一場典型的“數(shù)據(jù)驅(qū)動”決策會議，往往是這樣的：

• 市場部拿來一份詳盡的小紅書報告，數(shù)據(jù)顯示“復(fù)古風”是熱點；

• 運營部調(diào)出后臺數(shù)據(jù)，證明“A功能”的用戶點擊率最高；

• 咨詢公司提交了調(diào)研報告，顯示70%的用戶“更看重性價比”；

所有的“數(shù)據(jù)”都指向了同一個結(jié)論。

于是，你信心滿滿地立項、研發(fā)、投流……最后，產(chǎn)品上線，悄無聲息。

你陷入了巨大的困惑：為什么我們掌握了所有數(shù)據(jù)，卻依然抓不住用戶？

我們花了幾十萬、上百萬做用戶研究，為什么總是在“猜”用戶想要什么？我們明明是“數(shù)據(jù)驅(qū)動”，為什么感覺離用戶越來越遠？

在AI時代，這不再是一個無奈的感嘆，而是一個致命的問題。

這一次，我們邀請到范凌老師，他將分享一個關(guān)于“用AI理解用戶”的前沿實驗，以及由此誕生的產(chǎn)品Atypica。

范凌老師將在課程中拋出一個極具顛覆性的觀點：我們這個時代最大的迷信，就是“數(shù)據(jù)驅(qū)動”。

“洞察不是來自大數(shù)據(jù)，而是來自大猜想。”

你的公司里 養(yǎng)了多少“火雞科學(xué)家”？

“數(shù)據(jù)驅(qū)動”有什么問題？我們對數(shù)據(jù)的依賴，就像“火雞科學(xué)家”的歸納法。

一只火雞，在農(nóng)場里生活了364天。它每天都仔細觀察，發(fā)現(xiàn)無論晴天雨天，主人都會在上午9點準時喂食。作為一只嚴謹?shù)摹皵?shù)據(jù)科學(xué)家”，它通過364天的觀察，歸納出一個無懈可擊的結(jié)論：“主人在上午9點喂食的概率為99.7%，明天也一定會被喂食?！?/p>

它滿懷信心地迎接第365天。那一天，是感恩節(jié)。

這只火雞的錯誤，在于它錯把“歸納”當成了“真相”。

這聽起來很荒謬，但這恰恰是我們每天都在做的事。

我們分析過去364天的銷售數(shù)據(jù)，來預(yù)測第365天的爆款；我們抓取全網(wǎng)聲量，來判斷下一個季度的流行趨勢。我們以為自己掌握了規(guī)律，但“黑天鵝”來臨的那一刻，我們和那只火雞毫無區(qū)別。

范凌老師一針見血地指出：“歸納是謬誤。我們試著通過過去去預(yù)測未來，這是最本能，也是最偷懶的方法?！?/strong>

當下的市場變化太快，商品迭代以“月”為單位，內(nèi)容迭代以“日”為單位。你爬取的數(shù)據(jù)，可能是兩周前的；你拿到的調(diào)研報告，執(zhí)行周期長達數(shù)月。

你花大力氣“歸納”出來的，是一個早已過時的“過去”。

“橙汁理論”： 你了解的，是“成分”還是“真相”？

如果說“火雞科學(xué)家”的謬誤在于“時效性”，那么“數(shù)據(jù)驅(qū)動”的第二個陷阱，則在于“真實性”。

范凌老師提到了另一個隱喻：“橙汁理論”。

假設(shè)有兩個研發(fā)團隊。 團隊A，致力于分析橙汁的“成分”。他們拿到了所有數(shù)據(jù)：水分、糖分、維生素C、檸檬酸的精確配比。 團隊B，只有一個目標：重現(xiàn)橙汁的“真相”,也就是它的色、香、味。

結(jié)果是什么？

團隊A拿著完美的“數(shù)據(jù)報告”，卻可能永遠造不出口感真實的橙汁。而團隊B的合成物，也許成分與真實橙汁完全不同，卻能100%復(fù)原“喝橙汁”的體驗。

范凌老師用這個例子，向我們提出了一個靈魂拷問：

我們今天所做的用戶洞察，究竟是在分析“成分”，還是在理解“真相”？

我們癡迷于給用戶“打標簽”：95后、女性、一線城市、高知、已婚、二胎家庭……我們掌握了用戶所有的“成分”，就像分析鉆石和石墨的“成分”都是碳元素一樣。

但我們知道這些，就等于理解用戶了嗎？

數(shù)據(jù)能告訴你“發(fā)生了什么”（What），但他無法告訴你“為什么”（Why）。

而“為什么”，才是一切商業(yè)決策的源頭。

商業(yè)的真正難題： 從“Tame Problems” 到“Wicked Problems”

當數(shù)據(jù)驅(qū)動這個舊神倒下，我們該依靠什么？

范凌老師引入了一個至關(guān)重要的概念：“Wicked Problems”（復(fù)雜問題）。

我們的商業(yè)世界，絕大多數(shù)問題都不是解方程那樣的“Tame Problems”（可解問題）。

• “這群新興群體需要什么內(nèi)容？”

• “我們的下一個產(chǎn)品概念是什么？”

• “進入一個新市場，當?shù)赜脩魰绾畏磻?yīng)？”

這些問題，沒有唯一的正確答案，它們難以被定義，只能被暫時改善。這就是“Wicked Problems”。

面對“Wicked Problems”，“數(shù)據(jù)歸納法”徹底失靈。

在過去，我們只能依靠高成本的試錯和模糊的直覺。但在AI時代，我們是否有了新的解法？

Atypica的實驗： 一個“主觀世界”的沙盤？

范凌老師給出的答案，是“模擬”（Simulation）。

在課程中，他將首次深度拆解他正在進行的實驗——“Generative Agent Simulation”（生成式智能體模擬），以及承載這一實驗的產(chǎn)品Atypica。

Atypica試圖做的，不是用AI去“爬取”小紅書上已有的數(shù)據(jù)（那是“過去時”），也不是用AI去“標記”用戶的標簽（那是“成分”）。

它試圖用AI，為你“模擬”出那個活生生的、你想要的用戶。

這是否意味著，我們可以構(gòu)建一個“沙盤”：

• 在產(chǎn)品概念誕生的第一天，就邀請1000個“AI模擬用戶”來測試？

• 在進入一個新市場前，就和100個“AI當?shù)叵M者”聊聊他們的痛點？

• 它能否將用戶理解的速度提升100倍，成本降低100倍？

當你的競品還在分析上個季度的“火雞數(shù)據(jù)”時，你是否能率先模擬下個季度的“用戶猜想”？

你的“為什么”，AI能回答嗎？

Atypica的實驗，為我們打開了一個全新的視角：

AI最大的價值，也許不是幫我們“干活”，而是幫我們“理解人”。

• 這種“AI模擬”的準確率究竟有多高？它的邊界在哪里？

• “火雞科學(xué)家”和“橙汁理論”的謬誤，在你的企業(yè)中是如何體現(xiàn)的？

• 如果我們不再迷信“數(shù)據(jù)驅(qū)動”，我們該如何建立一套“猜想驅(qū)動”的決策流程？

本周六上午9:00，鎖定范凌老師的課程直播

這堂課，將為你揭示AI時代用戶洞察的全新范式，帶你從“數(shù)據(jù)”的迷霧，走向“猜想”的清晰

【掃碼預(yù)約直播】