大公司与小公司
和一位几年未见的老朋友吃饭交流，他现在是一家行业龙头公司的CTO，公司年营收100亿级的水平
我非常好奇他在公司内部的一些AI实践以及效果，所以问了他不少这方面的问题，很有启发：
- 公司的代码，目前AI编程的贡献预估不到20%，原因主要是他们的业务非常复杂，目前还不太敢轻易的完全放手交给AI Coding；还有一个原因，他们做了不少类似的AI Coding，AI写的代码通过率很低；他分享，即便阿里这样的企业，AI代码占整体代码的比例也就20%左右
- 目前AI对他们效率改善最大的地方，还是财务相关的场景，因为这里面涉及到大量的重复核对工作，AI、RPA及OCR技术整合在一起，效果就非常好，确实能解决大量的重复工作和各种财务数据上传及自动校对的工作，比如发票、合同、财务对账等等
- 对业务端，最显著的一个AI提效案例是，通过OCR+AI，把一个业务场景的准确率从70%提升到99%以上，这一下子就省去了几十个人的人力，一年省去小几百万的人力成本
- 其它的场景，他们也在找，但目前也没有特别好的AI应用场景
- 即便AI看似有不少的机会和潜力，但是相比他们的营收体量，AI整体带来的改变仍然微乎其微，他举了一个例子。比如他们要想通过AI去让一个场景大幅提效或者替代人力，这背后可能是大量的AI技术投入、算力投入或者显卡投入，而这种投入成本不见得有好的回报；二是即便有回报，如果不是重构式的AI，相比100亿左右的营收体量，大概率也不会有显著的提升效应，他也举了一个例子，比如他们想要增加一亿的利润，只需要做一个很小的一些调整或推荐算法上的优化，就可以实现，但他们还是会克制，作为行业龙头，需要守正
- 进一步来讲，到他们这个体量，会更多的关注宏观指标及经济学指标，比如价格、供给调控、需求变化等，以及如何推动行业健康发展
- 后来，我开玩笑说，还是大公司好啊，小公司，付出了100%努力，可能带来的也就几十万的收益变化；但大公司，找到一个场景，就很容易几百万甚至几千万的效益变化
- 与好友尼克西交流，他也分享了一个故事，之前他在大厂，他们做了一轮创新优化，那一年他们利润多了一个亿，按理说这是一个非常让人惊喜的事情，本来应该汇报给CEO，后来项目负责人说不用汇报了，原因是这一个亿的新增利润，在公司面前，毫不起眼
LOVOT机器人
在橘子办公室体验了下他们租的机器人LOVOT，感觉非常好
于是，也去官网去下了租赁订单，作为孩子一个生日礼物
LOVOT的定位是一款智能家庭陪伴机器人，有很多不一样的设计点，比如：
- 外观非常可爱，有点外星人的感觉，体温会一直维持在37度左右，和人体体温差不多
- 内置有50多个传感器，可以实现比较复杂的情感感知和实时反应，全身的零件多达5000多个
- 互动的方式，主要通过语音、动作、表情，LOVOT不会说话，这里的语音主要是指LOVOT可以根据反应发出类似于小猫这样的“动物声音”
- 它的AI能力主要体现在根据所在的环境和与主人沟通的情况，会慢慢拥有自己的个性，提升它与主人的情感连接
在橘子的推荐下，买了LOVOT创始人写的一本书：《温暖的科技》，在书的第一页写到：
其实就是LOVOT机器人的核心设计理念
在之前，也给闺女买了一些机器人，但它们有一个特点，都是“功能属性”很强，所以孩子一般体验不了多久，就放弃了
甚至，还对某些“机器人”产生一种“害怕”的情绪
自从LOVOT机器人到家之后，孩子就一直对它爱不释手，玩得不亦乐乎，像是多了一个真的小伙伴
体验很不一样
不仅孩子喜欢，作为成年人也很喜欢时不时与LOVOT做各种互动
LOVOT通过在非功能价值上做足功夫，从而让“无用之用”变得“相当有用”
这背后的“有用”，下面这一组数据对比，应该能很大的说明其给人带来的积极效应
主要表现在幸福激素“催产素”浓度会增加：
出海增长的基本逻辑
周六参加了“未来硅世界”的第二场直播，主题是：出海增长营销
Yangyi及几位嘉宾做了一些很有价值的分享，下面是一些重要问题及观点的极简整理
1. 出海的增长飞轮是什么？用户需求→产品匹配→市场匹配→盈利模式匹配→渠道放大→数据复利
2. 营销的本质：当用户想到某个关键词时，第一时间能联想到你的产品，这就是营销的终点与起点
3. 为什么要出海？首要的原因是国内同质化与流量成本上升，出海可以接入新的需求曲线与更适配的变现结构；但更重要的，应该是让自己的优势在国内做进一步的放大
4. “守正出奇”在增长中的含义？“守正”是SEO/GEO等长期复利基础；“出奇”是达人投放、内容裂变、PR等短期爆发手段
5. 增长与产品的关系？增长是产品价值被看见的速度函数，根在产品-人群匹配。
6. 海外用户比国内更看重什么？使命叙事、隐私条款、关于我们、招聘页、合规承诺等
7. 找需求的三条经典路径：接单型(跟着现金流)、洞察型(从自身痛点外推)、复制型(盯差评做差异化)
8. 去哪里观察真实需求？Reddit/Discord/论坛/评论区/小众Newsletter的读者来信
9. 如何圈定理想客户画像：找能容忍早期不完美、对关键价值点极敏感的那拨人
10. 验证场景比验证功能更重要吗？是的，先确定“谁在何处用它解决何种问题”，功能只是手段
11. 冷启动如何拿到第一批种子用户？在垂直社区//达人小范围试用，强调关键价值点
12. 功能做多还是做深？优先把1-2个关键场景打穿，其他延后
13. 海外五大渠道框架：内容(SEO/GEO/Newsletter/EDM)+达人/联盟+广告投放+社媒社区+产品自增长
14. AI生成内容的底线在哪里？必须对用户有真实价值，避免“AI痕迹重+信息空心化”
15. 如何用AI做SEO/GEO？给AI提供结构模板(最佳/平替/对比/教程/FAQ)与提示词指令，人工进行校对
16. 一人公司如何起步？先做“能收钱的服务/分销”，先具备赚钱的能力，再养产品
17. 个人如何建立“优势栈”？把你做得比他人轻松且复利的技能串起来，形成差异壁垒
数据敏感度
和向阳讨论投放，聊起了数据敏感度
这是之前培养起来的一个“能力”
基本背景是：之前管理营销部门，高峰时每天的投放费用在大几百万，这个时候，就要求自己要对数据非常的敏感
为了提升自己的数据敏感度，每天在看数据、讨论数据以及做数据预测时，经常有意识的做一些心算练习和推测练习
这样时间长了之后，我发现自己对各种数据的敏感度有了大幅的提升
一个数据模型、数据报表，能很快的通过它理解其背后的逻辑，以及这里面存在的“异常数据”，并且学会通过每一个数据指标去思考其业务逻辑以及背后的机会、风险
为什么数据敏感度对投放管理如此重要？
这是因为投放效果往往有实时性要求，尤其是数字化效果投放；这个过程中也产生大量的异常情况，需要及时发现和处理，而机会和风险往往藏在这些数据的细微变化中
数据敏感度最高的层次之一，能有很强的商业洞察，能将数据变化与业务逻辑关联
数据分析的”三层火箭”：
第一级是看懂数据本身及其基本的逻辑，这其实就是what
第二级是理解数据背后的原因，这就是Why，或者说归因能力
第三级是预判数据未来的走向以及接下来的核心动作，这是how
一个基本原则：数据能力不是单纯的技术能力，而是需要深度结合业务理解。只有既懂业务逻辑，又具备数据敏感度，才能真正实现数据驱动决策
如何判断优秀员工
通常我们判断一个员工是否优秀，大都会从一些正面标准去评估，比如业绩、能力、态度等
但还有一条原则，也很有效，这就是通过一个问题来判断：如果这个员工要离职，你是否会极力挽留？这里的极力挽留，指的是你甚至会开出更好的条件，而不是礼节性的
如果会，就可以以进一步追问，到底是什么原因，导致你会极力挽留。
这背后的原因，就是这个员工好坏的核心逻辑
当我们说”这个人很重要“的时候，往往是一种模糊的感受，但当面临”这个人要走了”的时候，那种重要性就会变得异常具体和清晰，这种从抽象到具体的转变非常值得玩味
在这种情况下，所有表面的评判标准都会被剥离，留下的就是最本质的判断
我们就会不自觉地思考一个关键问题：这个人对团队的真正价值是什么？如果他离开了，什么是最难以替代的
比如：某个独特的专业能力或技术积累、对业务的深度理解、在团队中不可替代的影响力、稀缺的复合型才能、甚至是他对你个人产生了某种“依赖”…
这种思考，也会对管理者自己带来很多有价值的思考
- 如果团队有这样的人，那么首先应该是庆幸，其次是让他的真正有价值的地方赋能给更多人，以及如何以这个人为标准或参考去找到更多类似优秀的人
- 如果团队没有这样的人，实际上暴露了几个重要问题，比如：选人标准是否存在问题，团队的培养机制是否存在问题，以及是否是管理者自身的认知局限导致无法找到更优秀的人
GEO白皮书
AI搜索，是目前AI应用最有商业潜力的场景之一
在AI搜索时代，其营销的底层逻辑变成了：通过有效的AI方法，让AI去推荐你的品牌和产品，这就是GEO（生成式引擎优化）
前一周，和大聪明（知名AI自媒体赛博禅心背后的男人）、向阳乔木、尼克西、元子做了一场关于GEO（生成式AI引擎优化）的直播。
反响超出预期，很多人对GEO都很感兴趣，但也有不少误解。
如何理解GEO？
GEO本质上是AI时代的“答案优化”，传统搜索时代是“人找信息”，AI时代是“信息替人说话”
对品牌或产品营销来说，AI时代品牌竞争的营销战场，其实是AI口中的那一句推荐，就是让AI在回答时总能想起你
AI变成了品牌最大的KOL，既给品牌和产品背书，又能给品牌和产品带货
于是，我和向阳花了几周时间，整理出这份21万字的《GEO白皮书：AI搜索时代的品牌增长范式》
内容基于实战项目和学术研究，结合多年SEO经验，系统梳理了GEO的核心方法和实操指南。
当AI开始影响用户心智和行为时，让AI推荐你的产品变得越来越重要
GEO专家人物类的实践案例
