即刻App年轻人的同好社区
下载
置顶《B2B市场部各团队人员配置及KPI制定》
B2B市场部的职责：品牌、获客、赋能业务，加速业绩持续增长！
不同的市场部发展阶段，对应的团队配置及KPI均有所不同，分享一个数字化营销相对完善的市场团队配置及KPI制定思路。
1. 市场部整体需要目标一致，高效协同：
（1）市场部多团队协同作战，为整体结果负责
（2）市场部和其他部门联动，调动全公司资源
（3）公司和外部合作伙伴联动，撬动资源杠杆
2. 激励与考核
（1）市场部奖金池分为两部分：整体绩效、团队绩效
（2）成熟市场部考核SQL数量为主
（3）SQL到成交转化率提升、市场部贡献成交金额作为团队和个人激励
B2B市场部的职责：品牌、获客、赋能业务，加速业绩持续增长！
不同的市场部发展阶段，对应的团队配置及KPI均有所不同，分享一个数字化营销相对完善的市场团队配置及KPI制定思路。
1. 市场部整体需要目标一致，高效协同：
（1）市场部多团队协同作战，为整体结果负责
（2）市场部和其他部门联动，调动全公司资源
（3）公司和外部合作伙伴联动，撬动资源杠杆
2. 激励与考核
（1）市场部奖金池分为两部分：整体绩效、团队绩效
（2）成熟市场部考核SQL数量为主
（3）SQL到成交转化率提升、市场部贡献成交金额作为团队和个人激励
20 46
#龙哥AI观察 005
2026 年，AI 的分水岭不在技术，而在“经营结果”
最近看了 IDC FutureScape 2026 的一组预测，信息很残酷，也很清醒：
AI 已经从「试点创新」，进入「必须对结果负责」的阶段。
结合我自己和身边大量 ToB 企业的实践，挑三个与营销、增长、业绩最相关的趋势，用人话拆解。
一、趋势一：一半 AI 项目，会在 ROI 上失败
IDC 判断：到 2026 年，50% 的 AI 应用场景无法实现 ROI。
问题不在模型，而在企业自己：目标不清、流程没改、人机协作弱、数据基础差。
说白了就是，如果 AI 只是“加在原流程上”，失败几乎是必然。
这对我们营销人的启示：
1.AI 不该先问「能不能用」，而要先问：
“它能直接改变哪个经营指标？”
2.不和线索转化率、销售效率、客户生命周期价值绑定的 AI，迟早会被砍。
因此，每个 AI 项目只绑定 1 个核心指标，并在立项时强制回答一句话：不用它，今年会少怎么样？
二、趋势二：AI 客户价值，90% 会被高估
IDC 预测：到 2027 年，只有 30% 集成 AI 的产品真正创造了客户价值。
根因只有一个：流程碎片化 + 客户不信任。
对 ToB 营销是一个强提醒：客户不缺更聪明的 AI，缺的是更确定的结果。
行动建议：
1.AI 先用在客户最痛、最慢、最容易犹豫的一个决策点
2.宁可把 1 个关键环节做到 80 分，也别堆 10 个 60 分功能
三、趋势三：真正拉开差距的，是“企业级 AI 能力”
IDC 最重要的判断在这一条：
未来新增价值，来自今天就开始规模化建设 AI 能力的企业。
关键词不是工具，而是能力。
对管理层的真实含义是：
AI 不是某个部门的项目，而是一套可复制、可治理、可持续进化的经营系统。
2026 行动建议
1.明确 AI 的使用边界与优先级，避免各玩各的
2..把有效用法沉淀为 SOP，而不是停留在个人技巧
3.用“是否改善经营结果”作为唯一评价标准
我的思考与判断：
1. 2026 年，AI 不再奖励尝鲜者，而是奖励把 AI 和结果绑死的人。
2. 最大风险，不是 AI 投多了，而是方向投错了。
3. AI 竞争的终局，不是模型能力，而是组织能力。
AI 的价值，不在“用了多少”，而在“兑现了多少”。
这是《#龙哥AI观察 》的第 5 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
2026 年，AI 的分水岭不在技术，而在“经营结果”
最近看了 IDC FutureScape 2026 的一组预测，信息很残酷，也很清醒：
AI 已经从「试点创新」，进入「必须对结果负责」的阶段。
结合我自己和身边大量 ToB 企业的实践，挑三个与营销、增长、业绩最相关的趋势，用人话拆解。
一、趋势一：一半 AI 项目，会在 ROI 上失败
IDC 判断：到 2026 年，50% 的 AI 应用场景无法实现 ROI。
问题不在模型，而在企业自己：目标不清、流程没改、人机协作弱、数据基础差。
说白了就是，如果 AI 只是“加在原流程上”，失败几乎是必然。
这对我们营销人的启示：
1.AI 不该先问「能不能用」，而要先问：
“它能直接改变哪个经营指标？”
2.不和线索转化率、销售效率、客户生命周期价值绑定的 AI，迟早会被砍。
因此，每个 AI 项目只绑定 1 个核心指标，并在立项时强制回答一句话：不用它，今年会少怎么样？
二、趋势二：AI 客户价值，90% 会被高估
IDC 预测：到 2027 年，只有 30% 集成 AI 的产品真正创造了客户价值。
根因只有一个：流程碎片化 + 客户不信任。
对 ToB 营销是一个强提醒：客户不缺更聪明的 AI，缺的是更确定的结果。
行动建议：
1.AI 先用在客户最痛、最慢、最容易犹豫的一个决策点
2.宁可把 1 个关键环节做到 80 分，也别堆 10 个 60 分功能
三、趋势三：真正拉开差距的，是“企业级 AI 能力”
IDC 最重要的判断在这一条：
未来新增价值，来自今天就开始规模化建设 AI 能力的企业。
关键词不是工具，而是能力。
对管理层的真实含义是：
AI 不是某个部门的项目，而是一套可复制、可治理、可持续进化的经营系统。
2026 行动建议
1.明确 AI 的使用边界与优先级，避免各玩各的
2..把有效用法沉淀为 SOP，而不是停留在个人技巧
3.用“是否改善经营结果”作为唯一评价标准
我的思考与判断：
1. 2026 年，AI 不再奖励尝鲜者，而是奖励把 AI 和结果绑死的人。
2. 最大风险，不是 AI 投多了，而是方向投错了。
3. AI 竞争的终局，不是模型能力，而是组织能力。
AI 的价值，不在“用了多少”，而在“兑现了多少”。
这是《#龙哥AI观察 》的第 5 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
1 00
#龙哥AI观察 004
生态 BD，为什么越重要，越难做？
昨天和一位朋友线上交流，专门聊了聊「生态 BD」这个岗位，一些真实的困惑，其实在很多 ToB 公司里反复出现，值得认真拆一拆。
一、生态 BD 的核心困境：价值存在，但难被承认
很多公司对生态 BD 的期待是：
盘活咨询公司、协会、上下游资源，持续带来合作与机会。
但现实往往是三重错位：
1️⃣贡献难量化：推荐了客户、促成了关系，但“算不算商机”说不清
2️⃣权责不对等：没有返款权、定价权，却要对结果负责
3️⃣目标不一致：销售要“马上能转化的线索”，生态 BD 做的是“长期高价值关系”
结果就是：生态 BD 看起来很忙，但在关键节点没有话语权。
二、生态 BD 真正的难点：如何构建“内部信任”？
很多生态 BD 推不动事，并不是资源不行，而是内部信任没建立。
这里给几个我认为真正有效的方法：
1. 先帮销售赢一次，而不是先讲生态价值
不要一开始就强调“这是长期价值”“这是生态布局”。
先选一位愿意配合的销售，集中火力，让他真实成交一次。
在组织里，结果是最快的信任货币。
2. 主动做“销售适配”，而不是资源输出
不同销售画像差异极大：
有人擅长开源
有人擅长转化
有人讨厌一切“不确定线索”
成熟的生态 BD，不是“我有什么资源”，而是：
你现在最缺什么，我能不能补上。
3. 功劳永远往前线让，生态 BD 吃“隐形红利”
在早期，千万别纠结“这单算不算我的”。
生态 BD 真正的资产是：
大家潜意识里知道：有你，事情更容易成。
4. 接受一个现实：你不可能赢得所有人
所以你会看到一个高频策略：
> 谁配合度高，就重点服务谁。
这不是站队，是效率选择。
三、新人做生态 BD，最重要的一件事：找对导师
如果只给新人生态 BD 一个建议，那就是：
尽早找到一位真正做过复杂 BD、且愿意带人的导师（BD总监或资深销售）。
好的导师，真正能帮你的不是资源，而是三件事：
1. 把你从“关系思维”拉回到商业判断
2. 教你如何筛选“看起来热闹、实际低价值”的合作
3. 帮你少走大量“看似努力、实则无效”的弯路
四、三个朴素但长期有效的 BD 原则
1. 简洁清晰
合作方不缺信息，缺的是判断。
你要做的是帮他更快做决定。
2. 坚持，但有边界感
BD 是长跑。不怕被拒绝，怕的是被记住为“难缠的人”。
3. 关系不是加分项，是底层能力
合作顺的时候看不出来，一旦遇到困难，关系决定能不能继续走下去。
我的感受与思考
1. 生态 BD 不是“资源中介”，而是组织信任的放大器。
2. 这个岗位的复利，来自长期判断正确 + 持续被信任。
3. 成熟的生态 BD，一定同时对外懂合作，对内懂人性。
生态做不起来，往往不是资源问题，而是信任机制没设计好。
这是《#龙哥AI观察 》的第 4 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
生态 BD，为什么越重要，越难做？
昨天和一位朋友线上交流，专门聊了聊「生态 BD」这个岗位，一些真实的困惑，其实在很多 ToB 公司里反复出现，值得认真拆一拆。
一、生态 BD 的核心困境：价值存在，但难被承认
很多公司对生态 BD 的期待是：
盘活咨询公司、协会、上下游资源，持续带来合作与机会。
但现实往往是三重错位：
1️⃣贡献难量化：推荐了客户、促成了关系，但“算不算商机”说不清
2️⃣权责不对等：没有返款权、定价权，却要对结果负责
3️⃣目标不一致：销售要“马上能转化的线索”，生态 BD 做的是“长期高价值关系”
结果就是：生态 BD 看起来很忙，但在关键节点没有话语权。
二、生态 BD 真正的难点：如何构建“内部信任”？
很多生态 BD 推不动事，并不是资源不行，而是内部信任没建立。
这里给几个我认为真正有效的方法：
1. 先帮销售赢一次，而不是先讲生态价值
不要一开始就强调“这是长期价值”“这是生态布局”。
先选一位愿意配合的销售，集中火力，让他真实成交一次。
在组织里，结果是最快的信任货币。
2. 主动做“销售适配”，而不是资源输出
不同销售画像差异极大：
有人擅长开源
有人擅长转化
有人讨厌一切“不确定线索”
成熟的生态 BD，不是“我有什么资源”，而是：
你现在最缺什么，我能不能补上。
3. 功劳永远往前线让，生态 BD 吃“隐形红利”
在早期，千万别纠结“这单算不算我的”。
生态 BD 真正的资产是：
大家潜意识里知道：有你，事情更容易成。
4. 接受一个现实：你不可能赢得所有人
所以你会看到一个高频策略：
> 谁配合度高，就重点服务谁。
这不是站队，是效率选择。
三、新人做生态 BD，最重要的一件事：找对导师
如果只给新人生态 BD 一个建议，那就是：
尽早找到一位真正做过复杂 BD、且愿意带人的导师（BD总监或资深销售）。
好的导师，真正能帮你的不是资源，而是三件事：
1. 把你从“关系思维”拉回到商业判断
2. 教你如何筛选“看起来热闹、实际低价值”的合作
3. 帮你少走大量“看似努力、实则无效”的弯路
四、三个朴素但长期有效的 BD 原则
1. 简洁清晰
合作方不缺信息，缺的是判断。
你要做的是帮他更快做决定。
2. 坚持，但有边界感
BD 是长跑。不怕被拒绝，怕的是被记住为“难缠的人”。
3. 关系不是加分项，是底层能力
合作顺的时候看不出来，一旦遇到困难，关系决定能不能继续走下去。
我的感受与思考
1. 生态 BD 不是“资源中介”，而是组织信任的放大器。
2. 这个岗位的复利，来自长期判断正确 + 持续被信任。
3. 成熟的生态 BD，一定同时对外懂合作，对内懂人性。
生态做不起来，往往不是资源问题，而是信任机制没设计好。
这是《#龙哥AI观察 》的第 4 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
1 00
#龙哥AI观察 003
斯坦福教授：如何把你的 AI 生产力提升 10 倍？
斯坦福教授 Jeremy Utley 提出一个重要的升维视角：真正拉开差距的，不是提示词，而是「语境工程」。
什么是语境工程呢？
不是告诉 AI“做什么”，而是让它清楚：在什么场景下、为谁做、目标是什么、成功标准是什么。
5个关键的AI生产力使用技巧
1. 思维链推理：让 AI 把思路说清楚
在任务前加一句：
> 「请一步步展示你的思考过程再给结论。」
效果：结果更好，也更可控，避免黑盒输出。
2. 少样本提示：给好例子，也给坏例子
与其说“专业一点”，不如直接给样本。
进阶用法：让 AI 自己生成一个“坏样本”，再严格避开。
3. 反向提示：允许 AI 先向你提问
> 「开始前，请向我索要你需要的信息。」
作用：减少编造，显著提升任务完成度。
4. 角色分配：激活专业判断
给 AI 明确角色（如沟通专家、销售顾问、卡耐基视角等），输出会明显更“在行”。
5. 角色扮演：高风险对话的安全演练
本质不是演戏，而是提前预演。
让 AI 扮演对方与你对话，再用“冷酷教练”视角复盘，能在真正沟通前，把错误犯完。比如在面试和谈判前，值得试试。
我的感受与思考：
1. AI 真正的价值不是省时间，而是协助我把事想清楚。
2. 所谓“相邻可能”，说人话就是：帮我看到原本没想到、但更优的选择。
3. AI 的上限，取决于我们是否愿意给它足够语境、反馈和标准。
别再“用”AI，开始“带”AI，你的生产力才会翻倍。
这是《#龙哥AI观察 》的第 3 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
斯坦福教授：如何把你的 AI 生产力提升 10 倍？
斯坦福教授 Jeremy Utley 提出一个重要的升维视角：真正拉开差距的，不是提示词，而是「语境工程」。
什么是语境工程呢？
不是告诉 AI“做什么”，而是让它清楚：在什么场景下、为谁做、目标是什么、成功标准是什么。
5个关键的AI生产力使用技巧
1. 思维链推理：让 AI 把思路说清楚
在任务前加一句：
> 「请一步步展示你的思考过程再给结论。」
效果：结果更好，也更可控，避免黑盒输出。
2. 少样本提示：给好例子，也给坏例子
与其说“专业一点”，不如直接给样本。
进阶用法：让 AI 自己生成一个“坏样本”，再严格避开。
3. 反向提示：允许 AI 先向你提问
> 「开始前，请向我索要你需要的信息。」
作用：减少编造，显著提升任务完成度。
4. 角色分配：激活专业判断
给 AI 明确角色（如沟通专家、销售顾问、卡耐基视角等），输出会明显更“在行”。
5. 角色扮演：高风险对话的安全演练
本质不是演戏，而是提前预演。
让 AI 扮演对方与你对话，再用“冷酷教练”视角复盘，能在真正沟通前，把错误犯完。比如在面试和谈判前，值得试试。
我的感受与思考：
1. AI 真正的价值不是省时间，而是协助我把事想清楚。
2. 所谓“相邻可能”，说人话就是：帮我看到原本没想到、但更优的选择。
3. AI 的上限，取决于我们是否愿意给它足够语境、反馈和标准。
别再“用”AI，开始“带”AI，你的生产力才会翻倍。
这是《#龙哥AI观察 》的第 3 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
2 00
#龙哥AI观察 002
有时候，孩子的认知，真的比大人更高
你相信吗？
孩子的认知，有时候真的比大人更高。
晚上，我们和孩子一起聊学校发生的事情。
不是训导，也不是复盘对错，而是很轻松地交流彼此的感受。孩子明显感受到：爸爸妈妈在认真听她说话，这是一段充满安全感的对话。
妈妈听完分享了一些自己的建议及价值观后，我顺口问她一句：
“宝贝，你听完有什么收获呀？”
她认真想了想，说：
“每件事都要确定自己的想法，他人的想法不一定等同于自己的想法，可以让自己的想法来决定。
只要我是对的，就由自己做主，如果他人要求听从其想法且自己不认同，就不与其一起玩。”
那一刻我意识到，她已经在做一件很多成年人依然拎不清的事：
在尊重他人的同时，守住自己的边界。
我为她感到开心，但更重要的不是“她说得多成熟”，
而是她敢于表达，而且确信——表达是安全的。
本以为对话到此结束准备睡觉，她又突然补了一句：
“我今天有 3 个收获。
1.我知道关心同学，这是对的
2.及时发现自己在关心他人时出现的错误并进行修改
3.我发现自己成长了，知道和朋友道歉获得原谅后，还可以重新做朋友
这是典型的元认知能力：
不是被动接受评价，而是能反思行为、识别错误、确认成长。
最后，她还自己总结了一句“金句”：
“如果生命中有两条道路，跟着正能量的人走会走上发光发亮的大场地，跟负能量的人走会走向悬崖。”
（真的不可思议，我都不知道她怎么想到的。这有点像 AI 大模型呀）
那一刻我真正意识到：
孩子并不缺认知，缺的往往是被认真倾听、被尊重表达的环境。
作为父母，这件事带给我一个更清晰的判断：
当孩子把父母视为最信赖的朋友，而不是评判者，她会主动思考、主动总结、主动成长。
这件事放到营销与沟通中，同样成立：
1.好的品牌（人），不需要迎合所有人，而是有清晰立场与价值边界
2.当沟通对象感受到绝对安全感，才会给你真正有价值的表达与洞察，甚至蹦出金句——在播客、客户访谈、用户研究中尤为明显
3.AI 再强大，也无法替代人性中的温情、信任与智慧，这恰恰是长期价值的源头。
这是《#龙哥AI观察 》的第 2 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
有时候，孩子的认知，真的比大人更高
你相信吗？
孩子的认知，有时候真的比大人更高。
晚上，我们和孩子一起聊学校发生的事情。
不是训导，也不是复盘对错，而是很轻松地交流彼此的感受。孩子明显感受到：爸爸妈妈在认真听她说话，这是一段充满安全感的对话。
妈妈听完分享了一些自己的建议及价值观后，我顺口问她一句：
“宝贝，你听完有什么收获呀？”
她认真想了想，说：
“每件事都要确定自己的想法，他人的想法不一定等同于自己的想法，可以让自己的想法来决定。
只要我是对的，就由自己做主，如果他人要求听从其想法且自己不认同，就不与其一起玩。”
那一刻我意识到，她已经在做一件很多成年人依然拎不清的事：
在尊重他人的同时，守住自己的边界。
我为她感到开心，但更重要的不是“她说得多成熟”，
而是她敢于表达，而且确信——表达是安全的。
本以为对话到此结束准备睡觉，她又突然补了一句：
“我今天有 3 个收获。
1.我知道关心同学，这是对的
2.及时发现自己在关心他人时出现的错误并进行修改
3.我发现自己成长了，知道和朋友道歉获得原谅后，还可以重新做朋友
这是典型的元认知能力：
不是被动接受评价，而是能反思行为、识别错误、确认成长。
最后，她还自己总结了一句“金句”：
“如果生命中有两条道路，跟着正能量的人走会走上发光发亮的大场地，跟负能量的人走会走向悬崖。”
（真的不可思议，我都不知道她怎么想到的。这有点像 AI 大模型呀）
那一刻我真正意识到：
孩子并不缺认知，缺的往往是被认真倾听、被尊重表达的环境。
作为父母，这件事带给我一个更清晰的判断：
当孩子把父母视为最信赖的朋友，而不是评判者，她会主动思考、主动总结、主动成长。
这件事放到营销与沟通中，同样成立：
1.好的品牌（人），不需要迎合所有人，而是有清晰立场与价值边界
2.当沟通对象感受到绝对安全感，才会给你真正有价值的表达与洞察，甚至蹦出金句——在播客、客户访谈、用户研究中尤为明显
3.AI 再强大，也无法替代人性中的温情、信任与智慧，这恰恰是长期价值的源头。
这是《#龙哥AI观察 》的第 2 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
1 00
#龙哥AI观察 001
AI时代，我们需要的不是更多AI，而是AI思维
微软剑桥研究团队近日提出一个重要判断：
AI 不应只是帮你完成任务的“助手（Assistant）”，而应成为增强人类认知的“思维工具（Tool for Thought）”。
这个观点来自 Sarkar ——微软研究院剑桥人机交互与“工具思维”研究团队的核心研究员。他的研究直指一个被很多人忽视的问题：
AI 带来的认知退化，并非技术原罪，而是使用方式出了问题。
今天，我们很多人用 AI 的方式是：
下指令 → 等结果 → 快速验收。
效率很高，但代价是——人的大脑在关键过程中几乎是“挂机”的。
Sarkar 提出的区分非常关键：
AI 助手的目标是“把事做完”，
AI 思维工具的目标是“把事想清楚”。
在他们的实验原型中，AI 不再直接给答案，而是通过多视角透镜、挑衅式问题、强制关联原始材料等方式，不断挑战使用者的判断。
最终同样产出一段文字，但本质不同：
一个是“AI的作文”，
一个是“AI协助下的你的思考成果”。
这其实是一道价值观选择题：
你是想用 AI 把自己训练成更高效的执行机器，
还是训练成更强大的判断系统？
对做营销、做增长、做管理的人来说，这一点尤其重要。
当方案、内容、分析都可以被快速生成，
真正稀缺的，只剩下判断力、问题定义能力和决策质量。
给你三个明天就能用的实践建议：
1.少问“帮我写一个方案”，多问“这个方案最大的漏洞是什么？”
2.主动给 AI 设置“阻力”，让它挑战你，向你提问，而不是迎合你。
3.保留一块“手工思考区”，核心判断永远自己来。
这是《龙哥AI观察》的第 1 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
AI时代，我们需要的不是更多AI，而是AI思维
微软剑桥研究团队近日提出一个重要判断：
AI 不应只是帮你完成任务的“助手（Assistant）”，而应成为增强人类认知的“思维工具（Tool for Thought）”。
这个观点来自 Sarkar ——微软研究院剑桥人机交互与“工具思维”研究团队的核心研究员。他的研究直指一个被很多人忽视的问题：
AI 带来的认知退化，并非技术原罪，而是使用方式出了问题。
今天，我们很多人用 AI 的方式是：
下指令 → 等结果 → 快速验收。
效率很高，但代价是——人的大脑在关键过程中几乎是“挂机”的。
Sarkar 提出的区分非常关键：
AI 助手的目标是“把事做完”，
AI 思维工具的目标是“把事想清楚”。
在他们的实验原型中，AI 不再直接给答案，而是通过多视角透镜、挑衅式问题、强制关联原始材料等方式，不断挑战使用者的判断。
最终同样产出一段文字，但本质不同：
一个是“AI的作文”，
一个是“AI协助下的你的思考成果”。
这其实是一道价值观选择题：
你是想用 AI 把自己训练成更高效的执行机器，
还是训练成更强大的判断系统？
对做营销、做增长、做管理的人来说，这一点尤其重要。
当方案、内容、分析都可以被快速生成，
真正稀缺的，只剩下判断力、问题定义能力和决策质量。
给你三个明天就能用的实践建议：
1.少问“帮我写一个方案”，多问“这个方案最大的漏洞是什么？”
2.主动给 AI 设置“阻力”，让它挑战你，向你提问，而不是迎合你。
3.保留一块“手工思考区”，核心判断永远自己来。
这是《龙哥AI观察》的第 1 篇。
AI 时代，真正的分水岭，不在于谁用上了 AI，而在于谁还保有独立判断力。
2 00
2025 年，最后一次跑步完成。
做一个简单复盘。🏃♂️🏃♂️
疫情后连续跑步 4 年，
每年 1000km 的目标始终不变。
累计跑步 4239km，650 次。
2025 年跑了 1197km、199 次，是过去几年里跑量的最高峰。
回头看，
真正重要的从来不是某一年跑了多少，
而是：
初心没变，坚持没断，目标没移。
这两年，一个越来越明确的共识是：
每个人，都是自己健康的第一责任人，
也是自己养老的第一责任人。
很多看似“自律”的选择，
本质上是在为未来提前储备确定性。
2026 年，继续向 1000km 前进。
不求更快，只求更久。[加油][加油]
向时间要答案，未来可期。[爱心][爱心]
#龙哥爱跑步
做一个简单复盘。🏃♂️🏃♂️
疫情后连续跑步 4 年，
每年 1000km 的目标始终不变。
累计跑步 4239km，650 次。
2025 年跑了 1197km、199 次，是过去几年里跑量的最高峰。
回头看，
真正重要的从来不是某一年跑了多少，
而是：
初心没变，坚持没断，目标没移。
这两年，一个越来越明确的共识是：
每个人，都是自己健康的第一责任人，
也是自己养老的第一责任人。
很多看似“自律”的选择，
本质上是在为未来提前储备确定性。
2026 年，继续向 1000km 前进。
不求更快，只求更久。[加油][加油]
向时间要答案，未来可期。[爱心][爱心]
#龙哥爱跑步
6 10
在 AI 时代，营销的终局不是一次转化，
而是当用户真正要做决定时，第一时间想到你。
我的营销策略也很简单：长期、多次、无条件地给予。
通过持续分享高质量内容、方法和资源，先建立信任，再等待时机。
因为在这个时代，注意力可以被买到，
但信任只能被反复验证。
与其急着索取转化，不如坚持“多给少要”，
让回报在信任积累后自然发生。
而是当用户真正要做决定时，第一时间想到你。
我的营销策略也很简单：长期、多次、无条件地给予。
通过持续分享高质量内容、方法和资源，先建立信任，再等待时机。
因为在这个时代，注意力可以被买到，
但信任只能被反复验证。
与其急着索取转化，不如坚持“多给少要”，
让回报在信任积累后自然发生。
0 00
刚看到一条 AI 圈的大新闻：
Meta 数十亿美元收购 Manus，肖弘将出任 Meta 副总裁。
一个越来越清晰的信号是：
中国的科技产品和技术人才，
往往在国内被低估，却在全球市场被真金白银定价。
这也是为什么这两年，很多中国 AI 产品从第一天起就选择全球化——
不是情怀，而是更真实的市场反馈。
对个体而言，这背后有个残酷但重要的提醒：
你的价值，不取决于你身处哪里，而取决于你能在哪个市场被验证。
在一个技术变化极快的时代，
提前进入“更大的评判体系”，
往往比在熟悉环境里等待认可，更重要。
Meta 数十亿美元收购 Manus，肖弘将出任 Meta 副总裁。
一个越来越清晰的信号是：
中国的科技产品和技术人才，
往往在国内被低估，却在全球市场被真金白银定价。
这也是为什么这两年，很多中国 AI 产品从第一天起就选择全球化——
不是情怀，而是更真实的市场反馈。
对个体而言，这背后有个残酷但重要的提醒：
你的价值，不取决于你身处哪里，而取决于你能在哪个市场被验证。
在一个技术变化极快的时代，
提前进入“更大的评判体系”，
往往比在熟悉环境里等待认可，更重要。
1 00
开心。
早上同事带来一盒草莓，鲜甜，我们一边洗一边聊。
草莓是她姑姑自己种的，几十亩。
姑父种桃子，并不支持她改种草莓。
但她很坚持，一边种，一边到处学技术、跑市场。
功夫不负有心人，这几年草莓越种越好，生意也越来越稳。
后来才发现，
很多看起来“运气好”的结果，
本质上都是在不被支持的时候，
依然选择把一件事长期做对。
早上同事带来一盒草莓，鲜甜，我们一边洗一边聊。
草莓是她姑姑自己种的，几十亩。
姑父种桃子，并不支持她改种草莓。
但她很坚持，一边种，一边到处学技术、跑市场。
功夫不负有心人，这几年草莓越种越好，生意也越来越稳。
后来才发现，
很多看起来“运气好”的结果，
本质上都是在不被支持的时候，
依然选择把一件事长期做对。
0 00
