夜雨聆风我之前在做相关项目的时候,我们先把镜头拉近一点。
2025 年上半年,行业里至少有 47 家公司围绕这件事完成了产品发布,融资总额报出来超过 80 亿元,但落到客户付费曲线上,真正跑出复购的不到 1/5。
把「不该做的事」列出来(具体数字回头核),比把「该做的事」列出来,要难得多。前者要求你对边界有判断;后者只要求你有想象力。
一个具体动作是:本周内,你可以让团队回答三个问题——这个流程在公司一年里跑了多少次?事情没那么简单。我手头一个项目就是这样:如果用规则覆盖 70%,剩下 30% 是不是值得 AI 出场?如果不是,引入 AI 是不是只是赶时髦?
一个真正能复用的方法论,标准只有一条:换一个团队也能跑出来。否则那不是方法论,是某个人的运气。
把「不该做的事」列出来,比把「该做的事」列出来,要难得多。前者要求你对边界有判断;后者只要求你有想象力。
2. 被高估的案例:它们到底卡在哪
我的判断是,在前一节里我们已经把行业现状摆开,这一节要做的是把一线观察拆到可操作的颗粒。
某腰部 SaaS 在 2025 年 Q3 的财报电话会议上提到,他们把客户工单的一级响应率提升了 38%,靠的不是大模型,而是把客服历史数据治理了一遍。
工业化的本质是把"灵感型"的活儿,变成"流水线型"的活儿。这个转变最痛的不是技术,是放弃英雄主义
回去可以直接做的事:把一个项目的目标从「上线」改成「90 天复购」(具体数字回头核),然后倒推 PRD,你会发现至少一半功能可以砍。
把「不该做的事」列出来,比把「该做的事」列出来,要难得多。我之前在做相关项目的时候,前者要求你对边界有判断;后者只要求你有想象力。
工业化的本质是把"灵感型"的活儿,变成"流水线型"的活儿。我之前在做相关项目的时候,这个转变最痛的不是技术,是放弃英雄主义。
3. 真正跑通的事:谁拿到了第一批结果
别急着去贴一个新概念,先回答一个老问题:这个工作流里,真实的瓶颈是什么。
与三位一线从业者交流后,我发现一个共同的判断:这件事不存在「弯道超车」,只能靠把基本盘打扎实。
产品经理在这件事上最容易踩的坑,是用 demo 的成功率去推断生产环境的成功率。两者中间隔着的是工程化、数据治理、合规。
一份可以贴在白板上的清单:① 这个需求一周发生几次? ② 错了的代价是什么? ③ 客户愿意为它独立付费吗?三个全否,就别做。
工业化的本质是把"灵感型"的活儿,变成"流水线型"的活儿。说实话,这个转变最痛的不是技术,是放弃英雄主义。
产品经理在这件事上最容易踩的坑,是用 demo 的成功率去推断生产环境的成功率。两者中间隔着的是工程化、数据治理和合规。
4. Claude 回去能干的事
回过头看,这套方法论最反直觉的部分,是它要求你做减法。
把过去 18 个月的项目放在一张表里看,你会发现一条隐藏曲线:客户在第 90 天前后会重新评估你的产品价值,这一刻决定了续费率。
所有「行业元年」叙事,本质上都在赌两个假设:一是用户行为足以重塑;二是供给侧能在 12 个月内补齐。前者比后者难得多。
一个建议:把团队里「最反对这件事」的同事拉进项目组。他不是阻力,他是你最便宜的红队。
这就是我想说的全部。记住前面那句话:先列一份「不做的事」清单。
所有「行业元年」叙事,本质上都在赌两个假设:一是用户行为足以重塑;二是供给侧能在 12 个月内补齐。前者比后者难得多。
