gio

[Hoody @HoodyLiu]

https://t.co/707dYACuMy

[andrew chen @andrewchen]

in a world of agents, the product role is going to split into two jobs:
- one that organizes humans (stakeholders, design, eng)
- one that organizes agents (prompts, evals, workflows, etc)

Both will be in pursuit of offering the right products to customers, but how you get there will dramatically change. What happens to the typical product rituals? Instead of PRDs, OKRs, standups, product reviews, we'll need the equivalent for agents.

Couple wild ideas here...

instead of standups:
the equivalent is that agents will report back to us based on run logs and anomaly flags. no one needs to say what they did yesterday, the system already did thousands of things. the question is where it broke, where it surprised you, and where it got better. Show us the patterns, the trends, the edge cases - particularly the ones the agents didn't fix automatically. the daily ritual becomes reviewing deltas, scanning failures, and deciding which ones matter. less reporting, more triage

instead of OKRs:
we’ll need adversarial agents that continuously monitor/grade the system and detect patterns, scoring outcomes on an hourly or daily basis. Rather than setting a quarterly goal of "increase X by 5%" and revisiting slowly -- instead, management will be able to monitor success in real-time and detect trends/patterns towards overall goals

instead of PRDs:
we won't need waterfall. Prototyping will rule the day, and we’ll need a living agentic loop that mediates customer feedback/ratings and what's being prioritized and built. you don’t hand it to eng, you deploy it into the agent loop. if it’s wrong, it fails visibly and you can revert. if it’s right, it produces the right output

instead of product reviews:
we'll need simulation systems to examine agent behavior in different scenarios. In an agentic world where UI shifts from buttons/menus to agents automatically doing things, you'll want to examine their behavior before you deploy. You rewind decisions, fork alternate paths, and see how different prompts or constraints would have changed outcomes. the review becomes interactive. less storytelling, more counterfactuals.

The PM sits in the middle of this split. On the human side, still aligning taste, risk tolerance, and strategy across people. On the agent side, shaping the actual behavior of the system through prompts, evals, and feedback loops. one side is persuasion. The other is instrumentation. the best ones will collapse the gap, translating intent directly into systems that act on it.

the fascinating part is that the agentic loop will run 10000x faster than the human one, and of course, you can "hire" them faster. Thus the “organizing humans” half starts to feel slow and lower impact unless it directly improves the agent loop. Eventually the PM will shift towards agents and maybe ignore the human coordination altogether...

[GREG ISENBERG @gregisenberg]

you don't need to overthink this

when you look at this goldman sachs chart long enough it becomes pretty obvious how people will build the next wave of $10m-$100m+ ARR vertical ai companies

ill break it down

so we all know every business function produces something tangible

1. a recruiting pipeline produces candidate summaries
2. a finance team produces monthly reporting packages
3. a real estate team produces market analyses and listing packages

those outputs come from repeatable processes that pull information from a handful of systems and sources. builders who win in this environment start by understanding how those outputs get created today

they collect real examples, reconstruct the process step by step, then design software that gathers the inputs and assembles the finished output automatically

as adoption grows, the system expands into adjacent responsibilities until the product becomes the infrastructure that function runs on

most people still think in terms of software categories. CRM. ATS. ERP. project management. that framing misses what is happening

the next great vertical ai companies will be built around finished work. they will own the artifact the customer actually cares about, then expand outward until they own the function

so the opportunity isnt really “build an ai tool for real estate” which is what i see a lot of on twitter

the opportunity is much more specific:

1. build the ai employee that creates the broker opinion of value
2. build the ai employee that prepares the insurance renewal package
3. build the ai employee that drafts the first version of the investment memo
4. build the ai employee that assembles the lender reporting package every month

that is how small software companies become very large ones in this market

start with one painful output, automate it well, then expand until you own the workflow

basically you go from automation to ai employees

if you don't remember anything from this long post, remember that

it's obvious that this is where its all going

you dont need to overthink it

you're in the robot business now

[bbshare @shadouyoua]

半夜两点多 本来都准备睡了，看到这个reddit帖子立马从床上爬起来
这个帖子简直就是一记响亮的耳光，同时也指明了一条金光大道。

里面说到了独立开发者（Indie Hacker）最核心的痛点：我们在“自嗨”的圈子里互割韭菜，而真正的金矿藏在那些看起来“土”但很赚钱的行业里。

之前认识了一个白手起家的创业者，给快递站解决了一个问题，别人用上他的软件之后，以前的工作方式显得极其低效，再也回不去了，目前他本人接近财务自由状态

技术出身的人喜欢做“锤子”，然后满世界找钉子。商业思维是：客户想要挂画，我给他什么能把画挂上去？

我们没法深入到每一个传统行业里去挖掘需求，但是起码可以转移重心，从做toC的需求到做toSMB的需求

从做通用工具，去抢C端用户，在红海里厮杀，赚辛苦钱，不如听这个帖子的，去服务那些“Boring Industries”

从“服务所有人”转变为“服务��钱的生意人”。

这就是产品转型的最强信号。 不再是一个简单的套壳站长，是一个为垂直行业提供生产力的 SaaS 创业者

[Long Chen @LongChenNotes]

大家都在说AI时代需要品味。

听起来很对，但也很虚。品味是什么？谁说了算？怎么练？

我以前也觉得品味是个审美问题，看不见摸不着，属于你有就有、没有拉倒的天赋。

直到最近重读了Paul Graham那篇写于2002年的 Taste for Makers，里面有一句话：

如果品味只是个人偏好，那每个人的品味都已经完美了----你喜欢什么就是什么，没有进步空间。

但你知道不是这样的。你一定有过这种经历：几个月���发的视频内容，今天回头看觉得这也太尬了。

那个尬的感觉，就是你���品味在成长。

这说明品味不是偏好，是判断力。而判断力是可以练的。

那怎么练？

PG在文章里列了十几条好设计的规律，从数学到建筑到写作到软件，跨了一大堆领域。这些规律本质上在说同一件事：

品味=在每个选择点上，选了“该选的”而不是“想选的”。

这个一旦建立，品味就从玄学变成了工具。它的真正含义不在审美，在审查。

审查什么？审查你做的每一个选择。

选题品味：你选了读者需要的问题，还是你自己想聊的问题？

选材品味：你放进去的每段话，删掉之后全文会不会垮？

分寸品味：你知道在哪里停吗？

谁需要审查品味？三种人，三个具体场景

写东西给人看的人----内容要发布的那一刻。

你写完了一篇长文，觉得还行，准备发。停一下：

这个问题是读者睡前会想的，还是只有我自己在意的？

读者看完最后一句，手里拿着什么？如果只是嗯，有道理，你没给够。如果是我现在就去试，品味到位了。

真实检验：三天后回头看，你会不会觉得尬？如果经常有这个感觉，说明你的品味在涨，但发布时的审查没跟上。

做东西给人用的人----功能要上线的那一刻。

你设计了一个新功能，逻辑跑通了，准备推。停一下：

这个功能解决的是用户的问题，还是你想做的功能？
用户第一次打开，什么都没填的时候，界面是什么样？空状态才是品味的镜子。

真实检验：你能用一句话说清这个功能干什么吗？说不清，不是品味问题，是思考问题。

做选择给别人看的人----选品牌调性、选合作方、给团队挑方案的那一刻。

你选的这些东西放在一起，像不像同一个人选的？如果像一锅乱炖，品味审查就缺席了。

真实检验：砍东西时你心疼吗？不心疼说明没选到真正重要的。心疼但还是砍了，那就是品味。

所以品味到底是什么？

不是我觉得好看，不是这个很高级，更不是某种神秘天赋。

品味是你在能选的和该选的之间，选了该选的那个能力。

它不让你变挑剔。它让你知道该删什么。

而知道该删什么这件事，是可以练的。你看得越多、做得越多、回头审查得越多，那个不舒服的直觉就越准。

PG在文章最后给了一个配方：

极度挑剔的品味，加上满足这种品味的能力。

前半句靠审查练出来，后半句靠持续做出来。两条腿缺一条都走不远。

回到AI这个话题。

现在很多人在讨论“AI时代品味很重要”，我同意这个判断，但我觉得更准确的说法是：AI是放大器，不是品味机器。

所以与其说“AI时代需要品味”，不如说：

AI时代需要的不是审美直觉，是审查纪律。在每一个选择点上，停下来问自己：这是该选的，还是我顺手选的？

最后送上一个品味审查清单

发布前都可以用AI跑一遍看看

不管你是写内容、做产品还是做选择，发出去之前过一遍这7个问题。不用全过，哪个扎到你就在哪个上面停一下。

关于选题

1、这是读者需要的问题，还是我想展示的问题？

2、如果把"我"全部换成"你"，这篇内容还成立吗？

关于选材

3、每段话删掉后全文会垮吗？不垮就删。

4、有没有三个例子在说同一件事？留最准的那个。

关于分寸

5、读者看完最后一句，手里能拿走一个具体动作吗？

6、有没有在替读者下结论？留白比喂饭强。

关于诚实

7、这里面有没有我自己都不信的话？有就砍。

品味不是让你变完美主义者。它只是让你在差不多得了和再改一下之间，多选一次“再改一下”。

[数字游民Jarod @jarodise]

https://t.co/Zsf66bToyO

[sumit 🏴 @wh0sumit]

high-agency people are rare, and once you work with them, you can’t unsee the difference.

a high-agency person doesn’t wait to be told what to do. they don’t wait for clarity, tools, permission, or a perfect plan. they step in, observe what’s broken, what’s missing, what’s needed and they start moving. even if they’re wrong at first, they move. momentum matters more than perfection.

most people aren’t born this way. agency is something you build. it starts with taking responsibility for your own day. knowing what you’re working on, why you’re working on it, and whether it’s actually helping the team. it means replacing “i can’t because…” with “i’ll figure out how.” it means caring enough to close loops without being asked.

for people who don’t have high agency yet, the fastest way to build is :

> stop waiting for instructions
> pick one problem and own it end to end
> communicate progress, not excuses
> treat the company’s problems like your own

agency grows when you put yourself in uncomfortable situations and still choose to act.

when we look for people to join our team, we don’t just look at skills. skills can be learned. agency is harder.

we look for signals people who’ve built things on their own, taken responsibility without a title, figured things out when no one was guiding them. people who don’t disappear when things get messy.

early teams don’t need passengers. they need people who can think, decide, and act. people who see problems and feel an internal responsibility to fix them. that’s what high agency looks like.

you can teach tools. you can teach process.
but agency? that comes from within.

[George from 🕹prodmgmt.world @nurijanian]

Most introverts in PM roles spend 80% of their mental energy on thinking and 20% on communicating.

The job demands the opposite ratio.

Your best analysis stays locked in your head while less thoughtful people get credit for sharing half-baked ideas first. The frustrating part: those "half-baked" ideas often get refined through the conversation you never started.

Externalizing messy thinking feels risky. But staying quiet is riskier. Every idea you keep internal is one that never gets stress-tested, never evolves, never builds your reputation for thinking out loud.

Share earlier than feels comfortable. Be wrong more often. Your learning compounds faster when your thoughts exist outside your head.

[Lawrence King @lawrencekingyo]

Business Lessons I wish someone had told me at the beginning

1. Sell what is selling, not what you want to sell
2. Charge high - rich clients act and pay better
3. Never do discounts on your service
4. Never work for free (testimonial if new)
5. Ignore unsuccesful friends and family
6. Hire talented people, the chance of you fixing a loser with a sob story is highly unlikely
7. If one potential client can't afford your service, the next one will, the world is full of abundance
8. Scarcity mindset will cage your income potential
9. Copy people that have made it, your ideas probably suck, just copy what works
10. The bar is 30 feet lower than what you think it is, the bar is way lower in reality than in your mind
11. Most people suck at what they do and still get paid
12. Saturation is a myth
13. Find a niche where dumb people are getting rich
14. Choose the simple money witb low risk
15. Cash flow over evertything
16. Ignore criticisms over your business niche, no matter what niche it is people will mock it somehow, just follow the money

[Jackywine @Jackywine]

680W 人阅读过的 Dan koe 原文
估计已经被搬运到小红书上卖 199 一年了
与此同时我更建议你亲自读 1-3 遍
第一遍你看不懂，第二遍有点蒙，第三遍你就会知道为啥他能有这么大的能量

[Wang Shuyi @wshuyi]

https://t.co/UP5hKcQO1B

[Maurizio @themgmtconsult]

Let's talk about product vs services businesses and their margins.

Take Snowflake and McKinsey for example.

At Snowflake, margins are a DESIGN problem.

At McKinsey, margins are a PEOPLE problem.

Snowflake spends obscene amounts of money before revenue shows up:

engineers, infra, security, sales engineers, partner ecosystems, etc

Years of negative/thin margins are not a failure. They are the ante. Once the product works and adoption kicks in, gross margins explode.

70% or 80%, sometimes more. Every incremental dollar of revenue is mostly contribution margin.

The objective is actually quite simple: survive the burn long enough for unit economics to flip.

McKinsey lives in the opposite universe!

Margins show up early, on Day 1.

A smart team, a client, a contract. Boom. Revenue.

But margins are permanently fragile, and they never "flip". They must be defended every single year.

In consulting businesses, revenue is people-time, and (unfortunately) people-time does not scale too well.

Every dollar McKinsey earns carries a hidden tax: hiring, training, utilisation, attrition, bench, partners not selling, partners over-selling, juniors burning out.

- Miss utilisation by 5% and your margin evaporates.

- Win the wrong work and your best people quit.

- Grow too fast and quality drops.

- Grow too slow and the pyramid collapses.

Snowflake worries about cost curves.
McKinsey worries about headcount "geometry."

In product companies, margin expansion comes from eliminating humans, while in services firms, margin protection comes from extracting more from humans.

That shapes incentives in some weird ways.

Snowflake leadership obsesses over automation, self-serve onboarding, pricing models, cloud efficiency, fewer touches per $$$ of ARR. The perfect customer is one who never talks to you again after signing.

McKinsey leadership obsesses over leverage ratios, rate cards, span of control, junior-to-partner mix. The perfect engagement is one where the client feels deeply cared for… by the cheapest team possible.

This is why the 2 businesses produce different kinds of "lies" (they are nice "lies")

Product companies lie about vision.
Services firms lie about capacity.

Snowflake can promise futures it has not built yet because the upside of being early outweighs the cost of delay.

McKinsey promises attention it cannot fully deliver because saying "we are at capacity" is commercially idiotic.

In my experience, product executives underestimate how HARD HARD HARD services are.

On the other side, consultants often romanticise product margins without understanding the burn and the years of red ink these people need to suffer.

One business is a bet on scale eventually saving you, the other is a fight to stop entropy every quarter.

Confuse the 2, and you design incentives that will destroy the company...

[余温 @gkxspace]

为什么AI产品都在疯狂烧钱？

传统软件是这样的：做一个产品，100人用和10000人用，成本差不太多。它们的"边际成本趋近于零"。

但AI产品，并非这个逻辑。
用户每使用一次，你就得给OpenAI、Anthropic这些公司交钱。
每一次对话、一张图、一段视频，都要实打实掏钱。

而且还有“试用问题”：
用户凭什么付费？得先让他试试吧。

这个试用期的成本，100%你扛。 如果来了1万个试用用户，只有100个付费，你就相当于给9900人免费打工。

所以有一个公式：（转化率 × 用户终身价值）> （试用人数 × 单次试用成本）

算不过来，商���模式在数学上就不成立。

如果为了抢用户，猛砸推广，试用量上去。但产品同质化严重，转化率上不去。
那就是流量越大，来的人越多，亏得就越多。

所以，对于AI产品来说，并不是流量越大越好，而是应该考虑精准度 / 转化率。

同时，感谢那些慷慨给大家额度的AI产品！🙏

[✧ 𝕀𝔸𝕄𝔸𝕀 ✧ @iamai_omni]

好奇心是大脑的复利，这篇关于好奇心的文章写得真棒。

[Marc Randolph @marcrandolph]

One of the most important things I’ve learned as I’ve gotten older is that most things don’t matter. 

Whatever you’re trying to accomplish, there are usually just a couple of things on that to-do list that will actually make a difference.

And I’m not saying the rest of the items on your list shouldn’t get done…I’m just saying they probably don’t need to be done well.

There are two big benefits of taking this perspective.

First, it means you can relax. So much of our daily stress comes from the feeling that we’re leaving things undone, or not doing them well, or that we “didn’t put in that extra 10%.”

If you start from the assumption that not much really matters, you can let most things be imperfect.

Second, it allows you to focus a disproportionate amount of time on the one or two things that do matter.

Triage is such an underrated skill.

But if you can correctly determine which one or two things will—if you get them right—make the difference between success and failure, then you can spend your time taking those to a high level of polish rather than wasting your time on everything else.

It’s a power curve.

[Berryxia.AI @berryxia]

未来十年，最大的阶层分化不再是学历，而是“高能动性”

在这个AI技术以周为单位迭代的疯狂时代，一种集体性的
焦虑正在蔓延：程序员担心Copilot，设计师害怕
Midjourney，传作者更是面对ChatGPT陷入沉思。

我们被告知：必须不断学习新技能，否则就会被淘汰。

但这是一个巨大的陷阱。当所有的知识都触手可及，所有
的技能都能被AI以毫秒级的速度复制时，拼技能的熟练
度，就像是在工业革命前夕，试图比蒸汽机纺纱更快。

如果未来10年，你辛苦习得的技能注定变得一文不值，你该凭借什么立足��

��名的未来主义思想家、千万粉丝商业博主Dan Koe给出了一个反直觉的答案：未来不属于专家，而属于拥有“高能动性”（High Agency）的疯子。

困在“普鲁士模具”里的螺丝钉

要理解“高能动性”，我们先得看看它的反面。

绝大多数现代人的痛苦，源于我们的大脑被安装了一套过
时的操作系统——“员工心态”。

这套系统源自19世纪的普鲁士教育模式，其设计初衷并
非为了培养创新者，而是为了批量生产听话的士兵和流水
线工人。
这套系统的核心逻辑是：等待指令 -> 完成任务
-> 获得许可 -> 升级（升职）。

我们在潜意识里被植入了一个名为“习得性无助”的病毒。
就像心理学家塞利格曼实��中那只躺在带电地板上呻吟的
狗，即便围栏已经撤去，只要没人下令“你可以跑了”，大
多数人依然会选择忍受电击。

在AI时代，这种心态是致命的。

工具越强，工具人的价值就越低。 如果你只是一个等着
老板分配任务、等着社会告诉你什么是“正确路径”的人，
那么你不是在生活，你只是在被一种名为“平庸”的算法无
限复制。

真正的分水岭出现了：你是在等待许可，还是在创造规则？

这就是Dan Koe提出的核心概念：高能动性，不仅是行动
力，更是一种“未经许可就擅自迭代”的野蛮能力。

把自己当成一家实验室

很多人的顿悟，发生在意识到“并没有大人物会来救你”的那一刻。

对于高能动性的人来说，生活不是一条被铺好的轨道，而是一个开放世界的沙盒游戏。他们眼中的世界没有“失败”，只有“数据”。

这是一种根本性的视角转换：从“为了生存而服从”，转变为“为了真理而实验”。

当普通人因为一次尝试失败而否定自我时，高能动性者却
像科学家一样兴奋：“太棒了，我刚刚排除了一个错误选
项。”
他们预设了困难，甚至渴望困难，因为他们知道，简
单的路早已人满为患，只有在大多数人认为“不可能”的荒
原上，才藏着通往未来的金矿。

那么，这种听起来玄乎的“高能动性”，究竟如何在商业和个人成长中落地？

这不是一份清单，而是一场关于认知的重塑之旅。

从“工具人”到“造物主”的进阶之路

想清楚这层逻辑后，真正的高手开始从根本上改变与世界
的交互方式。

首先，他们夺回了���“背景”的定义权。

在这个内容泛滥的时代，AI可以生成海量的文字、代码和
图像，但AI有一个致命缺陷：它没有方向。AI 是一台顶
级法拉利，但它需要车手。

高能动性的人绝不会问AI“我该做什么”，而是把自己变成
最强的“提示词工程师（Prompt Engineer）”。他们构建
愿景、注入情感、设定背景，然后把AI降维成一个超级实
习生。

例如，他们不会让AI“写一篇文章”，而是会先通过
YouTube学习顶级专家的思路，结合自己的个人经历
（Context），再指挥AI去执行具体的润色工作。
未来的
赢家不是内容的生成者，而是“背景的创造者”（Context
Creators）。
没有你的灵魂注入，AI生成的内容只不过是精美的垃圾。

在掌握了工具的主动权后，他们打破了“专业分工”的诅咒。

如果���是一颗螺丝钉，你必须祈祷机器永远不要升级。但
高能动性者选择成为“合成者”（Synthesizer）。

想想莎士比亚，世人认为他是剧作家，但他深入研究过军
事、医药、法律和神学。正是这种跨学科的“不务正业”，
让他洞察了人性的深渊。

同样，高能动性者拒绝被贴上“文案”、“程序员”或“销售”
的单一标签。他们像搭乐高一样，疯狂地学习写作、说
服、营销、讲故事等“元技能”。

人类之所以站在食物链顶端，不是因为我们牙齿最锋利，
而是因为我们是最高级的“缝合怪”。

我们把狮子的凶猛、鹰的视野和蚂蚁的协作“缝合”在一
起。在AI时代，谁能将更多领域的知识连接起来，谁就能
获得这种不对称的竞争优势。

最后，也是最关键的一步，他们将“手��”本身变成了“目的”。

在现实这场游戏中，低能动性者忍受痛苦的过程，只为了得到一个并不确定的结果（比如退休金）。
而高能动性者，把“建立自己的流程”本身视为游戏内容。

他们通过研究大师的路径，建立假设，亲自下场实验，哪怕撞得头破血流。

然后，他们识别出成功的规律，将其封装成自己的方法论，再通过教学（Pass it down）传播给更多人。

这是一个完美的闭环：输入 -> 实验 -> 封装 -> 输出。 在这个过程中，他们不再属于任何公司，他们自己就是一家无限进化的公司。

别在新手村里度过一生

未来的世界将残酷地分为两类人：

一类是“被动玩家”（NPC），他们拥有高学历、精通某项
特定技能，但终日焦虑，等待着系统分配任务，最终被更
高效的算法取代。

另一类是“主动玩家”，他们可能没有光鲜的头衔，但拥
有极强的能动性。他们视技能为积木，视AI为外骨骼，视
未知为游乐场。

互联网是人类历史上最大的“高能动性放大器”。
你可以未经许可地学习、未经许可地发布产品、未经许可地建立影
响力。

能动性不是一种天赋，它是一种可以被训练的肌肉，甚至是一门艺术。

不要再试图在别人设计的游戏里拿高分了。走出那个为你
设定的舒适“新手村”，去定义你自己的地图，去犯错，去
迭代，去成为那个发号施令的人。

因为正如Dan Koe所言：“头脑是一个故事引擎，那些学
会控制它的人将会繁荣。”

[George from 🕹prodmgmt.world @nurijanian]

let me share some hot takes about managing constant priority shifts:

1. You cannot stop the priority chaos. Full stop. Anyone selling you a framework that eliminates it is lying. What you can do is make the tradeoffs visible and force leadership to own them.

2. Stack ranking is the single most powerful weapon against priority whiplash. Show current priorities with resources allocated, expected outcomes, and timelines. When the new shiny thing comes in, pull up the stack rank and ask "what drops?"

3. Most PMs absorb the chaos instead of reflecting it back. Your job is clarity, not shock absorption. If priorities are shifting weekly, that's information your leadership needs to see, not something you quietly manage around.

4. "New work in = old work out" should be a non-negotiable rule. Every time someone adds something, something else has to come off. No exceptions. The moment you accept "just squeeze this in" you've lost.

5. Anchor every conversation to outcomes, not tasks. "We're deprioritizing the dashboard redesign" gets pushback. "We're choosing to delay our retention improvement goal by 6 weeks" gets a real decision.

6. Some chaos is organizational dysfunction you cannot fix. Politics, competing exec agendas, lack of strategy clarity. Recognize when you're trying to solve a PM problem that's actually a leadership vacuum.

7. Technical dependencies make "just be agile" advice useless sometimes. When your backend team is mid-migration and you need their work to ship anything, no amount of prioritization frameworks helps. You wait.

8. Being obsessively organized is a survival skill, not a personality quirk. The PM who can pull up any project's status, dependencies, and blockers in 30 seconds is the one who survives priority chaos.

9. Data and facts help with pushback but not everyone appreciates it. Some stakeholders just want to hear yes. Know which battles require evidence and which require relationship capital.

10. The PMs who handle priority shifts best have stopped trying to predict them. They build systems that assume priorities will change monthly, and they're never surprised when it happens.

[宝玉 @dotey]

转译：信任崩塌：无穷无尽的AI内容是一场灾难
作者：Arnon Shimoni

我们正在经历人类历史上最奇怪的时刻。

第一次，创造内容的成本降到了几乎为零。不是“比以前更便宜”，而是彻彻底底的免费。

现在，生成一千篇博客文章或一万封所谓“个性化”的邮件，成本几乎为零（至少目前如此）。

理论上听起来很棒——内容无限，让过去难以发声的人也能表达自己。

似乎充满了机遇。

但如果你试图通过这些内容去销售，就会发现一个严重的问题：信任崩塌的速度，比内容爆炸的速度还快。

这里的“信任”，不是抽象的概念，而是实实在在的问题——谁是真实的、谁是可靠的、我到底该关注谁？

我们并没有往前走，甚至正在倒退。

一个B2B SaaS公司的故事

我认识��位负责B2B SaaS销售的朋友，他非常聪明。他花了多年时间建立自己的社交圈，成为那种传统意义上靠关系和信任赢得客户的人。

但上周日他告诉我：“现在我基本无视所有邮件推广，陌生号码的电话我也几乎不接。”

“因为我已经分不清那是真人还是机器了。以前我一眼就能分辨，现在做不到。所以干脆不理会，浪费时间。”

用通俗的话说，如果你现在还在做传统的外联推广，你的目标客户已经不再关心“我需不需要这个产品”，而是在想：“我凭什么相信你？”

营销漏斗？不，现在是信任漏斗

做营销这么多年，我发现很多所谓的“规则”和“玩法”其实都搞错了重点。我们总是在解释我们做什么，为什么重要。

但在大多数情况下，你的潜在客户早就知道他们需要你卖的东西。

他们根本不需要再看一份PPT，来了解AI编码助手如何提升开发效率，也不需要你告诉他们AI销售代表为什么可以帮他们发更多邮件。

过去一个月，他们可能已经听了40次这样的东西（天啊，现在到底有多少AI销售代表啊？）。

他们真正想知道的是：“凭什么我要跟你买，而不是另外100家发同样邮件来骚扰我的公司？”

而现在，铺天盖地的AI内容，让客户更难回答这个问题了。

图1 是我从PHOS Creative那里借用的：
（图片描述：
营销漏斗（Marketing Funnel）
- 品牌认知 / 触达（Awareness）
- 评估 / 意向（Consideration）
- 转化 / 下单（Conversion）

信任漏斗（Trust Funnel）
- 能力 / 胜任度（Competency）
- 可信度 / 公信力（Credibility）
- 真实感 / 真实性（Authenticity）
- 共情 / 同理心（Empathy）
）

维度

- 核心关注
* 营销漏斗：获客和转化
* 信任漏斗：建立关系和客户忠诚
- 最终目标
* 营销漏斗：完成交易
* 信任漏斗：长期客户支持与复购
- 内容策略
* 营销漏斗：推广为主，销售导向
* 信任漏斗：帮助客户，创造价值
- 衡量成功
* 营销漏斗：转化率、销量
* 信任漏斗：满意度、重复购买、口碑传播
-时间跨度
* 营销漏斗：短期到中期
* 信任漏斗：长期、持续积累信任

很明显，你应该站到信任那一边！

传统的获客方式现在变得很烂

现在这种获客方式实在是太无聊了。

当Claude的AI授权只需每月10美元时，内容创作成本基本为零。于是所有人都可以装得很专业，邮件里每个字语法正确，还能勉强引用你的领英发帖（虽然引用得很僵硬）。

这些东西几分钟就能生成，不用任何人工参与。

这就意味着：现在所有内容都值得怀疑。

现在，我直接把邮件和领英消息一律扔进垃圾桶。

为什么？因为我一眼就能看出，那背后并不是一个真正关心我和我的问题的人。

这些邮件全都是模糊的“个性化”，总是自称“对你如何做��件事感到好奇”，因为这种“好奇”的句式来自某个声称效果很好的推广指南。

对我来说，这就是信任崩塌的关键：

我并不是怀疑你的产品能不能用，我是怀疑你到底是不是个真人，签完合同后还会不会关心我。

响应率低了，我多发点邮件就好了？

天啊，别这样！

问题根本不在这里。

旧世界 (…-2024年)

* 创造可信、个性化内容的成本：50美元/小时（人工）
* 用户每周收到的个性化推广邮件：约10封
* 用户识别真实性的成功率：约80%

新世界 (2025年-…)

* 创造可信、个性化内容的成本：几乎为0
* 用户每周收到的个性化推广邮件：约200封
* 用户识别真实性的成功率：约20%

信噪比已经崩溃，识别这些邮件真实性的精力成本远超过可能获得的收益。

结果，客户不再费力去判断真假，而直接默认这些全是垃圾邮件。这也是为什么我和我朋友干脆无视所有推广邮件的原因——很多人也一样。

因为要辨���“这些邮件里有没有价值”，所耗费的精力早就远远超过了可能获得的好处。

回到信任本身…

你必须明白，你的潜在客户问的不是：

* 你的AI工具好不好用？（他们默认你的工具好用）
* 真的能提升效果吗？（他们默认有效果）
* 价格合适吗？（他们自己能对比）

他们真正关心的是：

* 一年后你公司还在吗？还是集成到一半你就跑路了？
* 你到底比另外5家公司好在哪里？
* 你是不是靠烧VC的钱活着？
* 等到风口过去，我的系统是不是会烂尾？
* 你们公司到底赚不赚钱？还是只是凭感觉（vibe-coded，凭感觉编程，意为没有实际盈利模型、靠炒作存活的公司）想赶紧卖掉？

而最糟糕的是：如果你不明确告诉客户，他们根本没法自己判断这些问题。

不是想泼冷水，但…

我写这篇文章不是为了打击你，而是为了让你知道现在的营销要怎么玩。

是的，你依然要回答“客户为什么需要你的产品”，但你更要回答“客户为什么必须跟你买”，并确保你的营销内容体现这一点。

机遇仍然很大。我们所有人都必须做到：

* 信任的建立，仍然是人类的工作。至少���在还是。AI能帮忙，但2025年建立真正的情感联结和信任，仍然只能靠人类。
* ��性化和精准营销依旧重要。AI应该帮你精细分类客户，但重点仍是识别什么时候该由人类出面，强化信任。
* 别把所有事情都自动化。尤其是复杂或高价值的销售场景，保持一定的人类参与至关重要。

AI时代真的不同了吗？

当然。

你代表一个品牌。品牌要持续赢得客户的信任——即使你使用了AI，也必须清晰体现出人类的领导力与温度。

来源：https://t.co/AHcBlxhAQE

[Yangyi @yangyi]

所有人都能简单糊一个产品跑起来
所有人都会做MVP测试
有些人能赚到第一笔钱
有些人会选择放弃
只有剩下一小撮人 会努力优化 修复
会把用户遇到的问题 一个一个解决掉
在这个过程里 持续精进一两年 可能就只剩下三两个竞争对手了

如果你能持续9年，只要你不是贾会计，再大的饼你都能给它圆了
用有限的注意力去兑换资产构建价值，然后构建一个杠杆模式创造更大价值，这就是做产品的意义