完整版 - 搜索,推荐,聊天:AI时代广告的第三次跃迁
- AI广告的变化首先发生在用户信号,而不只是广告位。 Jaggie用九宫格与竖屏视频流解释:前者只知道用户点了谁,后者能知道每条内容看了多久;多轮聊天又进一步捕捉需求形成的背景。Raymond概括说,“用户和机器的这个交界面的形态每次发生变化”,平台能收集的数据也随之变化,不能只把聊天广告理解成搜索广告换皮。
- 相同的用户规模、时长和意图深度,不一定对应相同的广告收入。 Jaggie的判断是:即使Muse Consumer与ChatGPT Consumer在这些维度持平,Meta凭IG、Threads及既有广告系统,仍有更高的变现效率,“我的变现效率依然比你高”。Raymond直接回应“I'm not too sure about that”,这个分歧值得保留;嘉宾讨论的是现有消费者场景的变现能力,并未据此判定OpenAI、Anthropic整体商业模式的输赢。
- 豆包可以通过提升抖音广告效率变现,而不必在聊天框里直接收费。 Jaggie强调,“变现不一定要靠豆包来”,它收集的用户signal可以让今日头条、抖音的广告更有效;这与单纯获客、导流不同,因为数据本身就是飞轮的一部分。商业账最终是维持DAU、query量与深度需要烧多少token,以及集团其他场景能变出多少钱;机器和电的价格都会影响结果。
- 新的广告形式要等新的原生用户行为成立,不能先替一个尚未成立的产品设计收入。 可交互内容模糊了content与app的边界,但独立“互动版抖音”面临retention问题:用户打开应用是为了打发时间,不一定专门寻找某种内容格式。Muse第二个tab和TikTok搜索中总结、视频、商品等内容的组合,也值得从实际使用心智观察。
- 广告效果衡量的难点仍在完整决策链,而不只是最后一次点击。 Jaggie估计Meta品牌广告占比不到10%,但这不能推出awareness、consideration没有价值;床垫、汽车和眉笔补货的决策周期完全不同。美国购买行为分散在Shopify、线下零售等渠道,历史转化数据与signal治理因此成为资产;她把部分不再容易取得的数据称为巨头的“垄断资源”。
- 传统广告主的AI瓶颈往往是组织能力,而不是不知道AI。 宝洁等公司已开始用AI做素材,但创意、投放和Creator能力可能分散在WPP及其供应链,品牌内部缺少识别和调动最佳团队的人。Jaggie指出,大公司“身上有包袱,没办法从零开始轻装上阵”;Raymond观察到创始人与职业经理人的决断空间不同,嘉宾则提醒这是不同约束下的两种游戏。
- Memory只有变成可感知的任务优势,才会形成可靠的迁移成本。 Jaggie认同“我换秘书是有成本的”,却仍因Muse能完成眼线笔补货等任务,从长期使用的ChatGPT切换过去;如果能力差距持续6个月,“我可能就流失了”。Raymond认为memory、context和skills可能有更好的迁移方式,并以自己在Codex和Claude Code之间备份资料为例;大量上下文目前来自Gmail等第三方,Google、Apple的数据控制权仍是绕不开的战略问题。
- 越贴近用户的AI越有商业价值,也越需要处理信任与影响决策的边界。 Raymond把这种关系改称“一个贴心的助理和一个比较八卦的助理……之间的一线之隔”;对话既能帮助用户找到商品,也能参与需求的形成。两人区分了显性付费广告与GEO式隐性影响;Jaggie同时指出,医疗广告的限度、情感依恋和公司的商业选择不能只从转化效率看。
1. 十四岁的易趣卖家,先学会了流量与交易的成本
- Jaggie在上海读初中时先做买家,再跟卖家学习开店。第一件卖出的商品是二手班尼路连帽衫:新买39元,后来29元卖掉。“真的是……能卖出去”,于是暑假去七浦路进货,从二手转向新衣服。
- 当年的难题是把交易链路自己接起来:借相机拍照、上传图片,研究网银,再解决配送。Jaggie既当模特,也打包送货,学卖家坐地铁在闸机口交接,叫作“站站停送货”。
- 淘宝当时的刊登、推广并非全部免费;Jaggie记得上传商品要钱,推广、把商品置顶也要钱,好像是一条1元。这是她亲自付费接触的早期广告形式。
- 徐家汇已有卖家租公寓让买家试衣服:不租临街门面,而是用线上流量带来顾客。Jaggie当时不知道这叫什么;她和Raymond看到的事实是,流量来源改变了线下经营成本。
2. 对消费决策的兴趣,最后指向了人脑如何处理信息
- 市西中学的商业教育让Jaggie第一次发现,卖货背后还有理论。她记得课程请微软或外企人士讲基础商业知识,也用软件模拟进货、定价和利润竞争;后来她了解到,这可能是Junior Achievement(JA)的课程。进入宝洁后,她继续做consumer业务。
- 离开大公司、参与二手车创业后,Jaggie发现自己对车没有足够passion,转而追问愿意长期做什么。答案是“对人脑怎么处理信息这件事情比较感兴趣”,由此阅读认知科学,最终选择探索AI,而非重新走neuroscience路线。
3. 二〇一五年的生活助理,已经想做今天Agent的闭环
- 2015年前后,Jaggie受美国Magic启发,探索通过聊天完成外卖、鲜花、咖啡等生活服务。当时滴滴、快的尚未合并,生活服务仍群雄逐鹿,存在一个更智能入口帮助用户寻找、比较和下单的想象空间。
- Magic的示范不是给用户一个链接:发短信说想喝咖啡,助理继续确认星巴克还是其他品牌、拿铁还是卡布奇诺,再把订单交给服务商,最后送到家。“它是把整个闭环做掉的。”
- 技术实现却主要依靠rule-based、heuristic方法管理对话和偏好。探索很快发现,所谓智能助理最后会变成人工客服,智能部分做不了。
- 不少同期团队从To C助理转向金融客服等To B业务。Jaggie的总结是“需求没有变过”,变化的是技术能否兑现;当年的多轮对话、上下文管理和执行闭环,并不是今天才出现的需求。
4. Momenta的回报,不应被包装成一次全知的预判
- Raymond以Momenta上市及数千倍回报追问早期判断,Jaggie却不愿“over index说这个我的判断有多么正确”。生活助理没做成之后,做投资首先是为了看看其他研究员和创业者在探索什么,也保留加入他们的可能。
- 当时的方法很朴素:枚举核心技术突破,再映射金融、医疗、无人驾驶等潜在场景。创业者不够多,就阅读研究员论文,主动聊天,询问是否愿意创业,以及自己能否提供商业帮助。
- 曹旭东团队被看好,首先因为团队本身。Jaggie把结果归于较早遇到优秀团队的幸运,而不是把后来成功倒推成当时已经知道答案;做得越久,对技术商业化的“敬畏之心越高”。
5. 有技术和客户预算,还不等于拥有商业飞轮
- 上一轮CV公司在安防、金融等有预算的场景落地,但Jaggie提醒,To B、To G的变现并不轻松。优秀团队希望做中国自己的DeepMind,也未必能很早踩上今日头条那样的现金流飞轮。
- 创新者窘境也会发生在B轮、C轮公司:即使掌握CV技术、已经探索无人驾驶,只要安防仍是主业,新方向就未必获得最高优先级。独立创业的意义之一,是围绕“做成这个事情,哪些事情需要为真”重新选择环境。
- 医疗影像提供了一个商业模式分岔:把AI软件卖给医院,还是自己开影像中心、用AI降低运营成本?后者财报看起来仍是影像中心,AI是enablement;两种路线不能只凭技术相同就混为一谈。
6. 这一轮突破的关键,是语言终于能更多交给Learning
- Raymond问这轮浪潮是否从GPT-3.5开始,Jaggie认为可以更早:GenAI并非新词,早年特效就用过相关生成技术。对于曾经做chatbot的人,真正重要的是“语言的问题终于可以用learning方法被解决了”,由此解锁更多场景。
- Raymond也反对把AI只理解为下棋或大模型:推荐引擎已经是明确的商业应用,并援引梁文锋对量化基金的看法。讨论的重点是,上一代AI创造收入的地方,未必被市场习惯性地归为“AI公司”。
7. 字节的差别,是把推荐作为产品的出发点
- Jaggie在2016—2017年前后选择加入字节,因为自己更热衷consumer,也被张一鸣关于collective intelligence的文章吸引。公司早期的愿景“连接人和信息”,指向移动时代更省力的信息获取。
- 投资人曾有两层误判:第一层看不出今日头条与新浪新闻客户端的区别;第二层看到了推荐技术,却不觉得壁垒深。Jaggie所在机构也曾有机会投今日头条C轮,但没有投,低估的是变现、content supply与demand连起来之后的先发优势。
- Raymond把区别概括为“你把推荐作为一个Feature还是作为一个产品”。字节从分发引擎出发,再探索文字、图片、长短视频、教育、电商等格式;Meta则已有social media,再把推荐加入既有产品,两者起点不同。
8. 九宫格与竖屏的差别,是训练信号的差别
- Jaggie提出,理解广告演化,可以先看多少消费者行为被数字化。电视、户外大屏的问题之一,是不能完整收集反馈;测量受限,投放也受限,数字化首先把一直存在的行为变成可用信号。
- 站在推荐系统的位置,Instagram旧的九宫格视频页只告诉你用户点了哪个,未点的另外八个为什么没被选中,并不清楚。
- 垂直刷过九条视频,则能知道每条停留多久、在哪划走。点赞、上下左右滑、观看时长都成为user-content pair的signal;“交界面的形态”改变,拿到的数据就不同,并非同一推荐系统换个外观。
9. 多轮聊天捕捉的是需求形成过程,而不只是购买Query
- Jaggie举自己的腰伤为例:起点不是买腰带,而是先让ChatGPT帮忙给保险公司、医生写信,再找练腰的视频。视频提到腰带之后,才继续问有什么产品、在哪个平台买。
- 这与直接搜索Whoop还是Apple Watch不同:一个对话里可以处理四件事,购买意图嵌在背景和任务之间。只统计多少query直接问买东西,会漏掉这种结构。
- 更重要的是,对话不完全由用户主导。Raymond指出,对话也取决于AI问了用户什么;Jaggie认同不能完全用原来的范式思考。语言表达更丰富,也同时结合行为、上下文和系统自己的追问。
10. 更懂用户,既可能贴心,也可能越过边界
- Raymond起初用invasive形容这种了解,随后收回,改成“一个贴心的助理和一个比较八卦的助理……之间的一线之隔”。Jaggie赞同用人际关系理解:AI有没有边界,以及用户愿意分享多少,都会改变体验。
- Jaggie并非替所有深入了解辩护。她记得2024年或2025年初,曾有GPT版本刚推出又被召回;大家发现模型的一些行为会让人产生依恋。一个人如果第一次获得如此温暖、持续的鼓励,可能产生强烈attachment,社会影响不能只从购物看。
- 谈到心理用途,Jaggie凭记忆提及一位Stanford心理学教授做过33万人的统计;她记得样本里有20%的美国人使用ChatGPT或相关产品,常做泛心理类query,比如venting。身边朋友也会先找GPT、再找人聊天:“先去找AI再去麻烦人类”,因为不想被别人当作complainer。
11. 对话广告、推荐内容和跨产品变现,是不同的场景
- Jaggie用一个直接定义划定讨论范围:聊天过程中影响用户决策,并收了广告主的钱,就是广告场景。当前回答里已可能出现商品比较、推荐内容,只是未必向广告主收费。
- 另一种形式不在当前对话:根据此前聊天,稍后推荐用户愿意看的topic或artifact,再向广告主收费。第三种则连新广告位都不需要,只把新收集的信息用于既有广告format和placement。
- Raymond区分显性链接广告与“客观观点”被商业影响。Jaggie对应到SEM与SEO:前者付费且让消费者知道是广告,后者隐性影响结果;如今GEO已有很多公司在做,但不能把两者视为一回事。
- Raymond用CTR从3变成5作假设,说明效率提升与广告位置创新也应分开讨论。Jaggie仍强调,更大的新形态,要看用户出现什么新的交互动作。
12. 互动内容可以创造广告格式,但独立产品先要过留存关
- content过去主要只读,app可以交互,AI让边界变窄。Jaggie观察到一批产品像抖音,但每次滑出的是小游戏、可操作内容,也有人尝试旅游等带信息效率的用途。
- 这类产品的retention却有问题:用户不一定专门寻找“可交互内容”,打开娱乐产品的心智只是有什么好看的、如何打发时间。它作为既有内容流中的一种格式,可能更自然。
- Jaggie举Snap探索的互动广告:刷到星巴克,星星掉下来,出现万圣节鬼屋,点几下拿金币,再引向转化。嘉宾没有断言效率更高;例子的意义是,先有原生互动内容,才有相应的新广告形态。
13. Muse第二个Tab与TikTok搜索,体现了混合形态的机会
- Raymond提出,Muse的“Some Ideas For You”看起来像文字feed,但打开它的心智可能不同于今日头条或抖音。内容来自第一个tab的对话、任务和助理关系,是由此前互动产生的新推荐,而非一般的信息消费。
- TikTok搜索则从刷视频长出另一种形态。搜索“高蛋白meal prep,一次做一周的饭”,可以同时得到文字总结、原始视频和相关电商产品,不必只返回一组同质结果。
- Jaggie认为IG搜索体验仍明显不如TikTok、抖音,但这也提出一个新问题:已有社交内容与搜索框的平台,能否在agentic时代做出新东西?
14. 大广告主知道AI,执行能力却可能在组织之外
- Raymond追问的是宝洁这类大预算广告主,而非天然熟悉抖音、GEO的新品牌。Jaggie的观察是,他们并不缺乏兴趣,个人每天使用AI,也有年轻员工想推动变化,领导同样希望stay relevant。
- 宝洁已经用AI工具做素材,但相较先进DTC品牌,变化仍慢。素材与投放长期交给WPP等agency,新趋势又包括Creator制作内容、再改编成广告,品牌内部未必掌握这些能力。
- 更麻烦的是,能力可能连一级agency都没有,而在二包商。Jaggie在宝洁时想合作一个有创意的小团队,也要通过原agency把对方引入;即使找到正确的人,还得克服采购和组织friction。
- 关于组织回摆,Jaggie提供近期听到的Native案例:原本在旧金山的团队,被要求搬到辛辛那提;不回去可能被裁,主力团队有人离开。收购时希望给大公司注入新血,后来组织整合却可能让主力团队流失。
15. 创始人的决断空间,也不能消除老公司的全部包袱
- Raymond带国内团队考察硅谷时感受到差别:创始人能想象全员AI-native的公司,也知道回去如何推进;职业经理人即使级别极高,仍难决定拆掉、重组几个部门,“公司毕竟不是他家的”。
- Jaggie提醒,这不是个体能力的判决。创业与在Meta推动创新有不同的条件和person cost;两边都有成本,只是可用条件与行动边界不同。
- 即使年轻的Notion,创始人想彻底重做AI-native工作流,也未必能换掉全部员工。Jaggie提出的假设是重新招人“可能只需要现在30%的人”,但现实无法这样启动:老公司身上有包袱,没办法从零开始轻装上阵。
16. 品牌与效果的区别,要回到消费者决策链理解
- 按Jaggie的估计,Meta在北美大部分是效果广告,品牌广告占比不到10%;TikTok北美仍有相当部分品牌广告。可以把后者解释为变现效率不足,但这首先是平台视角,不是广告主全部需求。
- 从消费者看,链路依次包含awareness、appeal或interest、ask或evaluation、conversion,以及使用后的advocate。不同公司命名不同,核心都是从知道、感兴趣、认真评估,到行动和推荐。
- 越靠前越难衡量,越靠近转化越容易衡量,但难测量不代表没有作用。Jaggie强调,广告主手里本来就有不同阶段的预算,不能因为最后一步容易归因,就认为前面的阶段消失了。
17. 同一支眉笔,也可能对应两种完全不同的购买任务
- 床垫和汽车说明了trigger的重要性:知道产品很好,不搬家、不换车,也可能迟迟不转化。品类的频率、客单价和决策周期,会影响广告从曝光到成交需要多久。
- 眉笔则可以是逛丝芙兰、刷抖音时被种草的impulsive purchase,也可以是长期使用后的计划性补货。Jaggie让Muse下单补货时,不需要discovery或inspiration,只需要把已知需求完成。
- 抖音中国、小红书因此把种草与效率转化产品分得很细,并使用不同measurement。Jaggie认为,广告产品设计应对应决策阶段与任务,而不是把所有需求压成同一套转化指标。
18. Last Touch兴起后,品牌测量并没有失效
- 宝洁早年的awareness测量是抽样:广告投一个月,随机询问多少人听说新品、记住卖点,再结合消费者行为评估。Jaggie说,品牌也会用统计方法衡量。
- MMM回答的也是实际预算问题:假设花5,000万美元,分别投抖音、淘宝、线下商超和户外广告,各自贡献多少?这些方法如今又被重视,问题从来不是只看最后一跳。
- 约2012年以后,更多预算流向可测量的paid social和搜索广告,追踪下单前最后触点的公司得到发展。但“能追踪上一步”没有让此前的consumer journey消失。
- 中国较容易把上游种草与下游交易接起来,因为行为集中在少数平台。美国Meta基本不替广告主解决“种草效果应该值多少钱”,复杂、多渠道广告主便需要额外的measurement服务。
19. 美国广告系统的一部分壁垒,是难以重建的历史Signal
- 美国购买行为比中国分散:转化可能在Shopify,也可能在Safeway等线下店。即使只衡量purchase,不讨论品牌效果,也要获取、治理和校准多种数据,不能只搞定几家平台。
- Jaggie提醒,隐私规则及iPhone相关变化,使一些以前能取得的数据后来难以继续取得。Google、Meta已经积累多年的历史profile,新玩家如TikTok或ChatGPT,没有用户过去10年的数据。
- 因此,广告壁垒不只是推荐模型。关于用户的历史signal、数据合作和measurement方法论,同样决定转化效率;Jaggie把其中一部分称为“垄断资源”,强调它们不会自动重新出现。
20. OpenAI能否成为广告巨头,先看时长、意图与变现效率
- 对OpenAI、Anthropic的前景,Jaggie沿用“掌握多少用户数据、时间和意图深度”的框架。Google搜索时长不如用户刷Instagram长,但意图强、转化效率高,广告收入并不因此差一个数量级。
- 两年前有人问Jaggie对ChatGPT的看法时,她曾期待它做出更多consumer乃至媒体产品,获取更多用户时长;但相关尝试还没有做出来,因此不愿提前断言终局。她也认为,若现有消费者业务盘子维持,它不可能完全没有广告收入。
- 关于Meta,Jaggie给出明确条件判断:若Muse Consumer与ChatGPT Consumer拥有同样时长、深度、DAU,Meta凭IG、Threads及其他signal,“我的变现效率依然比你高”。
- Raymond的保留是“I'm not too sure about that”。Jaggie进一步限定,这只是静态看既有消费者场景的广告变现;若讨论免费、收费产品及整个公司的商业模式,就是另一个故事。
21. 豆包已经进入了高信任、贴近日常的场景
- Raymond讲上海就医的亲历:挂了1,200元专家号,对判断提出一点质疑,医生回应可以“自己上豆包查”。吸引主持人的不只是使用频率,而是AI已进入用户信任度高、消费决策重要的环节。
- Raymond也讲了自己在美国看医护人员时的经历:他把不太相信的说法拿去问ChatGPT,再把答案截图给对方看,认为这帮他避免了一次误诊。
- 更生活化的例子是,有家长打开摄像头,让豆包陪孩子剥毛豆、聊天。Raymond认为,群众会想出各种带娃和日常用途;Jaggie说自己没经历过这个应用。
22. 豆包的账,应当放进集团的整体变现效率里算
- 对医疗等场景能走多远,Jaggie首先想到上一代百度医疗广告的争议:限度、道德底线在哪里,是公司的选择。她同时说明,自己已没有国内最新变现数字的一手信息,只讨论大逻辑。
- 商业计算是维持DAU、query量与深度需要多少钱,其他地方能否补回来。“变现不一定要靠豆包来”,可以用它收signal,让抖音、今日头条广告更高效,与此前讨论Meta的逻辑相同。
- Raymond把极端情况比作摩拜之于美团,成为获客、激活的成本中心;Jaggie明确反驳,这有本质差别。“获客只是为了导流”,而用户数据是飞轮本身的一部分,会持续增强平台对用户的了解。
- 中美成本也不能直接照搬:机器价格可能逐渐靠拢,电价却不同。最后仍是每个consumer query背后的成本,与它能帮助公司产生多少收入之间的账。
23. Memory的壁垒,需要通过真实体验兑现
- 理论上,聊30天之后,AI应该更了解用户,能更好地倾听、解决问题和完成服务。Jaggie用“我换秘书是有成本的”解释memory的价值:旧关系积累的信息应当构成迁移成本。
- 但Jaggie原本是ChatGPT的忠实consumer用户,试过新产品仍会回来,最近却切到Muse。原因不是品牌归属,而是完成任务出现“质的差别”,例如已知眼线笔的补货。
- Jaggie在ChatGPT里积累的对话还不足以让她感到产品因为记得历史而更懂她。她提到腰不舒服时,thread里还聊了其他五件事,腰带和普拉提视频等信息后来很难找回;thread搜索仍像老式text match,新对话也不能顺利调用此前细节。
- Jaggie承认这种差距可能变化,但速度重要:若6个月还不变,“我可能就流失了”。历史memory理论上可以产生更大的体验优势,目前可感知的增益还不够大。
24. Memory能否迁移,是Raymond对护城河的核心反问
- Raymond认为,新应用会想办法取得旧应用的memory、context和skills,memory也会有更好的导出方式;他以自己在Codex与Claude Code之间备份资料为例。
- Raymond还提出,memory未必都能以用户看得懂的文字表达;有些东西可能不可解释。Jaggie回应“对”,随后谈到Google对用户信任的珍惜。
- Raymond进一步指出,Muse、Instinct大量上下文来自Gmail等第三方,而非自身生成的数据。若in-app互动没有形成足够独有的memory,壁垒仍薄;Google、Apple既能做同类服务,是否也能限制第三方取得这些数据?
25. 大公司的数据优势,与信任和组织速度纠缠在一起
- Raymond说自己在美国才听说,有些人宁愿相信Instinct也不愿相信Zuckerberg。Jaggie补充,也存在反过来的情况:对不熟悉硅谷公司和投资人的普通suburban mom来说,Meta这个熟悉的名字可能更容易获得信任。
- 各平台也可能擅长不同任务。Raymond举例说,买眼线笔时可以看Instagram上什么流行;Google则有地图、Gmail、Drive及open web等优势。Jaggie回应,各家擅长的任务可能不同。
- 对Google为何没更快推进,Jaggie提出一种解释:它珍惜用户信任,不敢轻易造次,也知道自己有后发条件。数据底子厚不等于一定最快推出产品,组织决心仍影响结果。
26. 购物入口之争,会不断出现合作与封锁
- Raymond提到,Meta谈购物广告或commission变现后,Amazon、Walmart封禁Muse的报道。Jaggie把这种反应放在平台博弈中理解:大家都想成为入口,大平台更不愿成为别人的附属品。
- 但有零售库存,不等于自动拥有最佳购物助理。眼线笔最低价、最新库存可能在独立站或Sephora,未必在Amazon;若只服务自家商品,用户需求不一定得到最好满足。
- Amazon也在尝试突破inventory限制。按Jaggie介绍,用户搜到Amazon没有一方或三方库存的商品时,Amazon可以找到独立站,并把用户点出去作为一种广告产品;广告业务不一定必须被自己的catalog限制。
- 因此,各家平台都会尝试新合作和新产品。Jaggie指出,大公司有自己的考量,不想成为别人的附属品;中国也有类似的竞争关系。
27. 硅谷对中国产品的态度,已经被结果改变
- Jaggie回忆2017—2018年到斯坦福时,刚收购Musical.ly的TikTok还很小,Musical.ly可能只有500万DAU;同学不理解,甚至觉得是“scam Chinese company”。Meta内部虽有人推动Lasso,上层对中国短视频仍相当轻视。
- TikTok后来的成功改变了这种心态,Manus等产品又继续提供结果。Jaggie认为,不能把美国基金减少中国配置,直接等同于创业者、科技公司不再关心中国:学习产品与直接投资是不同问题。
- 关注范围也从Shein、拼多多、天猫扩展到短剧、直播与直播电商。过去少数华裔投资人在内部倡导会被质疑,如今更多人知道这些模式已经做大,姿态也更像学习,而非认定自己天然领先。
28. 对华学习还包括能源、制造与机器人
- Jaggie把另一条关注线放在中美竞争与科技结合处:供应链、芯片、核电站、能源价格。即使只讨论把制造业搬回美国,也绕不开中国已有能力,以及深圳的硬件、机器人生态。
- Jaggie提到智谱、DeepSeek、Kimi、MiniMax等中国公司开始受到关注;新一代团队也更主动做PR、marketing和go-to-market,让外界知道产品。市场不可能只限于中国。
- 对自己的长期兴趣,Jaggie最后把广告放回consumer的延伸位置:更兴奋的是新的人与“硅基”的交互、消费者行为如何变化。“现在才刚刚开始”,真正的新广告形态也要从这里长出来。
Full transcript
即使最后 Muse Consumer 和 ChatGPT Consumer 有一样的时长、一样的深度、一样的 DAU,我的变现效率依然比你高。你把推荐作为一个 Feature 还是作为一个产品是不一样的。前端用户和机器的交界面的形态每次发生变化,你能收集到的数据本身也不一样。一个贴心的助理和一个比较八卦的助理之间只有一线之隔。变现不一定要靠豆包来,你完全可以靠豆包收集用户 signal,让抖音广告或者其他地方的今日头条广告变得更高效。上一代 AI 公司也会说可以做这个做那个,但你身上的包袱就是包袱,没办法从零开始轻装上阵。
大家好,欢迎大家收听苔藓之火新一期的节目。今天我们邀请的嘉宾非常特别,他是来自 Meta Gen AI 广告的产品负责人。聊到这位嘉宾,我有两个重要角度:第一个是他的人生经历,他从 14 岁在上海读初中时就开始创业,在易趣网卖东西;后来出国读书、创办公司、卖公司,最后成为 Meta 这一波 AI 浪潮中的重要骨干,帮助 Meta 创造 AI 收入。他十几年前就很注重 AI,是 Momenta 的第一个天使投资人,Momenta 最近敲钟,投资获得了几千倍回报。2017 年他加入今日头条,见证字节和抖音从相对较小的公司成长起来,收购 Musical.ly,最后在美国推出 TikTok,成为美国市场最大的流量主之一。今天我们更想通过他的经历,看看 AI 时代广告会发生什么变化:广告主还在不在,广告形态还在不在,新的 benchmark 是什么、怎么投广告。欢迎 Jacky。
谢谢大家,很高兴来到《苔藓之火》。
Jaggie,我想问的第一个问题很简单,跟你的人生经历有关。我觉得很有意思,因为大部分人不会在 14 岁创业。今天在美国硅谷,高中生辍学、大学生辍学去创业已经挺常见了。我最近来硅谷后,还聊过一个博士一年级的学生,9 月刚开学一个月,就想辍学创业。
现在这里的氛围甚至是,如果你在 LinkedIn 上不写自己是哪所大学的辍学生,就不够酷。当然,也有一堆人反对这种风潮。我是正儿八经把大学读完的,现在觉得自己非常老登。你的经历很特别,14 岁在上海读书时就开始在网上卖东西。可以讲讲这段经历吗?
没什么传奇的。后来到了美国才发现,以前在中国做的事情可能没那么常见,主要是年代不一样。其实美国也有 Girl Scouts 之类的活动,大家很早就开始做东西、卖东西了。
1. 少年时代的电商创业
我小时候家里有了电脑,跟很多人一样,99 年、零几年就开始上网,是比较早的一批网民。当时有一些很古早的论坛,比如天涯,各地也有一些社区。我那时在上海,接触到比较早的互联网公司之一就是邵亦波创办的易趣网。
我在上面买东西,主要是把过年的红包攒起来,买些东西,发现网上买比较便宜。我最早是在网上买东西,认识了卖家,跟他聊天,后来发现我也可以卖东西。我记得很清楚,我卖出的第一件商品是一件二手的班尼路连帽衫。
二手的班尼路连帽衫。很有年代感。班尼路现在应该还在吧?
还在,应该还是香港上市公司。我记得是这样。
那我一定要把这段发给邵亦波。
没有没有。我当时发现,自己初中的时候认识了一些网友。在上海,网友还会线下见面、聚会,有人当版主。我就是通过这些网友知道了电商这回事,先在网上买东西,后来自己也尝试卖东西。
现在回头看,当时还克服了一些困难。那是 2004、2005 年左右,手机还不能拍照,数码相机也没那么普及。我记得那时需要借相机,把照片拍下来,再用存储卡传到电脑里,连上宽带上传。对一个学生来说,这些事情还挺酷的。
我卖的第一件二手衣服,买来是 39 块,后来 29 块卖出去了。我发现真的能卖掉。后来有个暑假,我就去上海七浦路进货,开始卖新衣服。那时候淘宝还没有免费,上传商品要钱,推广、把商品置顶也要钱,好像是一条 1 块钱。那其实就是很早的广告形式。
你一个人做吗?从七浦路进货,把衣服扛回家、拍照、上架,卖掉以后还得自己投广告。你还得自己当模特。
对,那时候我一个人做。我也认识一堆网友朋友,不过主要还是自己来。广告形式倒是比较简单,主要麻烦的是支付和物流都不发达。
当时工商银行、招商银行比较早有网银,所以得自己琢磨怎么弄网银。物流基本上只有中国邮政,但也有很多同城交易。我看到卖家站站停送货,就跟着学;有时骑自行车送货,自己送。
站站停送货,是坐地铁到一个站,对方也到那个站,在闸机口交货?
对,双方就在闸机口认人、交货,不出站,也不用买票。
当时也有一些做得比较大的卖家,会在徐家汇租一个楼里的位置。现在看,那就是更早的 O2O:你可以到线下试衣服、买衣服,但他不用租街边门面,只租一间公寓楼里的位置当试衣间。
有点像现在写字楼里的前置仓、美甲店、按摩店。不是街边店,而是靠点评或者其他流量把人带过去。
对。当时我也不知道这叫什么,但看到各种各样的模式,觉得挺有意思。
总结一下,你中学时的特点就是喜欢接触新事物,不太怕技术,愿意克服困难,也比较外向,愿意交朋友、学新东西,而且对商业比较敏感。
过奖了。班主任都不知道我在做这些事情。当时还是得好好学习,那个年代的氛围没有现在这么开放。美国的 Girl Scouts 会卖饼干,或者做柠檬水摊;以前也有人在家门口卖柠檬水。但我做网店,涉及物流、支付,比那些模式复杂很多。我就是觉得好玩。
然后快进到 2015 年,你又做了一个杂货、食品配送的项目。当时为什么做这个?
其实我在网上卖东西卖得挺开心,也挺幸运。高中时我们有一门比较特别的课,不太应试,会请微软或者外企的人来给高中生讲基础商业知识。我记得特别清楚,有一部分是讲 marketing。
你高中就学这个?你读的是哪所学校?
上海市西中学,在静安区。后来我到了美国,才知道当时给我们上课的可能是一个很早的 NGO,叫 Junior Achievement,简称 JA。它的使命是给从小学到大学的青少年普及商业教育。
他们会讲 marketing 理论,也让我们用电脑和软件做模拟,比如进多少货、定什么价格,再比赛哪家公司赚得更多。作为一个孩子,我发现不只是能靠小打小闹赚点钱,还有一套理论可以指导这些事情,就很感兴趣。
毕业后我去了宝洁,毕竟那时宝洁是消费品行业的黄埔军校。我大概在 2013、2014 年离开。你刚才问我为什么做食品配送,我先讲讲背景:2015 年左右,我想探索用 chatbot,也就是现在这种对话流,做一个生活服务助理。它可以在微信或手机里,通过对话帮你点外卖、订鲜花。
我本来就对 consumer 感兴趣,从大公司出来后也一直想创业。在探索这个方向之前,我还加入过几位 Stanford 学长的公司,跟他们一起创业。那是一家做二手车的公司,我学到很多,但后来发现自己对车没有那么热情。创业很难,从大公司出来跟着大家一起创业,确实像掉了一层皮。
当时我学到的一个教训是,创业得找到一件自己感兴趣的事,哪怕不给钱,也愿意做一辈子。当然,我后来做了投资人,也看到硅谷创业者的动机各不相同。但那时候我就在想,自己到底对什么感兴趣。
你对什么感兴趣?
我对人脑如何处理信息比较感兴趣。这也跟后来我为什么做 AI 有关系。当时我在探索、gap 的时候,找北京的一些朋友聊,问这属于什么学科。后来有人给我指路,说认知科学(cognitive science)跟我想的比较相关。
我就看了一些国外的教材。国内当时好像很少听到认知科学这门课,但 Stanford 有一个相关学科,叫 Symbolic Systems。它有不同方向,一支偏神经科学,另一支偏人工智能。
我当时很惊讶,发现从七八十年代就有很多人试着研究大脑,同时造机器人,通过控制机器来学习大脑、做自动化的事情,后来还有深蓝下棋这些例子。我觉得去做神经科学可能有点晚了,还得重新读医学院;但我以前偏数学,就想看看能不能做 AI 相关的事情。
所以你从认知科学转到了人工智能。
对。我开始看硅谷的创业模式。当时有家公司叫 Magic,到今天还在,是做 conversational UI、生活服务的先驱。那时候我会仰望硅谷,看看那里有什么模式。
与此同时,中国的创业圈虽然 O2O 的高峰已经过去,但还没有完全整合。滴滴和快的还没合并,外卖、鲜花、咖啡也有好几家。那还是群雄逐鹿的时代,不像现在很多领域都收敛到阿里、美团这些公司。
我当时就在想,百度是上一个时代的信息入口,有没有一种更方便、更智能的方式,帮我找到生活服务?但很遗憾,当时的 NLP 还是小模型。我们跟几个朋友一起探索了一下,很快发现所谓的智能助理最后变成了人工客服,智能的部分根本做不了。
那时候也有很多公司做类似的事,包括助理来也。大家一开始都想做面向消费者的新入口,最后发现技术还没到位,就转去做金融客服等 to B 业务,大概就是这么回事。
我总结一下。你大学毕业后先去了宝洁,一方面对 consumer products 感兴趣,另一方面对每个人日常生活中的行为变化感兴趣。不是那种很大的决策,而是每天会不会点外卖、什么时候点、为什么点,以及整个流程怎么运作。
后来你想把这些问题提炼出来,用当时的 NLP 技术来尝试突破。那时候出门问问也是相关公司。
对,我跟出门问问当时也挺熟。那时候你从认知科学转到 AI,能看到技术的发展。2012 年 AlexNet 出来以后,CNN、RNN 这一波有挺大突破,尤其是语音。出门问问最早也是从语音起家,做语音助手。
NLP 也有一些进展,不完全是上一代的 NLP,机器翻译等环节也用上了 deep learning。我记得出门问问也做 chatbot,我们还讨论过怎么做。当时的核心想法是,能不能有一个比单轮搜索 query 更智能的入口,帮你找到生活服务、比价、探索,最后把外卖真的点好。
我们当时学习的 Magic 模式,不只是告诉你去哪个网站点咖啡,而是把整个闭环做完。你给一个号码发短信,说帮我点杯咖啡;它再问你要星巴克还是 Peet’s,要拿铁还是卡布奇诺;通过多轮对话收集信息,再把订单派给服务商,最后把咖啡送到家。这个 mission 跟今天很多 agent 非常相似。
那时有 context 的概念吗?比如我第一次下单,告诉它每天早上 9 点喜欢喝星巴克热美式,不加糖、不加奶;第二次下单时,它能记住这个 preference 吗?
有上下文管理的问题,但当时会用一些 rule-based、heuristic 的方法把偏好记下来。创业公司做某个垂直领域,通常会用这些方法管理整个对话。
我记得微软当时出了一个产品,大家叫它小冰,尝试用新的方法做陪你聊天的产品,但它解决不了垂直领域的问题。它可以陪你闲聊,聊着聊着就没边了,也没太多逻辑。早期也有一些陪伴需求。
我想说的是,需求没有变过,变化很大的是技术。
对,需求没变,技术发生了很大的变革。我们等会儿聊 Muse 和 ChatGPT 的时候再回来讨论这些 bot 的发展。你 2015 年亲自创业做这个 bot,后来发现做不动,就没继续了。
然后差不多同一时间,你又给曹旭东和 Momenta 写了一张很大的支票。当时你代表蓝湖资本做了这笔投资。最近 Momenta 上市,你也被邀请站在第一排,和创始人一起分享这份荣誉。我觉得很有意思:十几年前你就很重仓 AI,而且在人和事的判断上都很成功,投资有几千倍回报。你当时是怎么判断的?
我不想过度强调自己的判断有多正确。我只是很自然地对这个方向感兴趣。Magic 这个方向我们做不出来,也就是几个朋友一起探索,并没有正儿八经创业。我当时还在想要不要创业、要不要做投资。
助理这个方向没做出来以后,我还是对一个更大的主题感兴趣:怎么让人脑少做一些没用的事情,更容易找到想要的信息。我当时想,要不就做投资,看看其他聪明的创业者和 AI 研究员在做什么;我也不是一定要长期做投资,但那是一个了解应用和领域的好角度。
大概 2015 年底,AlphaGo 出来了,我觉得行业又有一波新的创业公司出现。我们当时做的事情挺朴素,就是把核心技术突破和应用场景列出来。上一代 RNN 的东西,在 ASR、CV、NLP 上分别有什么进展?金融、医疗、无人驾驶等行业有哪些潜在的 use case?
那时候创业者还没那么多,我们甚至会去梳理学者和研究员,看看他们发表过什么论文,再去跟他们聊有没有兴趣创业。或者已经想创业的人,我们也可以从商业角度帮忙。当时无人驾驶是一个关注的方向。我们比较幸运,在很早的时候遇到了旭东和他的团队。
当时更火的是“四小龙”,就是商汤、旷视、依图、云从这些公司。我那时候在帮商汤融资,印象很深。唐晓鸥、徐冰、徐立都是很先锋的人物,那些公司主要偏图像方向。中国很多 to B、to G 的场景,图像应用更多,安防和金融也有预算。
我记得李开复当时有个很火的观点,说以后不会再有病理学家看片子。AI 看病理图像也是当时很多公司的方向。
对,刚好踩到了一个大的技术浪潮。但那一波公司也很不容易。做得越久,敬畏之心越高。当时四小龙里我认识好几家,团队都很好,像依图也很有理想,希望最终能做中国自己的 DeepMind。
但商业模式飞轮不是所有人都能很幸运地建立起来。做 to B 或 to G,可能没那么快就能踩中像今日头条这样的现金流和商业模式飞轮,变现会比较难。
早期投资很多时候还是看团队。我们遇到旭东,觉得团队很好,商汤也探索过无人驾驶。商汤不是一家纯安防公司,它是以 computer vision 技术为核心的公司,可以拿技术去找场景。很多掌握核心技术的团队都是这样。
但这里也有创新者窘境。即使是一家初创公司,走到 B 轮、C 轮以后,如果安防是主力业务,无人驾驶可能也不会是第一优先级,你就没有那么自由地探索。你问 Jeff Ding 为什么不继续在 Google 做自己感兴趣的方向、而要出来创业?这里面有很多相似之处。站在做事的人的角度,如果我就是想把这件事做成,那就去找适合的环境。
这很有意思。过去 10 年,有很多 AI 公司,比如商汤、四小龙,还有 NLP 那一代的公司,都没有找到很好的商业模式。
我觉得真正找到商业模式的代表人物有两个,一个是张一鸣。很多人把 AI 窄化成深蓝、AlphaGo 或 AlphaFold,但推荐引擎是当时很明确的落地场景,只是很多人没理解。你自己创业的前三轮,投资人都不太理解这个东西,觉得你跟新浪新闻客户端、内涵段子没区别。
这里有个很大的误判。梁文锋也提到过,量化基金可能是过去十年 AI 最重要的应用。如果把 AI 公司泛化来看,大量化基金可能是过去十年收入最高的一批 AI 应用。它从第一代 AI 最好的场景,很自然地转到了第二代 AI 的场景。第二代的最佳场景我们还不知道,但目前 DeepSeek 看起来很好。
那时候美国除了 Magic,还有什么有意思的事情吗?
我们后来也看了一些美国的公司。中国当年还是 consumer 的时代,SaaS 也是后来才发展起来的。美国也有一些做得不错的公司,包括在安防、国防领域做 computer vision 的公司。我觉得两边有些相似。
大家也在探索 AI 是作为 software 卖出去,还是用 AI 来 enable 一个 business。比如 AI 看医疗影像,到底是把软件卖给医院——但医院没什么预算;还是自己开一个影像中心,用 AI 降低成本?这样看财报,你的本质可能是一家影像中心,而不是软件公司。
这些思考中国有,美国也一样。但我觉得当时 AI 在全社会引起的关注,远远不如这一次。这一次大家都很激动。
你说的“这一次”怎么定义?从 GPT-3.5 开始吗?
我觉得甚至可以更早。每个人对这件事的切入点不一样。我记得很长一段时间里,直到 2017 年,大家还在讨论生成式神经网络。Gen AI 这个词我记得很早就出现了。
我做 AI 创新方向的时候,抖音有很多特效,美图秀秀也很早就有人脸识别、给人涂口红之类的东西。当时也会用到生成式 AI,但我觉得真正的变化是从我自己的经历来看:从用上一代 NLP 做 chatbot 的对话管理、上下文管理,到现在的大模型,语言问题终于可以用 learning 的方法来解决了。
我记得 2017、2018 年美国已经有很多讨论,大家在想怎么把 semantic 的东西和 learning 结合起来。我觉得这解锁了很多场景和潜力。
是的。你刚才说推荐系统,我觉得很有意思。你当时怎么看美国的公司?
我那时不在 Meta。我觉得今日头条可能是当时最典型的 AI consumer 公司,而我自己对 consumer 场景更有热情,所以 2016、2017 年加入了他们。
我当时觉得张一鸣的 vision 很特别。他写过很多公众号文章,讲 collective intelligence,我读了很多,也特别想去这家公司。美国看起来商业模式相似的公司可能是 Meta,他们也做搜索、广告、推荐,但它毕竟不是一家以推荐为核心起家的公司。它原来是一个 social media 平台,后来技术发展了,才开始用推荐。
这里有个区别:技术是核心,还是 media platform 是核心?我加入字节之前,在蓝湖跟高瓴一起看过今日头条。当时 C 轮也有机会投,但我们没有投。大家有不同层次的误判:一层是看不到新浪和今日头条的区别;另一层是看到了区别,但觉得它的壁垒不深。大家觉得技术很厉害,却没看到数据飞轮、变现、内容供给和需求能连在一起,形成很大的先发优势。这件事当时在美国也没有被特别清晰地理解。
是的。你把推荐作为一个 feature,还是作为一个产品,是不一样的。今日头条从内涵段子开始,产品本身就是推荐引擎,是一个分发各种内容的引擎。今日头条、内涵段子、抖音、西瓜、火山,看起来像不同产品,只是包了不同的皮肤,核心都是推荐。
Meta 做的事情更像是从 timeline 变成 feed,是一个 feature 上的提升,不是底层技术的迭代,也不是 paradigm shift。大家最后做出来的产品可能有相似之处,但创始人的出发点不一样。
张一鸣当时的想法是,把不同的场景和不同的 medium——文字、图片、长视频、短视频、中视频,甚至教育和电商内容——都放到同一套分发逻辑里,帮你找到想要的信息。公司的早期 slogan 是“连接人和信息”。更朴素地说,就是在移动时代,怎么让人不用花很多精力表达自己的 intent,也能找到信息。
我记得我们还共同觉得教育是一个可以用推荐的地方。我们小时候做了很多没用的作业,为什么不能根据考试题目给我推作业?因材施教,这是很早的想法。后来也有一起作业这样的创业公司。
对。回头看,如果“一起作业”今天出现在我面前,我可能还是会投。但公司的形成不是发生在真空环境里。理念、技术、商业模式都重要,哪怕这些条件都具备,也还会有很多其他因素。
我们退一步看,你的人生经历了很多范式变化。从地铁站闸机口交货的时代,到 PC 互联网、诺基亚手机和 PC,再到移动互联网、淘宝、Facebook、腾讯,然后是推荐引擎带来的时代,从内涵段子、今日头条到抖音和 TikTok。
现在内容分发形式又很不一样了。我相信你我都是 GPT 或 Claude Code 的日活用户,甚至一天用很多次。信息获取的核心平台,好像从信息流变成了一个大聊天框。你经历过这么多时代,觉得广告或者内容分发的形态有哪些大变化?
这个问题很大,我先抛一些线头。一个角度是看有多少消费者跟品牌发生了联系,以及他们表达出来的行为和特征有多少被数字化了。“数字化”这个词很好,因为你能不能把物理世界、analog 的东西变成字节,这是第一步。
以前无论是户外大屏广告还是电视广告,都没办法把所有人的反馈完整收集起来,所以测量有问题,投放也有问题。引擎对你的信息知道得越多,通常就越有帮助。这也可以从产品角度看:我怎么收集数据、收集用户 signal?
一个层面是,过去很多行为一直存在,但以前 capture 不到,现在有更多东西可以被闭环收集。另一个层面是,你表达的形态是什么。最早可能是浏览网页,后来有搜索框,可以问问题;移动端来了以后,搜索和浏览都不一定符合直觉,屏幕也小,所以平台开始给你推内容。
推荐系统收集到的特征也不一样。比如你在视频上停留几秒、在哪里停下来、有没有点赞,左滑、右滑、上滑、下滑,都是你表达喜欢或不喜欢的方式。这些特征很明确。以前你在 Google 看 10 个网页,我不一定知道你到底想点哪个,也不知道另外 9 个是怎么选出来的。
前端用户和机器的交界面,每次发生变化,你能收集到的数据本身也不一样。
对。那天我跟一位老同事聊,如果我是推荐系统,抖音的垂直视频流、小红书的单列或双列,甚至 Instagram 以前那个九宫格视频页,用户交互带来的信息都不一样。
假设是九宫格,我能知道你看了整个九宫格多久、点了哪一个,但不知道另外 8 个里你更不喜欢哪个。如果是垂直视频流,你刷了 9 个,我就能清晰地知道每个视频你停留了多久。所以你在 user-content pair 上给我的 signal 是不一样的。
这也是为什么现在对话流看起来一开始跟搜索框很像。用户通过主动的语言表达意图,这一点很像。但对话可以多轮,用户表达的东西也不一样。
比如我之前看到有人做 agentic commerce。我们在想 Muse 或者相关产品的电商潜力时,可能会看 query:我要买运动手表,Whoop 和 Apple Watch 哪个好?这很像传统搜索。但也有很多情况不是这样。前两天我腰又伤了,跟 ChatGPT 说我腰伤了。我的起点不是“给我推荐一个腰部产品”,而是腰伤这件事本身。
整个对话里,我可能会说 4 件事:帮我给保险公司写封信,帮我给医生写封信,找几个练腰的视频,最后又问腰带产品哪个好、在哪个平台买。这种结构不一样。
我明白。前面十几年,从 PC 到移动互联网,再到 TikTok,数据不断变深、变多维、变具体,有些是技术迭代带来的,有些是产品交互带来的。平台越来越了解你。
进入 chatbot 和大模型之后,发生了代际跃升。以前可能是 Google 的单个 query,即使已经很具体,也很难表达你为什么问这个问题、为什么需要腰带。现在你可以把这些背景说出来。
也就是说,用户特征从少到多,表达形态也变了。搜索时代,主要通过语言表达;抖音时代,更多是行为特征,比如点赞、观看时长。现在又回到语言表达,但它结合了行为特征,而且是多轮的。对话不只是你说什么,也取决于 AI 问了你什么。
对,而且不能完全用原来的范式来思考。理论上,用户体验上应该是更了解你了,而且这种了解可能非常 intimate,甚至有点侵入性。
我本来想用 “invasive” 这个词,但它听起来有点负面。我们会说想保护隐私,觉得这种东西太侵入;但也可以换个角度,如果一个系统有很好的 memory,真的了解我,帮我找到了喜欢的手表,这不只是对广告主有利,对消费者也有帮助。
我收回“侵入性”这个词,我想描述的是:一个贴心的助理和一个比较八卦的助理,只有一线之隔。
这个比喻很好。因为现在的形态可以把它比喻成人和人的关系。假设 AI 是一个人,它是个八卦的人,还是一个很有边界感的人?另外,我是不是喜欢分享?有些人什么都愿意说,有些人比较内敛,很多事情藏在心里,不一定会跟 AI 说。
这里面也要看你能不能打开我。就像好朋友一样,你要知道怎么让我愿意讲。这件事情确实值得关注。我不是说侵入性一定是正面的,也不应该只从广告和消费者买东西的角度看。
2024 年,或者是 2025 年初,我记得 ChatGPT 有一个版本,刚放出来又被召回。大家发现模型的一些行为会让人产生依恋。很多时候,从精英的角度看会觉得这很 righteous,但你可以想象,美国有些普通人第一次感受到一个模型非常 warm、非常 encouraging,就可能在某种程度上爱上 AI,或者对它产生很强的 attachment。这件事的社会意义需要被关注,是另一个话题。
所以有些用户可能在原生家庭里比较缺爱,模型又特别会给人正向的鼓励和情绪支持。
对。比如东亚家长总觉得小孩做得还不够好。就算孩子已经长大了,父母还是会觉得他可以做得更好。
好好好,我觉得很多父母都会这样。现在我也拿 GPT 当心理医生。
很多人确实会这样。Stanford 有个心理学教授做过一项 33 万人的统计。我记得样本里有 20% 的美国人用 ChatGPT 或相关产品。当时排第二的是 Snapchat 的 AI。大家会用它做泛心理类的 query,比如 venting,吐槽、发泄。
我身边也有朋友这样。有时候我跟他们聊天前,他们会说:“我找你聊聊之前,已经跟 GPT 说了好几遍。”有些人先找 AI,再去麻烦人类。我也会有点嫉妒:大家先找 ChatGPT,不先找朋友。
我多少也会这样。很多人不想让另一个人觉得自己是 complainer,但可能只是想把事情说一说、聊一聊,talk through 一下。
那我们回到广告场景。用户信息收集肯定发生了变化,更多维、更具体、更 personal,也更 intimate。场景上会有什么变化?
大家现在已经看到,对话流里肯定有很多可以做广告的场景。至于怎么把握用户边界,是另一个问题。
比如 Muse 的第二个 tab,会给你推荐一些 topic、一些 idea。如果你最近一直在问买东西的问题,它自然推荐的内容可能会带有比价信息。虽然那不一定是广告,这又回到广告怎么定义。
一种定义是,广告主付钱来换取用户转化。按这个定义,硬广和软广都可能是广告。从中国的视角看,软广已经存在了:用户本来就会去网上找某个玩具、某支眼线笔的比价信息。现在这些内容也可能由 AI 提供,但还没有向广告主收费。
这有点像小红书铺 KOC 的稿,只不过现在是 AI 给你铺。
对。大家已经知道对话流里肯定能有广告。回答可能会影响你的决策;如果影响了你的决策,而且收了广告主的钱,这就是一种广告场景。至于什么是客观、什么是主观、要不要标明是广告,这些都还需要讨论。
还有一种情况,不是在当前这段对话里直接影响你,而是因为我跟你聊过,系统在别的地方给你一些你愿意看的内容或 artifact,并且为此收费,这也是广告。
甚至我收集到的信息,也可以用在现有的广告 format 和 placement 上。
这里可以分成几类。先说广告效率,可能原来 CTR 是 3,现在变成 5,因为技术和场景都变了。第二是广告的位置和形式。
目前 GPT 或者大部分产品还是偏链接型。比如我问哪一种减肥药减肥最快,它可能给我一个链接,链接到某种药,这是一种推荐形式,按 CTR 收费。
第三种形态目前还没那么显性:我问模型一个客观问题,比如哪种车最安全,模型的回答本身可能变成广告位。但这方面还没有往前走很深。
我们认为模型应该客观,但广告主会想办法把这种客观性掰成主观,变成自己想要的样子。这里面有很大程度的问题。
对,我觉得大家已经在做前面那种形式了。很多公司在做 GEO,也就是 generative engine optimization。你如果一定要对标搜索广告,SEM 是花钱,而且消费者知道这是广告;SEO 则是在隐性地影响消费者。这是大家用以前的 mental model 已经看得到的东西。
但可能还会有新的形态。一个是,用户出现新的交互动作时,就会有新的广告机会。
你看了很多初创公司,也做天使投资。有没有什么新的例子?假设张一鸣、马云在听,想给自己创造第二曲线,开发一种新的广告形式,有没有美国这边特别厉害的例子?
我觉得现在还没有特别成熟的例子,因为广告形态一定是基于 consumer 产品本身的交互形态产生的。先要有一个新的场景,有 attention spend,然后才会考虑怎么变现。
如果场景没变,用户还是在刷 Instagram,或者跟 ChatGPT、Muse 聊天,那就要想怎么在这些 surface、format 里设计广告。但更新的机会,可能是 consumer 产品的交互形态本身发生变化,广告形式才跟着变。
我举一个例子,但它本身不一定特别 inspirational。过去 10 到 12 个月,有一波创业热点。Andrew Chen 写过一篇文章,讲 app 和 content 的边界在变窄。以前 content 只能看,app 可以操作;现在有些东西既能看,也能玩,比如小游戏。
当时有一波创业公司,做的产品有点像抖音,但每滑一条都是一个可以交互的内容。一开始有些是娱乐场景,像小游戏;也有人把信息效率放进去,比如帮你规划去冰岛旅游。
Meta 收购过一个叫 Gizmo 的公司,团队来自 Snap,这个模式算比较早的一批。华人在硅谷也有一些创业公司做类似的东西。我以前的同事也做过类似产品。
问题是,消费者不一定会主动想看这种特别的形态。更自然的情况可能是,我本来在刷抖音,刷到的不是一个只能看的 15 秒或 30 秒视频,而是一个可以互动的东西。消费者打开 app 的心智很简单:我想打发时间,看看有什么好看的,不太在乎具体形式。
所以这类创业公司的 retention 一直有问题。但假如这个交互形式成立,它就可能带来新的广告。Snap 探索过一种互动小游戏广告。其实小游戏广告并不新,很多年前 PC 互联网的大品牌也做过小游戏落地页。现在的形式可能是你刷到星巴克,画面里有星星掉下来,或者出现一个万圣节鬼屋,你点几下拿金币,再进行转化。
我们先不谈它的转化效率比原来高还是低,但它是一种新的广告形式。它的产生,正是因为 organic 产品里已经有了小游戏这种交互。只要消费者的原生交互形式继续变化,广告就会跟着变化。
换句话说,现在还没有一个成熟的“AI 时代抖音”或者“AI 时代小红书”,不过也不一定非得有。可能会有一些新的东西,或者不同形式的混合。
比如 Muse 的主 feed,可能是在新的对话流场景里插广告,软广、硬广都可能有。它还有第二个 tab,叫 Some Ideas For You,跟今日头条、抖音那种传统信息流不太一样。
我打开第二个 tab 的心智,跟打开抖音或今日头条不完全一样。介质看起来有点像 feed,里面是文字,但它可能是根据我在第一个 tab 的对话、以及 AI 帮我完成的任务生成的内容。这个好像在上一代互联网里没有太多类似的产品设计。
我觉得 TikTok 的搜索做得很好。你可以说它是一种很自然的新形态。以前我在看大量短视频,现在搜完以后,能看到不同的 artifact:一段文字总结、相关视频,也有相关电商产品。
比如我搜“高蛋白 meal prep,一次做一周的饭”,既能看到内容总结和原始视频,也能看到相关商品。未来可能还有更多想象空间。
TikTok 搜索不是最早的主线产品。大概 2019、2020 年就开始做了,现在已经做得比较好。Instagram 的搜索体验还远远不如 TikTok 或抖音。
所以,如果我是 Instagram,我会想:我有这么多内容,也有一个搜索框,在 agentic 时代能不能做出新的东西?这里面也有新机会。
甚至可以专门为 Zuckerberg 做个创业项目,然后让他把公司收购了。
你们在收购上挺成功的,总能找到合适的公司,对市值也有很大影响。
刚才聊了很多产品形态,我觉得很有意思。接下来广告的范式肯定还会有很多变化。但前面说的有些东西还只是开脑洞,广告主不一定知道。
我想聊聊广告主。你的经历很特别,因为你在广告主那边待过。很多人没有在甲方待过,一辈子都在 Meta 这种乙方公司工作。你觉得你以前在宝洁的那些老领导,在 AI 时代是什么状态?他们理解这些东西吗?如果把这期播客发给他们,他们能听懂多少?他们会怎么想广告这件事?
你问的是跨国消费品牌,还是也包括国内的新品牌?
主要是大预算的人。国内一些新品牌做得很好,创业者都很年轻,在抖音时代成长起来,也很理解淘品牌、抖品牌和 GEO,但他们的预算比较小。我想问的是大预算广告主怎么想。
我看到一些在中国宝洁的同事,或者还在宝洁的同事,其实也比较 forward-looking,知道这些东西。大家都有体感,这一波厉害就在于每个人都是消费者,每天都用豆包。
前两天我正好参加了一个宝洁校友聚会,聊到这些。我可以给你几个 data point,但不能代表整个公司。
第一,疫情期间消费品公司的业务涨得很好,因为大家都待在家里。Meta 的业务也涨得很好,很多公司都大举招人。后来业务掉下来,又要裁员。我们以前觉得这可能只是科技公司的问题,没想到宝洁这么大的公司也会遇到类似问题,因为当时招了很多人。
第二,新领导上来以后,都想 drive 一些变革。但跨行业的认知不是那么容易建立,也需要试错。我听说宝洁最近又裁了很多人。
另外,原来大公司收购 Native 这样的公司,联合利华也收购过 Olly 这样的品牌,都是希望给老公司注入新血,所以会很有意识地让它们保持独立运营,不要被母公司体系影响。
Native 之前几百个人一直在旧金山。这次动荡以后,最近他们要求所有人回辛辛那提;辛辛那提在美国算是比较小的地方。你不回去就可能被裁,结果主力团队都被裁掉或者离开了。我觉得这会有影响。
你是说新公司被大公司的组织体系影响了。
对。宝洁是国内和 Meta 的大广告主,也得拥抱 AI。大公司里肯定会有人想做 AI 项目。我在宝洁的时候做过一个创新项目,要 go digital,给吉列开天猫店,还要用上微信。我相信现在也会有刚入职的管培生想推动 AI,这件事在叙事上也很政治正确,领导也都想 stay relevant、学习新东西。
但他们对 AI 了解多深,是另一个问题。大家都知道要做 AI,包括美国各行各业,但跟最先进的美国 DTC 品牌相比,大公司变化还是没那么快。
他们已经有进步了,比如开始用 AI 工具做素材。但这里也有组织问题。以前中国区的 in-house 团队一般不做素材,也不做投放,广告素材和投放都交给 WPP 这类大型 agency。美国更是这样。
所以认知到底在谁手上?假设我是宝洁 CEO,我想推动 AI,真正懂这些东西的人在哪里?可能不在我的组织里,也不在 WPP 这种供应商内部。
现在除了 AI,还有 creator 这个趋势。大量素材是网红做的,广告不再由传统广告公司制作,而是把网红的内容改编成广告,这是 TikTok 带起来的。怎么找到好的网红,怎么筛选他们的素材做广告,这些能力 WPP 可能没有,企业内部也可能没有。
以前我在宝洁的时候,公司想跟一个复旦的团队合作,需要先经过原有的 agency,再把那家公司作为二级供应商引进来。即使我是一个比较激进的人,想直接找到真正懂这件事的团队,组织上也得克服很多困难。你可以想象,大部分职业经理人推动这些事情时,难度和 friction 会很高,也不一定有判断力找到市场上最懂 AI 的团队。
你说得很有意思。我最近国庆期间带了一些国内老板来这边参观,也帮他们介绍了一些人。我主要是服务 LP,他们更多从投资人的角度思考。
我发现大概有两类人。第一类是创始人本人。他们视野和决断力更强,能调动的工具也更多。他们可以想象自己的公司变成 AI-native 公司以后是什么样:工作流怎么变,沟通工具变成 Slack 以后是什么样。即使暂时做不到,他们也知道做到是什么样子,回国以后也能想象怎么推进。
另一类是大厂高管。即使是中国顶尖互联网公司的很高层、很靠前的人,很多时候还是职业经理人的状态,过不了这个坎。因为公司毕竟不是他自己的,他不能说把三个部门拆掉再合并,也没办法从创始人的角度重新排兵布阵。他更像是一个 internal agency。这个感受我挺深的。
但这不一定是谁的问题。现在我从创业公司到了 Meta,要在一个不同的游戏场里推动创新,条件是不一样的。两边都有自己的 person cost。
就算是 Notion 这样比较新的创业公司,我们也很喜欢它,创始人也很年轻。但假设你想推动 AI-native 的工作流,或者把公司里现有的人全部换掉,重新招一批人,可能只需要现在 30% 的人,你做得到吗?肯定也做不到。
这就是为什么 timing 很重要。很多老公司,包括上一代 AI 公司,也会说自己可以做这个、做那个,但身上有包袱,没办法从零开始轻装上阵。
是的,这也没办法。很多公司会把 AI 业务拆出去,或者创始人自己出来重新做一件事,后面会发生很多变化。
2. 广告衡量进入新阶段
刚才我们聊了 AI 时代的广告场景、广告主和广告形式。接下来我想聊聊广告的衡量标准。广告里最有名的一句话是:“我有 50% 的广告预算浪费了,但我不知道是哪一半。”
刚才说到广告预算有一半被浪费了,那到底是哪一半?过去我们不太清楚该如何衡量广告效果。接下来,在 AI 时代,衡量广告效果这件事会发生什么变化?这可能分成两部分:第一,效果广告;第二,如果我们还是认为广告分品牌广告和效果广告两种形态,那它们还存不存在?如果不存在,那就是另一个问题;如果存在,又该怎么衡量?
我觉得这个问题很有意思。中国市场和美国市场有很多不一样的地方。我觉得衡量,或者说你刚才说的 measurement,最重要的是 signal:广告主得知道这笔钱是怎么花的。从平台的角度来说,我卖广告,也得告诉你这钱花得值不值,所以这是个非常核心的问题。
我先不直接回答,先退回来讲讲你刚才问到的品牌广告和效果广告。今天在北美,Meta 的广告可能大部分还是效果广告,品牌广告占比不到 10%;但 TikTok 仍然有相当一部分品牌广告。不同人有不同看法,有人会觉得 TikTok 的变现效率还不够高,因为品牌广告相对难衡量。这是从互联网的角度,或者说从 Meta、TikTok 的商业模式角度出发的看法。
但如果你从广告主的角度看,或者再往前一步,从消费者的决策链路来看,也就是 path to purchase 或者 decision journey,就会发现消费者都要经历一个过程。不同公司有不同的模型,比如 TikTok 有自己的 5A 模型,但本质上都是几件事:第一是 awareness,我知道有这个产品;第二是我对它感兴趣,也就是 appeal 或 interest;第三是我认真考虑这个产品,会做一些 evaluation、问一些问题。这些 ask、evaluation 和 consideration,在我看来都属于同一层。
最后一步是 conversion,或者说我 act on that,比如下单或者下载 app。使用产品之后,最终可能会成为 advocate。
OK,明白。
这个 framework,我记得零几年时在一些品牌公司和 media agency 实习的时候,就已经见过了。
从这个角度来看,品牌广告越靠近 path to purchase 的前面阶段,就越难衡量;越靠近最后的 conversion,或者从 evaluation 到 conversion 的阶段,就离实际行为越近,也就越好衡量。不过,从不同品类来看,情况又不一样。品类有高频、低频之分,客单价也有高有低,消费决策所需的时间也不同。
比如我今天听说有一款很厉害的床垫,但我没有搬家,也没有触发我购买的理由,我可能一直都不会走到 conversion 这一步。或者我看到了汽车广告,但我现在不换车,整个消费行为本身就需要很长时间。
有些品类偏冲动消费,或者说是感性决策;有些品类的消费行为则是理性决策、提前计划的。比如家里没鸡蛋了,我每周都要买鸡蛋,这就是理性决策。再比如我今天很无聊,看到一支眉笔就买了。买眉笔这件事很有意思,它既可能是 impulsive purchase、没有提前计划,也可能是理性决策:我前两天让 Muse 给我下了两单,一直在用这支眉笔,现在只是要补货。这就是提前计划的理性决策,不需要 discovery,也不需要 inspiration。
但如果我今天没事,跟小姐妹一起逛 Sephora,看到一个新东西,或者在抖音上看到一个东西被种草了,那就是偏感性的消费,随便买买。所以这里面有很多不同的情况。
我觉得一个很有意思的观察是,我看到小红书和中国抖音设计的一些广告产品,会把它们分得很细:有的是种草产品,是 top-funnel 产品;有的是追求转化效率的产品。不同产品会按照 5A 的流程分级,抖音就是一个典型例子,而且每个产品的 measurement 可能也不一样。
OK。
国内的广告主也很关心怎么 measure,他们会要求平台帮忙 measure。这个很有意思。
美国广告主手里也有这几类预算,比如宝洁这样的公司。但任何广告主都希望平台能帮忙衡量 awareness。传统的大广告主,比如宝洁,是有办法衡量 awareness 的,只不过那是通过大样本调查来做的。我记得我在宝洁做的第一件事,我相信他们现在还在做,就是抽样:广告投放一个月以后,随机访问消费者,问有多少人听说过这个新品,有多少人记得它的主要卖点,再结合消费者的行为评估 awareness。
从品牌的角度,我们也会用统计方法。当时比较火、现在又重新流行起来的,是 MMM model,或者说 incrementality。要回答的商业问题是:比如我花了 5,000 万美元投到抖音、淘宝、线下商超和户外广告,不同渠道分别给我带来了多少贡献?
明白。
这个问题很有意思。早期的方法经历过一个阶段,我想讲一下 measurement 的历史。以前的广告预算并不是 80% 到 90% 都投在 Meta、Google 这些平台上。到了大概 2012 年之后,直到现在,相当大一部分预算都在线上了,因为线上广告有一个好处,就是 measurable。Paid social 和搜索广告都非常容易衡量。
当时有不少公司做指纹追踪,也就是 last-touch attribution。很多投资人都会告诉你,广告可以追踪到用户下单之前的最后一步。比如 AppNexus,当时在 2010 年到 2014 年左右,还有不少上市的 ad tech 公司,包括美国的 The Trade Desk,都是做这个的。你可以追踪用户下单之前的最后一步去了哪里,然后衡量这个渠道的价值,这类公司也因此发展起来。
但这不代表更早的消费者决策链路就不存在。中国的天时、地利、人和在于,如果你看消费者从 awareness、appeal、consideration 到 act 的全过程,基本上都掌握在几家大公司手里,所以相对容易闭环。比如买东西,最后可能在抖音电商、淘宝、京东或者拼多多;前面种草的部分,则可能在小红书、抖音、快手或者新浪微博。很早以前,抖音和天猫、阿里就一直有合作。
所以中国比较容易闭环,帮助广告主在一些上游、不太容易衡量的步骤里拿到数据。国内从业者也做了很多探索,想办法把这些东西 measure 出来。
但美国的情况不一样。比如 Meta 基本不做这个事情,它的品牌广告占比很小,也不会重点帮你解决种草效果值多少钱的问题。当然,它有 CPA,也会有 impression、CTR 这样的指标,但这不是收入的大头。所以广告主很多时候要借助创业公司来做这件事。
而且不是所有广告主都有那么多预算,很多人的 80% 预算都在 Meta 上,他们可能不需要太多上游 measurement。真正有这类需求的,比如 SaaS 公司,决策周期很长,需要通过多个渠道做营销。CPG 当然也需要。我说的还是 CPG,不是 DTC。这里面还有一个区别:你是多渠道经营还是单渠道经营。如果是单渠道,也就是全部做电商,可能投 Google、TikTok 就差不多了。但如果是多渠道经营,比如在线下 Safeway 有售点,那广告预算可能还会投到非线上渠道,甚至投超级碗电视广告、线下售点广告。不同广告主在意的事情不一样。
还有一点,是我这几年很有意思的观察。我之前一半时间在中国,一半时间在美国。中国的消费者行为基本上都被大厂捕捉到了,所以收集用户的 signal 非常容易。比如我要转化线索,基本上就是找那几家电商平台。
哦,你是说从广告主的角度看,反正用户就在抖音、小红书这些平台上,已经被覆盖了。
对,或者从上帝视角看,人的很多行为基本都被这几家公司覆盖了。这是一个比较集中的生态。
但在美国,很多转化行为发生在 Shopify,或者线下的 Safeway。尤其是购物行为,最后成交、转化的环节,要比中国分散得多。也就是说,我今天先不说品牌广告,就说最后有多少人转化、购买,有大量购买行为其实分散在不同的数据渠道上。
对。
所以数据治理就变得很重要。广告 signal 和 measurement 团队要去买到这些数据,还要校准数据。这个方法论跟国内不太一样。在国内,搞定几家公司可能就差不多了,再把隐私和法务问题处理好;但在美国,你要想办法买到这些数据,而且过去 15 年里法规变化很多。iPhone 那件事之后,有些数据以前可以买,以后就不能买了,再也买不到了。
你是说 iPhone 上 IDFA 改动的那件事?
对,就是 IDFA 的变化。但如果我是 Google 或 Meta,在变化发生之前就已经开始做广告了,我手里其实已经有这些数据,买你的数据也买了很多年。只是从某一年开始,你的数据我买不到了。但如果我是一个新来的玩家,无论是 TikTok 还是 ChatGPT,我都没有你过去 10 年的数据。所以在一段时间内,我对你的了解程度、我的广告系统对你的了解程度,还是会有比较大的差距。User ID,或者说有历史的 User ID profile,还是很值钱。
所以我觉得,今天美国的一些巨头仍然有一定的垄断资源,因为这些资源不会再有了。
我感觉刚才上了一堂大师课,等我一下,我脑子现在嗡嗡的,讲得太细了。不过讲得非常好。你可能刚好是一个非常特别的人:你曾经在甲方做过,投过广告,在宝洁干过;你自己创业的时候也投过一点小广告,变成了小广告商。
小广告商。
小广告商最会研究这些。
对,如果你在小红书上,还会教大家怎么投。
对,比如 Meta 的一刀流。但如果你是宝洁,反而不一定会这些小门道。
对。
3. AI 公司争夺广告市场
因为你自己创业过,特别省钱,希望 1 分钱花出 10 倍效果,这很不一样。我有很多 follow-up 问题,觉得很有意思。首先我问一个比较暴论的问题:你觉得 Anthropic 和 OpenAI 这样的公司,未来有可能成为很大的广告公司吗?历史上我们已经看到 Google、亚马逊和 Meta 成了美国广告份额绝对的垄断者,它们占了很多广告预算。
这个问题很宏大。
我们博客的口号就是 “Ask the million dollar questions”,所以这个问题是 billion-dollar question。
我觉得还是回到刚才那个思维框架:你能掌握用户更多的数据、用户更多的时间,当然还有用户的意图深度。这些因素可能最后要乘起来,才能体现出你广告收入的规模。
比如 Google 虽然主要做 lower funnel,但从总时长来看,搜索的总时长肯定不如用户看 Instagram 的时长多;不过它的意图很强、转化效率很高。所以你去看广告收入,也不会差一个数量级。
这个框架也适用于回答你刚才的问题。两年前有人问我 ChatGPT,我当时很激动,觉得 ChatGPT 能做出 Muse 现在的东西,甚至还能做出带有媒体形态、能占据用户时长的产品。但它现在还没有做出来,尝试过,也没做出来。所以我很难回答这个问题,也不确定它能不能做到。不过它现在的盘子不小,你说它完全没有广告收入,也不可能。最后还是要看这几家公司怎么跟 Google、Meta 竞争,以及最终会占到多少份额。
对。
我觉得 Meta 还是有非常大的竞争优势。就算把 ChatGPT 里面的 query 分成纯 consumer 和其他场景,把 consumer 部分单独拿出来看,即使 Muse Consumer 和 ChatGPT Consumer 有一样的时长、一样的深度、一样的 DAU,我的变现效率依然比你高,因为我还有 Instagram、Threads 和其他业务。我拿到的用户 signal 比你更深,转化效率也比你高,所以我的广告收入依然比你高。
I'm not too sure about that。
OK,好的。
我懂你的意思。你描述的这个画面是,OpenAI 和 Anthropic 掌握很多用户数据,数据还会不断累积,所以它们可能要花很长时间才会发挥作用。按照前面的推理,它们有可能在 top funnel,或者通过直接转化、CTR,在 bottom funnel 都做得很成功,只是现在还没有做。我觉得这取决于什么?
我觉得这里有一个问题,就是静态地看现有的 eyeballs、DAU、query 和意图,能变现多少。刚才我说的结论是:即使它们在用户端的数据完全平起平坐,跟 Meta 一样,它们的变现效率也可能没有 Meta 高。这是一个观点。
第二个观点是,如果从整体商业模式来看,而不是只看现有场景里的广告变现,那就是另一个故事了。最后做 consumer 产品,可以免费,也可以收费。我知道你也想聊 freemium 模式。免费的产品会消耗 token,最后得算账:一头是用了多少 token,另一头是同样的用户时长或者意图深度能变出多少钱,也就是变现效率有多高。
这是我个人的暴论:我觉得 Meta 还是有非常大的优势。
明白,了解。因为现有消费业务的变现效率比较高,可能远远高于 TikTok。那我们刚好说到 ChatGPT,先往前插一个问题,等一下再聊别的。我们先聊豆包。豆包现在还是个 freemium 模式,大部分人可以随便用,不用付钱;但现在有了工作模式,所以大家可以付点钱来工作。除此之外,大家就随便用。豆包现在在国内是一个非常夸张的应用。
我之前看过一个研究,不知道是不是 urban legend,说可能有四分之一或者五分之一的病人去医院看病时,会把医生说的话拿去跟豆包核对。我上次在上海看了一个病,挂的是一个专家号,1,200 块钱。你可以想象这是个很贵的医生。我当时对医生的判断有一点点非常小的质疑,我只是觉得他说得好像不完全对。医生就回我说:“你可以自己上豆包查。”
你是怎么用的?是把豆包放在实时模式里吗?
不是。其实很多人会问豆包:“我有这些症状,A、B、C、D、E,你建议我怎么治?”豆包会给一些方法和建议,然后他们会拿去跟医生说的对不对,病情和症状是不是一样,开的药是不是一样。这种情况很普遍。
只是我没想到,那天给我看病的医生是个很大的专家号,针对的还是一个特别的病,他也会对我说这句话。当时我有点不高兴。
我觉得这很普遍。
对,但是医生怎么能这么说?我碰到的经历刚好相反,不过那是一年半以前。我去看一个美国的医生,准确说是一个护士。他跟我说了一件事,我不太相信,就把问题拿去问 ChatGPT,再把答案直接截图给他看。
那时候 ChatGPT 还没有这么普及,可能是两年前。我觉得护士还是有点被冒犯了。不过这个做法帮我避免了一次误诊。后来也有挺多人想做垂直 agent,比如专门给消费者用的医疗 agent,但现在这些基本上都归到统一入口里了。消费者不一定会有一个单独的 health app,而是通过一个大的入口用 healthcare 服务。当然 OpenEvidence 这类公司是给医生用的,那又不太一样。
对,是的。
我觉得这种情况在中美都很普遍。不过我看到最厉害的豆包应用还不是这些,而是有人把豆包实时打开,陪一个小孩剥毛豆。家长没空陪他,豆包就陪他。摄像头打开以后,豆包能看到他剥毛豆的动作,同时陪他聊天。这个应用还挺特别的。
我没经历过这个应用。
OK,OK。我觉得群众的智慧就是大家会想出各种好玩的方法,带娃也好,做别的也好,大家都会用。
不过我还是想聊聊豆包做广告的可能性。刚才提到医疗这个场景,如果大家看病时会用豆包,显然说明几件事:第一,用户很信任豆包;第二,在一些非常核心、消费很高的场景里,豆包深入参与了决策;第三,豆包掌握了用户非常多的数据,上下文也非常丰富。
而且这已经不是 top funnel 了。病人在医院问诊时,医生让他去问豆包,它已经到了 bottom funnel,在 5A 的最后一层了。所以我觉得非常有意思。你觉得将来豆包如果做广告,会是什么样的情况?
我对现在国内一些数据,特别是变现效率、具体到数字层面的信息,已经没有一手资料了。
但你刚刚说的这个具体场景,在上一代也出现过。百度卖医疗广告时就被人骂过。所以又回到了边界在哪里、道德底线在哪里的问题。这很多时候是每家公司的选择。你可以说是创始人的价值观,但我觉得更多时候也是商业上的考量:token 烧下来是多少钱?维持 DAU、query 量和 query 深度要花多少钱?其他地方的变现效率能不能把这笔钱补上?
如果可以,豆包就可能变成入口之战。国内的抖音至少跟 Meta 一样,不一定要靠豆包本身变现。它完全可以用豆包来收集用户 signal,再让抖音广告或者今日头条广告变得更高效。这跟我刚才说的 Meta 和 ChatGPT 竞争的逻辑一样:别的地方变现效率更高。但如果比较中美,情况又不一样,因为水、电和机器的价格不一样。机器价格可能最终会趋同,但电价不一样。中美的能源竞争会影响 AI 竞争,最后每个消费者问豆包一个问题,背后的成本都会落到具体指标上,中美是不一样的。
商业上最后还是要看,每个 query 花了多少钱,能变出多少钱来。这又回到一个问题:这家公司整体的变现效率在哪里?
OK。所以一个极端情况是,豆包成为一个成本中心、一个获客中心,完全不靠它自己赚钱,有点像摩拜之于美团,它就是激活用户的地方。
我觉得这个比喻有本质差别。获客只是为了导流,但获得用户数据本身就是飞轮的一部分。两者不是同一个级别的事情。你在一个地方用得越久,平台就越了解你。
4. 记忆与迁移成本
是的。这个问题我也想跟你探讨:上一代的今日头条刚出来时,大家觉得算法没有壁垒,换几个百度的工程师出去,也能做一个一样的。但现在也有人会质疑 consumer 产品的粘性:用户今天从 ChatGPT 切到 Muse,明天又切到 Anthropic,消费者迁移的习惯和成本到底有多高?你怎么看?你自己平时会用豆包以外的其他产品吗?
我觉得这个问题很有意思。我只能代表我自己的用户习惯。我是一个不太爱换东西的人。作为投资人,我会经常试新东西,但只要心里觉得有一个比较好的选择,我可能就会跟它保持很长时间的关系,除非另外一个选择出现了明显的质的飞跃,我才会 switch。
硅谷有句话说,如果你要做一个同类竞争产品,你必须比之前的产品好 10 倍,才能打败它的 switch cost。我可能需要好十几倍才会换。付不付钱是可以切换的,但你换了以后,体验会不会明显下降?这也是个问题。
刚才提到 memory。过去一段时间,大家在理论上推演,说 memory 可能很重要。为什么有人用抖音,有人用快手?一方面是内容供给不同,另一方面是推荐准不准。推得越准,整个效率飞轮就转得越快,你就越愿意留在自己的产品体系里。
同样的问题也适用于用户体验。理论上,你跟产品聊了 30 天,它知道你很多事情,那接下来无论是帮你做情感倾诉、解决问题,还是提供各种服务,都可以做得更好。就像换秘书是有成本的,换好朋友也是有成本的。到了一个地方,原来的朋友不见了,也会有成本。所以从理论上推演,产品对你的 memory 应该很重要。你也能看到 ChatGPT 最近在加大做这件事。
但我自己的体验是,我原来是 ChatGPT 的忠实 consumer 用户,基本上有新东西出来都会试一下,最后还是会回去用 ChatGPT。不过最近我切到 Muse 了,因为它帮我完成任务的能力有质的差别。
比如同样是买一支眼线笔来补货这件事,ChatGPT 现在不管是 consumer 产品,还是它更好的 harness,比如 Work 或者 Codex 的版本,都做不了。当然情况也可能会变化,但要看它的速度。如果 6 个月都没有变化,我可能就流失了,转去 Muse。
我过去跟 ChatGPT 的聊天记录,还不足以让我感受到它因为记得这些历史对话,就更懂我、更好用。理论上它可以做得更好,但这跟现在一系列新产品怎么做 memory、怎么做 context 有关系。我觉得也跟速度有关。
我说一下我的看法。我不一定觉得这件事跟速度有特别明显的关系。我认为之后 memory 都会有更好的导出方式。除非你的 memory 就是一系列你给自己打的标签。你是把 memory 想成显性地印出来给你看,但可能还有一些东西是不可解释的,不是用文字或者你看得懂的形式表达。
我猜很多新的 app 都会想方设法去抢到、甚至偷到旧 app 的 memory 和所有上下文,还有你写的 skill。比如我在 Codex 和 Claude Code 之间切换时就很明显,我会把所有东西都备份过去。
对。
不过我觉得 consumer 产品可能不会这么做。现在 Instinct 和 Muse 的 context 都基于 Gmail,或者很大程度上基于第三方数据,并不是基于产品本身的数据。那为什么 Google 不做?为什么 Apple 不做?Apple 和 Google 掌握你的数据更多,是核心数据,它们没做的话,做出来是不是就能打败你?或者即使不打败你,能不能把你掐断?这都是很大的战略问题。
如果 Anthropic 或者 Muse 不能生成很多 app 内部的 context 和 memory,那壁垒也会很薄。
你刚才提到的这个点,就是大家现在有很多东西基于 Gmail,这件事确实比较明显。Google 内部肯定也在做。我觉得它们为什么慢,或者说有些朋友为什么会聊到这一点,是因为 Google 特别珍惜用户对它的信任,所以不敢轻举妄动。大家可能比起信任 Meta,更信任 Google。
因为我在美国才听说,原来还有很多人宁愿相信 Instinct 都不愿意相信 Zuckerberg。我第一次听到时觉得很震惊。
这件事也有反过来的情况。比如从 Manus 短暂被 Meta 收购这件事,你可以看到网上大家对 Manus 的舆论。对很多普通用户来说,他们可能不知道硅谷这些事情,也不了解大家诟病 Zuckerberg 的那些行为。
比如一个住在中部郊区的妈妈,她可能没听说过 Instinct,也不知道背后的投资人是谁。对硅谷的人来说,某个厉害的基金投了它,会增加可信度;但对普通的 suburban mom 来说,可能完全没有影响。Meta 还是会因为比较有名,让人觉得熟悉。一个认识的名字和一个不认识的名字,还是有差别。
当然。你是说 Google 是不是大家更信任?也许确实有这种共识。但 Google 也知道自己会比别人慢,而且它组织能力强,能不能下决心做这件事,结果也不一定。它知道自己可以后发,不担心一定要马上冲出去,对吧?
最近大家也看到了。那从 Muse 的角度来看,还有哪些特别有意思、只有 Muse 能做的事情?比如我想买一支眼线笔,会去 Instagram 看什么东西比较火,这些内容数据是它自己的闭环。那如果是开放网页上的东西,Google 当然也有很大的优势,包括地图、Gmail、Google Drive 这些工具。
对,所以最后各自擅长的任务可能也会有差别。
明白。主要还是跟组织能力有很大关系。上一期博客里,我跟微软的产品负责人聊了这个事情。他也是 Gemini 之前的产品负责人,是 Gemini 最早的 founding PM,Louis。我们也聊到这一点。大家最后的结论是,虽然 Gemini 做事慢,但底子厚,后发也能制人。听说他们也在尝试做 personal agent,之后应该会推出产品,还是挺有意思的。
听下来,你对 Muse 这个产品非常喜欢,也非常认同。
可以这么说,但这跟我在 Meta 工作完全没有关系。我更多是从普通用户的角度来看。我本来在用 Instinct。我经常跟 ChatGPT 聊很多事情,有不同的 thread。比如我腰不舒服,但我在一个对话流里还聊了另外 5 件事,它给我推荐了腰带、普拉提练习视频,后来就很难找到这些对话。
它的搜索还是最老的 text match,在 thread 里面搜,很多东西都找不到。我在一个新的对话里问以前聊过的事情,它也搞不定。这是我作为 consumer 用户用这个产品的一些痛点。
当然,直接比较也不太公平,因为我在 ChatGPT 里积累了很多 context,Muse 还很新,它能记起一些最新的事情。但在完成任务方面,至少这个产品在 tool use 上下了更多功夫,能把任务完成得更好。
你说的是非 coding 的 tool use 场景?
对,非 coding 的 tool use 场景。我先不比 coding,因为很多 benchmark 也会比较 tool use,但用的工具不一样,比如打开浏览器。
明白,明白。
我刚好想问一个问题。你刚才一直提到眼线笔,这刚好有个新闻,不知道适不适合问。如果不方便也可以不聊。Meta 当时说它不收费,对吧?我们提到了 freemium 模式,最好是公司财大气粗,愿意为了成为入口而烧钱。但当时 Meta 也说,有一种变现方式是通过购物抽成,也就是 commission。结果它刚说完,美国的亚马逊、沃尔玛就把 Muse ban 掉了。你怎么看这件事?
这种事很常见。大公司天天会遇到类似情况。比如张三跟 Shopify 合作了,李四就跟 Amazon 合作。
首先,美国也不是所有东西都在亚马逊或者沃尔玛上。我觉得有一些短期反应很正常。就像我们刚刚说的,创始人的思路和大厂高管、某条业务线高管的思路肯定不一样。亚马逊内部也在做 shopping 这件事,但显然它也想自己做。
之前还有笑话,说亚马逊的 chatbot,你问它生物题目,它也能答出来,因为背后是 Anthropic 的模型。也有人把麦当劳客服拿去做数学题,因为你可以让麦当劳帮你解题。大家都想变成入口。
但从另一个角度来说,你没有那个心智,大家不会去问它。比如补货买眼线笔这件事,如果有一个更好的 shopping 入口,我可能会换过去。亚马逊上不一定有最多的商品,最便宜或者最新的东西可能在独立站、Sephora 或者别的地方。即使亚马逊做了一个产品,如果它不支持别的平台,也不一定是更好的产品。
但你也可以反过来 argue:亚马逊正在做一个新的广告产品。商品不在亚马逊上,也可以从亚马逊买广告。因为他们发现很多搜索 query 找到的产品,并没有一方或三方库存。于是他们推出新的广告产品:比如我搜眼线笔,亚马逊没有一方或三方库存,它就自动帮我找到这个眼线笔的独立站,用户点出去,亚马逊就把它作为一个广告产品。
他们也不希望被自己的 1P、3P 库存和 catalog 限制住,所以肯定会做这方面的尝试。我觉得各家都不想成为别人的附属品,很正常。小一点的电商公司可能就跟了,Amazon 这么大的公司,肯定会有自己的思考。最后还是大家博弈,关系就是这样,中国也是这样。
5. 硅谷重新关注中国
明白,明白。那我们最后来聊一下中国。你在中国、美国待了很长时间,我的意思是,一半一半吧。你从 13、14 岁开始做淘宝店、易趣店。我一定要把这段发给邵一博听一听。
这也 inspire 了一代人。
对,这个故事 inspire 了一代人。你经历过很多事情,中美科技的发展也经历了很多波变化。从早期移动互联网,到后来的大模型,再到现在的 consumer internet。今天美国这边有人做 Muse、Anthropic,国内豆包和元宝也有变化。国庆节之后可能还会有很多新产品出现。
国庆节期间很多人在讨论,奇骏做的 Today AI 到底能不能活下去,大厂会不会收编,诸如此类的问题都很有意思。中美都发生了很多科技领域有意思的事情。很多投资人从中国来美国,趁国庆节来硅谷补课;美国也有很多人要回中国。我还有很多美国人会问我:“Raymond,改天去中国,你可不可以带我参观一下这个模型厂、那个模型厂?”我就说:“我不是导游。”
不过我觉得你可以做导游生意,这个需求非常大。最近我才发现,硅谷这边有很多人对中国的事情感兴趣。我上次跟你说过,这是什么原因?我之前的假设是,滴滴事件之后,也就是 2021 年之后,很多美国人觉得在中国投资不太方便,投资机会也少了。我投不到、赚不到钱,何必来关心你,对不对?所以我原来以为,美国投资人和科技圈的人对中国的兴趣是在减少的。
后来我发现这种兴趣其实高得超出预期。我对这件事也很感兴趣。我觉得可以从几个角度看。
一个角度就是你刚才说的营商环境,或者本土创业环境不好,导致美国基金直接在中国设立分部,或者 LP 配置资金时减少中国的比重。这是一个现实考量。但除此之外还有很多别的角度。
我刚才说过,可能 15 年左右,是中国创业者集体往硅谷看,但当年没有硅谷创业者或者大公司往中国看。我印象特别深。那时候抖音刚开始,Meta 做了一个产品,叫 Lasso。后来我到了美国,还找 Lasso 的创始团队里的工程师和产品经理聊过。当时有一线员工看到了中国的快手、抖音很厉害,想在内部推动,但最上面的人还是比较傲慢,觉得这是什么东西。
我记得 2017 年、2018 年我来 Stanford 上学时,说自己来自 TikTok。那时 TikTok 刚收购 Musical.ly,还是个很小的公司,Musical.ly 可能只有 500 万 DAU。没什么人知道它,大家觉得这是什么 scam Chinese company。这是我个人的体感。我同学完全不知道这是什么东西,我还在给大家推销 TikTok 有多好玩。
但我觉得这种 mindset 现在已经改变了。无论是 TikTok 的成功,还是后来 Manus 这样的产品,都是用结果说话。产品有那么多人用,导致大家的 sentiment 发生变化,也开始更加重视。包括大家开始知道小红书。今年大家可能最早知道 TikTok,后来也开始知道小红书。
以前知道这些产品的人很少,比如娱乐直播、直播电商,通常是少数有华裔背景的投资人会在 Andreessen 这样的机构里谈这些东西。可能就是这么几个人,可以讲直播电商的故事。但当少数人在内部 advocate 时,会受到质疑,大家会觉得“中国的东西牛,不一定是真的牛”。
如果今天看到当年 TikTok 在 Meta 上花了那么多广告费,内部却不重视,那能不能吸取教训?我觉得也许可以。如果现在有什么新的中国商业模式在 Meta 上花广告费,大家会不会开始重视?我觉得这个 lesson 会被吸取,但还是要靠这一代中国厉害的产品、企业家和创业者做出来。
大家关注的不一定是直接投资创业者,也可能是开始关注新的商业模式、新的产品。以前我投过一个小公司,做内容的 startup for content,其实是做短剧的。一开始我们担心短剧这个模式,担心美国主流投资人都没听说过,也不知道这个东西。但我觉得现在已经有蛮多人知道了。跟我 3 年、4 年前创业时相比,大家对中国模式的了解已经提高了。
2021 年、2022 年我创业的时候,是电商那一波,大家关注 Shein、拼多多、天猫。现在开始有人关注短剧、直播、直播电商,也看到美国的产品 Whatnot 做得不错。大家更多是抱着学习的心态,没有以前那么傲慢,觉得自己最牛、别的国家都不行。
这是一个偏 consumer 的方向。另外还有一条线,跟中美长期竞争有关。你会听到一些关键词:供应链、核电站、能源价格、芯片。这是从国际政治和科技结合的角度来看。即使美国不考虑跟中国竞争,也要把供应链和制造业搬回美国;看到硬件、机器人都在深圳,大家还是很想去学习怎么做。
所以我觉得,大家认识到了中国在 consumer internet 方面的优势,包括纯 content、电商相关的商业模式,也认识到了中国在供应链、机器人方面的一些领先优势。这些已经比较形成共识了。
明白。因为这些优势可能很长时间都无法被打破,所以大家从追赶或者自保的角度,都要多了解中国。
对。
所以很多美国投资人开始往中国跑,一个接一个地组旅行团。
对。你看最近的这些,不管是智谱还是 DeepSeek,至少包括 Kimi、MiniMax,大家在 Twitter 上也会讨论。中国公司不只是产品做得好,也开始有新一代的同学做 PR、marketing 和 go-to-market,让更多人知道。我们也不可能只做中国市场。
明白,明白。这确实有意思,我之前没意识到。最近很多美国老白人开始来问我:“What do I think of K3?”大家都很关注。
我觉得这里面还有很多新的东西。现在才刚刚开始。广告只是 consumer 的一个延伸,我更 excited about 的是看到一些新的人和新的硅基交互形态。我觉得这里面还会有更多新的东西。今天非常感谢 Jacky 给我们分享。我会把 Jacky 的一些 social media 账号放在 show notes 上。我觉得 Jacky 是一面镜子,反射了过去几十年来技术发展的过程:从易趣上开网店,到百度、Google、Facebook,再到抖音、TikTok,以及广告形态的变化。如果有创业者想关注新的交互形态、新的 consumer behavior,在这个 paradigm shift 时期想跟 Jaggie 多交流,可以在 show notes 里找到他的联系方式。OK,谢谢。好的,那今天我们先这样。好,谢谢大家,谢谢。