即刻App年轻人的同好社区
下载
产品经理的日常
在这里聊聊产品，读懂产品经理。
203643人已经加入
- 前2天拆解的Lovart的商业化设计案例，适合萌芽或成长期的产品（看我主页）。那如果这些方案都用了，老板还要求营收增长怎么破？那就看成熟型产品的【解题思路1】： 先享后付！
背后的科代表—— 剪映，算是国内非常早期“大胆”使用该商业化策略的工具产品，它们算是把用户的沉没成本的心态玩的明明白白。
我们且不说理论知识，就设身处地想：你想免费（baipiao）使用剪映，觉得某带钻石的特效不错，就加进来了；再看某花字很酷，也替换了。
花了3小时心满意足准备导出的时候提醒要收费。这时候内心怎么想？
“我去！怎么这么XX。 ”
“哎呀，我得找找是用了哪些付费功能”
“不行啊，去掉好丑”
“要不我换个软件”
“那我这3小时白费了”
“不行不行，等下要交视频，甲方在催了”
“算了，趁新人优惠就买吧买吧”
————
你看，一个简单的付费逻辑从先付后享，置换为“先享后付”，带来的新单转化率至少能提升50%，足够硬核吧！
但我想强调这种做法很“大胆”，是因为真的会牺牲用户对产品的NPS评价。我想，这个策略上线之前，剪映内部应该为此方案有过不少的争吵吧。也佩服背后敢于拍板的业务决策人。
————
再加点餐：其实，并不是所有产品或是所有付费功能都适合先享后付，一般首选具备：用户对该功能预期模糊+ 使用后效果显著提升 这2个维度。
常见的标的功能如：需付费的特效、字体、模板资源等这类资源功能。另外就是使用AI功能，在较长等待之后生成的作品，需要你付费导出或去水印，常见AI写作、AI PPT、AI 分析报告等。
————
最后嘴替： 商业化同学实在很不容易（抱抱），一方面是老板长期施加的营收增长压力，不断PUA； 一方面是面临用户的吐槽和不理解。所有的委屈和难受，只有自己能体会.....（耸肩摊手.gif）
6 54 - 签到送积分,到底是"被薅羊毛"还是"四两拨千斤"?
我之前一直不敢在 SaaS 里加签到功能,怕两件事:
1️⃣ 被白嫖党薅羊毛
2️⃣ 冲着免费来的用户永远不付费
直到昨天柿子@AI柿子 跟我讲透了这个事
从产品维度拆解,这个策略在 拉新、促活、留存、付费、召回、裂变六个维度都是降维打击:
📌 拉新:
Saas的最大问题在于使用门槛，签到送积分提供了一个零风险试错的机会
📌 促活:
新用户注册后不知道干啥，签到按钮是个无需思考的动作。有了积分,他就会想试着生成一个看看——从注册到使用,一步到位。
📌 留存:变动奖励 + 损失厌恶
Day 3 双倍、Day 7 三倍积分。用户为了拿第 7 天大奖,绝不敢在第 6 天断签。签到 3 天后如果不来,之前努力就"白费"了——这种心理会强迫他每天回来点一下。
📌 付费:单数积分陷阱
这是最狠的设计:
- 生成一个视频需要 10 积分
- 每天送 3 积分
- 签到 3 天有 9 积分,就差 1 分!
用户要么继续签到(留存),要么因为"差一点点"的焦躁感,直接充值补齐。
你今天不付费，明天不付费，早晚有一天会付。这就是汽水音乐、游戏币的套路:永远让你账户里有"花不出去但又舍不得扔"的余额。
📌 召回:精准触发
用户连续签到 2 天后第 3 天没来?发邮件:"你已连续签到 2 天,今天签到可得双倍积分别让奖励中断!" 这种召回打开率远高于普通推送。
📌 裂变:让白嫖党帮你打广告
签到得 5 分,分享到 Twitter 再得 10 分。对于想白嫖的用户,他们时间不值钱——让他们用社交关系链换算力,这是极低成本的获客方式。
🎯 但最核心的价值,其实是 SEO
白嫖用户每天回来签到、点击、浏览,贡献了 DAU、PV 和停留时长。这些是 Google 判断你网站是否优质的核心指标。
他们的行为直接提升了你的网站权重,帮你排到更前面,从而为你吸引真正的付费用户。
换句话说:你用微薄的算力成本,雇佣了一支免费 SEO 苦力军。
总结:
对于AI SaaS,流量和SEO 权重比微薄的算力成本更值钱。
只要你的积分成本控制在获客成本之下,这就不是"被薅羊毛",而是"低成本雇佣用户帮你把网站热度刷上去"。
这是一个非常经典的用存量带增量,用免费换数据/权重的产品策略。75 1326 - 早上散步的时候想明白了一个飘荡了很久的问题：
日常笔记工具，应该回去用 Andrej Karpathy 推荐的 append-and-review note，还是彻底转向滴答清单？
最后的结论是，还是应该用 append-and-review note。
先介绍下背景：我是滴答清单多年用户（还是 Flomo 多年付费用户），25 年 3 月看到 Karpathy 的推特，开始学习他的 append-and-review note 笔记法。
这是 Karpathy 自创的笔记法，极度克制，单一入口 + 追加式记录 + 周期性回看：
所有想法、待办、摘录和草稿都被无差别地追加到同一条长期存在的笔记顶部（他用的是Apple自带的备忘录），不做分类、不加标签（少数可搜索的功能性前缀除外），通过时间自然沉淀内容价值；
“整理”不发生在记录当下，而发生在回顾时——有价值的内容被重新提取、合并、重写并再次置顶，低价值的内容则继续「随重力」下沉而非被删除。
用 Karpathy 的话来说：这种方法兼具极简易用的特性，又能覆盖日常笔记的大多数场景，堪称二者间的完美平衡。
详细介绍可以看Karpathy 的博客（其实也很短）：karpathy.bearblog.dev
不得不说，一开始用还挺爽的（一如所有笔记工具），直到几个月前发现一个越来越痛的问题（一如所有笔记工具，again）：
一些必须完成、需要提醒的 todo 会忘记——于是想：
不如用同样方法记滴答清单？还可以分不同清单来记，哪些是要 read、哪些是 listen、哪些是 todo
现在回看，我当时可能高估了实际上忘记的频率和后果，挂一漏万了
想法很好，但最近越用越陷入一个经典笔记陷阱：
每次记录和事后查阅，都需要先想想“应该记在哪个清单”“应该去哪个清单找”？有点烦
久而久之，认知负担很重，就不想记也不想看了
今天回头去看，其实这正是 Karpathy 用备忘录的原因，没有任何功能，因此：
- 记录最轻、最无认知负担（最重要）
- 查找用最原始的 Command+F就够用
- 实在需要分类？不增加功能，支持用最原始的 # 标签来区分哪些是要阅读、听、看、todo，作用：方便有时间的时候快速回顾
还有一个关键区别，可能需要深度使用过才能理解 append-and-review note 的精妙：
1、append and review
- 只添加、不删除内容，新内容永远在最前面，老内容自然随重力沉淀（内容不会丢失，只是放在不重要的位置）
- 这里有个重要迭代方法：随时翻阅review，重要的老内容复制粘贴提到前面，成为重要新内容；同时可以对重复出现的同个主题的不同内容整理合并成新内容
- 阅读的时候，永远先看到最新、最重要的内容，方便你决定【把注意力放到真正重要的一件事情——而不是一百件无关重要的todo上】
- 核心是：
添加的东西并不是todo，只是 Karpathy 说的【脑子里的随机想法】——我形容为【候选待办事项】。
不需要【完成】，也没有【ddl】，这只是脑子的硬盘，你只挑你觉得重要的东西加载进内存——成为当下这一小时/一天的【正式待办事项】——投入注意力和时间
2、滴答清单
- 添加的都是【todo】【任务】——【正式待办事项】，还经常因为功能过于方便、自我push而加上【ddl】【优先级】
- 因为有ddl和优先级的往往需要置顶提醒自己，所以翻阅review的时候，常常会看到没完成的任务压在心头——但事后来看它们并不一定就高优、甚至并不一定需要，虽然的确可以勾选完成，但人性的弱点（美好期望）往往是许下宏愿、便不敢放弃
- 核心是：这些【正式待办事项】因为【有其必须完成的理由】，所以会一直加载在大脑的内存里，持续占据注意力，又因为有完成愿望和压力，最终影响大脑的积极性、效率和创造力，甚至逆反：不想打开了，肯定又是那些……
如果说翻阅append-and-review note是帮你明确 当下这一小时/一天的【正式待办事项】 并给你的其余所有时间解绑，
那滴答清单的待办事项清单则反过来：帮你明确每一天/每一刻都需要干什么，但从不解绑。
更有意思的是，append-and-review note并不是某个精心设计的产品，只是用了最简单的 Mac/iPhone 系统自带备忘录，甚至刻意只用了最简单的功能——用 Karpathy 的话来说就是，「一条文字笔记就够了」——真是大道至简、重剑无锋。
过去一年，每次想到这些细节和问题，都会反复想起@少楠Plidezus 在设计 Flomo 时的种种思考和设计，运用之妙，存乎一心。
最后：我当然不是批评滴答清单，大概率是因为我用法有误，滴答清单确实更适合用来记明确的待办，而非【所有零散想法】，我未来应该也会分不同场景来用，比如把重要的 todo 放到滴答清单，或者把多个相关的片段摘出来放到 flomo / notion 创作成一篇文章的文章。
——只是，作为帮大脑减负、辅助注意力决策的笔记工具，应该没有比 append-and-review note 更合适的了。
20 27 - 对AI产品经理的要求，和过去的产品经理有什么不同？
过去做产品，我们理解 PMF 的逻辑是线性的：“假设我做出了这个功能，用户会不会喜欢？” 这考验的是纯粹的产品Sense，判断需求、场景、价值，做出用户愿意用的东西。
但现在做AI产品，PMF变成了两层不确定性的叠加：
第一层：假设我这么写提示词/这么组织工程实现，模型会不会这么表现？
第二层：假设模型这么表现了，用户会不会喜欢？
这意味着产品经理不仅要有用户sense，还要有模型sense——只有同时具备两者，才能把双重不确定性收敛到一个确定的范围内（小龙说产品经理的工作就是把一个40%概率的事情提升到80%的概率）。这是PMF在定义上的延展：过去只有Product-Market Fit，现在还要求 Product-Model Fit。
更棘手的是，PMF还有了时间上的限制。模型在持续变化，即便我们成功把两层不确定性都拉到了确定位置、做出了一个work的功能，三个月后它可能就不work了。苦涩的教训会持续上演。 PMF 不再是一次性找到就能长期复用的答案，而更像一张会过期的门票。就像 lovable 增长负责人 Elena Verna 说，所有的 PMF 都只有三个月，过了三个月，所有厂商都要重新洗牌，重新建立 PMF。
这对产品经理的要求陡然提高：你必须对行业演进有足够深的认知，甚至要能预判两三个月后什么会变好、什么会变糟，再倒推回当下，做好以下两类产品决策：
1. 现在模型表现不够好，要施加工程手段让它变好吗？还是等模型？
2. 未来模型在哪些方面会变好？我可以提前做好什么功能？
判断是在做产品还是在做套壳，或许就看一点：模型变强了，你的核心价值是被稀释了，还是被放大了（如Cursor/Manus）？ 前者只有三个月，后者才是时间的朋友。15 46 - 到底都是谁在用 manus 和付费？为了理解这个问题，假期尝试做了一些研究，希望有所帮助。
过程中，也能清晰感受到，中美使用 AI 习惯的巨大差异和信息 gap。
首先，看看 manus 官方怎么说，毕竟这不是他们第一次面临质疑了。
在 @hidecloud 涛哥的公众号里晒过一条Twitter，在原推里很多 manus 用户在为产品发声。除了一些硅谷科技/创投圈的大佬之外，原 po 也总结了评论里出现最多的 user case：定量和定性的分析研究，CSV 文件处理和爬取客户信息。
manus 似乎能完成广义的数据处理和分析工作，这对数字化程度不均的社会来说，是一个不错的切入点。
在 @PeakJi Peak 和张小珺的访谈里（ 1:43:55），Peak 也回答了该问题。可以笼统被称为 prosumer，并列觉了更清晰的用户画像：
第一类用户是互联网/科技公司里的非程序员岗位，各类白领；第二类用户是美国数量众多的 freelancer 和 solo entrepreneur，自由工作者或者有一摊自己小生意的人；第三类是更符合刻板印象的金融/咨询行业的人员。他们的共性是，有比较强的自驱力，并且他们的任务是高价值的。
这里的两个特点很有意思，自驱和高价值任务。前者决定了这些人可以接触和试用 manus 这一类的 AI 产品，后者决定了他们的付费决策，即用户在 AI 工具上花掉的钱是可以以更高效率/更大概率赚回来的。这几乎是很多拥有高 ARR 的 AI 产品的第一性原理。
这三类用户里，对于中国网友/创业者来说，很容易低估第二类用户的数量，并对他们的画像比较模糊。容易误以为只有独立开发或者个人的数字外包，实际上领域还要宽泛得多。
想要了解这类用户，我们需要知道一个显而易见的前提。manus 的用户是 chatGPT/Gemini 等主流 chatbot 的重度用户的下一阶段。
上面提到的“自驱”和“高价值任务”，正是因为已有的 chatbot 满足得不够好，他们才被说服采用所谓"agent" 的新解决方案。同时 peak 在播客里也提过这个现象（2:34:33 ），安装了 chatGPT/Gemini/Deepseek/Claude 的用户，安装其他产品的概率的最大异常值都是 manus。
Manus 相当于跟随着 chatbot 的普及进程，从中筛选出了高价值需求没有得到满足的用户，重叠度很高。
所以如果我们找不到 manus 的用户访谈，可以去找 chatGPT/Gemini 的重度用户。他们大概率正处在知晓/使用/付费 manus 的过程中。
而在查看 chatGPT/Gemini 的重度用户访谈中，才拓宽了我对 manus 第二类用户的认知。这里分享几个有趣的结论：
1. 最低阶的信息搜索需求被 chatbot 满足得很好，日常生活里已经替代了谷歌。
2. 使用 AI 已经是美国高校生的基本技能，同学之间传播 + 教育优惠。甚至之前反对的教授也开始松口或者自己偷偷用。
3. 通过 AI 获得收益的职业种类，比我想象中的多得多。这其中包括了儿童教师、兼职导游、线上的灵学占卜、社区竞选、留学申请、业余作家、当地市政部门/教育部门的数字化小专家等。更不用提各个垂类的自媒体，以及每个人都想有一个自己的 blog 网站。
4. 所有涉及到深度写作、简单 P 图、PPT或表格填写的职业，都逐渐离不开chatbot/Deep research，而以 manus 为首的 agent 承诺可以完成得更好。而且几乎没有一个人是单一职业，年龄段也覆盖到爷爷奶奶辈了。
体感上中美的差距很大，我们还在鼓吹副业和个人影响力，鼓励终身学习和跟上 AI，而对于很多美国中产来说，这似乎是一个常识了。他们热衷于用 AI 解决工作生活上的实际问题，并完成自己的业余创作任务。产品 adoption 的障碍小很多。
那么下一步的问题是，对于这些重度用户来说，manus 真的可以比普通 chatbot 完成得更好吗？
1. 如果看客观指标的话，同为被 meta 收购的“大将” Alexander Wang，经常会提到一个 benchmark 叫 Remote Labor Index (RLI) ，这是 scale ai 用来衡量一个 AI 产品多大程度上能完成真实的有经济收益的远程工作。manus 排名第一很久了，虽然自动化率也只有 2.5% ，按他们的说法叫在座的大家都是 near zero。但注意这是在没有人为干预的情况下，直接交付工作结果。日常更多使用场景是有人工干预和调整，单看提升部分环节的效率， manus 也算是第一了。
2. 如果从主观体验的话，我在假期同时用了 Gemini/NotebookLM，Manus 和某大厂对标的 Anygen 进行测试。测试了两个我的真实需求，1）根据我和对象的年终复盘录音，总结内容和提建议；2）帮我正在思考的产品 idea，开发一个可交互的原型。
在第一个任务上，实际类似会议纪要， Manus 是明显领先的，不管是语音内容识别、双人的声音区分、内容的逻辑和可视化，都让人更满意。NotebookLM 虽然也有丰富的功能，但整体还是太针对课堂学习任务了，有一些无用的信息，飞书会议其实是一样的问题。这里也能发现通用 agent 的优势，不会为特定场景过度优化而在长尾场景里表现欠佳。而剩下的很多AI 连声音识别都整不明白。
第二个任务，实际上是常见的 AI 编程，这个场景太卷了，大家各有千秋。 每个 AI 都在不同程度上做了完善和有aha 的惊喜，但能看出有些 AI 借鉴了更多海外产品的设计，有些更借鉴中国。Gemini/ AI studio 爱用自家的设计语言，Anygen 像国内的活动 H5，Manus 比较对齐硅谷审美，按钮更现代和简洁，默认会更像 IG 和 Notion。
未来，从官网和各家 chatbot 投放的趋势来看，所谓的通用agent ，基本盘是数字化的内容处理 + 研究分析工作；而网站原型和开发、制作 PPT 逐渐成为新的主推场景。
当然也没忘了让 manus 自己分析一轮，自己的使用用户和付费用户是谁？结论有点宽泛和通用，依旧集中在工程师和数字企业主上，推测美国是最大收入来源，巴西和日本也占了很大流量比例。确实没有我自己分析的有启发。
最后，回到最初的质疑，为什么国内用户更难理解 manus 的使用场景和价值？这里可能有三层障碍：
1）需求不够强，所谓的 prosumer 太少，而且集中在互联网/金融领域，很多非互联网的副业和小企业主也没有足够强的提效意识。
2）浅层替代品太多，国内各大免费的 chatbot 和夸张的产品 PR，让人不愿意使用付费 AI 产品或者有过高的预期。
3）非理性偏见，听了很多不靠谱的团队传闻和扣不爱国帽子，拒绝了解 manus 海外市场的情况。
况且，与其挑战实打实的用户数据，我觉得 Manus 被收购后的一些挑战，可能更值得讨论，比如：
1）品牌可以保留，但模型中立性的优势还能保留吗？
2）原本的产品愿景会被改变，来服从 Meta 整体的 AI 战略吗？
3）团队的创业精神和工作方式，和大公司流程可以兼容吗？
不管未来如何，这是 manus 阶段性的胜利，也给了不少华人 AI 团队鼓舞。祝福他们之后的旅途，也希望更多团队，有机会经历这样纯粹的产品过程，最终看到壮阔的风景。379 47233 - 2023 年入了 AI 这行后，我就将即刻的个人签名改为“寻找非共识中”，今年 3 月发布 Manus 后又将其改为“将非共识变为共识中”，下半年最后改成了“将共识放大中”。
那这些非共识到底是什么，这一年来又是怎么演化的，可以通过去年分享的这一系列内容来完整的进行回顾：将非共识放大的 2025 年
116 48
