用户行为信号可以被拆解为三层:显性意图(搜索词、点击路径)、隐性意图(停留时长、滑动速度)和场景意图(时段、设备、地理位置)。每一层信号都需要对应的产品策略来承接,而不是简单地用一个推荐模型覆盖所有场景。本文尝试构建一个从信号采集到策略匹配的完整产品框架,并讨论在不同业务阶段应该如何调整信号的权重分配。
AI Agent 的介入往往以"提效"为名,自动调参、自动分配流量。但运营同学的核心能力恰恰在于对参数的敏感度和调参经验。当 Agent 把 N 个参数揉成一个黑盒输出,运营就从一个"操盘手"退化成了"旁观者"。这不是提效,是失能。产品设计的边界应该是让 Agent 做信息聚合和候选推荐,把最终决策权留给有业务判断力的人。
大促复盘最怕"看完数据写结论"。本文提出四层证据闭环法:第一层看大盘趋势定位整体水位,第二层深入单国找到异常归因,第三层横向对比三国漏斗定位结构性差异,第四层切生命周期分段验证策略是否命中目标人群。每一层都有明确的"假设—验证—结论"模板,确保复盘不只是数据罗列,而是能产出可执行的行动项。
不是我"会"什么,而是接到一个问题时,我会依次发生什么。左边是我反复问自己的四个问题,右边是这台系统给出的默认动作——以及它已知会失灵的地方。