产品、增长、数据、实验、保险、商业判断相关链接。
许多数据岗位的空虚感来自一个残酷现实：组织花钱雇人谈“数据驱动”，却没有建立让数据产生结果的机制。仪表盘被紧急要求制作，却几乎没人查看；数据源混乱、缺少文档，错误也没人发现；机器学习项目多年推进，却没有任何计划根据模型输出改变业务动作。问题不只是个人懒散，而是大型组织里预算充足、结果模糊、责任稀薄，最容易滋生表演性工作。管理层喜欢现代化口号，但实际仍要求电子表格式交付，因为这样最快、最容易显得有产出。糟糕的数据基础让真正的分析几乎不可能，基础设施申请又被官僚流程拖垮，一个简单实例可能被报出离谱成本。于是团队既不能删掉必要报告，也很难自动化和改造，只能维持一套没人信但大家都配合的社会剧本。真正有价值的工作更可能出现在利润中心或结果清晰的团队，因为那里产出能被市场、用户或收入直接检验。
“大数据”被夸大成了普遍问题，真实的数据工作多数受限于组织、建模和工作负载，而不是数据规模。十多年来，供应商用数据爆炸叙事推动企业购买可横向扩展的系统，但大量企业的数据仓库其实小于 1TB，许多活跃客户的数据量甚至只有几十 GB。数据规模呈幂律分布，少数巨头拥有 PB 级数据，并不能代表大多数组织。更关键的是，存储增长不等于计算需求增长：历史数据会不断累积，但分析通常只看最近时间段或聚合结果，查询的大多是小表、小窗口和小样本。云平台把存储与计算分离后，企业更容易把旧数据都留在对象存储里，于是存储量暴涨，却不意味着每次分析都需要分布式计算。真正的问题往往是数据是否清晰、业务问题是否明确、查询是否服务决策。把所有困难都归因于“大”，会让团队忽视更普通也更重要的事实：多数分析任务用简单、单机、低摩擦的工具已经足够。
经济低迷时重新规划收入，第一步应回到销售能力模型的核心假设，而不是直接给团队压一个看似现实的新数字。B2B 软件公司的计划通常依赖客户主管的生产率和爬坡时间，这两项在市场逆风中会迅速失真。管理层需要选出能代表成交能力的关键指标，例如平均售价、胜率、销售周期和管道转化，并用至少十八个月数据按季度或月份比较，剔除少数大单造成的扭曲，重点观察最近两个季度是否明显下滑。若只有单一指标轻微下降，可以谨慎观望；若多个指标转弱，或某个指标跌幅超过约百分之十，就应调整生产率和爬坡假设，再反查管道计划是否足以支撑新目标。好的重规划不是降低士气，而是让团队重新面对可赢的目标。 规模，您可以考虑对每个全球区域执行相同的操作。你的分析越精确，你可以在你观察到的任何趋势中放置更多的股票。请务必根据规划团队的能力平衡这些耗时的工作。 针对可能扭曲平均数的异常值进行调整。一个常见的例子是几笔“鲸鱼”交易，这可能表明在此期间平均售价呈上升趋势。您可以通过比较每个时期的中位数或手动删除这些异常值来对此进行调整。 将过去 2 个季度的平均趋势与前几个时期的平均趋势进行比较。要特别注意类似的季度和月份，因为季节性可能会误导
工程策略不是愿景口号，而是工程组织处理当前约束的一套成文判断。好的策略包含三部分：诊断、指导性政策和一致行动。诊断要说明真正的挑战是什么，例如收入增长转向某条业务线、测试不稳定拖慢研发、团队之间缺少决策信息；指导性政策要明确取舍，例如资源如何在产品、基础设施、新实验和开发效率之间分配，何时必须升级技术决策，是否坚持标准技术栈；一致行动则把政策变成具体变化，例如调整团队能力、设立测试稳定性投入、改造技术评审流程、规定发布和技术变更的沟通渠道。很多组织以为没有工程策略，其实只是策略没有写下来，隐藏在高管和团队的日常决策里。把它写清楚的价值，是让每个人知道哪些事情优先、哪些 trade-off 已经被接受、遇到争议时该如何推进。策略只有能改变行动，才算真的存在。
P.A.R.A 是一种用结果来组织数字信息的方法，把资料分成项目、领域、资源和档案四类。项目是有目标和截止日期的一组任务，例如写完报告、发布产品、筹备会议；领域是需要长期维持标准的责任范围，例如健康、财务、写作、团队管理；资源是持续感兴趣的主题；档案则保存前三类中已经不活跃的内容。这个系统最重要的区分，是不要把“领域”误当成“项目”。如果清单上只有健康、招聘、生产力、写作这类长期责任，人就很难判断当前承诺有多重，也看不到进展。把它们拆成具体项目后，工作量、优先级和成果都会变清晰。项目完成带来节奏和动力，领域则用习惯和标准维持。目标没有对应项目，就只是愿望；项目没有对应目标，则可能只是兴趣。P.A.R.A 的价值不在分类漂亮，而在让信息直接服务当前行动和长期方向。
Stripe的优势仍然巨大，但它已经不能靠早期光环自然取胜。它最初改变支付行业，是因为把商户开户、网关接入和白标结账体验压缩到开发者几分钟就能完成的流程，正好赶上移动应用、市场平台和电商爆发。问题在于，现代支付已经不再只有Stripe一家：Adyen在企业客户和国际化上强劲推进，Checkout等新玩家追赶，Fiserv、Worldpay这类传统处理商仍掌握庞大的线下和大企业交易量。疫情后电商增长回到趋势线，苹果隐私政策削弱数字广告投放效率，直接影响依赖电商客户的支付收入。估值下调、裁员和员工股权流动性压力说明，Stripe必须从高速扩张公司转向更自律的上市候选人，在长期产品投资、企业市场竞争和短期盈利能力之间重新找平衡。 https://every.to/p/stripe-can-t-lose
新功能只应在能明确推动获客、付费转化或留存时添加；没有真实用户和清晰问题时，不该进入开发。功能请求本身不是路线图，用户拥有问题，创始人负责设计解决方案。真正值得听的是现有客户和目标人群反复暴露出的痛点，而不是旁观者随口提出的愿望。判断一个功能，应看它是否有商业价值，是否覆盖足够多用户，用户是否愿意为它付费，现有替代办法是否已经足够，功能是否容易解释，是否强化产品定位，并且是否能制造让人留下来的关键体验。决定尝试后，也应先做最小版本验证，而不是一口气建完整系统。排序可以用价值与工作量象限、RICE、DIE 或按资源约束来处理，本质都是避免把有限精力花在看似热闹、实际不改善业务的东西上。添加功能前，先确认现有核心体验已经可靠，否则新功能只会放大混乱。
转化文案要先清楚表达产品价值，而不是堆技巧、情绪操控或流行词。读者只会在产品确实解决自身问题时行动，所以文案的任务是理解目标人群的痛点，用简洁、自然、可信的语言说明产品怎样帮他们。难点在于压缩信息和避开“知识诅咒”：创始人熟悉问题和方案，容易默认读者也懂，结果要么说得太少，要么解释过度。有效写法应从目标倒推，把最能促成阅读或行动的信息放在前面，提前回应常见疑虑，用客户评价、数据和具体结果建立信任。语言要像人说话，少用术语和空话，能删的词都删掉。CTA 不能只是“开始使用”之类的空按钮，而应绑定明确利益，并在首屏、结尾和长页面的关键段落之间出现。AIDA、PAS、QUEST 等框架有用，但它们只是组织信息的骨架；真正决定转化的，是对受众、问题、承诺和证据的准确把握。
科技巨头的衰退可以从两个层面理解：资本市场不再奖励无限增长的叙事，产品本身也从释放用户创造力转向更强的监控、锁定和成本控制。亚马逊早期愿意牺牲利润换取客户体验、基础设施和长期技术能力，高股价曾经支持这种英雄阶段；当市场转向利润和现金流，公司就更倾向于守住股价，而不是继续承担开辟新范式的风险。类似压力也作用于 Google、Meta、Twitter、Netflix、苹果和微软。Google 多年缺少标志性消费产品，搜索逐渐让位于自家业务和广告机器；Meta 试图用虚拟现实寻找出口，却仍受数据收集受限和产品吸引力不足困扰；Twitter 在被收购前已疲弱，被接管后更失去公共网络曾有的解放潜力。流媒体和创作者经济同样暴露了全球规模不等于可持续利润。科技巨头并非立刻消失，而是从扩张想象力的阶段进入管理衰退的阶段，它们仍能改进产品，却越来越少改变世界的使用方式。
Facebook 更可能先成为万亿美元公司，因为它已经从众多竞争者之一变成难以替代的基础层，而 Uber 仍然处在被不同市场、不同资本和不同监管环境切割的竞争格局里。衡量一家公司的关键，不只是增长快不快，而是它是否拥有独一无二、难以复制的网络效应、定价权和人才吸引力。很多公司把接口、开发者工具或业务扩张称作平台，但真正的平台应让使用者创造的经济价值超过平台自身的价值，按这个标准，绝大多数所谓平台只是端点集合。硅谷的问题也来自同一种误判：太多资本追逐太少真正优秀的公司，延长了平庸公司的寿命，推高工资、租金和运营成本，让年轻工程师和早期创业者承担更高门槛。旧金山如果要继续承载创业生态，不只需要更多住房和交通投入，也需要降低创业公司的燃烧率压力。资本过剩并不会自动带来创新，它可能让系统把资源浪费在本不该存在的项目上。
用着陆页验证想法，价值不在于证明产品一定成功，而在于判断它是否值得进入 MVP 阶段。做法是先把核心功能、目标用户、痛点、解决方案和价值主张写清楚，避免把尚未验证的功能堆成复杂愿景。然后准备一个能让人理解产品的页面：标题直击问题，文案说明谁会用、为什么需要、如何工作，配上简单线框或产品示意，放置候补名单或早期访问的邮箱注册入口。验证指标要提前设定，但不能脱离流量来源；广告转化、社交流量和自然搜索的基准不同。投放时应按细分人群和关键词分组测试，注册后再以真人方式联系用户，询问他们是否愿意进一步交流。低转化不必立刻判死刑，它可能暴露的是定位、信息表达或渠道不准；高转化才说明继续构建有现实依据。区分验证与开发，是减少浪费的关键。
有效的销售渠道，是把陌生人逐步变成长期客户的一套连续体验，而不是一次性推销。漏斗顶部是认知阶段，品牌需要通过搜索、社交、口碑或广告留下清晰印象，但真正立刻购买的人很少。进入兴趣阶段后，潜在客户会比较选择，此时最重要的是提供有用内容，帮助他们理解问题和方案，而不是急着成交。决策阶段需要把价格、条款、对比、试用、咨询、优惠等信息摆清楚，因为许多人正是在缺少确定性时流失。行动阶段不止是购买，还包括复购、推荐和再次触达。搭建漏斗要从受众分析开始，观察用户点击、停留和滚动行为，再用吸引注意的内容、明确的落地页、可下载资料和邮件培育推进关系。真正的难点在于每个阶段都匹配合适信息，让客户自然向前，而不是被迫跨越不信任。购买之后仍要保持联系，用新优惠、感谢和持续服务强化关系。一次未成交也不等于失去客户，后续培育可以让品牌在对方真正需要时重新进入选择范围。
用户体验研究的影响不能只用“有没有立刻改产品”衡量，它至少有三个层次。第一层是回答关键问题：研究是否减少了团队对用户、需求或设计方向的不确定性；这要求问题本身重要，而且方法可靠。第二层是支持决策：研究结果被产品、设计、工程、运营或市场团队用于推进、调整，甚至取消某个计划，避免错误同样是价值。第三层是创造用户价值：由研究支撑的决策最终带来可测量的体验改善或业务结果，这往往需要数月乃至更久，也依赖组织执行和度量能力。个人研究员能直接控制前两层的一部分，资深角色则要建立流程和文化，让知识在正确时刻被记起并转化为行动。核心不在表面现象，而在它如何改变人的判断、组织流程和长期成本。把具体场景、约束条件和可能后果放在一起看，才能避免停留在空泛结论。
AIDA 模型的价值在于把陌生人变成客户的过程拆成四个连续心理变化：注意、兴趣、欲望和行动。营销先要让目标人群看见并理解“这是什么”，通常依靠能解决真实问题的内容；随后用故事、洞察或差异化主张让人觉得“我喜欢”；再通过持续接触、案例和社会证明建立信任，把喜欢推向“我想要”；最后给出低阻力、高价值的下一步，让人愿意试用、咨询或购买。它适合规划信息和页面路径，但不能被当成完整商业战略。真实购买并不总是线性，冲动消费会压缩阶段，老客户增长和推荐也超出漏斗范围。更好的用法，是让每个触点尽量同时推进多个阶段。核心不在表面现象，而在它如何改变人的判断、组织流程和长期成本。把具体场景、约束条件和可能后果放在一起看，才能避免停留在空泛结论。
BeOS 的故事说明，技术上的优雅和领先并不自动变成市场胜利。Jean-Louis Gassée 离开 Apple 后创办 Be Inc，试图摆脱旧操作系统的包袱，用 BeBox 和 BeOS 重新设计个人计算机。BeBox 拥有双 PowerPC 处理器、丰富 I/O、MIDI、音频接口和给黑客使用的 GEEK 端口；BeOS 则支持抢占式多任务、多线程、对称多处理、图形界面和带数据库特性的文件系统，在九十年代显得异常现代。失败的根因不在想象力不足，而在生态不兼容：它跑不了主流 PC 软件，也无法自然承接 UNIX 市场。后来 BeOS 转向移植，甚至接近成为 Apple 新系统候选，但 Apple 最终收购 NeXT，macOS 的历史也由此改道。
产品定价不该被当成一次性决定，而应是发布、观察、调整的循环。独立开发者最实用的起点通常不是完整的价值定价研究，而是竞争对手基准加上对客户价值的粗校准。先确认目标市场和价值指标，也就是用户到底为什么付费；再找受众和收费依据相近的产品，比较功能、质量、服务和品牌定位，决定自己应高于、低于还是接近它们。定价模型上，多层套餐最适合多数独立产品，因为能覆盖不同支付意愿并形成价格锚点；按席位更适合每个用户都能获得独立价值的 B2B；固定价格简单但会放弃部分收入；按使用量收费适合交易、容量或调用次数驱动的产品。早期价格可以偏保守，避免过高干扰验证，但不能长期忽视收入质量。需要关注支付周期、价格弹性、真实成本和 LTV 与 CAC 的关系。免费版、试用、年度折扣、购买力平价和企业定制价都应服务于价值主张，而不是照搬模板。
关系型数据库并不过时，它们强在把数据可靠性变成默认能力。ACID 事务、外键、唯一约束、非空约束和检查约束，看起来不如高吞吐基准耀眼，却替应用承担了最难处理的工作：失败、并发、崩溃和边界情况下的数据一致性。许多 NoSQL 系统之所以显得更快、更容易横向扩展，是因为它们放弃或弱化了部分保证，例如即时一致性、复杂查询、跨表关系和严格模式。这不是单纯的技术进步，而是复杂度转移：数据库少管的事情，应用代码、后台任务和人工修复就要多管。对海量写入、简单键值访问、特殊分片需求或最终一致性可接受的场景，非关系数据库很合适；但在大多数业务系统里，干净、结构化、可长期维护的数据更重要。应用会重写，数据会留下。选择数据库时真正要问的不是谁更现代，而是谁承担了哪些代价。
三十岁带来的不是宏大顿悟，而是一组从生活摩擦里长出的朴素判断。人与人的关系要先给尊重，少数真正爱你的人比大量关注更重要，困难谈话往往最值得进行。身体和情绪需要被当成长期资产：睡眠、光线、散步、牙齿、关节、糖和咖啡因都会影响生活质量。金钱上，稳定投资比试图战胜市场可靠，真正改善财务状况仍要靠提高收入，承诺快速致富的产品多半只是在卖产品。创造比单纯消费更能带来满足，写作能整理思想，好奇心和不怕不同是有价值的品质。世界既糟糕也在变好，痛苦会过去，庆祝和感激不是矫情，而是承认时间有限。 （约 370 字）
[参考]
Path: content/2022/12/12/30-thoughts-on-turning-30/index.md
1952年，时任通用汽车公司总裁的查尔斯 ·威尔逊 被德怀特·艾森豪威尔提名为国防部长。在他的任命听证会上，威尔逊被问到，作为秘书，他是否可以做出不利于通用汽车利益的决定。威尔逊向众议院保证，他将始终将公民的利益置于公司利益之上。他补充说，他很难想象两者会发生冲突的情况：“我认为对国家有利的事情对通用汽车也有利，反之亦然。对于现代人来说，这听起来像是标准的 C-suite 旋转。
尽管有云，你还是拥有自己的数据。Google Docs和Trello等云应用程序很受欢迎，因为它们可以与同事进行实时协作，并且它们使我们能够轻松地从所有设备访问我们的作品。然而，通过将数据存储集中在服务器上，云应用程序也剥夺了用户的所有权和代理权。如果服务关闭，软件将停止工作，并且使用该软件创建的数据将丢失。在内容中，我们提出了“本地优先软件”：一套软件原则，使用户能够协作和拥有。
这是我最喜欢的寓言。它用很少的文字说了很多，关于我们在孤独的头脑中的居住方式，为什么对齐是珠穆朗玛峰，真理的形状如何是钻石面的。我看到这个故事经常被用来描述组织功能障碍—— 看到了吗？这就是为什么Sales和Product一直吵架的原因！最近，我开始将这个故事视为另一个主题的完美体现：团队在 使用数据 时最常犯的 3 个错误。
本周的主题是加拿大最有趣的公司之一布鲁克菲尔德资产管理公司。它曾经是一家企业集团，用了 20 年的时间转型为一家大型投资管理公司。下周，当它将资产管理业务分拆到多伦多和纽约证券交易所时，转型将完成。付费订户也可以获得一些额外的好东西——请考虑通过单击此处加入他们。“私募股权基金是这个时代的企业集团。
这更像是一篇个人帖子，而不是意在深远的东西。如果你正在寻找一个点，你不会在这里找到一个。坦率地说，我什至不确定目标受众是谁（可能是“讨厌自己的数据科学家”？过去几年我一直是一名数据科学家，但在 2022 年，我找到了一份数据工程师的新工作，到目前为止对我来说还不错。我仍然和“数据科学家”一起工作，我自己也做一点，但我的大部分“数据科学”工作是指导和咨询其他人的工作。
Etsy 是一个独特的、手工制作的和复古物品的在线市场，有 在过去五年中实现了高速增长。然后大流行急剧 改变了购物者的习惯，导致更多的消费者在线购物。作为一个 结果，Etsy 市场从年底的 4570 万买家增长 2019 年到 2021 年底买家达到 9010 万 (97%)，从 2.5 增加到 5.3 百万 (112%) 卖家同期。增长极大地增加了对技术平台的需求，扩展 一夜之间流量几乎翻了 3 倍。Etsy 的客户明显增多 它需要谁来继续提供出色的体验。
Facebook 在衰落 ，Twitter 在混乱 。马克扎克伯格的帝国已经 损失了 数千亿美元的价值并 解雇了 11,000 人，其广告业务处于危险之中，其 元宇宙幻想 也已成定局。Elon Musk 对 Twitter 的接管导致 广告商 拉动支出并迫使用户避开该平台（或者至少在推特上发布了很多关于这样做的信息）。社交媒体时代可能结束——而且很快就会结束——这一点从未像现在这样可信。既然我们已经冲上了这个意想不到的海岸，我们就可以用全新的眼光回顾把我们留在这里的海难了。
DemoChen's Clip