏匹配的闪电般快速响应。这种架构选择不仅是技术决策,更是对销售工作本质的深刻理解。

    SignalFire 的合伙人 Wayne Hu 在谈到投资 AnyTeam 的原因时说:”Ajay 和 Jeff 不只是在构建另一个销售工具,他们正在创建将定义下一代 AI 原生工作场所应用的操作系统。”这句话准确地抓住了 AnyTeam 的愿景。这不是一个点状解决方案,而是一个平台,一个基础设施,未来可能会有更多的应用和功能在这个操作系统之上构建。

    从工具到超能力的转变

    在 AI 销售领域,有很多噪音。很多公司在谈论 AI SDR(销售开发代表)和替代销售人员的 AI 化身,但我认为这些想法都误解了销售的本质。客户不想从机器人那里买东西。销售是一个深度人际互动的过程,需要同理心、判断力和建立真实关系的能力。AI 不应该替代销售人员,而应该增强他们的能力。

    AnyTeam 采取的是完全相反的方法。他们的 AI 原生桌面应用是销售代表的 AI 副手,始终在线、感知上下文、主动提供帮助。它在用户的设备上运行,连接日历、邮件、CRM、Slack 和内部工具,创建一个单一的智能销售操作系统。这就像是销售人员的终极私人助理,把几小时的繁琐工作压缩到几分钟,让销售人员能够在每次会议中都表现得敏锐、信息充分并准备好赢得客户。

    我特别欣赏 AnyTeam 提出的”全栈 AE”概念。在软件工程领域,全栈工程师指的是能够处理从前端到后端所有技术栈的开发者。类似地,全栈销售代表指的是能够独立完成从客户研究、会议准备、实时销售到内容创建的所有销售流程的专业人士。过去,这种全栈能力只有最顶尖、经验最丰富的销售人员才具备。但 AnyTeam 的目标是让每个销售代表都能拥有这种超能力。

    这种转变的意义非常深远。当销售人员从繁琐的行政任务中解放出来,他们就有更多时间和精力专注于真正重要的事情:理解客户需求、建立信任关系、提供有价值的洞察。销售不再是一场信息不对称的游戏,而是成为真正的顾问式销售。销售人员能够在每次对话中都准备充分,提供个性化的价值,并快速响应客户的每一个关切。这种转变最终会提高成交率、缩短销售周期,并建立更牢固的客户关系。

    市场反应和投资者信心

    AnyTeam 的 1000 万美元种子轮融资规模本身就说明了很多问题。在当前的融资环境下,种子轮能拿到这么多钱并不容易。但更引人注目的是投资者阵容的质量。SignalFire 和 Crosslink Capital 共同领投,SignalFire 的合伙人 Wayne Hu 加入董事会,Crosslink 的合伙人 Phil Boyer 担任董事会观察员。

    更让我印象深刻的是那 40 多位天使投资人的名单。这些投资者来自 Salesforce、Elastic、Snyk、ClickHouse、MaintainX、HarveyAI 等公司的 CEO 和高管,还有私募股权和风险投资领域的领导者。这些人不是随便投资的。他们都深刻理解销售的痛苦,很多人自己就管理过大型销售团队或者需要依赖销售团队来推动增长。他们的参与表明,AnyTeam 解决的问题是真实存在的,而且解决方案是可行的。

    Wayne Hu 在解释投资决策时说:”我们投资 AnyTeam 是因为他们正在解决 B2B 中最昂贵的问题:销售效率低下。”这个问题的规模是惊人的。如果 AnyTeam 能够将销售人员的非销售时间从 70% 降低到 40%,那将释放出巨大的生产力。对于一家拥有 100 名销售人员的公司来说,这相当于突然多了 30 名全职销售人员,而不需要支付额外的薪酬、福利或办公空间成本。

    从商业角度看,AnyTeam 的价值主张非常清晰。它能够加速新销售人员的培训时间,提高现有销售人员的生产力,降低流失率,并最终提高收入。这些都是 CEO 和 CFO 关心的核心指标。而且,与传统 SaaS 产品不同,AnyTeam 的影响是立竿见影的。销售人员从第一天开始使用就能感受到时间节省和效率提升,不需要几个月的实施和培训周期。

    这对整个销售行业意味着什么

    我深信,AnyTeam 代表的不仅仅是一个产品或公司,而是销售工作方式的根本性转变。未来的销售人员将不再是信息的搬运工或流程的执行者,而是真正的战略顾问和关系建设者。他们的价值不在于记住产品细节或整理客户信息,而在于理解客户的业务挑战并提供创造性的解决方案。

    这种转变也会改变公司对销售人员的要求和评估方式。过去,优秀的销售人员需要有出色的组织能力、对细节的关注和处理多任务的能力。但在 AI 原生时代,这些能力将由系统提供。公司会更看重销售人员的同理心、战略思维和建立关系的能力。招聘标准会改变,培训重点会改变,甚至薪酬结构也可能会改变。

    从更宏观的角度看,我认为 AnyTeam 正在开创一个新的产品类别。就像 Salesforce 在 20 年前开创了云端 CRM 类别一样,AnyTeam 可能正在定义 AI 原生销售操作系统这个全新类别。其他公司肯定会跟进,市场会变得拥挤。但作为先行者,AnyTeam 有机会设定标准、建立品牌认知,并在竞争对手进入之前占据大量市场份额。

    我也在思考这种转变对软件生态系统的影响。如果 AnyTeam 真的成为销售人员的操作系统,那么它就会成为一个平台,其他工具和应用可能会在这个平台上构建。就像 iOS 和 Android 成为移动应用的平台一样,AnyTeam 可能会成为销售工具的平台。这将创造一个生态系统效应,随着越来越多的集成和功能添加,AnyTeam 的价值会呈指数级增长。

    挑战和未来展望

    虽然我对 AnyTeam 的前景非常乐观,但我也看到一些需要克服的挑战。首先是数据隐私和安全问题。销售人员处理的很多信息都是敏感的商业数据,包括客户信息、交易细节和公司战略。虽然 AnyTeam 在本地设备上运行 AI 有助于数据安全,但企业 IT 部门仍然会对任何新工具持谨慎态度。AnyTeam 需要建立强大的安全框架和合规认证,才能赢得大企业客户的信任。

    其次是集成挑战。AnyTeam 需要与各种 CRM、邮件系统、日历工具和内部应用集成才能发挥全部价值。虽然他们已经支持主流工具,但企业环境的复杂性意味着总会有定制系统和特殊要求。建立和维护这些集成将是一个持续的工程挑战。

    第三是用户采用和行为改变。销售人员已经习惯了现有的工作方式,即使这种方式效率低下。引入一个完全不同的工作模式需要培训、支持和时间。AnyTeam 需要确保产品的学习曲线足够平缓,让销售人员能够快速上手并立即看到价值。

    尽管有这些挑战,我仍然认为 AnyTeam 处在一个完美的位置来引领这场变革。他们有经验丰富的创始团队,充足的资金,强大的投资者网络,最重要的是,他们有一个清晰的愿景和能够实现这个愿景的产品。从私有发布开始,他们有机会与早期客户密切合作,完善产品,积累案例研究,然后在公开发布时引爆市场。

    我相信,五年后回头看,我们会认为 AnyTeam 是销售工作方式转变的标志性公司之一。就像我们现在很难想象没有云端 CRM 的销售工作一样,未来的销售人员也很难想象没有 AI 操作系统的工作方式。那个 4000 亿美元的生产力黑洞将会大幅缩小,销售人员将能够把更多时间花在真正重要的事情上:理解客户、建立关系、创造价值。这不仅会让销售人员的工作更有成就感,也会让整个 B2B 商业生态系统更加高效和健康。

    本文由人人都是产品经理作者【深思圈】,微信公众号:【深思圈】,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。