Fhsi-Gdgh3J8dyIC730XUI0D9GMpv3.jpg
965.4 KB
《财经专访黄峥：后流量时代，只有错位竞争才能生存》
这篇内容来自2018年财经对黄峥的专访。面对财经的犀利提问，黄峥的回答让人觉得很坦诚有力，其中他坦言——
“你可以觉得我low，说我初级，但你无法忽视我。”
拼多多之外，黄峥还聊到了巴菲特、段永平、孙彤宇对他的启发，都很有意思。
访谈全文可在下图/评论区地址阅读，以下是部分精华摘要：
1、互联网今天的竞争多数是在抢流量，其实当你抛开流量，聚焦在场景，你会发现空间是很大的。我们与淘宝是错位竞争，争夺的是同一批用户的不同场景，错位才会长得更快，所以不存在打掉淘宝多少订单。
2、如果我们还在用流量化的观点去做后流量时代的事情，肯定会挂掉的。拼多多的出现正是因为它不用原来的旧思维。在以人为先的思维下，应该先想这个人需要什么？我们要做的是物质消费和精神消费的融合，精神消费不只是做服务电商，而是用娱乐的方式让用户消费之余获得开心。
3、平台更应该考虑不同阶段的生态演进，而品牌更多是单个细分人群标新立异的价值主张。
4、人的思想是很容易被污染的，当你对一件事做判断的时候，你需要了解背景和事实，了解之后你需要的不是睿智，而是面对事实时是否还有勇气用理性、用常识来判断。
这篇内容来自2018年财经对黄峥的专访。面对财经的犀利提问，黄峥的回答让人觉得很坦诚有力，其中他坦言——
“你可以觉得我low，说我初级，但你无法忽视我。”
拼多多之外，黄峥还聊到了巴菲特、段永平、孙彤宇对他的启发，都很有意思。
访谈全文可在下图/评论区地址阅读，以下是部分精华摘要：
1、互联网今天的竞争多数是在抢流量，其实当你抛开流量，聚焦在场景，你会发现空间是很大的。我们与淘宝是错位竞争，争夺的是同一批用户的不同场景，错位才会长得更快，所以不存在打掉淘宝多少订单。
2、如果我们还在用流量化的观点去做后流量时代的事情，肯定会挂掉的。拼多多的出现正是因为它不用原来的旧思维。在以人为先的思维下，应该先想这个人需要什么？我们要做的是物质消费和精神消费的融合，精神消费不只是做服务电商，而是用娱乐的方式让用户消费之余获得开心。
3、平台更应该考虑不同阶段的生态演进，而品牌更多是单个细分人群标新立异的价值主张。
4、人的思想是很容易被污染的，当你对一件事做判断的时候，你需要了解背景和事实，了解之后你需要的不是睿智，而是面对事实时是否还有勇气用理性、用常识来判断。
❤2
分享个总结：拼多多崛起过程中，有哪几个关键策略？
其实，拼多多用的，恰恰是后发者挑战领先者的三个常见策略。
这三个策略，后发者一用就有效，领先者还常常没法跟进。
具体说来，是啥呢？
1、
策略一：价格战。
先发者销量大、后发者销量低。
那好，我后发者增加成本或者降价，就会吸引来用户。
这个时候，先发者就纠结了——我要不跟吧，用户直接让他抢走了。我要跟进吧，他一天卖1万件，每件亏20，就亏20万；我一天卖100万件，要亏2000万。
亏不起。
所以，在后发者发起的价格战面前，领先者一般不敢跟进。
QQ邮箱早期，靠着免费的大存储空间，打网易邮箱。
京东图书早期，在当当价格基础上再满200减100，都是同样策略。
策略二：低下限。
先发者监管盯得紧、品牌风险大，后发者没人盯着。
就像，百度网盘是第一大网盘。
我有些时候想找Marvel的电影，在百度网盘上肯定没有——监管盯着呢，没法有。
但是，
阿里云盘、夸克网盘上，常常都有。
策略三：做苦活儿。
先发者家大业大、团队大，加人，管理成本更高。
后发者光脚不怕穿鞋的，加人管理成本远低于先发者。
比如，
大多数互联网公司一般不敢做线下。
为啥呢？
我做线上业务，1万人，一年能挣100亿。
这一做线下，一下子加1万人，一年只能挣1亿。
我加这么多人，管起来太费劲，还不如想想办法从100亿中多收1个亿上来，也有了。
这三个策略，背后都有一个共同的特点——
我们光看后发者小，领先者大。
但其实，很多时候“小”才是优势。
总有些事儿，是大了反而不利的，比如：销量更大、就没法承受毛利变化；监管成本增加；管理成本增加。
这几个策略，就是将“小”的优势发挥出来的策略。
2、
这三个策略，也是帮助拼多多崛起的关键策略。
价格战就不用说了。
拼多多一开始哪儿有实现真正低价的能力呢，早期只能靠补贴。
但是，
在使用价格战时，也要小心看好，补贴结束，到底能留下什么。
有些时候，补贴得来的用户，不补贴就又走了。
拼多多的补贴，帮他冲起了用户规模，之后靠规模，实现了真正的低价，用户才会被留住。
低下限。
在淘宝升级商品品质时，拼多多吃下了淘宝逐出的白牌商家。
更不用说，在裂变红包上，永远都离提现差的那1分钱。
这些事儿，拼多多做，可以。
淘宝、京东就不敢做。
因为有更多的眼睛盯着他们，他们敢做，分分钟有人闹事、索赔。
做更苦的活儿。
正常做互联网，肯定先做有消费能力、也会上网的人群。
好做呀！
容易获取、容易挣钱！
但是，
拼多多一直在去转化那些刚刚会上网的低线用户。
拼多多是不少用户的第一个网购平台。
让这些用户第一次学会了线上支付。
正常做平台，有商家、有消费者就好了。
平台生意多轻松。
拼多多却非要在果蔬领域，绕过供应商、尝试找到原产地。
同样是其他几个点上产品没想到、也没决心做起来的苦活儿。
这几个策略，
当拼多多开始做的时候，其他的大企业看到了，总是不敢跟进的。
总是慢半步的。
这半步，就成为了拼多多快速发展的窗口期。
等拼多多大了，他们再想跟进，拼多多已经从补贴低价、变成了真低价，跟进也来不及了。
3、
这三个策略，
也是适用于大多数行业，后发者挑战领先者的常见策略。
其实，对于后发者，
“小”就是最大的优势。
这也是我认为做战略、选择竞争策略时，需要做到的状态——
找到自己的特点（“大”、“小”都只是特点），
通过战略选择，使得特点成为优势。
其实，拼多多用的，恰恰是后发者挑战领先者的三个常见策略。
这三个策略，后发者一用就有效，领先者还常常没法跟进。
具体说来，是啥呢？
1、
策略一：价格战。
先发者销量大、后发者销量低。
那好，我后发者增加成本或者降价，就会吸引来用户。
这个时候，先发者就纠结了——我要不跟吧，用户直接让他抢走了。我要跟进吧，他一天卖1万件，每件亏20，就亏20万；我一天卖100万件，要亏2000万。
亏不起。
所以，在后发者发起的价格战面前，领先者一般不敢跟进。
QQ邮箱早期，靠着免费的大存储空间，打网易邮箱。
京东图书早期，在当当价格基础上再满200减100，都是同样策略。
策略二：低下限。
先发者监管盯得紧、品牌风险大，后发者没人盯着。
就像，百度网盘是第一大网盘。
我有些时候想找Marvel的电影，在百度网盘上肯定没有——监管盯着呢，没法有。
但是，
阿里云盘、夸克网盘上，常常都有。
策略三：做苦活儿。
先发者家大业大、团队大，加人，管理成本更高。
后发者光脚不怕穿鞋的，加人管理成本远低于先发者。
比如，
大多数互联网公司一般不敢做线下。
为啥呢？
我做线上业务，1万人，一年能挣100亿。
这一做线下，一下子加1万人，一年只能挣1亿。
我加这么多人，管起来太费劲，还不如想想办法从100亿中多收1个亿上来，也有了。
这三个策略，背后都有一个共同的特点——
我们光看后发者小，领先者大。
但其实，很多时候“小”才是优势。
总有些事儿，是大了反而不利的，比如：销量更大、就没法承受毛利变化；监管成本增加；管理成本增加。
这几个策略，就是将“小”的优势发挥出来的策略。
2、
这三个策略，也是帮助拼多多崛起的关键策略。
价格战就不用说了。
拼多多一开始哪儿有实现真正低价的能力呢，早期只能靠补贴。
但是，
在使用价格战时，也要小心看好，补贴结束，到底能留下什么。
有些时候，补贴得来的用户，不补贴就又走了。
拼多多的补贴，帮他冲起了用户规模，之后靠规模，实现了真正的低价，用户才会被留住。
低下限。
在淘宝升级商品品质时，拼多多吃下了淘宝逐出的白牌商家。
更不用说，在裂变红包上，永远都离提现差的那1分钱。
这些事儿，拼多多做，可以。
淘宝、京东就不敢做。
因为有更多的眼睛盯着他们，他们敢做，分分钟有人闹事、索赔。
做更苦的活儿。
正常做互联网，肯定先做有消费能力、也会上网的人群。
好做呀！
容易获取、容易挣钱！
但是，
拼多多一直在去转化那些刚刚会上网的低线用户。
拼多多是不少用户的第一个网购平台。
让这些用户第一次学会了线上支付。
正常做平台，有商家、有消费者就好了。
平台生意多轻松。
拼多多却非要在果蔬领域，绕过供应商、尝试找到原产地。
同样是其他几个点上产品没想到、也没决心做起来的苦活儿。
这几个策略，
当拼多多开始做的时候，其他的大企业看到了，总是不敢跟进的。
总是慢半步的。
这半步，就成为了拼多多快速发展的窗口期。
等拼多多大了，他们再想跟进，拼多多已经从补贴低价、变成了真低价，跟进也来不及了。
3、
这三个策略，
也是适用于大多数行业，后发者挑战领先者的常见策略。
其实，对于后发者，
“小”就是最大的优势。
这也是我认为做战略、选择竞争策略时，需要做到的状态——
找到自己的特点（“大”、“小”都只是特点），
通过战略选择，使得特点成为优势。
Instagram是怎样成为反网暴领头羊的？｜新闻实验室32 - 新闻实验室
王婆卖瓜一下：要理解Threads这款由Instagram推出的产品为何被期待、它的优势在哪里，我之前做的这期播客可以提供有益的背景信息参考⬇️
王婆卖瓜一下：要理解Threads这款由Instagram推出的产品为何被期待、它的优势在哪里，我之前做的这期播客可以提供有益的背景信息参考⬇️
在评估LLMs时，应该考虑哪些因素？
经过审查现有的大模型评估框架存在的问题之后，下一步是确定在评估大型语言模型（LLMs）的质量时应考虑哪些因素。
我们听取12名数据科学专业人员的意见，这12名专家对LLMs的工作原理和工作能力有一定的了解，并且他们曾经尝试过测试多个LLMs。该调查旨在根据他们的理解列出所有重要因素，并在此基础之上评估LLMs的质量。
最终，我们发现有几个关键因素应该被考虑：
1. 真实性
LLMs生成的结果准确性至关重要。包括事实的正确性以及推理和解决方案的准确性。
2. 速度
模型产生结果的速度很重要，特别是当大模型需要部署到关键功能（critical use cases）时。虽然在某些情况下速度较慢的大模型可能可以可接受，但这些rapid action团队需要速度更快的模型。
3. 正确的语法和可读性
LLMs必须以具备可读性的格式生成自然语言。确保正确、合适的语法和句子结构至关重要。
4. 没有偏见
LLMs必须不受与性别、种族和其他因素相关的社会偏见影响。
5. 回溯回答的参考来源
了解模型回答的来源对于我们来说是十分必要的，以便我们可以重复检查其 basis。如果没有这个，LLMs的性能将始终是一个黑匣子。
6. 安全和责任
AI模型的安全保障是必要的。尽管大多数公司正在努力使这些大模型安全，但仍然有显着的改进空间。
7. 理解上下文
当人类向AI聊天机器人咨询有关个人生活的建议时，重要的是该模型需要基于特定的条件提供更好的解决方案。在不同的上下文中提出同样的问题可能会有不同的答案。
8. 文本操作
LLMs需要能够执行基本的文本操作，如文本分类、翻译、摘要等。
9. 智商
智商是用来评判人类智力的一项指标，也可以应用于机器。
10. 情商
情商是人类智力的另一方面，也可应用于LLMs。具有更高情商的模型将更安全地被使用。
11. 具备多功能
模型可以涵盖的领域和语言数量是另一个重要因素，可以用于将模型分类为通用AI或特定领域的AI。
12. 实时更新
一个能够实时进行信息更新的模型可以做出更大范围的贡献，产生更好的结果。
13. 成本
开发和运维成本也应该考虑在内。
14. 一致性
相同或类似的提示应该产生相同或几乎相同的响应，否则确保部署于商业环境的质量将会很困难。
15. 提示工程的需要程度
需要使用多少详细和结构化的提示工程才能获得最佳响应，也可以用来比较两个模型。
经过审查现有的大模型评估框架存在的问题之后，下一步是确定在评估大型语言模型（LLMs）的质量时应考虑哪些因素。
我们听取12名数据科学专业人员的意见，这12名专家对LLMs的工作原理和工作能力有一定的了解，并且他们曾经尝试过测试多个LLMs。该调查旨在根据他们的理解列出所有重要因素，并在此基础之上评估LLMs的质量。
最终，我们发现有几个关键因素应该被考虑：
1. 真实性
LLMs生成的结果准确性至关重要。包括事实的正确性以及推理和解决方案的准确性。
2. 速度
模型产生结果的速度很重要，特别是当大模型需要部署到关键功能（critical use cases）时。虽然在某些情况下速度较慢的大模型可能可以可接受，但这些rapid action团队需要速度更快的模型。
3. 正确的语法和可读性
LLMs必须以具备可读性的格式生成自然语言。确保正确、合适的语法和句子结构至关重要。
4. 没有偏见
LLMs必须不受与性别、种族和其他因素相关的社会偏见影响。
5. 回溯回答的参考来源
了解模型回答的来源对于我们来说是十分必要的，以便我们可以重复检查其 basis。如果没有这个，LLMs的性能将始终是一个黑匣子。
6. 安全和责任
AI模型的安全保障是必要的。尽管大多数公司正在努力使这些大模型安全，但仍然有显着的改进空间。
7. 理解上下文
当人类向AI聊天机器人咨询有关个人生活的建议时，重要的是该模型需要基于特定的条件提供更好的解决方案。在不同的上下文中提出同样的问题可能会有不同的答案。
8. 文本操作
LLMs需要能够执行基本的文本操作，如文本分类、翻译、摘要等。
9. 智商
智商是用来评判人类智力的一项指标，也可以应用于机器。
10. 情商
情商是人类智力的另一方面，也可应用于LLMs。具有更高情商的模型将更安全地被使用。
11. 具备多功能
模型可以涵盖的领域和语言数量是另一个重要因素，可以用于将模型分类为通用AI或特定领域的AI。
12. 实时更新
一个能够实时进行信息更新的模型可以做出更大范围的贡献，产生更好的结果。
13. 成本
开发和运维成本也应该考虑在内。
14. 一致性
相同或类似的提示应该产生相同或几乎相同的响应，否则确保部署于商业环境的质量将会很困难。
15. 提示工程的需要程度
需要使用多少详细和结构化的提示工程才能获得最佳响应，也可以用来比较两个模型。
This media is not supported in your browser
VIEW IN TELEGRAM
#工程师工具 在 Github 上面看到一个智能的通用数据库 SQL 客户端和报表工具「Chat2DB」，之前我们在内部也有一些类似的实践，用于解决非专业同学写 SQL 跑数据的问题，这个思路挺好的，有兴趣可以玩玩看。
🤖 https://github.com/chat2db/Chat2DB https://twitter.com/i/web/status/1676953545499877376
🤖 https://github.com/chat2db/Chat2DB https://twitter.com/i/web/status/1676953545499877376
#产品知识库
滴滴又开始耍“小聪明”了。
可能很多人也能发现，现在用滴滴经常会打到特别远的车，动不动就三四公里，要10分钟才能到的那种，然后滴滴还会很温馨的提示：这是距您最近的司机，可千万别取消。
呵，可真是睁眼说瞎话。
之前滴滴也被爆过给乘客派单的原则，明面上说“就近派单，减少乘客等待时间”，但实际上，滴滴从来都不会就近派单，而是采取折中主义，靠后台算法算出对滴滴来说的最优匹配。这个倒也无可厚非，但是滴滴的算法越来越来越过分，而且还一次又一次的欺骗用户。
之前有一次，滴滴给我派单了10分钟才能到的车，告诉我这是最近的司机，我着急走，就取消了重新打，结果下一个司机两分钟就能到。我一开始以为是巧合，可能这个司机刚送完上一单，但是我后面几次打车“故技重施”，每次打到10分钟的车就取消重新打，每次下一个司机都是两三分钟就能到。一次两次是巧合，每次都是那就是必然。
傻子都能看出来，这就是滴滴所谓的算法在作怪，我取消了10分钟才能到的订单，滴滴就认定我是“不能久等”的用户，如果再给我派时间长的司机，我一定会关掉滴滴，用别家软件打车了，那他下一单就给我一个距离近的车。
但如果你不取消呢？滴滴就认定你是“老实人”，是可以欺负的，让你等个10分钟也没事儿。最关键的是，滴滴还大言不惭的说“这是距您最近的司机”，这不是明摆着欺诈用户吗？
滴滴这点“小聪明”可真够鸡贼的呀。
滴滴又开始耍“小聪明”了。
可能很多人也能发现，现在用滴滴经常会打到特别远的车，动不动就三四公里，要10分钟才能到的那种，然后滴滴还会很温馨的提示：这是距您最近的司机，可千万别取消。
呵，可真是睁眼说瞎话。
之前滴滴也被爆过给乘客派单的原则，明面上说“就近派单，减少乘客等待时间”，但实际上，滴滴从来都不会就近派单，而是采取折中主义，靠后台算法算出对滴滴来说的最优匹配。这个倒也无可厚非，但是滴滴的算法越来越来越过分，而且还一次又一次的欺骗用户。
之前有一次，滴滴给我派单了10分钟才能到的车，告诉我这是最近的司机，我着急走，就取消了重新打，结果下一个司机两分钟就能到。我一开始以为是巧合，可能这个司机刚送完上一单，但是我后面几次打车“故技重施”，每次打到10分钟的车就取消重新打，每次下一个司机都是两三分钟就能到。一次两次是巧合，每次都是那就是必然。
傻子都能看出来，这就是滴滴所谓的算法在作怪，我取消了10分钟才能到的订单，滴滴就认定我是“不能久等”的用户，如果再给我派时间长的司机，我一定会关掉滴滴，用别家软件打车了，那他下一单就给我一个距离近的车。
但如果你不取消呢？滴滴就认定你是“老实人”，是可以欺负的，让你等个10分钟也没事儿。最关键的是，滴滴还大言不惭的说“这是距您最近的司机”，这不是明摆着欺诈用户吗？
滴滴这点“小聪明”可真够鸡贼的呀。
👍3