Everything you care about in one place

Follow feeds: blogs, news, RSS and more. An effortless way to read and digest content of your choice.

Get Feeder

woshipm.com

人人都是产品经理

Get the latest updates from 人人都是产品经理 directly as they happen.

Follow now 164 followers

Latest posts

Last updated about 5 hours ago

“短剧大战”下半场:抢人、抢钱、抢IP | 年中观察

about 7 hours ago

当北美留学生靠20万美元成本拍出3500万美元票房的爆款,国内横店却因“精品化”把单集预算卷到500万;当编剧分成破百万、演员日薪两万,却同时遭遇抄袭、维权、抢人大战——短剧赛道只用三年跑完长剧十年路,2025年中场哨响,“抢人、抢钱、抢IP”的下半场正式开打。 “中国男子在北美拍短剧,从交不起房租到北美行业第一”。最近,中国电影人高峰在美国拍短剧年入千万的故事登上多平台热搜。 据媒体报道,高峰入局短剧行业一年,他的公司已成为美国市场最大的短剧承制方之一。2024年制作了45部短剧作品,远超同行年产10到15部的水平,累计票房超过7000万美元;其中,一部成本不到20万美元的爆款短剧《The Divorced Billionaire Heiress(离婚的亿万富翁女继承人)》,票房突破3500万美元,收益超170倍。 图源:微博截图 尽管高峰表示,公司作为承制方(短剧制作方)只能拿到其中的承制费,但他异国漂泊跻身行业头部的经历还是引起了不少讨论;“中国短剧降维打击美国”“中国短剧颠覆好莱坞”……类似的观点充斥评论区。 归根结底,高峰的“逆袭”靠的是短剧这股“东风”。 “趣解商业”了解到,从2023年起,北美就有大量留学生、传统影视从业者、甚至广告人涌入短剧行业,“7·13好莱坞大罢工”与失业潮则将这波转行热推上了新高度。在美国西部做制片人的Tina直言,有些新团队连预算都不会做,但仍然能接到好多拍短剧的单。 国内短剧行业同样仍在狂飙。日薪两万、爆款短剧编剧分成超百万……夸张的收入数字层出不穷;然而和海外不同的是,随着“野蛮生长”时代的结束,国内短剧行业正进入新一轮“洗牌期”。 01.短剧下半场:卷投资、卷剧情、卷IP...

上半年营销案例启示:用户创作的内容,正成为品牌资产

about 7 hours ago

当雷军“Are You OK”鬼畜刷屏、网友把“疯狂星期四”写成段子宇宙,品牌才发现:最能撩动人心的创意,早已不在会议室,而在亿万用户的键盘和脑洞里。上半年,从海尔CEO的表情包到雪碧兑茶的野生配方,一场“用户共创”的营销革命正在重写品牌资产的定义——谁能让用户玩起来,谁就拥有了最值钱的流量护城河。 回想一下,今年上半年,有什么营销案例让你印象深刻?我来说几个: 两会期间,海尔CEO周云杰因一张与雷军同框时严肃表情的抓拍而意外走红,网友们的梗图创作热情,硬是把一位传统企业家推成了“流量明星”。 3·15晚会曝光劣质卫生巾问题后,无数网友涌入小米雷军的社交媒体评论区,强烈呼吁小米跨界出品卫生巾,甚至连“小米SU吸”的P图和广告语都一并奉上。 4 月,京东创始人刘强东,仅仅因为一张身穿自家外卖工服的照片,就被网友发现撞衫猪猪侠,最终在全网的听劝声中,促成了京东外卖与这位童年顶流的合作。 视线转向国外,以可口可乐为例,作为昔日的创意大户,今年上半年并未给市场带来太多惊喜。反倒是两个充满野生智慧的民间创意,在社交媒体上悄然流传: 一杯平平无奇的健怡可乐,被上班族们演绎为从冰箱取出的“冰箱香烟”,走红社交网络;而将雪碧与茶包结合的新奇喝法,成为年轻人探索味蕾的DIY乐趣。 发现了吗?这些真正让人记忆犹新、津津乐道的营销,其主角都不是品牌方,而是普通用户。 长久以来,我们挂在嘴边的品牌资产,总是指向由品牌主导、自上而下精心构建的价值体系,但在此刻,我突然意识到,这个概念的底层逻辑,已经彻底变了。...

这才是数据分析成果落地,而不是交了个ppt

about 9 hours ago

在数据分析领域???很多人都面临着一个难题:如何让数据分析成果真正落地并产生实际价值,而不仅仅是停留在一份PPT报告上?本文将为你揭开数据分析成果落地的奥秘。 “你做的数据分析,落地没有?有什么效果?” 这个灵魂拷问一出,让很多数据人犯难!虽然每次在报告结尾,都写上苍劲有力的:“本月指标低了,要搞高!”可到底该咋搞???今天我们系统讲解一下,到底怎么该落地。 一、区分服务对象 大部分企业的数据分析部门,都不直接负责业务,更多是借力打力,通过服务业务部门实现分析成功的落地。这就要求我们得:有能力识别业务部门到底是什么人。越大的企业,内部小团体越多,就越得看清他们的特点(如下图)。 骄兵悍将:保护自己是第一位的,避免沦为他们的甩锅对象。先安分守己,避免出错,再谈其他的。 新兵锐将:这是最优先考虑合作的团队,一旦发现,尽早聊,尽早开工! 疲兵倦将:这些人问题突出且喜欢甩锅,除非有十足把握的方案,否则少招惹他们,避免麻烦上身。 虾兵蟹将:这些人谈合作容易,但出成绩难,可以挑其中尚有生机的“活虾”合作,尝试着做一些小成绩,再争取更大的机会。 想实现好的效果,需要数据分析团队有良好的沟通能力及敏锐的识人眼光。不能“两耳不闻窗外事,一心关门搓SQL”,淹没在无休无止的取数单里。找准合作对象,再发力! 二、清晰落地目标 我们常说:数据分析可以驱动业务,助力增长。但到底驱动谁?得有限考率他们负责的KPI。因此,了解公司目标→部门目标→项目目标。清晰各部门的KPI完成情况,是落地的第二步(如下图)。...

比付费更聪明的打法,是在小红书做矩阵

about 10 hours ago

在小红书流量格局不断变化的当下,商家们纷纷探寻新的营销路径。有人选择全面投入付费推广,有人效仿热门打法,而其中最聪明的一批人则选择了构建矩阵。矩阵策略不仅能够有效应对单账号的不稳定性,还能通过精细化的内容拆解与多账号分发,实现流量的倍增与内容价值的最大化。本文将深入探讨小红书矩阵的精髓所在,以及如何通过账号分层与内容分层提升矩阵的内容自产效率,为品牌在小红书生态中开辟一条全新的增长路径。 今年小红书流量格局的变化,有目共睹 新流量格局之下,不同类型的商家选择了不同的应对方式 有的全面转付费,有的学习郑州帮,最聪明的那一波做了矩阵 我非常赞同用矩阵的方式做小红书,没有什么打法,能够比矩阵更无痛,更有效 矩阵的精髓是什么? 以「多」制「变」: 用账号数量对抗单账号的不稳定性 以「拆」提「效」: 将核心优质内容拆解、复制、衍生,实现内容价值的最大化 以「面」代「点」: 用覆盖面更广的网状结构替代依赖单一节点的内容结构=...

职场卡壳?沟通不畅?掌握这8把钥匙,让沟通如呼吸般自然顺畅!​

about 10 hours ago

职场沟通,说容易也不容易:表达不到位、合作受阻、跨部门难推进……其实很多障碍不是能力问题,而是沟通方法不对。本文总结8个实用沟通技巧,助你破解职场卡壳,让协作像呼吸一样自然顺畅。 开会发言没人听?意见一提就冷场?同事配合像拉磨?跨部门协作总“打架”?团队氛围像冰窖? 职场的“沟”(鸿沟)无处不在,“通”(通畅)却难上加难。很多时候,阻碍你升职加薪、项目推进、甚至好心情的,不是能力问题,而是沟通阻塞。 今天我们聚焦两个让人抓狂又核心的场景:日常让人舒服的相处和有摩擦时的冲突管理。看完这篇,你会发现,解决沟通难题,真的有“钥匙”,能让你在职场上如沐春风,畅通无阻! 第一部分:场景化沟通——让人如沐春风的4把钥匙 (突出第三部分精髓) 职场沟通不畅,常常始于不会“好好说话”。学会在不同情境下精准表达,是润滑关系的基础。这4把钥匙,让你秒变“高情商沟通者”: 钥匙1:破冰 = “双线卡位 + 小承诺”...

AI产品经理技术:Wan2.2开源!最大亮点并非画质,扩散MoE亮点揭秘

about 10 hours ago

Wan2.2的重点绝非画质的提升?这篇文章将从MoE专家模型架构的诞生,发展,以及Wan2.2的MoE的不同点。让各位产品经理们对未来AI模型发展的思路和脉络有更深入的认识。 Wan2.2开源地址 GitHub:https://github.com/Wan-Video/Wan2.2 HuggingFace:https://huggingface.co/Wan-AI 在本月Wan2.2正式开源了,凭借强大的影视级美学控制能力、高效的复杂运动处理以及灵活的语义遵循功能,为创作者提供了强大的AI视频生成工具。稳坐开源社区AI视频领域头把交椅。乍一看在现在这个AI技术大爆发的时期好像并没有什么两点。但是如果关注模型本身的实现技术,你会发现Wan2.2的强大有着两处非常值得研究的地方。 高压缩比VAE技术: Wan2.2采用的高压缩比VAE技术,能够在保持数据质量的前提下,大幅减少数据在显存中的占用。这就像是把一个大箱子压缩成一个小箱子,但里面的东西依然完整,从而让显存资源得到更高效的利用。这使得Wan2.2可以高效率的在消费级显卡上部署并且生成创作者想要的视频内容。 高频与低频MOE专家模型技术: Wan2.2的高频MoE模型擅长细节优化,如纹理清晰度、光影效果和微表情捕捉,让画面更逼真生动;低频MoE模型则负责整体布局,包括场景构建、主体运动规划和长时序动作连贯性,确保视频整体流畅自然。两者协同工作,高效平衡细节与整体,生成高质量视频。 我们这篇文章将会终点从MOE专家模型方面入手,层层拆解。从MoE的诞生,发展以及Wan2.2的MoE到底有什么特别的地方。废话不多说,我们现在开始: 1.MoE专家模型是什么 MoE模型就像个超级团队,各专家身怀绝技,“指挥官”按需挑人,高效搞定任务。...

2025私域新密码:忘掉跟进,死磕预埋

about 11 hours ago

在私域这条赛道上,很多品牌还在用旧方法做新事。频繁跟进看似勤奋,其实陷入“伪精细化”陷阱。2025年,真正有效的私域密码不是更努力,而是更聪明地“预埋”,让交易和信任自动发生。本文将用一组鲜活案例,带你看清这一策略的底层逻辑。 见过太多的私域 朋友圈刷屏、群发消息轰炸、私聊话术背得滚瓜烂熟… 结果呢?回复寥寥,拉黑一片 偶尔成交一单,感觉像求爷爷告奶奶,累个半死还赚不到几个钱? 更扎心的是,客户买完就没声了,复购?转介绍?想都别想! 你以为是跟进不够狠?话术不够骚? NO!大错特错! 真相是:牛逼的成交,压根就不是靠你最后那几下“跟进”追出来的 而是在那之前,早就通过“预埋”把路铺好了 客户是顺着你铺好的金砖大道,自己走过来的 今天,我就把这套颠覆大部分传统认知的“预埋式成交”底层逻辑+实操框架,一次性给你抖干净!...

现在的 AI 智能体真的好用吗?深入解析与展望

about 11 hours ago

你以为智能体只是“大模型套壳”?现在的应用痛点恰恰是“看起来很聪明,其实没那么懂你”。本文用实操视角总结了当前智能体设计的典型误区,并思考下一代智能体如何真正服务于用户意图与产品目标。 作为一位产品经理,我一直在关注 AI 领域的最新动态,尤其是 AI 智能体的发展。如今,AI 技术如雨后春笋般涌现,市面上出现了众多 AI 智能体工具,它们在各个领域都展现出了巨大的潜力,改变了我们工作和生活的方式。 AI 技术的迅猛发展让人们对 AI...

从需求到落地:手把手教你打造企业级 AI 智能客服平台,附实战案例(二)

about 11 hours ago

当70%的重复咨询仍由人工客服应答,当用户因机器人答非所问愤然转人工,当业务专家为维护知识库熬红双眼——传统智能客服的瓶颈已触手可及。 大模型时代的突破性解法,正藏在知识体系的智能重构与对话引擎的进化中。本文将拆解AI客服平台设计的核心阶段,揭示如何让机器真正???读懂业务”。 二、阶段二:平台设计构建客服的「超级大脑」 1. 仪表盘 定位:通过数据图表实时呈现客服系统的整体运行状态,为管理者提供决策上的依据。 核心功能: 实时监控关键指标:比如当前在线用户数、排队人数、AI问题解决率、人工客服接通率、平均响应时间等; 历史趋势分析:展示每日/每周/每月的咨询量、问题类型分布、用户满意度变化等; 异常预警:当指标超出阈值(比如排队人数过多、AI准确率骤降)时,自动触发提醒(如短信、系统弹窗)。 核心作用:帮助管理者快速掌握服务质量、资源瓶颈(如人工客服人力不足)、用户需求热点,从而及时调整策略(比如临时增派人手、优化高频问题解决方案)。   关键特性:支持自定义配置(如按业务线、部门拆分数据)、多维度下钻分析(如从...

B端系统管理【字典管理】模块实战指南

about 14 hours ago

字典管理听起来像“后端杂务”,其实是B端系统配置能力的关键支点。本指南将从真实业务场景出发,???统拆解该模块的设计逻辑、关键字段与典型坑位,让你一文读懂如何搭建一个能跑得久、配得稳的字典模块。 一、字典管理是什么 在复杂的信息系统中,存在着大量频繁使用且相对固定的基础数据,如用户性别、等级、岗位等。为了对这些数据进行高效、规范的管理,字典管理模块应运而生。字典管理,简单来说,就是对系统内各类字典数据进行统一管控的模块。这些字典数据是系统中具有固定取值范围的基础信息集合,通过字典管理模块,能够实现对这些数据的集中维护、查询和使用。 二、字典管理有什么用 1.保证数据一致性:在系统开发和运行过程中,若不同模块或功能点对同一基础数据的定义和取值不统一,会导致数据混乱。字典管理模块对字典数据进行集中定义和维护,确保系统各处使用的基础数据保持一致,为数据统计、分析和交互提供可靠基础。 2.提高开发效率:开发人员在开发过程中,无需在每个功能模块中重复定义和维护基础数据,只需调用字典管理模块中的数据即可,减少了重复劳动,加快了开发进度。 3.便于系统维护:当业务需求发生变化,需要修改基础数据时,只需在字典管理模块中进行一次修改,系统中所有引用该数据的地方都会自动更新,避免了在多个地方逐一修改可能出现的遗漏和错误,大大降低了系统维护成本。 4.增强系统灵活性:通过字典管理模块,可以根据业务的发展和变化,灵活地新增、修改或删除字典数据,使系统能够快速适应新的业务场景,无需对系统代码进行大规模修改。 三、实战分析 1.梳理字典类型:对系统中涉及的所有字典数据进行全面梳理和分类。可以按照职称划分为用户岗位信息类字典(如岗位、等级)、技能属性类字典(如技能属性、熟练度)、角色类状态字典(如启用、禁用)等。明确每个字典类型的适用范围和业务含义,确保不遗漏重要的字典数据。 2.梳理字典的页面字段:确定每个字典在管理页面上所需的字段信息,通常包括字典编码(唯一标识字典的编码)、字典名称(字典的中文名称)、字典类型(所属的字典分类)、字典值(字典的具体取值)、排序号(控制字典在页面上的展示顺序)、状态(启用 /...

每月多赚1万的副业可行性报告:故事号创作执行方案

about 15 hours ago

别再瞧不起“土味”故事号——它可能是 2025 门槛最低、天花板最高的副业。本文给你一套零粉丝起步的 SOP:3 秒钩子、30 秒反转、60 秒回味,把社会新闻拆骨重组,一条视频多平台分发,日更 3 条,30 天把流量漏斗变现金漏斗。附赠可直接投喂 AI 的爆款提示词,照抄就能跑,干不干随你。...

当 AI Agent 出错时,谁来买单?融资1500万美金,一家为Agent而生的保险公司

about 15 hours ago

1500 万美元种子轮、Anthropic 前员工创办的 AIUC,把“车险”逻辑搬进 AI:先立安全标准,再做压力测试,最后卖保险兜底。企业买的不只是保单,更是把“不可预测的 AI 事故”变成可定价、可转移的商业成本。AI 时代最后一块拼图,或许不是更强的模型,而是一份保单。 你有没有想过,当你的公司部署了一个 AI 客服助手,结果它在客户面前突然说出了种族主义言论,或者泄露了其他客户的私人信息,又或者胡编乱造了一个退款政策给客户承诺了不该承诺的东西,这时候谁来承担责任?谁来赔偿损失? 这听起来像是科幻小说里的情节,但实际上这些问题已经在硅谷的会议室里被反复讨论。企业高管们面临着一个两难困境:要么继续观望,眼看着竞争对手因为采用...