产品商业

你的产品创意听起来太复杂，关键原因不在单一现象，而在于从 "简单 "到 "繁琐 "量表 人们对产品的描述有一个复杂程度表。从最简单到匪夷所思： 简单（最容易理解）：可以用 形容词 + 名词 这两个词来描述产品，如 "电动汽车 "或 "智能手机 "或类似产品。胡：众所周知，很多初创公司都会使用"产品用于类别"这样的描述。对于那些容易细分的产品，比如 "留学生在线约会 "或 "医生语音笔记"，这种方法可以很好地发挥作用。当事情过于小众，或者 "X for Y "的想法没有真正的市场交叉点时，比如猫的社交网络，这种方法就不那么奏效了。UH....内容：上述内容还有一个近亲，即 "针对字面/怪异/离奇行为的一种应用程序或 "针对细分市场的怪异产品创意"。这对那些只想详细描述产品功能却不想说明原因的书呆子来说特别有诱惑力，或者只是因为好玩而制作文字沙拉。

数据驱动的产品决策很难，关键原因不在单一现象，而在于使用数据进行产品决策的核心是一个巨大的悖论。 吉姆-巴克斯代尔 而第二幅网络漫画，说明了数据驱动的产品文化会发生什么。为什么我们掌握了这么多关于人们如何使用我们产品的数据，我们能够推测是什么让产品更有粘性或更有价值，但寻求真相却如此困难？在追求数据驱动的过程中，我们遇到了许多核心问题，这些问题都是基于我们如何收集/分析/决策数据。我想说的最终一点是，有很多问题，正如网络漫画中提到的，这些数据驱动的问题会层出不穷，有太多的仪表盘，也有太多相互矛盾的意见。这种主流文化是一种数据文化、优化文化，是一种采取具体的小步骤来实现大而易懂的指标的文化。可以说，许多大型科技产品的成功--这些产品的核心似乎并没有发生什么变化，只是在不断进步--都是基于这种策略的成功。相反，您可能必须反其道而行之，才能在竞争中立于不败之地： 主要凭直觉，而不是等待数据 超快速决策，而不是渐进决策 当然，我始终主张优化值得优化的东西，比如注册流程和关键通知。

简要说明：如果您想知道购买保险是否值得，请使用凯利保险计算器。人们有时会在网上询问是否应该购买保险，然后其他人会说一些不正确的话，比如11 These are real quotes from just one forum discussion. 1 这些都是一个论坛讨论中的真实引语。从技术上讲，没有一种保险是物有所值的，因为如果物有所值，那么在市场经济中就不会有保险公司存在。与其去买保险，不如把本应支付的保费存起来，获得复利市场回报。从技术上讲，有些保险即使在保险公司盈利的情况下也是物有所值的。22 The typical example is how it takes as long to go from $2,000 to $10,000 as it does from $10,000 to $50,000. 2 典型的例子是，从 2,000 美元到 10,000 美元所需的时间与从 10,000 美元到 50,000 美元所需的时间一样长。

帕尔默·拉基的生活事实是如此独特而离奇——将幻想、疯狂和改变世界的元素结合在一起——以至于它们可以印在磁性诗歌瓷砖上，由一个流口水的婴儿以无尽的随机组合重新排列，但每次仍然能够传达出某种重要而真实的东西。让我来给你看看：Luckey 是世界上最大的电子游戏收藏的拥有者，他将这些收藏埋藏在一座废弃的美国空军核导弹基地地下 200 英尺的地方——这正是一个人能够负担得起的事情，当他凭借在加利福尼亚州长滩父母的双拼房屋车道上停放的房车中发明 Oculus Rift，。或者：在以 27 亿美元将 Oculus 出售给 Facebook 后，Luckey 因向一个致力于“现实生活中发帖”的亲特朗普恶搞团体捐赠 1 万美元而被马克·扎克伯格解雇，随后他尝试建立一个非营利性私人监狱连锁，只有当前囚犯保持不再入狱时才获得报酬。根据我们录音对话的文字记录，我让 Luckey 的媒体负责人感到震惊，因为我对这个厕所产生了执念，反复告诉他它“太棒了”，“真他妈的棒”，以及“可能是我见过的最酷的东西。

Jaryd Hermann 分享了他对 Athyna 的投资体验，Athyna 是一家帮助公司通过在非传统的新兴科技市场（如拉丁美洲）寻找优秀人才来扩展全职团队的公司。他强调，随着美国初创公司失败率的上升和人力成本的增加，Athyna 通过降低招聘成本提供了必要的运营资金，使得初创企业能够获得额外的燃油时间。文章详细介绍了 Athyna 在产品、增长、策略和创业建设方面的 8 个新思想。此外，根据 Carta 的数据，初创企业的破产率比 2019 年高出 700%。在这个增长成本高昂的时代，Athyna 帮助初创企业再次实现可负担的增长，提供必要的额外发展空间。这些中小企业及中型市场的决策者会阅读或收听《The Hustle》和《MFM》 通过拥有这些资源，HubSpot 提升了品牌价值，并能够免费接触到它们 奖励：这些公司将持续盈利，以便偿还投资 这样拆开，确实很难不看出这个策略的高明之处。

什么时候加入初创企业比较好不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。更长期的目标更复杂一些： 当一种风险被消除时，企业的预期价值会显著上升，因此在确认这一点后，率先投资将非常有利可图。然后我们将探讨这一过程在初创企业生命周期中的表现，以及对于考虑加入的人来说，哪些切入点比较合适。随着人工智能的崛起，许多人加入了那些技术风险尚未解决的初创公司，可能甚至没有意识到这一点。加入初创公司的一个理想时机是他们刚刚解决了市场风险（即找到了产品与市场的契合）。如果公司最近在某种风险方面取得了显著进展，比如开拓新的增长渠道或改善单位经济，那么现在加入是一个特别好的时机。这两个中的一个或两个应该是引导到rapidly expanding contribution profit. 在市场风险尚未解决之前，加入初创公司通常是一个不好的时机，尤其是如果你不是创始人。这可能意味着专注于某个阶段（比如帮助公司在实现产品市场契合后进行扩展）或专注于某个行业（例如花费大量时间与市场合作，以至于你了解它们在不同阶段过渡时的情况）。

本·阿德勒记录了将拥堵收费引入纽约的漫长斗争，您可以在我们的网站上阅读第 15 期的内容。在 1980 年代，纽约市交通局举办了一系列公开会议，任何感兴趣的纽约市民都可以参与，讨论如何解决城市的交通拥堵问题。纽约市的拥堵收费概念始于 1952 年，当时由哥伦比亚大学的年轻学者威廉·维克里首次提出，他后来获得了诺贝尔经济学奖。这是一个漫长而曲折的故事，讲述了维克里的拥堵定价愿景在 70 多年后可能即将在纽约市变为现实。可靠的交通连接缺失可能导致居住在外郊的人们接受比他们本可以获得的更差的工作机会tens of billions of dollars in productivity on the table. 桌子上有数十亿美元的生产力潜力。与纽约市政府首次提出拥堵收费和州政府最终授权之间的近 50 年相比，这些实施延迟显得微不足道。纽约在拥堵收费方面的漫长而曲折的历程为全球其他城市提供了宝贵的经验。

不过，幸运的是，在 2020 年，詹姆斯·埃文斯、理查德·弗雷林和维奈·阿亚拉共同创立了 CommandBar，并提出了一个重要的见解：数字化采纳产品常常让人感到沮丧，因为它们会向用户推送信息。CommandBar 在用户需要信息时引导他们，并将用户支持转变为一种愉悦的体验。最简单的理解他们所做的事情的方法是：CommandBar 允许产品团队在他们的软件上嵌入一个智能 AI 代理，帮助最终用户执行操作、获取数据，并与他们共同浏览，展示产品的使用方式。CommandBar 通过其全面的用户支持套件，帮助 B2B 客户处理增长过程中的关键环节：入职、激活、追加销售和客户留存。具有讽刺意味的是，尽管 CommandBar 是一家以销售为主的公司，但他们的业务是帮助以产品为主导的公司实现产品主导增长（PLG）。这就是为什么我认为 CommandBar 会胜出，因为他们正在为那些急于转型为以产品为导向的公司构建 PLG-as-a-Service 层。

Duolingo 如何重新激发用户增长不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。Duolingo 已经成为全球下载量最大的教育应用程序，拥有数亿用户，实现了“提供世界一流教育并使其普遍可及”的使命。稳健的有机用户增长为 Duolingo 推进 2021 年 IPO 目标注入动力。一节三分钟的 Duolingo 课程感觉就像是在玩 Gardenscapes 的匹配 3 级别，两者都使用进度条来直观显示用户完成课程的进度。为了 Duolingo，我们试图通过提供一个免费的超级 Duolingo 月份来激励用户。然而，我们最好和最活跃的用户已经使用超级 Duolingo，因此当他们已经在一个计划中时，我们无法为他们提供免费一个月的服务。Duolingo 一直擅长收集数据，特别是在支持 A/B 测试方面表现出色。从内部了解到 Zynga 和 MyFitnessPal 如何利用数据，我觉得我们可以利用 Duolingo 的数据找到一个关键指标，从而获得我们所需的突破。

当价格以0.99结束时，你会花更多的钱，关键原因不在单一现象，而在于这是因为传统经济学预测提高价格会导致销售更少的单位，即使以更高的价格销售更少的单位也意味着收入减少。在审查竞争对手的产品时，我们注意到他们有些产品定价以.99 结尾，而另一些产品则以.00 结尾。.99 结尾的价格如何影响您的消费习惯：3 种方式 .99 结尾的价格会让你花更多的钱 在第一批有关以 9 结尾的价格的研究中，一家全国性邮购公司向三组人群发送了他们的目录。PricesItem9-ending prices价格以 9 结尾$5 less5 美元更少$5 more再加$5Dress 1这件第一件连衣裙 $ 39.00 $ 34.00 $ 44.00Dress 2第二件衣服 $ 49.00 $ 44.00 $ 54.00Dress 3第三件连衣裙 $ 59.00 $ 54.00 $ 64.00Dress 4第四件连衣裙 $ 79.00 $ 74.00 $ 84.00 Units purchased购买的数量Item9-ending prices价格以 9 结尾$5 less5 美元更少$5 more再加$5。

一个实用的生产力衡量标准的重点在于把概念放进具体使用场景，而不是停留在名称或口号上。围绕这个主题，需要同时看清问题产生的背景、已有做法的局限，以及新方法试图解决的真实矛盾。判断它是否有价值，不能只看技术或观点本身，还要看它怎样改变用户行为、组织流程、成本结构和长期风险。如果只保留一个结论，就是任何看似简单的趋势背后，都有数据、制度、工具和人的选择共同推动。真正可靠的理解方式，是把抽象判断落到具体行动：谁在使用它，解决什么麻烦，付出什么成本，又会把哪些旧问题变成新的约束。这样看，重点就不只是得到一个漂亮说法，而是形成可以比较、复盘和继续改进的判断框架。这种写法也能避免空泛评价，把读者带到可执行的层面，知道下一步该观察哪些信号。

例如，JacksonHewitt.com 上的图片展示了一家穿着冬季服装享受烟花的家庭。❌ 这个关于税务服务的 Jackson Hewitt 页面包含了一张与内容无关的照片，展示了一个快乐的家庭在点燃烟花。✅ Notion 的产品功能通过独特的 Notion 界面截图来展示；✅ Therabody 的 SmartGoggles 产品页面展示了一张用户在家中使用产品的照片，用户正在睡觉。❌ 虽然 Notion 的插图可能旨在展示其产品可在各种环境中使用，但视觉缺乏现实感，需要太多工作才能理解信息。然而，在 Cigna.com 的移动设计中，视觉与文本“满 65 岁了？测试参与者错误地认为图像与Dental Care, Covered section. 牙齿护理，保障部分相关。The Paper Store 通过五个不同的视觉效果，代表独特的产品类别，找到了适当的平衡。✅ PaperStore.com: 五个独特的视觉效果传达了清晰的信息，整体效果没有令人不知所措。

如果他们今天有 1,000 个用户，他们就会考虑如何达到 10,000 个用户。这让我不禁要问，人们是否/如何衡量个人成长？在与很多朋友交流后，我发现了三个有趣的指标：变化率、解决问题的时间和未来选择的数量。我在想，我是否可以把自己当作一项投资，用我需要多长时间才能成为一个全新的人，来衡量我的成长。在越南经营一家出版社的老朋友 Quynh 认为，人生有三大难题：事业、家庭和经济。这让我想到，也许我可以通过观察自己解决了哪些大问题来衡量自己的成长。我通过 Discord 认识的一个朋友 Denys 告诉我，他的朋友有这样一个理论：每隔几年，你的梦想就会死掉一半。或许，我可以用我获得/失去了多少新选择来衡量我的成长。在个人成长方面，我遵循三个启发式方法： 每隔 3-6 年，我都会尝试成为一个全新的人。

Stripe 经济模式的主要部分是向企业收取信用卡付款费用。Stripe 最大的两项成本是支付聪明人和交换费，而在这两项成本中，削减其中一项会让人感觉好很多。这是一笔费用，最终由接受信用卡的企业支付，由信用卡生态系统中的各方共同分担，以激励他们将自己的标识放入富裕客户的钱包和手机中，增加他们的消费金额和消费频率。同样，在《多德-弗兰克法案》（Dodd-Frank Act）规定借记卡交换费上限之前，借记卡奖励在美国也曾相当普遍（《多德-弗兰克法案》修正案为小型银行规定了非常重要的例外条款）。举例来说，CapitalOne 为什么为其 Quicksilver 卡提供奖励，而不为白金万事达卡提供奖励呢？如果这些用户注意到信用卡的数字特征（这一点有点可疑），那就是年利率（信贷成本）和信用额度。针对这一用户群体的 "入门卡 "和其他产品通常没有奖励，而是利用交换费收入来 "压低 "年利率。

Arc 浏览器是如何做增长的不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。自 Internet Explorer ()时代以来，无数公司都在尝试打造全新的浏览器体验。打开上面列出的任何一款浏览器，你都会发现它的用户界面和用户体验与你已经非常熟悉的一样，都是相当标准和令人期待的体验。随着Arc浏览器的问世，这一切都发生了改变--该浏览器以全新的理念诠释了网络内容的搜索、发现和交互。我使用Arc 已经有一个星期了，尽管有一些瑕疵，但我个人还是非常喜欢这款产品。想想 Siri 和 Apple Pay 在 iPhone 应用程序中的操作方式，或者谷歌的 Material You 如何改变手机上所有东西的外观和感觉。另一种思考方式是，Arc 像 TikTok 处理视频一样处理网络：它不是一个固定的供你消费的东西，而是一套无穷无尽的可混搭组件，供你拆分、玩弄和使用，以创造属于你自己的东西。

Muse 最初是名为 Ink & Switch 的人机交互实验室的一部分。朱莉娅创造了一个在 iPad 上运行的奇妙原型，而马克则是产品的设想者（他还想出了 "Muse "这个名字）。公司成立后不久，我们有幸聘请到 Lennart Ziburski 担任产品设计师。他立即开始想方设法让 Muse 更接近人们对 iPad 应用程序的期望，不久我们就拥有了第一批固定用户。从那以后，为了与合作者分享，我把一些截图复制粘贴到 iMessage/Slack/Google Docs 中，但效果总是不佳，因为......哦。这将是一次纯粹的营销发布：产品已经足够稳定，可以实际使用，并可在 App Store 购买。我并不知道，这个词即将大受欢迎，主要原因是 "漫游研究"（Roam Research）在这一时期取得了突飞猛进的成功。本尼迪克特-埃文斯（Benedict Evans）的时事通讯、经济学博客 "边际革命"（Marginal Revolution）等知名科技思想家都提到了我们，帕特里克-科里森（Patrick Collison）还在推特上写了一个字。

本地关键词研究是指找出人们在搜索其所在地区的地点、产品或服务时所使用的关键词的过程。他战略性地使用关键词研究来指导他的本地搜索引擎优化策略。您想知道关键词 "Joliet 的面包店 "在搜索引擎结果页面（SERP）上的搜索结果。例如，Milano Bakery 网站上有 391 个相关关键词。通用关键词研究与本地关键词研究 在进行一般关键字研究时，您的目标是了解人们用来描述公司、产品或类似服务的术语。这个过程有四个简单的步骤： 利用数据优先选择目标关键词 第 1 步：为关键词创建电子表格 创建一个简单的电子表格，保存在本地关键词研究中出现的关键词。就像这样 要获得更深入的关键字研究体验，Semrush 的关键字魔术工具是查找特定关键字的绝佳工具。Keyword Magic Tools 显示的数据可以帮助您决定选择哪些关键词。然后，使用高级过滤器过滤具有本地意图的关键词： 打开 "高级筛选器 "下拉菜单 向下滚动并选择 "本地软件包 使用尽可能多的种子关键词，重复查找显性和隐性关键词的步骤。

1974 年，出现了 OCR 和更先进的智能字符识别技术（ICR），随后诞生了 ABBYY 开发的 OCR 应用程序 FineReader。资料来源计算机视觉深度学习入门 2010 年，ImageNet 数据集可用。由 Olga Russakovsky 和 Jia Deng 等研究人员领导的 ImageNet 项目包含数百万张手工标记的图像，涉及上千个对象类别。作为当今模型的基础，ImageNet 不仅能够比较更多对象的检测进展，还有助于衡量计算机视觉领域用于检索和注释的大规模图像索引的进展。2012 年，多伦多大学的一个团队开发了 AlexNet 模型，大大降低了图像识别的错误率。利用基于图像和文本的 CAPTCHAs（用于区分计算机和人类的完全自动化公共图灵测试），谷歌开始积累大量标注示例的数据集。二值图像可视化资料来源经典 CNN 基础知识 简而言之，CNN 在识别物体及其关系、模式和整体图像结构之前，需要经过一个训练过程。

但是，除了产品之外，比较表同样适用于以下方面： Tuition rates学费标准 它们可用于比较同一组织的同类产品，或将一个组织的产品与竞争对手的产品进行比较。❌ jetpens.com：人们不需要为塑料笔这样简单、廉价的物品比较这么多因素。例如，苹果公司最新发布的 Apple Watch 只有三种不同的型号，因此它为试图做出决定的用户提供了一个现成的对照表。✅ apple.com：由于最新款 Apple Watch 仅有 3 个型号，苹果公司提供了一个包含所有型号的对比表。✅ apple.com：在产品菜单旁的信息架构中加入一个指向表格的链接，确保用户能找到静态对比表格。✅ tesla.com：特斯拉网站允许用户使用动态表格对不同型号的特斯拉进行比较。复选标记（左，homedepot.com）和按钮（右，lowes.com）是允许用户为交互式比较表选择项目的两种最常见方式。

《Motor Trend》杂志以前所未有的一致投票，将这款新车评为他们的“年度车型”。《Consumer Reports》杂志宣称这可能是有史以来最好的汽车，并给予了99分的最高评级。2012年，特斯拉的Model S豪华轿车以其令人惊叹的功能和出人意料的低维护成本，将优雅与新型实用性相结合，成为一款大众市场的全电动汽车。2018年，一家名为Aria的在线计费服务在一篇名为《汽车经销商能否在电动汽车革命中生存下来》的文章中写道： 根据《福布斯》的数据，如今汽车经销商的最大收入来源是零部件和维修服务，占总收入的44%。特斯拉 Model S 2023 年款的电动机、传动系统和燃油箱。与我身后的 Land Rover Defender 这只野兽相比，它也有大约300牛顿米的扭矩。自动驾驶汽车的核心是一个名为Transformer的大型语言模型，它能够理解和生成自然语言。通过使用大量的训练数据，Transformer可以学习到各种驾驶场景和交通规则，并能够根据实时情况做出准确的决策。

1790 年，英国牧师兼化学家威廉-格雷戈尔（William Gregor）首次发现了钛，他发现自己无法识别混杂在康沃尔黑沙中的白色氧化物所含的金属。1795 年，普鲁士化学家 Martin Klaproth 从矿物金红石中提取出了钛。1930 年，来自卢森堡的科学家威廉-克罗尔（William Kroll）开始在家中的实验室进行钛实验，并开发出一种在真空条件下通过氯化钛（TiCl4）与镁反应生产钛的工艺。克罗尔 1938 年的金属钛样品，来自 1955 年的克罗尔作品 同年，美国矿业局开始对钛进行调查，以回应飞利浦公司（该公司已开发出自己的钛生产工艺）对钛特性进行的前景看好的研究。一家生产钛的公司的高管指出，"耸人听闻的杂志文章预言，钛将成为神奇的金属--用于航天器、'原子炉'、各种飞机、潜水艇、铁轨、卡车车身、便携式桥梁"（Rowley，1972 年）。1951 年，材料咨询委员会预计需要 3 万吨钛产品，但实际发货量仅为 75 吨，勉强满足研究应用的需要。

来自 Radio Shack 漫画：电子产品的新科普故事》，1978 年。电话公司本身对 Picturephone（商标）的兴趣最大，这已经不是什么秘密了，事实上，每个人都认为到 2001 年，每部公用电话都会有摄像头和屏幕。1927 年，电话公司将时任商务部长的赫伯特-胡佛（Herbert Hoover）的演讲从华盛顿传送到纽约，从此开始了视频通话的研究。几年来，电话公司一直在研发这个被称为 "Ikonophone "的系统，团队约有 200 人。二战期间，这项工作有所放缓，但到了 20 世纪 50 年代，公司又重新开始了现在被称为 Picturephone 的系统的研发工作。到 1964 年，帧频更高的 Picturephone Mod I 出现在纽约世界博览会和迪斯尼乐园。到 1964 年，已经有了几个 Picturephone 电话亭，但它们并不十分流行，主要原因是价格昂贵，3 分钟的通话费高达 27 美元，相当于现在的 250 多美元。

报道称，他们使用安卓系统的用户数量往往是谷歌的两倍，但 iPhone 应用商店的收入却大约是谷歌 Play 商店的两倍。由此，我归纳出一条经验法则：iPhone 用户的价值大约是安卓用户的 4 倍。请看下图：纽约 Citi Bike 乘客的出行距离与出行速度对比（n=4270 万。但是，如果我们看一下全球数据，苹果公司声称有 6.5 亿活跃的 App Store 用户，而谷歌则声称有 25 亿活跃用户。但是，如果我们看一下美国的情况，iPhone 用户为 1.67 亿，Android 用户为 1.44 亿。App Store 的收入是我自己的分析结果（与其他来源的数据进行了验证），其中包括账单，而不仅仅是苹果自己的分成。题外话：对这些数据的一个理智判断是，6.5 亿 App Store 用户大约是我估计的 iPhone 用户数量（12 亿）的一半。为什么只有 54% 的 iPhone 在使用中与 App Store 配对？

消费者如何使用生成式人工智能不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。但是，除了 ChatGPT 之外，消费者是如何与生成式人工智能（GenAI）产品互动的？大多数领先产品都是围绕生成式人工智能 "从头开始 "打造的 与 ChatGPT 一样，这份榜单上的大多数产品在一年前都不存在--这些网站中有 80% 都是新网站。在上榜的 50 家公司中，只有 5 家是原有大型科技公司的产品或被其收购：Bard（谷歌）、Poe（Quora）、QuillBot（Course Hero）、Pixlr（123RF）和Clipchamp（微软）。特别是在移动端，CharacterAI 是早期最强大的参与者之一--根据 Sensor Tower 的数据，其 DAUs 可与 ChatGPT 相媲美，而且留存率明显更高。不过，近几个月来，另外两类工具也开始得到大量使用--人工智能伴侣（如 CharacterAI）和内容生成工具（如 Midjourney 和 ElevenLabs）。

尽管各州立法机构、法院和YIMBYs，即 "我的后院"（Yes-In-My-Backyard）倡导者试图限制地方住房法规和分区规则的破坏是正确的，但从某种意义上说，他们是在治标不治本。为了刺激更多的建设，一句话，我们需要再次壮大增长联盟，向当地居民表明，尽管增长需要付出代价，但也有更大的收益，当地居民可以分享这些收益。Local costs and benefits 当地成本和效益 关于美国的建筑法规，最令人惊讶的一点是，有些地方的法规非常极端，而有些地方的法规则微乎其微。如果开发会带来一些负面的外部效应，比如加油站会在居民住宅附近产生大量的照明和交通流量，那么分区规划可以提高房地产的便利价值，足以弥补选择权的损失。Fiscal zoning 财政分区 有大量关于财政分区的论著表明，不同类型开发的财政收益与当地这些类型开发的增长之间存在密切联系。例如，一项研究发现，较高的地方销售税导致大型零售店增多，制造业就业率下降，因为大型零售店挤占了其他类型的土地用途。

2022 年 4 月，埃隆·马斯克 (Elon Musk) 的一切进展出奇地顺利。Shivon Zilis 是 Neuralink（马斯克的公司，致力于植入式脑机接口）的管理人员，也是他两个孩子的母亲。2000 年 10 月，埃隆·马斯克（右）和彼得·泰尔的公司合并成立了 PayPal。当它与 Peter Thiel 共同创立的支付服务公司 PayPal 合并时，马斯克奋力争取保留 X.com 作为合并后公司的名称。PayPal 已经成为一个值得信赖的品牌名称，带有类似于 Twitter 的友好快活，而 X.com 这个名字则让人联想到一个你不会在有礼貌的公司里谈论的肮脏网站。” 在他购买 Twitter 股票的消息公开后的一天晚上，马斯克给帕拉格·阿格拉瓦尔 (Parag Agrawal) 打电话，他是一位软件工程师，接替了杰克·多尔西 (Jack Dorsey) 担任 Twitter 首席执行官。

大约一年前，我向同事和经理提出了有关 Postgres 性能的问题。在 Postgres 的容量问题上，我们已经拖延了很长时间。这为我们节省了大量时间，让我们可以专注于其他事情，比如构建功能，这非常好。启动一个独立数据库集群，并根据某种分区策略将数据写入其中一个或另一个。如果对系统的需求足以使现有技术过时，那么可能会出现更多的增长！Always squeeze first 一定要先挤压 我们应该尽可能推迟复杂性的大幅增加。通过调整工作量、调整性能或以某种方式对系统进行补充，您可能会增加数月甚至数年的运行时间。我们使用遥测技术来识别重度查询，深入研究（Rails）代码库以了解它们的来源，并优化或消除它们。此外，由于我们的工作涉及代码库的许多部分，需要与许多不同的开发人员合作，因此我们现在拥有了一个关于现有系统的强大的分布式知识库。

收入如何根据通胀进行调整不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。July 11, 2023 2023 年 7 月 11 日 在研究人们的收入数据时，我们感兴趣的通常不是货币数量。要研究这一点，我们需要将人们的收入与他们可以购买的商品和服务的价格进行比较。如果我们想利用收入数据来了解世界各地生活水平的变化情况，对此进行调整至关重要。因此，您在 "数据中的我们的世界 "中找到的几乎所有收入数据都根据通货膨胀进行了调整。一个简单的例子：根据一种商品的价格调整收入[]( 一个简单的方法是，根据通常购买的单一产品（如一条面包）的价格变化来调整收入。收入数据通常是以所谓的 "名义 "形式提供给我们的：没有根据通货膨胀进行任何调整。实际收入 "是研究人员和统计人员对经过通货膨胀调整后的收入数据的称呼，有时也称为 "缩减"。LinearLog 线性日志 Other price indexes 其他价格指数[]( 消费物价指数并不是唯一可用来调整名义货币价值的指数。

ARPANET 启动（1966 年） 说到互联网历史上的伟大时刻，就不能不提到成立于 1966 年的高级研究计划局网络 (ARPANET)。在2013年的一次采访中，道金斯说："互联网是meme传播的一流生态，难怪'meme'这个词会出现在互联网上，因为这正是它的本质。垃圾邮件的诞生》（1978 年） 卡斯帕-本森//盖蒂图片社 世界上第一封垃圾邮件是由 Gary Thuerk 于 1978 年 5 月向数百名 ARPA 用户发送的。你好，顶级域名（1986 年） 美国国家标准与技术研究院 1986 年，Jon Postel 向全世界推出了顶级域名（.com、.org、.gov、.edu 和 .mil）。然而，"富有创造力的用户将 QuickCam、新兴的互联网和视频会议软件（如 CU-SeeMe）结合起来，参与了首次在线视频聊天"，《PC World》写道。拍卖网的交易变化（1995年） ullstein bild//盖蒂图片社 就在亚马逊上线两个月后，AuctionWeb，也就是后来的 eBay，加入了互联网，成为一个在线拍卖市场。

为了与 MS Office 的其余部分同步，Microsoft Excel 从 5 升级到了 7，MacOS 和 Windows 都跳过了版本 9 以吸引 X 一代。React 从 0.14 跃升至 v15，而 Kubernetes 和 Go 则展示了反对/的承诺系统开发人员无法破坏任何东西/数到 2。虽然 GPT1→2→3 的进程每次都向前迈出了明显的一步，而 Midjourney 4→5 预示着 Balenciaga Pope，但其他进展，如稳定扩散 1→2 则更具争议性。由于这些功能可以在代码中灵活、无限地组合，但通过示例学习很有用（例如 p5.js 游戏创建、绘制模因、创建交互式仪表板、数据预处理、包括季节性、编写复杂的 AST 操作代码、大规模人脸检测，。但 GA 发布后的重点是通过代码解释器提供的模型的质量 - 据说 14 似乎比今天的 GPT-4 更好（在编写代码、自主执行多个步骤、决定何时不继续以及询问用户方面）在一组选项之间进行选择）。

在数字时代更好地学习，关键是把目标、限制和可执行步骤放在同一个框架里，而不是只追求单点技巧。事实上，数字产品让你很容易欺骗自己，让自己以为自己在学习，而实际上你是在娱乐。这只是数字化学习和教学的现状，还是实际上在某个地方可以找到轻松学习的余地？我不是医学专家，更不用说神经学专家，但我确实想粗略地了解当我们作为人类创造知识时会发生什么。人类认知似乎从根本上建立在感觉运动过程的基础上：当我们将某些身体活动与信息联系起来时，我们可以更好地保留信息。我从传奇教育技术专家安迪·马图沙克 (Andy Matuschak) 那里学到了这个想法，他使用类似的概念作为捕获可能有用的参考资料的工具。我对政治和数据之间的交叉点非常感兴趣，所以我将链接发送到我的学习收件箱（关于 Things 3 的任务）——然后很快就忘记了。整个过程花费了观看视频两倍的时间，而且还没有完成：我仍然需要某种实验、修补、迭代、在不同环境中的应用，通常需要比记笔记更实际的东西显着巩固我对该主题的知识。

鉴于《通俗》杂志对建立职业护城河的关注，我之前没有谈及个人品牌，这有点可笑。Pricing Power in Careers 职业中的定价权 我认为，如果你要为你的职业生涯建立一个个人品牌，那么你应该根据它给你带来的职业利益来评估它。(当然，建立个人品牌还有其他原因，比如在社交媒体上吸引志同道合的人，或者扩大你对新朋友和新想法的接触面--但我在这里不谈这个，毕竟这是一个职业博客！我在这个话题上看到的最好的定义是由商人Brent Beshore提出的，他认为： "品牌是你可以从任何公司或个人那里期待的可能结果的分布。" Morgan Housel writes: 摩根-豪斯尔写道： 品牌并不是为了拥有最高的质量。因此，典型的风险投资职业道路不是依靠良好的回报，而是在社交媒体上建立个人品牌，并在他们的基金失败（很可能）的情况下，利用这一资产软着陆到其他角色。我记得听到Beshore关于品牌和风险投资的论点，然后研究了他的回答的二阶含义。

2017 年，BuzzFeed 首席执行官乔纳·佩雷蒂 (Jonah Peretti) 宣称，“如果你考虑的是选民，你考虑的是公众，你考虑的是人们被告知的情况，那么媒体的订阅模式无助于告知广大公众”；” 2023 年的今天，BuzzFeed 关闭了其新闻团队，The Athletic 已被纽约时报收购；The Athletic 有一个更幸福的结局，尽管有人认为《纽约时报》付出了过高的代价，因为这家体育刊物从未盈利过；这也是我在 2015 年的 Popping the Publishing Bubble 中论证的观点的演变和反驳： 出版商很容易感到难过：在互联网出现之前，大多数人都在赚钱，而在最初的几年里，生产成本较低的在线出版物似乎也能盈利。然而，问题在于广告资金永远存在的假设，导致了一种“建立它，他们就会来”的心态，这种心态几乎完全专注于内容制作，而对可持续商业模式的关注太少。

BuzzFeed在新闻领域的赌注没有成功，而The Athletic被纽约时报收购，后者的重点是增加广告。2017 年，BuzzFeed 首席执行官乔纳·佩雷蒂 (Jonah Peretti) 宣称，“如果你考虑的是选民，你考虑的是公众，你考虑的是人们被告知的情况，那么媒体的订阅模式无助于告知广大公众”；” 2023 年的今天，BuzzFeed 关闭了其新闻团队，The Athletic 已被纽约时报收购；The Athletic 有一个更幸福的结局，尽管有人认为《纽约时报》付出了过高的代价，因为这家体育刊物从未盈利过；这也是我在 2015 年的 Popping the Publishing Bubble 中论证的观点的演变和反驳： 出版商很容易感到难过：在互联网出现之前，大多数人都在赚钱，而在最初的几年里，生产成本较低的在线出版物似乎也能盈利。然而，问题在于广告资金永远存在的假设，导致了一种“建立它，他们就会来”的心态，这种心态几乎完全专注于内容制作，而对可持续商业模式的关注太少。

长尾关键词：它们是什么以及如何从中获取搜索流量不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。如果我们绘制人们在一个月内在 Google 中执行的所有搜索查询并按搜索量排序，它看起来有点像这样： 在曲线的“头部”，我们有少量具有超高搜索量的关键字，而“尾部”则由数十亿个搜索量非常低的关键字组成。在 Ahrefs 的关键字资源管理器中搜索会返回一千多个关键字： How to find long-tail keywords 如何找到长尾关键词 您可以使用多种方法来查找长尾关键字。1 Use Google Autosuggest… NOT 1 使用谷歌自动提示……不是 一些 SEO 专家建议您通过输入目标关键字后跟不同的字母表来从 Google Autosuggest 获取长尾关键字。2 Use Ahrefs’ Keywords Explorer 2 使用 Ahrefs 的关键词浏览器 与前一种方法不同，此方法不需要任何繁琐的手动工作。

当前风险投资市场面临挑战，投资者更加谨慎，需要更长时间和更严格的尽职调查。SAFE 融资结构被越来越多的收入产生的 A 轮和 B 轮公司使用，以便在更正式的定价轮之前筹集中期轮资金。Keywords: 风险投资、宏观环境、估值、结构、SAFE、中期轮 在通货膨胀、利率上升、地缘政治紧张局势和日益增长的经济衰退担忧之间，2022 年是公共和私人市场清算的一年。硅谷银行、Signature Bank 和 First Republic Bank 等几家长期服务于创业生态系统的机构倒闭，进一步打击了投资者的信心，给资本市场和更广泛的金融服务行业带来了冲击波。根据最近的 Pitchbook 数据，成长期公司受到近期市场调整和当前宏观环境的不利影响比早期公司更大。尽管更广泛的公共股票市场面临挑战，但具有良好吸引力、盈利途径和良好单位经济效益的公司正在筹集资金。然而，随着宏观和市场的持续不确定性，投资者变得更加挑剔，尽职调查时间更长、更严格，导致一轮轮融资的时间更长。

以转化为中心的界面首先要承认一个事实：界面本身不是价值，而是用户抵达价值时必须跨过的阻力。好的设计不是把页面做满，而是减少判断、理解和操作成本。高收益率要求屏幕只保留能帮助用户决策的信息，把无关文案、装饰和次要说明删掉；低逻辑比要求优先暴露少数核心动作，把分享、筛选、更多设置等次要操作渐进隐藏。熟悉性同样重要，用户大部分时间都在其他产品里，过度创新的交互会迫使他们重新学习。透明性要求状态、图标、术语和反馈都能被第一次使用的人理解。实践中可以先用“用户在什么情境下想完成什么、从而获得什么结果”的工作故事明确产品价值，再围绕这个价值检查每个信息块和按钮。不能推动用户接近价值的元素，就是需要被删除、合并或延后的阻力。

大多数真正的初创企业都会失败，常见估计接近九成，原因是它们不是普通新公司，而是在验证高风险商业假设。理发店、咨询公司这类传统新企业面对的是现金流、运营和获客风险；初创企业还要额外证明一个新技术、新产品或新市场真的存在需求，并且能以非线性方式扩张。政府统计里的新企业失败率通常低于创业圈常说的数字，因为样本混入了大量传统业务；风险投资样本又偏向已经证明部分需求的规模化公司，也不能代表最早期项目。对创始人来说，失败率不是宿命，而是要求更严格地验证假设。想法阶段应尽快用 MVP、客户反馈和低成本实验寻找产品市场匹配，并给转向留下资源。后期最大的危险是过早扩张：在需求、渠道和效率还没稳定时投入大量代码、人手和资金，会把错误放大。

用 API 取代中层管理的本质，是平台公司把调度、考核、定价和质量控制写进软件，让人类劳动者成为可被程序调用的执行单元。Uber 的界面接收乘客请求，服务器像 API 一样派发司机；设计、清洁、配送等服务也能被包装成类似接口。这样确实减少了传统管理层，提高了效率，并给劳动者带来一定灵活性，但也制造了新的断层：软件层之上的员工设计系统、拥有杠杆和成长路径；软件层之下的人完成具体任务，却很难获得培训、晋升和组织关系。更尖锐的问题是，平台有持续降低执行成本的动力，一旦自动驾驶、无人配送或生成式工具成熟，底层岗位会被快速替换。危险不在于软件管理人，而在于社会没有为这些被 API 化的职业建立通向更高技能工作的桥梁。

程序化 SEO 的吸引力在于，用结构化数据批量生成面向长尾关键词的页面，让许多低搜索量查询合起来带来稳定流量。实验从一个园艺网站开始：购买域名，使用 Hugo 搭建静态站，再围绕“某种蔬菜如何盆栽”“需要多少阳光”等低竞争问题设计模板。数据表中的每一行对应一种植物，经过基于 Jinja2 的模板应用生成 Markdown 页面，几十个页面几秒内完成。真正的难点却不在生成，而在数据来源和页面差异化。手工收集植物信息几乎和写作一样费力；数据点太少会限制可覆盖关键词，也会让页面之间过于相似，可能被搜索引擎视为重复内容。程序化 SEO 并不是按下按钮就获得流量，还需要索引、站点地图、性能、反向链接和长期观察。它最适合已有丰富、独特、可结构化数据的项目；没有数据优势时，自动化只会把内容贫乏的问题放大。

数据网络效应是一种比普通网络效应更隐蔽的护城河：用户越多，产品获得的数据越多；数据越多，算法越智能；产品体验越好，又会吸引更多用户和更多数据。它不同于单纯依赖规模或品牌的优势，关键在于把学习过程产品化、自动化，让每次使用都能改进下一次服务。搜索、推荐、导航、叫车、日程安排、企业软件、物联网和基因检测都能形成这种循环。早期公司也有机会受益，因为大数据基础设施和机器学习工具变得更便宜、更普及。但真正难点在冷启动：没有足够数据，算法无法证明价值；没有价值，用户又不愿提供数据。可行路径不是向客户空喊“把数据给我”，而是先设计明确的数据采集策略，限制问题范围，建立基础反馈回路，再逐步让产品从人工判断过渡到机器学习。只有数据独特、循环稳定、改进可感知时，护城河才会真正变深。

产品经理的成长不是同一件事越做越熟，而是在三个阶段里承担完全不同的责任。第一阶段的核心是交付产品，围绕发现、定义、设计、开发、上线和复盘，把客户满意度与业务目标真正做出来。第二阶段开始，优秀不再只是执行得好，而是能识别机会、设定目标、制定产品策略，让所负责的产品在市场中取胜。第三阶段则进入组织建设：招聘、培养、建立流程，让团队规模化地产生好策略并持续交付，同时成为公司层面的战略顾问。很多产品经理误以为晋升只是扩大负责范围，所以跨阶段时会感到自己变差了；实际原因是评价标准变了。想在同一阶段晋升，需要把手艺练得更稳定；想进入下一阶段，则要有意识地放下部分旧工作，把时间投向策略、组织和公司级判断。产品管理因此不是一条直线，而是三种工作的接力，每次跃迁都要重新学习什么才算优秀。

数据驱动的决策通常擅长优化已有市场，却很难产生真正创新。焦点小组、调查、客户分群和行为数据主要来自已经被互联网服务覆盖的人群，他们的未满足需求往往只剩细小改进空间。早期的eBay、亚马逊和iPhone打破市场，并不是因为更精细地服务既有需求，而是满足了当时主流方案无法满足的需求：陌生人可信交易、可靠线上物流、可随应用变化的触控界面。创新机会更常出现在技术边缘的人那里，包括被忽视的群体、残障用户、没有被现有产品认真服务的人。服务这些人并不必然牺牲大众市场，许多无障碍能力后来成为所有人都受益的核心功能。团队要发现这类机会，不能只收集现成数据，还要练习让不同声音进入决策：主持会议、主动征求反对意见、正确归功、尊重专业经验、把分歧变成探索。创新不是少看数据，而是承认数据只能照亮已经有人走过的地方。

医疗保健市场平台之所以少见，是因为医疗交易不像打车或订房那样只有买卖双方。病人、医生、保险方同时参与，价格、档期、资格判断和报销规则都不透明，很多服务又是低频需求，获客成本很难摊薄。心理健康成为少数跑通的品类，是因为需求在疫情后快速增长，远程服务被广泛接受，治疗师过去普遍不接保险，而保险公司又急需扩展心理健康网络。平台替治疗师处理签约、账单和支付，帮助他们获得更多客户，也让患者降低自费成本，于是双方都有留下来的理由。这个模式能复制到其他医疗领域，但前提是平台必须真正解决供给端的痛点，而不只是做信息黄页。可行路径包括聚合高质量服务者，提供排班、沟通、转诊等轻量软件，接入保险和支付轨道，再建立可靠的需求获取能力。医疗市场的核心难题不是流量，而是信任、资格、支付和长期关系。

优秀的用户访谈不是问对方想不想要某个产品，而是逼近他们真实做事的过程、痛点和代价。第一步要让潜在用户复盘最近一次具体经历：当时发生了什么、他们怎么处理、为什么那样处理。接着确认现有办法里哪些地方有效，避免把所有现状都误判为问题。痛点要追问到最糟糕的部分，以及到底有多糟，只有强痛点才可能支撑新产品。成本同样关键，包括花的钱、时间、协调精力和失败后的损失。还要问他们经历过的最好方案是什么，用来理解理想标准。最后再让用户想象如果有“魔法棒”会修复什么，并拿自己的方案假设去测试哪些环节真的有帮助、哪些没有。这样得到的不是泛泛偏好，而是可验证的使用场景、购买动机和产品边界。用户不会替你设计产品，但会暴露他们愿意为什么改变行为。

内容质量不能只看流量、停留时间或发布篇数，因为这些数字往往只告诉你结果，不告诉你该改什么。高增长团队要先区分两类内容：绩效内容承担搜索、转化、推荐流量等目标，编辑内容承担立场、叙事和品牌表达。前者必须用可控、可行动、带业务背景的指标衡量，例如主题覆盖是否完整、可读性是否达标、拼写语法错误是否减少、搜索意图是否匹配；后者则不应被硬塞进 SEO 指标。规模化生产的风险是质量下滑，尤其在生成式 AI 让低成本内容激增之后，平庸内容会更快淹没网络。真正有效的体系会覆盖生产、表现和维护三个阶段：写作时看输入质量，上线后看业务结果，进入稳定期后用同比表现和排名变化决定是否刷新。数量只有在质量守住时才会放大增长，否则只是更快制造无效页面。

保持行业更新的关键不是每天手动追热点，而是把可靠信号固定成一套低摩擦系统。独立创客要同时理解客户变化、竞争对手动作、市场新闻、社区讨论和技术趋势，最有效的来源往往不是单一媒体，而是客户访谈、竞品邮件列表、评论平台、社交动态、论坛、RSS、通讯、播客和少量高质量书籍的组合。做法上，应先限定关注主题和信息源，再用时间盒避免无止境浏览；用 Google Alerts、RSS 阅读器、社交监听、品牌提及监控和精选通讯，把信息推到收件箱。这样更新变成定期处理的输入，而不是随时打断工作的干扰。已经持续筛选信息的人，还可以把这套阅读过程转化为策展通讯，把原本的学习成本变成面向市场的资产。除非信息能帮助定位产品、理解客户或发现机会，否则就应果断舍弃。

CTE 可以直接充当一次性查找表，用来把数据库里的代码值转换成更适合展示的文本。面对国家代码、状态码、类型码这类字段，常见做法是在查询里写 CASE 表达式，但分支一多就会让主查询变得臃肿；同样的映射如果在多个地方使用，还得反复复制，维护时容易漏改。更清爽的写法是在查询开头用 CTE 构造一张小表，把 code 和 label 一行行列出来，再在主查询中 JOIN 或多次引用它。这样映射规则集中、可读性更好，也更接近真实维表的思路。对于 SQLite 和 PostgreSQL 这类支持 CTE 的数据库，这是一种轻量、无需建表、适合报表和临时分析的技巧。它不替代正式的数据建模，但能让一次性查询少些噪音。

Jobs-to-be-Done 的价值在于把“客户需求”从模糊愿望变成可分类、可测量、可排序的输入。客户不是简单购买产品，而是在特定情境中试图完成某项工作；产品成败取决于它是否让这项工作更好、更便宜、更可靠地完成。框架先把客户分成三类：实际执行工作的人、支持产品生命周期的人、做购买决策的人。不同角色有不同需求，例如医疗器械里的外科医生、护士维修团队和医院采购部门关心的并不是同一件事。需求又可拆成核心功能工作、相关工作、情绪工作、消费链工作和购买决策工作。真正可用于创新的不是一句“管理支出”这样的宽泛描述，而是把核心工作拆成步骤后，找出客户衡量成功的具体结果，比如减少时间、降低错误、提高可控性。这些结果陈述不绑定某个解决方案，能多年保持稳定，也能通过调研排序，帮助团队发现未被满足的细分市场并预测新产品机会。

社交应用的早期潜力可以用增长、参与和留存三组指标判断，而不是只靠“感觉火了”。首先要选定核心活跃指标，多数社交产品应看 DAU，低频场景可先看 WAU，但真正想进入用户主屏幕，最终必须形成每日使用。增长最好来自产品自带传播，而非付费投放；早期若超过一两成用户来自买量，往往说明产品本身的邀请动机还不够强。参与度可看 DAU/MAU，也要看 L-ness 曲线：一周内有多少用户使用五天以上，能显示产品是否正在进入日常生活。留存是最硬的指标，d1、d7、d30 能反映新用户是否迅速理解价值并持续回来；优秀产品的留存曲线应在两三周内趋于平稳，而不是靠密集通知短期拉回。样本量也重要，TestFlight 或极早期爱好者的数据容易失真，公开发布后的自然用户行为才更接近真实市场。