加载中...
一个立足新加坡、连接全球的 AI 创业组织，聚焦早期到成长期的 AI 创业者与建设者。我们通过高质量的线下聚会、真实项目交流与跨区域资源链接，促成技术、商业与人的深度对话，帮助 AI 创业者在新加坡这个节点城市，走向更广阔的国际市场。
这期请了两个完全不同的人来聊 AI 时代的营销。 一辰是 CapgoAI 的创始人，做 AI 驱动的 SEO/GEO，服务 AI 公司和软件公司，Harvard MBA，典型的 AI 圈创业者。 Ashley 小周 @是小周Ashley 是 Sukoon 素寻的创始人，在新加坡做洗护品牌——沐浴露、补充装、香氛。一人公司，去年 12 月上市，8 个月做到约 3000 单。她不是 AI 从业者，但她用 AI 的方式，比很多 AI 公司都值得聊。 我想聊的主题叫 AI Native Marketing——AI 时代的营销到底变了什么，没变什么。分三个板块：Workflow、Taste、Pattern。 1. 过去一年就是我一个人跟七个机器人讲话 Ashley 做 Sukoon 的第一年，从品牌定位到供应链到产品开发，全程只有她和 ChatGPT。她在 ChatGPT 里建了一套虚拟团队，有人负责复盘、有人负责战略、有人负责产品——当然都是 AI。 但品牌上市的时候，她说了一句让我很意外的话："我突然丧失了表达的欲望。我非常想要听到真实的人对于这个产品的想法。" 于是她做了一个看起来很"反 AI"的决定——all in 线下。8 个月里跑了 7 个展会和卖点，一单一单地卖，面对面观察每一个陌生用户。 她看的不是销售数据，是微表情：用户路过展位时为什么停下来，闻到味道的第一个反应，听到哪句介绍后主动问价，对价格的第一反应是什么。 "这个过程我可能会重复上百上千遍。" 她说这些微表情对她来说就是数据库，而她本人就是那个数据处理引擎。AI 给不了这个。 2. 感知没有办法被代替 我问 Ashley，你的工作流里哪些被 AI 接管了，哪些绝对不会。 接管的：财务和法务——报表下载上传，AI 出分析，能完成 80% 的需求。图形处理——自己先拍照，AI 做二次创作。 绝对不会的：判断。 "不管是产品决策还是市场判断，到最后都是基于我个人的经验和感知。AI 目前还没有办法达到，给出一个代替的方式，因为感知这个东西是没有办法被代替的。" 她举了一个例子。选瓶型的时候，工厂里三四百个瓶子，她 20 米外看到第一眼就知道那是她的瓶子。选香调的时候，她坐在那想——如果 Sukoon 是一个人，什么瞬间会让他感觉到自己存在？她想到的是两三月份阳光下拨开橘子皮，水汽迸发的那个瞬间。 这些东西没有数据支撑，没有逻辑推导。但 8 个月线下验证的结果证明：她觉得好的，市场也觉得好。 3. AI 信息不够的时候也会下结论 一辰从乙方视角聊了一个很实在的问题。 CapgoAI 做 SEO 服务，很多环节已经被 AI 自动化了。但他说唯一不能自动化的，是跟客户的交互。 "甲方优化的可能不是流量，可能是'我老板在乎的那 5 个词的点击率'。"这些 context，AI 拿不到。 更致命的问题是，AI 在信息不够的时候也会下结论。"它不像人一样，会说'我数据信息不够多，所以我没法下这个结论'。" 他举了一个具体的例子：让 AI 分析一个网站做了哪些关键词，AI 会直接读 URL 就以为自己读了网页内容，然后给出一个错误的结论。你得人工逼它真正去读。 Context 给多了也不行。"AI 在读 context 的时候，信息太多它会 confuse。人能抽象重点，但 AI 不能。老板说的两句话，比下属说的 100 句话都重要——这种 context，AI 获取不到。" 4. 公司最大的损耗不是做得慢，是做错了 一辰说 taste 就是 judgment——决定做什么。 他分享了 Harvard 一个教授的观点：怎么训练 judgment？多做对结果负责的决定。教授说他创业几次，裁过四五十个人，每一个人叫什么、怎么裁的、对方的反应，他全都记得。但他读过 100 多个关于裁员的 case，一个都记不住。 "当你真正做了一个决定，对它负责的时候，它对大脑的训练和你纸上谈兵是完全不一样的。" 然后他说了一句让我印象很深的话。创业初期他总觉得 co-founder 工程做得慢，觉得这是公司最大的损耗。但回头看——"公司最大的损耗全都是我做了一些后来没有用的功能。" 这个 judgment 在 AI 时代更贵了，因为 execution 变便宜了。做一个东西比以前容易很多，但做错一个东西的代价没有变小。 5. 如果你是 0，AI 乘 10 还是 0 一辰聊 go-to-market 的时候说了一个我觉得很精准的判断。 B2B enterprise 的 GTM 没有本质变化。线下 in person 反而比以前更重要了——因为大家收到了太多 AI 自动化发的邮件和 LinkedIn，注意力更稀缺。"我在楼下看到有个人蹲在那放个板卖房子，我觉得这个效率多半比他在网上投广告要高。" 真正变了的是 B2C 和 PLG。AI 对优秀个体的放大作用特别大。 "如果你是 1，AI 让你乘 5 乘 10，你就是 5 或 10。如果你是 0，乘 5 乘 10 还是 0。" 他用了一个枪的比喻：没有枪的时候，大家打架看谁武功好。有了枪，看谁的枪好、谁的枪法好。有了 AI，看你用 AI 的水平、你的 judgment、你的 taste。 "你始终是需要比 average 强，你才能获得更多客户。" 6. 用 AI 蒸馏自己的直觉 Ashley 说了一个很有意思的用法。她不是用 AI 来替代判断，而是用 AI 来理解自己的判断。 她会问 ChatGPT：为什么我选了青橘皮？为什么选木质调？AI 帮她从这些直觉里抽出框架——原来是因为她想面对的是 AI 时代人们对确定性的渴望，而什么是确定性？是不需要思考的、直白的、瞬间爆发的感受。 "我跟 AI 不断沟通之后，它会帮我抽一些框架和架构，我去反推，哦，原来是因为这个。" 她还建了一个"30 年后理想状态的自己"，从终局倒推当下每一个决策——哪些和理想状态是错位的。 但她也说，AI 工具更新太快反而成了负担。她现在的策略是"让子弹飞一会"，只在一个工具里深挖，不追新。 7. 1/10 薪水、1/10 时间，买的是 20 年经验的判断 Ashley 的团队架构是这期我最想记住的东西。 一人公司 + AI agent 矩阵 + 4 位超级个体 part-timer。4 个人里有 3 个是 20 年以上行业经验。她给他们正常薪水的 1/10，但也只需要他们 1/10 的时间。 "就像 fine dining，你花很高的价钱买一个 set menu。买的其实就是这些侍酒师和主厨通过十几二十年的专业经历给你的判断。" 她不喜欢雇佣关系，觉得"大家一定要拥有自己的根之后互相生长，才能结出自己的果子"。 前 7 个月坚持线下一单一单卖，不急于爆单。有人问她为什么不第二个月就进直播间。她的回答是：卖 1 万单只有 1000 个评论，剩下 9000 个人怎么想？"这种恐慌对我来讲更可怕。" 曼谷展会，全场最年轻的品牌——才 7 个月——但唯一全售空。 8. 做 100 个烂视频，不如好好做一个 最后一辰说了一句我觉得可以当这期的结语。 "AI 时代 spam 变得很便宜，但所有平台都想 remove 这些 AI 生成的 spam。不是因为 AI 生成的不好，而是因为它没给用户带来什么价值。" "做 100 个烂的视频，不如好好做一个极高水平的视频。" 这跟 Ashley 用 AI 工具做了一圈视觉素材，最后还是让人手绘完成的逻辑是一样的。AI 能做的越来越多，但"好"这个标准没有变。 品味不会因为工具变便宜而贬值。恰恰相反。
Harris @Harris 是我在新加坡认识的一个营销老炮。Apple 在线商店待了近 5 年，然后跳进广告行业，在 Facebook Marketing Partner Nanigans 负责大中华区，帮 FunPlus、IGG 这些头部 SLG 游戏公司做海外投放。再之后进入 Meta，专门负责大中华区游戏——莉莉丝、米哈游、哔哩哔哩、游族都是他的客户。 "最夸张的一次，全球前 10 的 SLG 游戏公司，9 家都是中国的。"那是中国游戏出海的盛世。 2022 年他离开 Meta 创业，兜兜转转经历了区块链游戏，2024 年底 all in AI，在新加坡做了一家叫 A65 的公司。A65 做的事情听起来很大：用 AI agent 集群接管企业的整个营销链路——从用户洞察到投放策略到广告创意到 24 小时盯盘。 1. 不要为了 build agent 而 build agent Harris 说他去新加坡的创业活动做分享，最常问台下一个问题："你今天有一个实习生的岗位，你到底能不能清晰地定义出这个实习生能够给你干什么？如果你没有办法定义出来，那你一定也没有办法定义一个好的 agent 出来。" A65 一开始也踩过这个坑。最早他们把 AI agent 当效率工具——用它来 vibe coding，用它来帮员工提速。但很快发现，"如果你把它当成 agent，你的产品形式本质上没有什么变化，只是提高了效率。" 后来他们做了一个很大的转变：agent 不是工具，agent 就是产品本身。 2. 功能性 agent 里不放 memory 这个设计决策让我印象很深。 A65 把 agent 分成三类：一类是 AI 员工（跑在 Mac mini 上的 Hermes agent），一类是功能性 agent（执行具体技能的），一类是 governance agent（评估和监控的）。 功能性 agent 里，他们故意不放 memory。原因很实际："我不能让 A 客户的信息影响到 B 客户的输出。A 客户的数据也不可能被 B 客户看到。" 他们最早用 Hermes agent 的时候发现，当多个客户的 brief 进来，agent 的 skills 和 memory 会跟着变——用得多的客户会让整个产品往那边倾斜。如果要服务成百上千的客户，一致性和稳定性才是最大的难题。 所以 A65 在 governance 和 guardrails 上花的精力，远超大多数人想象中的 agent 公司。 3. 你想让 AI 给你 100 分，你至少自己要达到 85 分 我跟 Harris 聊到 CreativeOS——他们的广告创意生成系统。我说很多做营销的朋友从来不用 AI 做内容，觉得 AI 做的东西 mediocre。 Harris 的回应很直接："今天不是说 AI 不行，是因为你的 prompt、你的输入不行，它就输出不行。你想让 AI 给你达到 100 分，你至少自己要达到 85 分。" 所以 A65 在 CreativeOS 里做了大量的 harness——不是让用户随便输入一句"帮我做个咖啡广告"，而是把专业广告人的工作流程 build 进系统：先找用户 motivation，再结合产品卖点，形成策略，拆成 idea，然后分镜、hook、call to action、品牌信息——每一步都有套路。 "一个十年经验的创意总监和一个普通人，用同一个系统，得出来的结果是完全不一样的。" 这跟 Seedance 是一个道理——模型都在那里，谁都可以用，但输入的质量决定输出的质量。 4. 91.6% 够用了，不追 100% A65 有一个叫 CrowdOS 的产品，做合成受众——用 AI agent 模拟真实消费者做市场调研。他们用 Big Five（大五人格）模型构建 agent 的人格，然后每天喂新闻，让 agent 在服务器里自发 debate 形成观点。 他们跟 Pew Research 的公开面板做了校准，一致性达到 91.6%。 我问他剩下的 8.4% 差在哪，能不能往上做。他给了三个理由不做： 第一，校准的对象是已经发生的报告，做到 100% 匹配过去的数据并不等于预测未来更准。第二，统计学上 75% 以上就已经够用了。第三，成本——从 91.6% 再往上每升零点几个点，成本就会暴涨。 "我们不是在做 100% 准确的科研研究，我们是做商业可用的产品。" 这种克制在 AI 圈子里不常见。大部分人讲的是模型越准越好，Harris 讲的是：够用就是够用。 5. 我们不会干预 perspective 的形成，我们只喂原材料 CrowdOS 里有几千个 agent，每个都有持续的 memory。Harris 说他们每天给 agent 喂当地和国际新闻，让 agent 自己产生 debate，自己形成观点。 但他们也有监控：如果有某个 agent 说服力太强，把其他 agent 的观点全部 convince 掉了，系统会捕捉到。 "我们不会干预 perspective 的形成，我们只是喂原材料。" 我追问大模型本身偏英文、偏富裕、偏城市、偏上网多的人，怎么让合成受众代表更边缘的群体？他说他们同时接了 5 个模型——Anthropic、Gemini、OpenAI、DeepSeek、Kimi——中国模型和海外模型都在，就是为了消除单一模型的 bias。 而且不同市场会单独定制校准数据——不是每个国家都有 Pew Research 级别的报告，有些市场甚至要从社交媒体数据来补。 6. Tier 1 客户的 90 分方案，到 Tier 2 就是 120 分 Harris 讲商业模式的时候说了一个我觉得很聪明的策略。 他们的大客户（Tier 1）都是定制化服务，方案做到 100 分。但大客户的需求做成标准化产品后，可能只有 90 分——差的 10% 就是定制化的部分。 "但是我们今天这个 90 分的标准化方案给到 Tier 2 的中型客户，对他们来说可能就是 120 分了。因为他们远远没有那么 advance。" 这不是一个新逻辑，但在 AI agent 产品上第一次听人讲得这么清楚：用头部客户的经验喂养产品，然后把高浓度的 knowhow 通过标准化产品释放给中型客户。 7. 不是为了新而新，MCP 有缺点就用 API 最后一个让我印象深的点。 A65 的官网上写了一句话：fluency is not capability。流利不等于能力。这句话来自 1965 年 MIT 的 ELIZA 模型——也是 A65 名字里"65"的由来。 Harris 说他们在技术选择上非常务实："我们不是为了 agent 而做 agent。有些东西直接可以用代码写死的，我们就用代码写死。现在 MCP 很火，但我们看到 MCP 里有很多缺点，那我们就直接用 API。" "不是说 API 是一个老旧的技术就非得用 MCP 代替掉。今天解决这个问题，本质到底怎么解决，怎么效率最高，成本最低，我们就做这个。" 这跟很多 AI 创业公司讲的故事不一样。大部分人的叙事是越新越好、越 agent 越好。Harris 讲的是：回到 foundation，回到本质。
明天见！新加坡首场「AI 投资开放麦」🔥 AI 时代，我们都在学怎么用 AI。 但还有一项能力， 越早建立越好——投资。 不是教你追热点，也不是来听一场“高高在上”的金融课。 我们更想一起聊清楚： AI 到底正在改变什么？ 哪些趋势值得长期关注？ 普通人、创业者、投资人，怎么参与下一轮机会？ 明晚邀请了 罗晨博士、杨振宇先生、Jacob，从教育、创业、科技、投资不同视角，一起聊趋势、聊判断、聊踩过的坑，也聊正在发生的新机会。 📍08.18 周二 19:00–21:30 📍YMCA 二楼 · 新益国际学院 报名：https://luma.com/z5pnxsge 欢迎创业者、投资人、技术爱好者，以及所有对 AI 和未来感兴趣的朋友来玩。 AI 时代，别只学会使用工具。 也开始学会看懂价值、判断趋势、配置未来。 明天现场见！🚀@所有人
在一些新兴市场比如拉美，国内模型已经需求量跑在前头了。方向大有可为，值得好好聊聊！
8月15-16（周六日）《从经验到课程 · FIRE经验萃取与课程开发实战营》即将开课。还剩少量名额。 两天时间，把自己一段真实经验，做成一个能讲、能练、能交付的课程模块。 https://joyelearn.cn/training/fire-signup.html 如果你身边有人正为"经验说不清、课程做不出"发愁，欢迎转给他。页面底部可以领一个专属推荐码，用你的链接转发，朋友完成报名付费后有一份推荐感谢金（实付金额 20%）。 不论你是否参加本期课程，都可以领码转发。
之前在叮咚买菜的季度会上大家做了一个讨论，Ai的趋势不可避免，那么未来哪些东西无法或者很难被Ai替代？ 最终大家给出的共识是美酒美食和有趣的灵魂 Ai时代，让我们多见见有趣的灵魂， SmallWOD给Ai社区带来有温度且可信任的链接 @Eddie @Yijia @Eva AI spacehub @Leonie @James翁家良｜人本AI @Crison
新加坡探索创业的小伙伴看过来 向大家介绍@张晓庆 ： 《Never Fired - AI时代的主权个体》作者，刚辞职新鲜出炉的Meta数据科学家，Airock Co-founder，两个PhD经历，也是对我辞职离开香港、去读书创业这艰难又兴奋的三年帮助很大的Life Coach。 晓庆会在本周日下午举办一个活动，带着大家探索属于自己的unfair advantage - AI 不能取代的你眼睛里的光。欢迎大家报名！ 我也非常推荐他的这本书新书，它回答了我这几年在不断取舍和变化中困惑的一些问题，我想对SmallWOD的小伙伴也会有帮助。
