#聊聊为什么来即刻

先聊聊我过去向下扎根的一年：
22年初遇见flomo，庆幸有这样简而美的平台能够记录下自己的思考，让琐碎的知识得到有效的提炼和多次关联运用、形成体系，进而push自己反复咀嚼观点、喂养认知和锻炼薄弱的表达能力。这个过程确实很像“扎根”，像少楠讲的Depth Year：“不断向下深挖，度过有深度的一年。在这巨变的年代中，稳稳地扎根在属于自己的土地之上，按时候开花结果。”我就这么往下扎根了一年，至今已经积累了666memo（截图的时候没想到会遇到这么巧的数字哈哈哈）回看一年前我的认知和现在对比有了很显著的差距，不过也有一些想法至今没想透，扎根的路富有意义但也是漫长需要有耐心的。

那为什么今年突然想来即刻了：
扎根的这段时间里，慢慢的开始有了交流的欲望，而且欲望会越来越强烈（我想可能是要冒芽了哈哈哈）。当有想法无法被证实或者有人有共鸣的时候，个人的知识资产变得无法流通，记录的意义感仅停留在“与自己对谈”，就像钱包里攒了很多现金但没有地方花的感觉。这段时间想过在微博里发、或者在朋友圈发，但都没有安全感，因为微博人很杂、朋友圈熟人太多。即刻因为形成了话题圈层，志同道合者密度相对更大些，在筛选后的圈层里碰撞出来的思考也相对更有意义。

这两天初来乍到，今年开始会把在flomo的一些思考发布到即刻，希望大家多多包涵😁在看到感兴趣的话题时也能够和我一起聊聊。

写篇思考，庆祝下自己的生日🎉

会！ //@范冰: 要操作 Obsidian + AI Coding，辛苦搞一个教程真的会看吗

是春天啊！

今天看到一个关于搞定“让2.5%核心用户给你传播”的极致案例，深受启发。像Flowith这款产品，几乎没花一分钱主动营销，其增长完全依赖于核心用户的自发传播。甚至有个学生用户出于对产品的热爱，利用课余时间无偿制作了高质量的产品介绍视频。

深入观察核心用户群，发现用户不仅积极分享使用体验，还会主动分析竞品、提出产品优化建议，并且爱分享的人会自发将产品传播出去。这种现象背后，是用户对产品和品牌的高度认同，希望好产品能走得更远，形成了一种强大的凝聚力和扩散力。
这让我反思真正的用户运营，其核心或许并非简单的优惠券激励，而是建立一种共同成长的关系。用户因为喜爱而聚集，因为认同而传播，这远比交易关系更稳固、更有价值。

这与Casetify每年赠送最新款iPhone加手机壳礼盒给明星（核心人群）的策略异曲同工。通过精准撬动这2.5%的核心杠杆，建立深度关系，其产生的传播效应和高ROI，远超传统、泛化的营销投入。这种聚焦核心、以关系驱动增长的模式，值得我们深入学习和思考如何应用于自身业务，以更低的成本实现更高效的品牌渗透和用户增长。

今日深入学习认知升维的知识，德鲁克关于“最重要且最困难的工作并不是找到正确答案，而是发现正确的问题”的论断，以及鲁梅尔特对战略核心在于“发现关键问题，设计合理方案，集中力量行动”的定义，引发了深刻思考。这与爱因斯坦所言“答案永远比问题高一个维度”异曲同工，都强调了精准定义问题和提升认知维度的重要性。

在学习人货场系统性升维的内容时，这一点尤为关键。例如，仅仅关注如何扩大“人群”规模，可能就是为错误的问题寻找答案，真正的关键问题或许是“如何识别、触达并深度运营我们的核心人群”，将其转化为品牌的“势能引擎”。同样，纠结于打造下一个“爆款”，不如先问“支撑品牌长期价值的旗舰产品应该具备哪些特质，如何构建其技术与心智壁垒？”。从“销售”思维跃迁至“品牌”思维，核心问题也从“如何完成更多交易”转变为“如何构建用户心智资产，沉淀长期品牌价值”。

理解这些升维路径的本质，就是要跳出当前执行层面的答案，去探寻更高维度的、决定方向的根本问题。找准了问题，战略方向才能清晰，后续的方案设计与资源配置才有意义，避免陷入“用战术上的勤奋掩盖战略上的懒惰”的陷阱。未来的工作需时刻反问：我们在尝试回答的是否是正确的问题？

每天在“对AI提出高要求、为难AI、试探AI与人的创造力边界”的过程中，特别是今天用最新出的工具轻松做出好几份蛮有深度的调研报告之后，让我一次又一次清晰人类创造力的魅力所在。

这个AI席卷的新时代，一个“人”应该做什么呢？今天看到一个特别好的答案，比Apple的think different更加击中我的心 —— Make good new things. “关爱他人和世界，创造美好的新事物。”

现在有了AI一天能多线程干非常多的事情，做的事情的价值和意义就浮现了出来，创造，创造什么才有价值和意义呢？创造美好的新事物，从关爱他人和世界开始，这个答案让我对接下来的路途充满了期待和信心。

今天感觉在电脑前跟“数据科学家”开了一天会议，我们对话了起码两三百轮，围绕弹性供应链和库存管控的量化模型展开激烈的探讨和编程运算，以前难以想象需要学好几年的东西，这几天在AI和专业知识库的对话下渐进明细，一起跨界围绕业务发展高质量输出，从简单的削峰填谷回归运算到动用机器学习、从XGBoost预测模型到LightGBM，我们预测出来的销量误差从最开始的七八百到307件，每次探索都在降低误差率，虽然今天还没有达到理想状态，无法准确预估出销量爆发期的出库量，但是持续探索下去我觉得是可行的。

另外今天最让我感到鸡皮疙瘩一身的是，对话过程中模型调用了知识库我积累的认知来输出，这个动作很像人脑里的“联想”，跟人对话完全没区别，AI理解我，我理解AI，我们一起为业务谋发展，逐渐感受到真正的人机协作模式。

得益于公司极致氛围的影响，和Ai一起深入探索量化预测模型的时候，总会想着能不能更好更精准一些、更适应业务一些、现在这个模型还不行等等的想法，屡次在Ai表示已得到最佳模型想“收工”的时候继续提出高要求，每一次对数据的考究和创新发现，也让Ai反过来称赞想法的可行性，并且一起实践出确实误差更小的方向。

在与Ai的协作过程中，项目思维和迭代思维是至关重要的，项目思维能识别清楚方向和目标并做规划再实践、不至于在对话中“迷路”；迭代思维是不妥协不好之处、持续从多角度想办法实现有价值的成果。

哈哈 我们集团春节后就要求全员必须用AI创新创造了😆深圳牛马必卷

未免太过悲观。AI的思考需要人类实践经验引领，人类的思考需要AI跨界牵引，未来是人机高度协同的世界。

支持范冰老师！