Загружаем каталог…
НАВИГАТОР ПО ВОЗМОЖНОСТЯМ ИИ
Найдите свой ИИ-инструмент. Бесплатный доступ, пробные периоды и кредиты — в одном месте.
Readhub
全球首台搭载全国产化电子架构的具身智能机器人于湖北宜昌举行的国产化电子架构具身智能机器人发布会上正式亮相。电子架构是决定整机性能上限的智能神经系统,涵盖操作系统、网络、工具软件和 AI 计算芯片。这套国产化电子架构可实现控制与 AI 智能计算的隔离融合,构建从 AI 决策到物理执行的全国产化技术底座,提供可完整替代国外方案的技术选项。
Балл: 57.38Уверенность: 54%
Подробнее掘金
Claude Code 与 Hermes Agent 深度拆解:顶级 Coding Agent 为什么都放弃了纯 Chat 模式? 作 者:吴佳浩(Alben) 微某信公众某号:全栈架构师笔记 **系
Балл: 57.38Уверенность: 54%
Подробнее掘金
**上下文工程(Context Engineering)**,就是每次你和 AI 对话时,AI 实际“看到”的全部信息。它不仅包含你们之前聊了什么......
Балл: 57.38Уверенность: 54%
Подробнее掘金
RAG 比纯聊天多了检索,但大头费用往往仍在大模型 token。 演示时同一句问十遍、前端重试、热门故障码被反复点——不缓存就重复付费。 今天两件事:把每次花销记下来,以及 FAQ 级缓存。 一、先看
Балл: 57.37Уверенность: 54%
ПодробнееReadhub
创新生物医药公司斯莱普泰宣布完成超 5000 万美元 A 轮融资,本轮融资由德诚资本领投,多家机构跟投,老股东追加支持,易凯资本任独家财务顾问,资金将重点用于推进核心管线临床开发、优化双技术平台及拓展创新管线布局。
Балл: 57.37Уверенность: 54%
ПодробнееReadhub
受苹果、英伟达、AMD、高通、联发科等主要客户新增 10%-20% 订单的带动,台积电正加快 2 纳米芯片产能扩建,其 2 纳米芯片年底月产能有望达 12 万片,超出此前市场预估的 9 万至 10 万片,原订 2027 年达成的 2 纳米芯片产能目标也将提前实现。
Балл: 57.37Уверенность: 54%
ПодробнееReadhub
Google 在印度测试允许用户通过 Gemini 和 AI Mode 直接在 AI 界面内购买 Flipkart 商品,推动其 AI 服务从商品发现向交易延伸。测试目前仅限部分用户及部分智能手机、电子产品、手机配件类商品,用户可在对应商品页看到购买按钮直接进入结账流程无需离开 AI 界面。Google 计划 10 月下旬扩大测试范围以赶上印度购物旺季,此前其已推出通用商务协议并投资约 3.5 亿美元入股 Flipkart,目前并非所有零售商都提供直接购买选项,Amazon 暂未被纳入。
Балл: 57.37Уверенность: 54%
ПодробнееReadhub
国家统计局相关负责人解读 2026 年 1-8 月份工业企业利润数据,1-8 月规模以上高技术制造业利润同比增长 54.7%,增速高于全部规模以上工业 39.0 个百分点。算力基础设施加速建设带动下,光纤制造、光缆制造行业利润分别增长 5.3 倍和 1.0 倍,高性能服务器等相关多个行业利润均实现不同幅度增长,同时仪器仪表及新型医疗仪器设备制造业加速发展,导航测绘气象及海洋专用仪器制造、口腔科用设备及器具制造行业利润分别增长 2.2 倍、70.2%。
Балл: 57.37Уверенность: 54%
Подробнее人人都是产品经理
最近爱上了种花,在 Focus Bloom 里攒下 99 朵花。工作、瑜伽、冥想时开始计时,只要不频繁切屏,倒计时结束就能收获一朵花和金币,花可以种进花园、更换背景花盆,足迹里记着每朵花开的日期。文章把这条路径拆开,对照 Hook 习惯模型讲了一遍。 最近爱上了种花,在【Focus Bloom】种花app里拥有99朵大漂亮花啦。 这些花花都是我“专注”的收获,工作、瑜伽、冥想的过程,可以见证一朵小苗–长成花骨朵–最后绽放盛开,收获一朵大漂亮花。 一、我的完整体验路径 1 接触:受邀参与APP内测 朋友告知自研了一款专注类APP,看完产品截图后我十分期待,随后就被拉进内测名单。 起初还只是抱着支持、体验、好奇的心态打开试用,简单把玩。 体验下来的直观感受:产品逻辑干净、场景舒服、体验很治愈。 使用全过程: 专注计时 → 获得花 → 种进花园 → 花园越来越丰富 → 想继续专注赚更多金币可以买下花花的获得权力。 1)专注时想到打开app 在生活碎片里,只要一专注,就想起打开app,习惯已养成。 (app商店搜索:Focus Bloom) 我专注的生活碎片: 工作专注时 :静心进入工作流 瑜伽普拉提锻炼时 :陪伴式专注 冥想放空时 :温柔氛围加持 做手工、独处静心时 :陪伴治愈 2)专注计时 用户从“开始计时”到“收获花朵种进花园”的情绪变化。专注类工具的痛点是过程痛苦、结果无感,它用花的生长过程把痛苦时段视觉化了,让“等待25分钟”变成了“看花慢慢开”。 3)获得大漂亮花 专注期间,只要不频繁切换手机屏幕(认真专注),倒计时结束后,就能收获一朵大漂亮花+金币,金币可以用来买更漂亮的花花获得权。 足迹里可以查看已获得的全部漂亮花,可以查看每一朵花盛开的日期、专注的时长 。每次查看足迹,就能回忆起当时专注、宁静的时刻。 收获的花可以养起来,种在我的花园、观赏,还可以更换花园背景、花盆,把花园装扮成喜欢的样子。 白天 莫奈花园、普罗旺斯 更应景,黑夜 梵高星空 更搭配,还有更多风格可选择。 4) 想拥有更漂亮的花 免费花全部获得后,就像拥有更漂亮的花,这就需要金币解锁漂亮花的获得权。更漂亮的花驱动我想要挣更多金币,这样就可以解锁更漂亮的花花啦。 免费花:可任意选择; 金币花:专注完成后收获金币,积攒的金币越多,可以解锁的金币花越多,解锁后可以永久使用; 抽奖限定花:需要花金币抽奖,凭运气抽到随机漂亮花; 成就限定花:需要完成连续打卡才能获得漂亮花。 2 上瘾:多场景覆盖,融入生活 这个产品确实很有意思,核心就是把“枯燥的专注”和“养花的即时满足”绑在一起。 我专注一次可以获得一朵大漂亮花,是漂亮花吸引了我,是专注过程见证一朵花花从花骨朵绽放盛开吸引了我,是更漂亮的花需要金币去获得权限让我更积极地使用。 在这个过程我养成了一专注就想到打开app,从获得花-养花-观赏,过程也是一种美好☀️☀️☀️ 真正用起来之后,完全停不下来。 这款产品最打动人的点,就是极度轻量、极度温柔,它不是逼着你自律、逼着你专注, 而是用“养花、打造专属花园、积攒各式漂亮花卉”,这种温柔激励,让你愿意专注、愿意沉静、愿意静下心做事。 二、产品拆解:为啥一接触【Focus Bloom】就上瘾? 深度体验了朋友开发的养花专注APP,从拿到内测资格到长期日常使用,全程沉浸式体验,让我对「轻量化治愈型产品」有了很深的感悟。 同时发现它完整落地Hook行为循环模型,靠一套闭环设计牢牢抓住用户,实现长效留存。 Hook模型四步循环:触发→行动→多变酬赏→投入,形成完整的用户习惯培养体系。 Hook 模型,是 产品经理用来设计用户习惯、提升留存的行为心理学框架 ,是一个循环闭环: 触发 Trigger → 行动 Action → 可变奖励 Variable Reward → 投入 Investment ,循环往复,让用户无意识地反复使用产品。 作者尼尔・埃亚尔(Nir Eyal),出自《上瘾》 1 触发(Trigger) 触发分为外部触发与内部触发,也是用户持续打开产品的动力。 外部触发(冷启动):初期依靠朋友内测邀请完成拉新,日常依靠桌面图标、温和无打扰唤醒用户。 内部触发(长期留存):产品将“想要静心、渴望治愈”这类情绪与产品深度绑定。 当我工作时、练习瑜伽时,下意识就会打开APP,治愈力推动用户自发打开产品,不依赖推送强行召回。 2 行动(Action) Hook 模型强调行动要简单,降低用户操作的心理成本。 APP操作简便,一键开启专注,无需填写目标、调整复杂设置;同时适配工作、冥想、手工等多元场景,随时启动、不强制专注时长。 没有每日任务捆绑,不用消耗意志力逼迫自己自律,轻微的动机就能支撑完成使用行为。 3 多变酬赏(Variable Reward) 产品设计了三层酬赏: 感官酬赏:漂亮的花花、花花绽放动画,提供独有的治愈情绪价值。 猎物酬赏:每次完成专注,获得金币,解锁不同品类鲜花,获得稀有、限定花花,更漂亮的花花持续勾起我的收集欲。 自我酬赏:花园扩建,从9格-到12格-到24格-到36格,花花品类变丰富,每次打开都能看见自己的专注成果,满满的成就感。 4 投入(Investment) 用户投入时间、情绪、虚拟资产后,流失成本提升: 一方面,所有鲜花永久保存在专属私人花园,长时间收集的花束是独属于自己的数字资产,一旦注销账号就会全部清零,用户不愿轻易放弃。 另一方面,每一束花都对应一段专注时光,承载着工作、冥想、瑜伽的独处记忆,注入了个人情绪。 每次翻看满园鲜花,都会萌生“再专注一会,解锁新品种花朵”的想法,自动开启新一轮「触发-行动-酬赏-投入」循环。 三、最终感悟:好产品,是帮人好好生活 体验完整APP内测版本后,我深有感触:(目前app在国内、海外都上线啦) 优秀的产品是:顺应人性、治愈情绪、陪伴成长、让生活变轻盈。 从最初的简单试用,到现在成为我日常离不开的小治愈; 我更加笃定一件事:最高级的产品力,不是改变用户,而是温柔托举用户的生活。 本文由人人都是产品经理作者【Nana】,微信公众号:【娜是产品经理】,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。
Балл: 57.36
人人都是产品经理
马上就是十一长假,朋友圈摄影大赛要开始了。Superpose 正是冲着拍照来的:联合创始人 Melody Chu 的丈夫总把她拍得很难看,她和一位前 TikTok 员工做了一款 AI 相机,在现场教你怎么拿手机、怎么摆姿势,上线两个半月拿到 2 万次安装。 马上就是十一长假,朋友圈摄影大赛也要拉开帷幕了,今天分享一个应景的产品:Superpose,https://www.superposelabs.ai/ 出去旅行,一个重要的任务就是:出图。 今天分享的产品 Superpose 的联合创始人 Melody Chu 就遇到了这个问题。她在接受采访时说,自己的丈夫总是把她拍得很难看,她一直想不明白,对方到底是怎么做到每次都能把她拍得那么糟糕的。 于是,她和另一位前 TikTok 员工一起, 做了一款专门教人拍照的 AI 相机 ,就是今天的主角 Superpose。 它试图在拍照的现场就解决问题:告诉拍摄者手机应该怎么拿,告诉被拍摄者身体应该怎么摆,并且直接生成几张参考照片,让双方知道下一张应该怎么拍。 今年 7月初上线后, Superpose 在约 两个半月内 获得了超过 2万次安装,用户累计创建了超过 19万个生成结果。 9月15日,公司宣布完成 220万美元种子轮融资,美图也参投了。 01 前 TikTok 员工,决定解决一个拍照难题 Superpose 的两位创始人都曾在 TikTok 工作,但负责的领域并不相同。 联合创始人兼首席执行官 Melody Chu 是一位具有丰富 消费互联网 产品经验的创业者。 她曾先后在 Meta、Nextdoor、Roblox、TikTok 和 Slack 从事产品相关工作,在 TikTok 期间参与推出了 Creator Marketplace,也就是连接品牌与内容创作者的商业合作平台。 另一位联合创始人 Jing Liu 则有更深的 计算机视觉 技术背景。她曾是一家三维人脸扫描创业公司的创始工程师,后来在 TikTok 负责个性化图像和视频生成相关研究。 一个熟悉内容创作者和消费产品,一个研究过人脸与图像生成,两人的经历恰好与 Superpose 的产品方向一致。 Melody 在一个采访中解释了自己的创业动机。 她觉得,计算机视觉和生成式 AI 已经发展到了一个阶段,应该能够解决自己长期以来遇到的拍照难题,而不仅仅是让照片中的人变得更漂亮。 目前,许多 AI 图片产品已经可以让用户上传一张自拍,再生成几十种不同风格的照片。你可以穿上自己从未买过的衣服,站在从未去过的海滩,甚至拥有一组看起来非常专业的时尚大片。 但 Melody 想解决的,是人们已经站在真实的场景里,却不知道怎么拍出一张满意的照片。 公司在产品发布公告中,也明确强调了这一点: Superpose 的目标是帮助用户拍下自己真正经历的时刻,而不是创造另一个不存在的世界。 因此,它把产品定位得很窄, 主要服务于一至三个人的人像拍摄,优先解决旅行、约会、朋友聚会等场景中的拍照问题。 这个定位与一般的 AI 修图产品有一个区别:用户拍照时,往往还没有一张值得修的照片。真正的问题发生在按下快门之前。 02 先拍一张,AI 告诉你接下来怎么拍 Superpose 的使用流程并不复杂,但它将多项 AI 能力放进了同一次拍摄过程。 假设你和朋友正在旅行,想在一个漂亮的建筑前拍照。打开 Superpose 后, 应用首先会根据当前取景画面,对光线、拍摄角度和构图提供实时提示。 例如,拍摄者可以通过屏幕上的反馈,调整人物与背景的位置,避免画面过暗或者构图失衡。 根据苹果应用商店的产品说明,这部分实时指导直接在手机本地运行,不需要将画面上传到云端等待分析。 真正的 AI 生成环节,在拍下第一张照片之后开始。 用户可以先拍一张普通照片,再让 Superpose 根据这张照片 生成四张不同姿势的参考图。 公司宣称,这个过程通常不到10秒。 与提前在社交平台寻找摄影姿势不同,这些参考图会结合已经拍摄的场景、用户的穿着,以及人物在画面中的位置生成。 比如,你站在海边,AI 可以尝试生成侧身、转头、调整手臂或者改变站姿的几种方案。你不必拿着一张陌生人在巴黎拍摄的照片,再研究怎样把相同姿势搬到眼前的场景里。 用户选中喜欢的参考图后,可以将它固定在屏幕上,进入姿势指导模式。 系统会把提示分成两部分: 一部分给镜头前的人,包括手的位置、肩膀的角度和下巴的方向;另一部分给拍摄者,帮助其调整机位与取景。 它还提供姿势轮廓叠加功能,将参考图的人体轮廓直接放在实时取景画面上。 用户可以选择在手机本地快速生成的简化轮廓,或者显示四肢、手指和衣服形状的精细轮廓,再对照调整。 这样一来,两个人终于有了一张共同的参考图。被拍摄者不必再反复说“拍得自然一点”,拍摄者也不用凭感觉猜测对方想要什么。 值得注意的是,Superpose 同时提供两种结果: 用户可以直接保存 AI 生成的照片,也可以按照参考姿势重新拍摄,获得一张现场拍下的新照片。 这两种照片并不相同,前者是生成式 AI 的图像结果,后者才是用户重新拍摄的真实照片。 这也是理解这款产品时不能忽略的边界,尽管公司强调希望保留真实场景,但 AI 生成的版本仍有可能改变人物的局部细节。 但也有报道提到, 部分生成姿势显得夸张,有时甚至有些不自然, Melody 也承认了这个问题,并表示团队正在改进生成效果和个性化能力。 03 这款 AI 相机,具体用了什么技术? Superpose 的 AI 能力可以分成三个相互配合的部分: 实时拍摄指导、生成式图像,以及个性化学习。 实时指导主要负责判断眼前的拍摄条件。它需要分析画面中的人物、光线和构图,再给出能够立即执行的提示。 由于用户已经站在拍摄现场,等待时间越短越好,所以 Superpose 将这部分能力放在手机本地运行。 生成式图像则需要更强的模型能力。根据 Superpose 的隐私政策, Google Gemini 是其 AI 图像生成服务提供商。 用户使用云端生成功能时,照片会被发送给第三方服务商处理,用于生成姿势参考或其他图像结果。 第三部分是个性化,也是团队希望继续发展的方向。 Superpose 的隐私政策已经明确说明,产品会收集用户对生成结果的偏好信号,包括保存、分享、下载、丢弃或给予负面评价的图片。 这些信息可以帮助系统逐渐了解用户的审美。 公司也在发布公告中表示,希望随着用户拍摄次数增加,系统能够更准确地理解每个人对好照片的不同定义。 这项能力如果能够真正完善,可能比单纯生成更多姿势更有价值。 同样站在一栋建筑前,有人喜欢看起来很随意的生活照,有人希望拍出时尚杂志的感觉,还有人只想拍一张自然的游客纪念照。 对于这些人而言,统一生成一套标准姿势,未必能满足需求。 但这里仍然存在一个实际问题: 产品需要积累多少数据,才能准确理解个人偏好?用户每次保存一张照片,究竟是因为喜欢那个姿势、光线,还是自己的表情? 此外,AI 摄影还有一个绕不开的问题:人脸一致性与隐私。 Superpose 的隐私政策提到,为了在不同生成照片中识别并保持人物一致,系统可能从上传照片中提取人脸几何信息。 其政策允许利用这些生物识别数据改进个性化模型及通用模型,同时明确,第三方 Gemini 服务商受到合同约束,不得将这些数据用于训练 Google 自己的模型。 这里有一个值得注意的细节:应用商店的产品说明称,不会使用用户照片训练 AI 模型;但公司隐私政策中,确实包含利用提取出的生物识别数据改进模型的条款。 对于一款需要用户上传大量个人肖像的应用而言,生成效果固然重要,能否让用户清楚地理解自己的照片和人脸数据将如何被使用,同样影响长期信任。 04 两个月融资 220万美元,它靠什么赚钱? Superpose 在7月初登陆苹果应用商店,9月15日正式发布产品和融资公告。 根据公司当时披露的信息,应用已经获得超过 2万次安装 ,用户创建了超过 19万个生成结果。 这些数字说明,产品已经吸引到一批早期尝试者,但还不能据此判断用户留存、付费转化或收入情况。 19万个生成结果也不等于19万名用户,因为同一个用户完全可能反复生成多组照片。 不过,Superpose 的收费方式值得关注。 目前的美国应用商店说明显示,用户每天可以获得免费生成额度。如果需要更多,可以一次性购买: 5组生成额度为2.99美元,20组为9.99美元,每组可以生成4张姿势参考图。 购买的额度不会过期,也不需要每月订阅。 这与它的使用场景比较吻合。多数普通用户可能不会每天都需要 AI 帮忙拍照,但在旅行、聚会或者约会时,需求会突然变得强烈。 与其要求这些用户每个月订阅,不如让他们在某次拍摄时,为额外的生成次数付费。 用户已经到达目的地,也已经拍下了一张不太满意的照片,付费需求发生的时刻与使用场景非常接近。 但这样的模式也有自己的难题。 用户每天能够免费生成多组照片,如果这些额度已经足够满足普通拍摄需求,付费转化就可能受到限制。 反过来,如果免费体验过于有限,用户也可能在尚未感受到产品价值之前,就决定不再使用。 而且,照片生成涉及云端模型调用,使用量增加不只意味着潜在收入增加, 也可能带来更高的推理成本。 公司尚未公布模型成本、付费转化率、复购率和实际收入,因此现在还无法判断按次收费能否支撑长期经营。 此次 220万美元种子轮融资中,美图的参与尤其值得关注。作为长期经营影像处理与美颜产品的公司,它与 Superpose 所在的消费影像赛道有直接关联。 但这笔投资目前尚不足以证明,双方未来会在模型、产品或流量渠道上进行何种程度的合作。 对 Superpose 而言,融资能够支持其继续完善技术和获取用户,但真正需要验证的商业问题仍然是: 用户在第一次体验之后,会不会在下一次旅行或者聚会时再次打开它,并愿意为更多结果付费? 05 拍照姿势指导并不是新需求,AI 改变了什么? 其实,早在生成式 AI 普及之前,就已经有人尝试解决类似问题。 2019年,摄影媒体 Digital Camera World 介绍过一款韩国应用 SOVS 。 它允许用户将人物的半透明姿势轮廓叠加到相机取景画面上,拍摄者只需要调整机位,让镜头前的人与轮廓重合,就能模仿预设的拍照姿势。 这个功能与 Superpose 如今提供的姿势轮廓指导非常相似。 但当年的 SOVS 主要依赖 预设姿势 ,而 Superpose 增加了一项重要能力: 结合用户实际所处的场景,直接生成可以参考的姿势图。 这也是生成式 AI 真正发挥作用的地方。它不再要求用户从一套固定模板里寻找最接近当前场景的姿势,而是根据眼前的照片,创造新的参考方案。 问题在于,随着 AI 能力逐渐进入手机原生相机,这种优势能保持多久? 2025年, Google 已经在 Pixel 10 系列推出 Camera Coach,利用 Gemini 分析场景,为用户提供光线、构图、取景、相机模式等方面的建议。 用户可以先让系统预览当前画面,再选择拍摄主题,跟着相机给出的步骤调整。 Adobe 也在2026年7月,为其实验性摄影应用 Project Indigo 推出了 AI Playground。其中的照片指导功能可以评价已经拍摄的照片,并提出重新拍摄或者后期编辑的建议。 Adobe 甚至在技术博客里专门讨论了一个细节: AI 给出的拍照建议,必须考虑当前手机实际拥有的镜头能力。 因为告诉用户调整一个手机根本不支持的光圈参数,并不是一条有用的摄影建议。 相比之下,Superpose 聚焦的是更具体的人像姿势和拍摄者之间的协作,而不是面向所有摄影场景的通用指导。 不过, 当手机厂商已经开始把 AI 摄影指导直接放进原生相机, Superpose 就需要提供足够突出的体验,让用户愿意在系统相机之外,再打开一个独立的应用。 它的机会或许在于,把摄影指导做到足够具体,尤其是让普通人能够快速理解并执行。 但如果每次拍照都要先生成图片、选择姿势、查看说明,再调整身体和机位,那么这种帮助也可能变成新的操作负担。 对于旅行拍照来说,十秒钟可能很短,也可能很长。用户是不是愿意多花这段时间,最终取决于拍出来的照片是否真的更好。 最后,Superpose 还有一个值得持续观察的问题: 它究竟是一款 AI 摄影教学工具,还是一款披着教学外衣的 AI 图片生成应用? 这两种产品,满足的需求其实不同。 如果用户只是希望获得一张足够漂亮的照片,那么直接保存 AI 生成结果可能更加方便,也不需要再花时间重新摆姿势。 但如果用户想要真实记录某次旅行、某个场景,或者与朋友一起拍摄的经历,那么 AI 生成的参考图只是中间步骤, 最终仍然需要现场重新拍摄。 Superpose 目前同时提供这两种体验。它能否把用户从前者引导到后者,决定了摄影指导究竟是一个核心产品价值,还是生成式图像之外的附加功能。 以上,祝你今天开心。 作者:张艾拉 公众号:Fun AI Everyday 本文由 @张艾拉 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
人人都是产品经理
世界是由一套套具有传染性和竞争性的游戏塑造的,人类在这个过程中发明了两类东西:计分板,它重塑文化;徽章,发给参与游戏的人。为什么有人愿意花 100 万办一场婚礼?这是典型的棘轮效应——婚礼是嵌套在更大系统里的游戏,奖励那些推动它持续运转的人。 我们的世界,是由一套套具有传染性和竞争性的游戏塑造的。 在这个过程中,人类发明了两类东西: 一类是 计分板——它重塑文化。 另一类是 徽章——发给参与游戏的人。 举个例子,为什么有人愿意花100万办一场婚礼?这就是典型的 “棘轮效应” 。 婚礼是一套嵌套在更大系统里的游戏,它奖励那些推动它持续运转的参与者。 婚礼和大多数人类活动一样,关乎地位与归属感。它是阶层秩序的展示,也是融入群体,获得身份认同的契机。 “已婚” 本身是一枚徽章。但我们结婚的方式,却在记分牌上被计分。 婚礼是集体活动,无法一个人完成。婚礼的排场与仪式细节向外展示,观看者多是同辈亲友,他们之中很多人未来同样会筹办婚礼。“和我们一类的人,就该这么做”,这就是文化,婚礼天然承载这套逻辑。 婚庆行业能从更高规格的婚礼里获利。花艺师与宴会服务商同一时段只能接一单。想要提升营收,最直接的办法就是拉高单场利润。于是行业有动力去拨动计分板,推动这场游戏持续升级。 投入更多成本,相当于拧紧“棘轮”。 棘轮几乎只会朝着同一个方向转动。 当然,现实世界里最普遍的传染性竞争游戏, 是资本主义 。一个简单的指标—— 利润:普适、易衡量、有回报,创造出一种几乎人人参与的互操作游戏。 如果你想改变一个行业、一个社群,甚至整个世界,最直接的办法就是搭一套有传播力的竞争游戏。让它先在资本主义大体系里跑起来,攒够势能之后,再朝你自己的方向螺旋生长。 游戏的内核不只有钱, 任何方便追逐和对比的标准,都可以成为标尺。 健身房拍照打卡,跑十公里的时间和路线,都是计分板上的分数。 这里必须提到Keep。2015年上线,十年沉浮, 直到2021年All In奖牌玩法, 才把内循环盘活,搭出一个生态闭环。到2023年,Keep奖牌不光成了会员订阅和线上付费的核心增长来源(营收占比超46%),还帮公司成功上市。 一枚徽章或是认证标签(例如 “有机认证”、共益企业 B Corp)可以作为起点。但如果不存在 “超越现有标准” 的空间, 这套体系就会陷入停滞。因为它无法激励人们通过做得更多来博取社会地位。 一枚徽章或是认证标签,比如有机认证,共益企业BCorp,都可以作为起点。但体系一旦没有 “超越现有标准” 的空间,就会被卡死。因为它无法激励人们靠持续付出,换取更高的社会认同。 这也能解释,很多食品与乳品品牌,会不断追逐各类认证和蛋白质含量。“我如何满足标准”,不会成为永无止境的游戏。但 “对比其他人,我做得怎么样”却可以。 这是全文的核心结论: 徽章是有限的,完成目标,拿到印章,很快就抵达上限。 具备传播力的“记分板”,自带不断 “追求更多” 的底层逻辑,属于无限游戏。 徒步者有一生徒步的10大线路清单;多邻国用户有连续打卡天数。奥运会除了奖牌,还有世界纪录;中国足球之所以跑偏,就是大家仿佛只盯着奖杯这枚徽章。 一切都绕不开这个问题:拿什么当参照? 这套动态机制本身,并不代表游戏一定有害。真正要做的, 是看懂底层逻辑,善加利用 ,搭出有粘性、能传播的游戏规则, 引导事物朝着更好的方向前进。 本文由人人都是产品经理作者【品牌猿】,微信公众号:【品牌猿创】,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
Балл: 57.36Уверенность: 54%
Подробнее人人都是产品经理
会用 AI、能用 AI 做出产品、能把产品卖出去赚到钱,是几件不同的事。一个小伙伴花了不少时间用 AI 做了个产品没卖出去,转头又想去报课学 AI 做 PPT。作者的判断是,先想清楚谁需要这个产品,再决定学什么、做什么产品,这中间隔着三道门槛。 很多人会误认为会用 AI 之后,就能赚到钱。这不对,会用AI、能用AI做出产品、能把产品卖出去赚到钱......这都是不同的事情。 昨天一个小伙伴跟我说,他花了不少时间用AI做了个产品,没卖出去,又在考虑报个课,学学AI做PPT之类的技能。 他已经能用AI把网站做出来了,我觉得现在更需明确的问题是,产品有没有人需要,自己有没有找到这些人,以及他们为什么没买。 还没弄清楚原因, 就把没成交归到技术不够,再付费学技能,都只是饮鸩止渴 ,给自己焦虑做心理按摩罢了。 所以我觉得,想靠AI赚钱,或者说把一个产品卖出去,应该先想清楚卖给谁,这些人需要你帮他做什么,再决定学什么、做什么产品、怎么调整产品。 这中间至少隔着三个大门槛: 1 先弄清楚,谁需要这个产品 今天在外面上课,富贵老师讲到先有需求还是先有人群,结论是:先看什么人、这个人在什么情境下、为什么想要产品、想获得什么改变,再考虑拿什么产品去回应。 比如,我们要面向的是电商老板,这个人是不是在做内容、详情页的时候,需要拍产品?但是人工拍摄的效率比较低,效果也没那么好,想要用 AI 提效。 这个时候,我们再考虑做产品去满足他的需求。我们可以继续推: 如果我们卖提示词、卖详情页模板、AI 生成详情页的工具......这些都不一定是他需要的。他需要的是: 第一, 能根据产品生成有场景的图片。 第二, 能根据同行的图片,把产品和场景换成自己的。 最大的需求就这俩,所以我们做的工具,只要让用户上传产品图就行了,再选择是直接生成还是替换就行了。 也就是说,对方需要的也未必多复杂。我有个做技术的朋友说过一句话,他说即使到了现在,很多我们以为是常识的东西,还是有很多人并不知道。 你觉得很基础的方法,帮对方用进实际工作里,也可能有价值,不一定非得先学一门新技术。 至于做成网站、工具还是课程,那只是产品形态的问题。 2 你自己能用,不等于你能交给别人 之前我用 AI 做了个采集数据的工具,但是有风险,使用工具的账号容易被封,我的已经封了。 所以我的判断是,这工具没什么问题。 但是,另一个朋友他做的相似工具,会先确认不会封号才敢给客户。 他说:客户不会像你这样拿个小号去试,有人会直接拿正在经营的店铺账号来用。那个号一封,店就没了,生意直接断掉,然后一定会回来找你售后。 我自己能用,不代表这个版本能卖给别人。 同一个工具,「我用着挺好」和「能给别人用」,根本不是同一个标准。 前面说的是 风险层面 ,用户在使用工具的时候一定不能给自己的账号带来任何风险。 另一层是 适应性 ,,就是用户拿到手之后能不能用起来。 自己做东西,会把功能做得很全,因为每个功能都是我自己要的。你也会自己适应复杂的工具。 但是,用户是第一次打开,看到一堆按钮,不知道先点哪个,他最终就会放弃。 所以一个东西能不能交出去,有2点: 第一, 出了问题不能影响到他的业务。 第二, 他第一次拿到会不会用。 跟功能做了多少没关系。前面说给电商老板做的那个工具,只要能传产品图、选一下是生成还是替换,就是这个道理。 3 今天能交付,不代表明年还值钱 做AI产品还有一个容易被忽略的:AI 的发展速度。 AI 发展是以日为单位的,每天都在进化。如果你是基于 AI 当下的能力做的产品,就要考虑,现在这个产品在明天还值钱吗? 比如值钱的 RPA 工具、N8N之类的东西,就是那种你配好流程之后,能让电脑自动帮你干重复任务。 它原来值钱,是因为重复性工作、点击类型的工作确实只有他们能做。但是,这类工具的学习成本很高。 现在 Claude、Codex、workbuddy 这些工具,直接把这一段绕过去了。 原来要专门学习才能做的事情,现在一句话 AI 能帮你干。以前不会 RPA,很多事情你都干不了;现在不会,也照样能干。 还有,之前 AI 生图很不稳定,所以诞生出了很多能让生图更稳定的套壳网站,这种工具只要 AI 迭代一个版本,就全部白干。image2出来,这类生图套壳的网站死的差不多了。 同理,AI 写笔记、AI自动写文章,这类型的工具也会随着 AI 的升级、进化,变得一文不值。 这不是说做工具没意义, 是说别把自己的价值,绑在某个暂时还有用的功能上。 用户要的从来是他那个问题被解决,不是必须用你的产品来解决。 最后 很多人做虚拟产品、虚拟电商,也是这样,产品做出来了,卖不动,第一反应是自己技术不够,做的产品太简单,得再去学点新的。 但不是这样,问题其实在于你不知道这东西是做给谁的,那个人到底要什么。 一个没人要的东西,做得再漂亮也还是没人要。 会用 AI,是一件事。能用 AI 赚到钱,是另一个事。 作者 | 叁斤 本文由人人都是产品经理作者【叁斤】,微信公众号:【叁斤】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。
Балл: 57.36Уверенность: 54%
ПодробнееБалл: 57.36Уверенность: 54%