对比以前玩MMO类的游戏资料片更新，二游更多的更新节奏是：“一个主线版本 + 若干活动版本 + 再进下一段主线”，所以一直挺好奇这种做法的，研究之后发现，这是：长篇叙事、角色商业化的节奏、研发生产、数据回收的综合后的手段。

一、主线版本是“锚点”，承担四件事
推进世界观大节点：以9和鸣潮举例，9按编号版本推进，例如3.0「行于漫漫长路上」就是全新主线，讲战争/战壕线 ；鸣潮3.0拉海洛、3.1接续新区域，采访里提到3.0+3.1合计投入超10小时新主线、60+平方公里地图、30种新怪、17种新声骸 。这类内容成本极高，不可能每版都这么投入。
给新角色/新系统找“出场正当性”：新六星、新武器、新机制如果只靠活动小剧场，说服力不够；主线里救场、立场反转、牺牲，才能把角色卖点焊进玩家情感账户。1999 3.0主线同期配签到福利、新角色，鸣潮大版本则绑定新区域+新声骸+卡池，都是这套逻辑 。
拉回流+拉新：长草玩家看“主线更新”才会回来。鸣潮3.0甚至允许新玩家跳过1.0/2.0直接进新主线以降低上车成本 ，就是典型用主线当“重新入坑入口”。
做舆情高峰：主线有悬念、有角色命运，天然出二创、出梗、出节奏。运营要的不是一个“有东西玩”的版本，而是一个“全社区都在聊”的版本，有讨论才能有扩散。

二、活动版本是“缓冲层”，解决主线之后的二个矛盾
主线一完立刻再开大主线，会出现二个问题，活动版本专门消化它们。
1）卡池和主线不能永远“双高强度”
二次元抽卡游戏的商业化节奏通常是：
主线版：新主角级角色（主推）/新体系 → 高付费波峰
活动版：相对没这么主推的新角色、老角色复刻、皮肤、专武、低门槛独立剧情 → 维持流水但不透支预算
如果全程主线+全程新六星，玩家既看不动、也抽不动。活动版用“人设补完”代替“世界观推进”，比如1999联动刺客信条给联动剧情+限定角色 ，鸣潮小版本做主题战斗/解谜/角色唤取 ，付费更平滑。
2）避免叙事疲劳与“长草焦虑”
纯主线一直喂，玩家会审美疲劳；纯日常又会觉得长草。活动版本的定位是：
轻量叙事：节日、搞笑、侧传、角色过去，降低对角色、世界观理解成本
玩法试水：肉鸽、解谜、竞速、拍照，验证新系统再决定要不要进大版本
节点填充：春节、周年、联动用活动承接，不占用主线档期

三、主线负责“把盘做大”，活动负责“把盘做厚”
主线刚完的期间：玩家情绪高位、但体力/材料耗尽，需要活动版本+小玩法承接过渡，给玩家积攒材料，把“想继续玩”转成日活。
中间活动期：做两件事——老角色复刻，帮助新玩家补全；轻剧情维持社区热度。此时不推大世界观，避免新玩家没看前面主线看不懂。
下一主线前期间：用PV、前瞻直播等进行预热，把付费预期重新拉满。
周年/联动/节日插队：周年庆/春节/巡游/联动会单独加福利档 。这时候“主/活”比例会让位于商业节点。
只做活动不做主线，IP会空心化；只做主线不做活动，研发爆炸、玩家透支、长尾日活掉。

以前做游戏运营中台的时候，每天要对接的项目和需求太多了，很难花时间沉浸体验一下设计精美的游戏，思考每一款游戏的机制设计。最近沉浸式体验各种二游几个月了，重新对这些游戏有了新的认识。
比较好奇的一个问题：为什么二次元游戏都是按版本走的，以及为啥每个版本里面有各种各样的小游戏，这些小游戏都很耗费开发资源而且玩家不一定真的喜欢玩，只是为了能拿完里面的资源奖励，这样投入产出比低的东西为啥还会乐此不疲开发？
一、 为什么必须“按版本走”？
版本制是二次元游戏的“经济脉搏”和“生产节奏”，它解决了三个核心痛点：
1. 商业变现的节奏感（现金流）：二次元游戏的核心收入来源是限定卡池。版本更新意味着新角色、新专武的上线。运营必须通过“版本”这个单位来制定卡池排期。一个版本周期（通常是42天左右）就是一次完整的“拉新-促活-付费”循环。没有版本切割，内容一次性放完，玩家的付费冲动会迅速消退，无法形成周期性营收。
2. 产能释放的缓冲期：以《重返未来1999》为例，它的美术、配音、文案是非常重度的资产。开发团队不可能在一天内做出一年的内容。版本制本质上是一种“模块化生产”模式。运营把内容切成一块块“蛋糕”分阶段投放，给自己留出制作下几个月内容的时间。这种节奏也叫“内容管线化管理”。
3. 制造“悬念”与“仪式感”：每次版本更新（特别是前瞻直播、版本PV发布），都是一次大型的营销事件。玩家形成的“等版本”习惯，本身就是一种强大的用户粘性。这就像追剧等更新，如果一次性把全集放出来，讨论度和活跃度反而会断崖式下降。
二、 为什么每个版本都塞满“小游戏”？
小游戏的核心目的并不是让玩家觉得“好玩”，而是为了完成以下四个运营指标：
1. 拉长在线时长与锚定硬性指标：直接刷关卡产出的体力消耗往往很快（比如半小时刷完）。而小游戏（如解密、打牌、连线等）能有效把玩家的单次在线时长从15分钟拉到40分钟。对于运营数据而言，“DAOT（日人均在线时长）”是评判游戏健康度的关键指标。更长的在线时间意味着更多的游戏内付费几率。
2. 稀释“重复劳作感”，制造“活动丰富”的假象：如果一个版本只有“刷材料”和“打深渊”，玩家会迅速产生“开服即长草”的厌倦感。小游戏就像“杂耍表演”，能给核心玩法带来视觉和心理上的调剂。运营需要让玩家在社区和日报系统里看到“这个版本内容很多”，以抵消“这个月没啥好玩的”负面舆论。
3. 用“负成本”驱动的玩家行为矫正：这里涉及一个重要的运营概念——目标导向的“肝度”设计。小游戏充当了“任务-奖励”桥梁中的“工作”环节。玩家的真实反馈是：“虽然这个俄罗斯方块很无聊，但为了那10个金球，必须拿满。” 这就达到了运营的运作逻辑：用极低边际成本的数字奖励，换取玩家的高介入度。
4. 策略性分流与付费转化：小游戏往往包含排名或对战。越是喜欢小游戏的硬核玩家，越容易在此处产生攀比心理。而对于讨厌小游戏的休闲玩家，如果该小游戏与限定时装或专属家具深度绑定，运营就相当于发出了一个信号：“如果你不想花半小时玩这个小游戏，可以花68元直接购买。”这是一种隐性的“时间税”与付费筛选。
三、 开发资源明明很贵，为什么还要做？
怎么算“资源投入大，但玩家评价低”的账
- 复用性与模板化：大多数小游戏不是从零百万级研发的。很多底层的逻辑模块（如行走、碰撞、UI组件）是内嵌在引擎里的。游戏策划通常会让研发团队搭建一套“小游戏组件库”。以后做拼图、做音游玩法制，都只是换皮换素材，边际成本非常低。
- 交叉营销的“试验田”：某些小游戏其实是为了测试未来新玩法的可行性。比如在某个版本测试了“塔防”小游戏反响不错，后续可能会在某个特定活动里推出大型塔防玩法。这种低成本试错，对项目长线运营至关重要。
- 填充“垃圾时间”而非替代“核心时间”：小游戏消耗的资源，远低于做一个“版本主线支线剧情”。运营的策略是——主线剧情负责提供“情感价值”和“内容深度”，用来维系核心死忠；小游戏则负责填充版本周期中段的“垃圾时间”。
四、 运营逻辑：玩家在“付税”而非“消费”
从运营的视角，可以把这类小游戏看作一种“日常性税收”。
玩家明知不好玩，但为了换取“稀缺资源”（原石、金球、抽卡道具），必须去缴纳“时间税”。这种形式虽然容易招致玩家抱怨，但它极其有效。它利用了玩家的“损失厌恶”心理：看着版本限定兑换商店里的资源即将过期，玩家宁愿忍受10分钟的无聊，也不愿错过免费资源带来的沉没成本。运营的根本目的不是为了给玩家提供“乐趣”，而是为了建立一个科学的、可预测的“活跃度收割系统”。只要玩家的点击行为发生，只要玩家在版本后期依然每天打开游戏，运营的目的就达到了。至于这小游戏本身好不好玩，那是“单机游戏”思考逻辑；在“服务型游戏”里，“占据用户时间”本身就等同于商业价值。

最近看了很多类似 Elys，EVE，幕间，secondme 这样的产品，对 ai+社交这个赛道产生了兴趣，和一些团队的同学讨论，重新有了一些思考，这里面其实有很多想象空间

如果产品想做一个社交社区，在 AI 技术环境下，一个 C to C 的社区应该如何成立？用户为什么还需要和用户互动，而不是只和 AI 互动？

传统社区，是通过人-内容-人的匹配完成同好兴趣用户的匹配->聚集->互动，收获精神层面的满足。而社区的生态是一个微型社会，用户通过在社区获得其他真人的点赞、崇拜、追随来寻求地位、声誉和影响力的精神层面满足。而创作者生态、意见领袖体系、用户成长体系都建立在真人社会的认可机制之上。这些真人互相互动碰撞生成出来的内容，具有意外、挑战、观点冲突和不可预测性，带来了社区生态的百花齐放和繁荣。

与AI 互动是基于模型和语料给于可预测性的回复，本质上用户自身数据与偏好的映射，就像是玩单机游戏和玩网络游戏的区别，单机游戏提供了确定性的关卡、封闭的系统规则，用户自我投射到游戏角色扮演突破关卡，获得满足感。但是社区像网络游戏，互动的过程创造了未知，能获得不确定性的奖赏以及社会身份的构建，整个生态是真人驱动演化的。

而 AI 技术环境下社区形态，ai 可以扮演一个催化剂或者是更先进形态的创造引擎，传统受限于创造能力，内容的载体从文字->图片->视频，ai 时代，内容可以变成 ai 加持的多模态内容（比如猫箱的内容是一个可以交互的剧本和角色）

那在社交产品中，进行一个社交关系“匹配”相关的产品设计时，AI能发挥或者起到什么作用。

首先用户在社交软件匹配阶段的需求：
P0真实性与安全感、P1效率与精准性、P2低压力启动、P3摆脱熟人社交束缚

传统 APP 的做法：
用户选择标签、人工审核或介入（红娘）、LBS 定位、互动场景游戏，存在的不足之处在于要保证真实那么流程就会冗长、而简化门槛就会带来虚假、动机不良，人力介入成本高就会难以规模化，过度匿名会导致信任缺失

AI 时代下社交APP 的做法：
数字孪生代理（AI 模仿你再去帮你匹配）、虚拟伴侣，数字孪生代理是一个社交范式重构，但是现在这个阶段做得不好并且很容易产生很多无效垃圾内容。虚拟伴侣，本质上是 AI 能力+乙游，但是会面临陪伴越成功，用户越不想离开的矛盾。

💡我随便脑暴了一个产品想法：
比如说引入两个AI设定，作为社交催化剂：
一个是数字孪生，构建社交软件的我，AI 需要读取我的授权的微信对话、朋友圈发布、小红书、抖音等消费信息，授权过程是虚拟人的构建与灵活对齐，引入养成系统，授权越多、互动矫正越多，等级越高，开放的能力、或者角色数值越高。在 ai+游戏化过程中，解决拿到用户信息、低门槛解决真实性和准确性问题。

社交升温的手段是对抗、合作。线下的人认识的场景是组局、聚会、唱 K 、狼人杀等共同经历了某些事情，双方有了了解而认识

那么构建一个社区设计剧本、我的分身和他人的分身作为演员共同去演绎，且我能在进行中或者结束后浏览各自分身表现、并为其关键表现进行投票，又能实时对齐训练分身。事后以共同记忆档案代替传统报告输出双方匹配程度，就能以更有趣的维度解决匹配的问题，也给真人阶段的社交留下了空间和想象力。等于我在匹配阶段就以情景化模拟了双方在接下来的社交关系升温之后的可能性，给了社交匹配契合更前置的确定性。

另外一个就是第三方 AI 角色：红娘/引导者，参考真实红娘的人设，因为有双方的人物设定，所以能知道怎么样在匹配后刚开始时引导话题帮助社交升温，同时也能作为门槛壁垒，用户不会说匹配上就加微信聊。

然后无独有偶，昨天刚想象完，今天就发现了已经有公司在落地类似的产品形态了，且更为先进。我记得前几个月的时候，和外面交流，大家还在感慨 nano banana 模型时，现在已经变 openclaw 了，日新月异

看完了 5 小时罗对JK访谈，虽然去旅游时经常使用 pocket和拇指相机，但是从来没深度了解过背后的逻辑和需求解决，以下是一些记忆比较深刻的收获。

- 普通视频与全景视频的不同逻辑：传统视频（如电影、短视频）依赖景别（远景、中景、近景、特写）的切换来引导观众视线、叙事抒情，这是一种由创作者主导的“表达” 。而全景视频构建的是一个以摄像机为中心的沉浸式环境（“境”）而非限定视角的“景” 。它将选择观看什么的权利很大程度上让渡给了观众，更侧重于客观“记录”和“呈现”，追求身临其境的在场感 。因此，你觉得它“没办法代入表达”但“特别适合作为自己回忆”。

- 设备演进：从麻烦到便捷：从“连手机太麻烦”以及“普通运动相机”的兴起，传统运动相机视角固定，可能错过精彩瞬间 。而全景相机能一次性记录360°环境，后期再选择理想视角，大大降低了拍摄难度，避免了“绑定手机”的繁琐和角度把握的难题 。

- “模板化”降低门槛带动消费： osmo 的增长链条“买市场上好的创作者内容素材授权-变成宣传广告-变成给普通用户使用的创作模板”。平台提供高质量模板（Showcase），降低用户创作门槛，同时带上美观的水印就能很好的强化品牌认知 。同理 现在深圳在做消费级打印机的厂商，每一家都像模仿拓竹做模型社区，本质也是类似通过提供现成的模板参数，降低用户打错好玩东西的门槛，从而让更多普通人可以有兴趣购买设备。

- 回归第一性原理：重要的是思考用户深层次、本质的需求。用户买无人机，深层需求不是学会复杂操控，探索、记录、分享。用户需要的不只是工具，而是解决方案和最终成果。所以才有很多的 idea，比如：从过去需要手机盯着屏幕拍摄，到可以实时将图像传到眼镜，让你不错过精彩的当下。

作为一个古典产品经理，最近听了很多AI相关的播客，有很多专业名词听不懂，所以系统性整理翻译成我这种小白能听懂的话进行学习，再分享出来。今天先整理深度学习。

什么是深度学习？
AI比作一个正在学习的孩子，那么深度学习就是这位孩子最重要的“学习方式”。它通过模仿人脑的神经网络，让计算机能够从大量经验（数据）中自己“领悟”规律，从而学会识别图像、理解语言、甚至做出预测。

它是怎么发展的？

1958年感知机-现代深度学习的基石
感知机就像一个非常认真但又特别死板的新手守门员。他的任务很简单：根据看到的有限信息，决定是否出击拦截飞来的足球。
观察到的信息：球速、对手方位、风向，等同于输入信号（接收待处理的外部信息 ）；
对不同信息的重视程度：更相信球速，不太在意风向，等同于确定权重（代表不同输入信号的重要性 ）；
心里快速计算：“球速太快 + 对手离得很近 = 危险！，等同于加权求和（将所有输入信号乘以其权重后相加，得到一个总分 ）；
判断自己的出击原则：只有觉得“会进球”时才行动拦截，等同于于阈值/偏置​（一个预设的界限，决定了神经元被激活的难易程度 ）；
最终决定：出击​ 或 不动​相当于输出计算后的结果，等同于输出一个简单的二元决策（是/否，1/0）。
这个守门员（感知机）通过反复训练，能非常好地完成一些规则清晰、界限分明的任务。比如，就像判断“如果下雨并且目的地没有遮挡物，就带伞”一样，他可以学会处理“与门”、“或门”这样的简单逻辑电路 。
但他的局限性也很明显：他只会画一条“直线”来划分世界。想象一下“异或”这个问题：球要么来自左边，要么来自右边时（但不能同时来自两个方向）才需要出击。这个规则无法用一条直线完美划分所有情况，于是这个死板的守门员就懵了，无法做出正确判断 。

这正是早期单一感知机的核心瓶颈，它只能解决“线性可分”的问题 。 那么，如何让这个守门员变得更聪明呢？答案是：不依赖一个人，而是组建一个团队！ 将无数个简单的“感知机”连接成多层网络，就构成了现代深度学习的基石，使得图像识别、自然语言处理等复杂任务成为可能 。

1982年 循环神经网络 (RNN)-对文本等序列数据进行建模。

AI理解一段话（序列数据）的过程，想象成一个人如何阅读和理解一个故事。把AI模型想象成理解故事的“读者”。

RNN（循环神经网络）​ 像一个记忆力有限、必须逐字阅读的读者。
工作方式：他必须从第一个字开始，一个一个地按顺序读下去。他一边读，一边努力记住前面看到的重要内容。当他读到第100个字的时候，他可能还对第1、2个字有印象，但记忆已经变得很模糊了。
缺点：难以抓住“长距离依赖”。比如故事开头说“小明有一只宠物狗”，到结尾才说“这只狗很聪明”。如果中间隔了几百个字，这位读者很可能已经忘了“这只狗”指的是小明的狗，而不是别人的狗。而且，因为他必须逐字阅读，速度很慢，无法并行处理信

2017 年：Transformers 和注意力机制
Transformer​ 则像一个拥有“上帝视角”的超级读者。
核心武器：自注意力机制。当他拿到一篇文章时，他不需要从头开始读。他可以瞬间同时看到文章里的所有词语。更重要的是，对于文中的每一个词，他都能立刻分析出文中所有其他词与它的关联程度。
工作方式：比如看到句子“这只苹果很甜，所以小明吃了它”里的“它”这个词时，Transformer能瞬间判断出“它”与“苹果”关系最密切，与“甜”关系次之，与“小明”也有一定关系。这样，它就能轻松理解“它”指代的是“苹果”，而不会搞错。
优点：这种机制让它特别擅长处理长篇文章，能轻松捕捉相隔很远词语之间的联系。而且，因为可以同时处理所有信息，它的学习速度非常快。

为什么这个区别如此重要？
正是Transformer这种能高效并行处理和精准把握全局信息的能力，让它成为了当前人工智能大语言模型（比如ChatGPT、文心一言等）的基石技术。我们可以说，Transformer架构的出现，直接推动了我们今天看到的大语言模型技术的飞跃。

2018 年至今Vision Transformers和大规模语言模型 (LLM)
如果把大语言模型（LLM）看作一个聪明的“大脑”（思维与逻辑中心）专门理解和生成文字。它通过阅读海量文本学到知识、逻辑和语言能力。那么 Vision Transformer (ViT) 就是给这个大脑装上了一双“眼睛”（视觉系统），专门理解和分析图片。它用理解文字的逻辑来“看懂”图像。而多模态模型则是让这个大脑能同时处理眼睛看到的、耳朵听到的等各种信号，成为一个更全面的“通才”。（协调感官的“总指挥”​ ），同时处理文字、图片、声音等多种信息，并理解它们之间的联系。

👁️ 给AI一双“眼睛”：Vision Transformer
传统AI看图片的方式，有点像我们拿着一个小放大镜，一小块一小块地、局部地查看图片，然后再拼凑出整体信息。而Vision Transformer 带来了一种革命性的新方法
工作方式：ViT会把一张完整的图片，像撕便签纸一样，撕成许多个有固定大小的小方块（图像块）。然后，它利用一种叫自注意力机制的技术，让每一个小方块都能和图片上所有其他小方块进行“沟通”，从而一瞬间就把握整张图片的全局信息。

简单类比：这就好比让你看一张“猫追老鼠”的图片。传统的AI可能需要先看到尾巴，再看到身体，最后才拼凑出“这是一只猫”；而Vision Transformer一眼看过去，就能同时注意到“猫”、“老鼠”以及它们的“相对位置”，直接理解“猫在追老鼠”这个场景。

🔄 从“专才”到“通才”：多模态模型
当AI有了处理文字的大脑（LLM）和看懂图像的眼睛（Vision Transformer）之后，一个很自然的想法就是：能不能让它们协同工作，同时理解多种信息？这就是多模态模型做的事。
核心能力：多模态模型能够综合处理和理解文本、图像、音频甚至视频等多种类型（模态）的信息，并挖掘这些信息之间的关联。

多模态实际应用：
视觉问答：你给AI一张图片并问：“图片里的猫是什么颜色的？”它能结合图片（ViT的功能）和理解问题（LLM的功能）给出答案。

AI绘图：你输入一段文字描述（如“一只穿着宇航服的柴犬”），AI就能生成符合描述的图片。这需要模型同时深刻理解文字含义和视觉元素。

智能客服：未来的客服系统可能不仅能看懂你发的产品截图，听懂你的语音描述，还能读懂你的情绪，提供更精准的服务。

最近看了晚点关于阿里的报道，外卖大战前（4月），淘宝 APP日活约比拼多多高550万，外卖大战后（7约）日活比拼多多高5000万，峰值活动日时高1亿。 同时是抖音视频号铺天盖地对蒋凡经历的介绍以及财报电话会同步：“淘宝闪购第一阶段的目标首先是用户规模跟心智，经过几个月的发展，这个目标已经超预期实现”
于是我对这件事几个点产生了兴趣。

1、为什么淘宝做外卖闪购可以明显拉动淘宝app日活同时拉动主站广告和CMR，并使得淘宝减少了市场费用，但是京东和美团没有做外卖却没有？

从用户心智和平台基础来看，强大的​​高频购物心智​​，用户已习惯“逛”淘宝，日活基数大（超4亿），但是在京东用户主要还是用于买 3C、家电等低频高客单价品类的计划性消费。淘宝打开频次本身就要高于京东，虽然京东app日活也被拉动，但是其带来的生态协同远不及淘宝。饿了么本身就是深耕多年，这次并入淘宝主站，明显实现了高频外卖有效拉动低频零售，但是反观京东生态内缺少高频场景，即使目前在推如洗衣洗鞋、家政，其本身的频次也远不如淘宝购物，最高频就是新做的外卖了，而进来的流量不可能马上被 3c家电等进行消化，所以拉动效应明显不及淘宝。再说美团，美团的投入主要起到防御的作用，即防止基本盘被前两家抢夺，而用户在美团的心智为“吃喝玩乐”一条龙的本地生活，流量进入美团后在外卖、到店、酒旅业务内协同，但是缺乏像万物皆可网购这种更大的生态反哺。

2、为什么 q2 财报美团利润是同步下跌是最多的-89%，对比京东-50%和阿里-18%，从消费体感来说，并没有感受到美团有很明显的外卖补贴，也没有觉得京东的外卖很划算，反而综合下来更愿意在淘宝进行外卖下单。

美团利润大幅下滑根本原因在于它要​​防御的市场盘子远大于其他家​，而他的补贴策略是通过集采模式将部分热卖爆品标品大规模向商家采购来压低集采成本，再补贴后低价让利给用户，典型的就是大众点评黑金会员有一个每月一杯免费奶茶的权益。同时美团的补贴是中小额度的满减券，需要凑单。而京东主打品质外卖，导致了在非城市中心的地方，符合品质外卖的店不太多，可供用户选择的店本来就赶不上其他两家，劣势更明显了。从商家入驻到骑手招募再到履约成本，因为他是一上来就单量很大缺少了多年经营与打磨的过程，所以其虽然给了大量大额券，但是更多是用户用了大额券去进行刷单套利，没有带来更广泛的新用户。而因为饿了么多年的积累加上淘宝补贴这临门一脚，在同样补贴大额券的情况下，淘宝外卖的体验反而是最好的。

3、都说打外卖大战本质是即时零售入口的争夺，是怎么一回事？

根本原因是传统电商流量见顶，而即时零售市场巨大。消费者满足阈值是不断提升的，从过去的网购的几日达->京东的次日达->猫超的半日达->小时达，消费需求变革追求便捷与即时性，钱（差异不多的情况下）换时间成了新的消费观念。而即时零售依托的的是线下实体门店，他和传统网购不一样，传统网购与线下实体是对立的，而即时零售则是通过智能调度与全链路履约服务能力赋能实体经济增收。美团从送外卖起家，到目前可以送万物，依托就是经营多年的配送和调度体系与骑手资源。而京东依托供应链优势也希望改变自己的用户心智，至于淘宝则是构建大消费平台，融合远场电商、近场零售，希望 10亿消费者可以一站式满足消费需求。

4、外卖大战前后用户对平台的心智变化。​

从我自己作为用户来说心智的变化。我前不久刚装修完，装修过都知道，因为装修工序复杂性和前后多工种衔接的问题，很多材料非标，不好买，还要得急。我一般是这样使用平台的：如非标、量大带计划性的东西，比如说瓷砖、房门等，用淘宝进行下单；如量小、要得急的东西，比如说玻璃胶、腻子粉之类的，用美团找附近的建材店下单；如标配，线下买更贵，且不容易买到品质好的东西，比如说五金龙头，家电之类的，在京东下单次日达，用不上还可以使用会员进行退货处理。

因此大战前用户认知分别是“万能淘宝”、“多快好省京东”、“外卖用美团”，而大战后新的用户认知“逛着淘宝，顺手外卖”、“品质东西+品质外卖上京东”、“习惯首选外卖用美团，但是会多平台比价”

专门开车绕了 200 公里跑一趟许昌参观胖东来，先去的新旗舰店限流排 2 小时，又去附近的超市店，只能说自媒体把它夸得太大了，但是不可否认它很多细节值得借鉴，但是它的优势如果脱离三线城市还剩下多少可能存疑，我想这个也是目前只在许昌和新乡有店，郑州都没有的考虑。
​1.店内有很多当地年轻人工作，在三线城市发一线城市的工资能充分调动人的主观能动性，特别是损耗类岗位和供应链岗位的高薪养廉。
2.整齐摆放的商品，配上细节贴心的标签能激发人们对美好生活的具象化印象从而吸引消费，强迫症狂喜。特别是这里贵的东西会很细心说清楚贵在哪里，商品特点，使用方式。比如几百一条的毛巾，上百一斤的草莓等。
3.超市为购物中心带来大量人流量，低毛利的线下商超通过其他的流量方式进行了变现。
4.但是大量的人流量降低了现场消费的体验，很多地方需要排很久的队，也因为员工忙不过来，根本体会不到被夸上天的服务。
5.这里的商品 sku 确实很多线下店不常见，网上花时间找也是可以买到甚至价格更便宜，但是人们逛商品随手就拿了，只要不是价格差别太大。比如我们只是想体验一下，随便买了一点东西就上百元了，而山姆更是随便买点可能就上千。只能说美好的生活并不便宜。但是胖东来对比山姆小袋包装更符合中国人。

从 19 年朋友买es8 创始版质疑这是什么大冤种到后来因工作研究社区认知仅停留在他们的积分体系价值坚挺再到成为车主，对蔚来的认识一直在改变。
​新疆站的充电布点，是工作人员开续航最差最老的es8 一点点试，因为要兼顾老用户的使用。我在 24 小时群咨询轮毂刮花维修费用时，没隔 1 分钟有电话打过来第一句先询问人有没有受伤。nio day 的开场是ceo 上来汇报工作先来感谢那些为蔚来忙前忙后的志愿者和各种代表性的普通车主。
​作为曾经多年汽车社区社群的产品经理，在我们无数次思考怎么去证明社区ROI 以及它的愿景和下一个发展形态的时候，我在这段时间的使用和今天的 nio day 中找到了答案。很多公司都羡慕社区的粘性，但是妄图想用表面看到的术来浅尝辄止的投入最终中道崩殂。
车不止是工具，而是生活的一部分，是谋生的工具，是难过时候安静的地方。我一直坚信 next level 的汽车社区内容从来都不是物化出来的这里有很多男性，他们需要这些ABCD 类型的内容。是人与车的故事延伸出来的情感链接，甚至基于相同属性人群而延伸的线下社交，不是简单的搞一个群聊天。
​尽管很多人嘲笑蔚来年年亏损马上倒闭，但是你绝对不能否定一个创始人从一开始，包含这个公司所有员工都十年如一日致力于提升自己服务用户满意度的公司。
​同为消费，对比买房买了一大堆麻烦，做车主就能得到很多情绪价值的满足，性价比也很高。商业世界也需要真心换真心。希望未来有更多像小米蔚来这样的企业，去改变那些传统行业。

利益声明与叠甲：蔚来不是唯一用车，票是自费购买，纯粹离开汽车行业与不做汽车社区几年之后有感而发

关于“标杆”“样板”在业务中的应用
最近装修房子封窗发现一些有意思的线下商业逻辑，通常商家在一个小区的前10家一般会有折扣价，而头1、2家的话，你可以拿着大刀砍价，价格是那种品牌之中非常有竞争力的。然后他会要求你当样板间，方便后面别的业主想找他们封窗时候可以来你房子参观一下。

而且现在线下裂变都不是要求你直接去业主群打广告了，因为效果太差，而是直接CPS结算返佣，拉一个进群300，成交一个5%这种形式。一些新兴的品牌也很懂得“标杆”的使用，一般一个小区找一户拍安装全过程做视频号，然后到时候这种视频号内容就是强化消费者选这个商家的信任感。“我的邻居都选了，那大概率是没什么问题”，一个几百户的小区，拿下大几十户没什么问题。

还有另外一个案例是之前在机场，飞书打广告也是用“标杆“的方式，先进团队用飞书，底下挂了一堆比较出名的企业logo，这个相信很多人看过。不过我后来还看过一个升级版本的广告，一个灯箱对应一个公司，然后飞书以对应公司的名义来打联名广告，基本整个广告80%的篇幅是在帮对应公司去做广告。通过营销使用自己产品的公司来营销自己的品牌。

回到互联网公司这边，像平时一些做中台的部门要想快速让自己的产品能力更多人用起来，标杆、范例这一套还是很好用的。比如说我们业务刚起步的时候的2、3个月，其实基本没什么人使用，跟其他合作部门聊，他们也不愿意理会，维持观望的态度。

转折点出现在于，有一个合作部门的大体量产品准备要跟另外一个大公司打仗了，我们集中了所有投入为这个产品做支持，以他们作为样本，来满足他们需求，再把功能抽离成通用化的能力。也正是这一次押宝，取得了非常好的效果，我们跟这个产品保持了长线合作。通过满足他的需求从而延展出了很多通用的产品能力。后来别的产品看到了这个头部产品在用，效果很好，也纷纷开始使用起来，终于打开了局面

微信 ios 更新了一个新版本，小游戏充不了钱了？？？？？？？？？