怎么判断一个 B、G 业务靠不靠谱？
1、我的经验是看初创公司 2 年，因为一个销售成熟并闭环业务的时间一般是 2 年。
2、卖的产品是不是能想象到具体的使用方及具体的岗位，还有具体的场景。所有的产品价值发生的都只能在具体的环境中。
3、成本，获取客户的成本，是否可以复用产品和解决方案。

精神世界和物理世界的🔗韦伯费希纳定律
#感知的量化
｛酸碱度、信息复杂度、天体数量、声音大小、人口数量…｝
很神奇刷视频看到这个就联想到(о´∀`о)💡高中学过的知识和公式。

but，吐槽下 实话说这个定律应该放在初中(´_ゝ｀)教学。
我现在是很理解为啥有人说我们的课本在教学上非常碎片化而没有连贯性(。－_－。)📘，真的为难孩子了。
数学和物理是学科中的光明顶，在商业上，其实国内在教学上很缺乏一种交叉学科之间知识树图谱。
#世界是以对数为基座构建的
#感知 #韦伯费希纳定律 #度量 #数学

我们要回答一个问题
“走窄门”

一个成熟业务如果你知道谁是高频客户，那么你复制之前的路径大概率很难做到 top。
所以你采取的策略就像企业一样
1、 要么延伸上下游，以上下游（特别是在做市场投放稳定获客的达成生态合作）
2、要么找细分特殊场景，包一个整体方案

难听点就像我朋友说的“你卖车灯，但是你告诉客户我可以做一辆车”╰(▔∀▔)╯国内市场🚗真卷

《纳瓦尔宝典》讲自媒体是这个时代下的最好名片，表达自己的思考🤔和世界互动展示的最好窗口🪟。
广泛的表达才能收获和自己思考同频的人

30 而立
好像是这十年第一次这个时间点出现在这里
我们都是为了生计漂泊在异乡的旅人

嗷🥹我半个月的工作

业务（市场、销售、SDR、投手、运营……）这种类型的岗位。
抽象讲就是一种人工获取海量数据的工程管理过程、也叫做情报收集过程。通过“接触”传递信息（包含欲望、痛苦、解决问题……），然后通过促成“交易”所需要的需求组合匹配。

在数据上角度、统计上学角度上，就是解决一种不确定到确定性的方法实践过程。
【非专业思考🤔】

大模型是一种人工智能语言
Open AI推出GPT-3.5后，优秀的高质量数据集就成了模型训练的基础
【高质量数据集】

【数据集、数据标注】

数据入表有三种方式
1、企业数字化产生的数据经过清洗、估价入表
2、外购（科大相当于起了一个头）
3、其他