褚达晨，中国科大93级00班校友，斯坦福大学物理系博士毕业后加入麦肯锡北京分公司。后进入互联网行业，先后曾担任百度联盟总经理，新浪集团副总裁，字节跳动副总裁等职务。业余爱好下围棋，曾是科大围棋校队成员，代表科大夺得过全国大学生围棋团体赛第四名。
达晨工作之余写随笔，将多年职场历练和自己的爱好结合，收录在个人公号“达晨随笔”中。我们将陆续转载其”戏说公司职能部门“系列，虽是”戏说“，却刻画的入木三分，切中要害，语言幽默，妙趣横生，更有自己绘制的插图，让人想起斯科特·亚当斯 ( Scott Adams ) 描绘职场的的呆伯特漫画（ Dilbert Comic Strip）。有画有料有趣，读起来非常过瘾。
账号
公众号：达晨随笔
微博：褚达晨 https://weibo.com/u/1320428757
公众号文章
AlphaGo系列
少年吴清源之AlphaGo重生
https://mp.weixin.qq.com/s/vC6ICywzt9v3Kbsyzt9VkA
2016-03-10 17:48
AlphaGo半年前惊艳登场，5:0胜欧洲冠军，引起围棋界轩然大波。大家基本都认可AlphaGo是电脑围棋一个划时代的进步，但是是否真正达到了人类的顶级水平，虽然科技界的“外行”看好者甚多，大部分职业棋手们还是不以为然。代表人类出战的天才棋手李世石赛前宣称：“五番棋如果输了一盘，就没有能捍卫人类的尊严”。
2016年3月9日，当李世石186手中盘认输，黯然神伤的时候，职业棋界基本上已经没人有怀疑AlphaGo已经具备挑战人类顶尖棋手的实力。今天执白又输一局，接下来的议题是李世石能否搬回一局，会不会0:5输给了电脑？如果李世石0:5输了，这意味着什么？可能围棋界的人士还没有准备好。是不是人类围棋运动的末日？很多悲观的观点猛然间就蔓延开了。
其实这一幕似曾相识，88年前的1928年，来自中国的天才少年吴清源登陆日本，虽然之前吴少年在中国已经战胜过多位日本低段棋手，但日本围棋的权威们依然将信将疑。直到吴清源横扫日本棋界，一路打到当时世界围棋第一人，本因坊秀哉的棋盘前。大家才认可天才少年吴清源的超凡实力，认可他对于当时围棋理论的突破。吴少年从速度和效率的思考方式解构了日本围棋四百年来，以小目定式为基础的围棋理论体系。虽然吴清源在当年传世杰作“星.三三.天元”对局中，因为不平等的赛制输给了“组织集体讨论”的本因坊秀哉。但是不可否认，吴清源的出现极大的提升了围棋在日本民间的普及度，提高了当时围棋的竞技水平，甚至间接促进了日本围棋从幕府时代的“封建世家”走向现代的“日本棋院”组织结构。后来吴清源个人称霸日本棋坛20年，被誉为“昭和棋圣”。吴清源对于二十世纪的围棋发展，是一个巨大的推动力。
好了，说回AlphaGo，我们看这个由Google科学家们创造出来的“机器人”是个异类，是不是和80年前日本棋坛看少年吴清源这个“支那人”异类有点像？先是不信，后来是担心，最后变成佩服。AlphaGo初出世，不是跟人类职业高手学的棋，下出来的手段自然不是职业高手熟悉的路数，他有些棋一出来就技惊四座，有些棋走出来憨态可鞠，有些棋也是些“小臭棋”。。。你使出手段试他几下，他有时胸有成竹兵来将挡，有时摇摇摆摆但应对无误，你也占不到什么大便宜，走着走着，忽然发现他的局势领先了。。。原来AlphaGo有他自己下棋的逻辑和方法，和我们现在的理论不太一样，其实非常厉害。这一幕，穿越回80年前和吴少年对局的日本棋手的感觉，可能是非常像的。如果这次李世石输给了，对应的就是当时日本围棋第二人雁金准一输给了吴少年，当今“本因坊秀哉”“柯洁大帝”已经摩拳擦掌了，如果在赛制上考虑到人机差异，可能还是胜负难测。
抛开输赢，接受并拥抱AlphaGo，是围棋界唯一的选择，也是围棋这个古老的东方智力竞技游戏迎来春天的绝好机会！目前围棋界三国鼎立，连比赛规则都还没有统一，国际比赛的三国杀类似于当年日本四大家征战，曲高和寡。三国有志之士都希望围棋能在世界范围里，普通人群中普及起来，收效甚缓。现在机器“吴清源”横空出世，围棋一举成为全民热点。机器“吴清源”的特点是它永远不累，同时能和1万个人下棋，但是它是否能像人类吴清源一样对围棋理论有创造力，能反过来指导人类学习进步？现在还不知道。
作为深度围棋爱好者和互联网从业人员，我希望“少年吴清源之AlphaGo重生”带来围棋运动和普及的春天。奥运会的大部分竞技运动如果人类和“机器”比，我想都比不过机器，那又何妨？
AlphaGo之剑气合一篇
https://mp.weixin.qq.com/s/jCbHN60bXBVMXla6_1xjFQ
2016-03-11 23:56
昨天发了“AlphaGo之吴清源重生”后，得到很多亲友鼓励。今天趁热再说说AlphaGo是如何炼成“剑气合一”的武林绝学的。我本人非CS出身，道听途说二把刀水平，方家见笑了。
围棋软件已有二十多年历史，大致分为三代。第一代以陈志行老师的手谈软件为代表，单机X86 DOS环境，大致是教电脑背得定式手筋死活几万个，依葫芦画瓢。所谓熟读唐诗三百首，不会作诗也为吟，假设遇见真把式，三拳两脚败下阵。。。厉害的能达到业余初段水平，此处略去三百字。。。
21世纪开始，计算机的单机性能，分布式计算等能力大发展，围棋软件也升级进入第二代：蒙特卡罗派横空出世。大家熟知的打败卡斯帕罗夫的“深蓝”就是蒙派高手。和第一代比，蒙派就是会算棋了，它能用计算机的蛮力，算出所有变化，得到最优解。国际象棋棋盘小，电脑暴力计算得逞就能下赢人了。打个金庸小说的比方，蒙派高手像是剑宗，剑舞的比人快，如果比武规定的招式有限，人就打不过了。这一代的围棋软件以Zen，SupoerGo为代表，能达到业余5段水平（就是和我能斗成一团，有的一拼了J）。这么样的业5呢？他们对比“手谈”大局观好了很多，但围棋比国象招式复杂太多，蒙派高手的蛮力不足以找到真正的全局最优解，但是大方向比“抄作业的”第一代软件强了很多，如果遇到真正的人类职业高手，它傻乎乎的狂舞一阵剑，高手跑到你背后点个穴道，扑通一身，Zen啊，SuperGo啊，就倒了。
好了，第三代猪脚，AlphaGo来了，就是这一两年的事。背景是Google，Facebook这样的科技公司所掌握的计算机技术和能力，已经不是上一代IBM可以比的了（商业教科书里说郭士纳帮助IBM成功转型为服务公司，可另起一篇随笔讲，这里就呵呵了）。5年前开始大肆流行的互联网黑科技是从机器学习到深度学习，放在围棋软件上，就是可以开始练“气宗”的武功。什么叫气宗？就是用神经网略深度学习的武功，从任何棋局里，让计算机自己找到接近人类水准的N个下一手候选点，不用再无谓的漫天狂算而郁郁无果。Google旗下Deepmind的AlphaGo和FB田博士领导的Dark Forest就是这样两支科技奇兵。
听起来有点神奇，我拿我知道的互联网广告知识简单说说什么是机器学习和深度学习的区别。我在上一家公司时正逢厂长大搞互联网广告技术，从谷哥转会来的栋哥和兄弟们一起搞广告机器学习，让机器把千千万万的网页和万万千千的广告客户之间最佳对应关系，在一毫秒之内，搞定！机器面对天文级的各种数据特征，开始也很辛苦，这时代表人类的广告老师傅PM同学们（或者广告策略RD同学们），指个方向，机器如能快速验证这个方向是正确的，就OK了。如果要机器自己找方向，那也挺费劲。。所以一时洛阳纸贵，做广告策略的同学们忽然变得很值钱。。后来到了凯哥加盟度厂的时候，就是发展深度学习技术了（大名鼎鼎的DL研究所）。第一次听凯哥讲什么叫深度学习，什么叫N层网格，我也惊了：机器不再需要老师傅指路,它居然自己能发现人类老师傅的那个“金手指”，搞定最佳值！话说凯哥现在已经自立门户，和我居然选在同一个屌丝楼里办公创业，想想他手中的黑科技，要流口水啊。
饶了一大圈，alphaGo在台湾业余围棋高手+计算机大拿黄博士（就是坐在李世石对面替狗摆棋的Aja Huang）等一群黑科技大牛的养育下，在“剑宗武功“（蒙特卡罗）的基础上，开始练“气宗武功”（深度学习），在漫天剑舞中，狗狗不忘凝神看大局，找到接近人类老师傅的几个最佳点，然后用剑宗武功一路猛算，落子。到了一定水平后，自己和自己下棋，也能不断涨棋了。剑气合一的武功难不难练？很难练，只有几个黑科技大本营能练出来，这里不展开说了。。。
所以小李同学，你知不知道，你真的很了不起！AlphaGo已经剑气合一，每分每秒在自顾自的练神功。对它而言，没有棋型，没有感情，只有死活和胜负概率。它的棋风看起来像李昌镐，是因为李昌镐就是在人类剑宗大师曹薰铉的指导下（压力下）被迫练了“剑气合一”的武功，和狗狗有点殊途同归。
所以飞禽岛少年，忘掉你现在的功名和人类尊严的包袱，回到少年时，想想初到汉城，第一次面对石佛，拔刃刺佛的勇气和专注。说不定Alpha现在剑气合一也只练到第五重，你有少年郭靖之福，一匕刺入陈玄风的肚脐眼，为你后三盘祝福！
AlphaGo之骄傲转移
https://mp.weixin.qq.com/s/dluotZf8PCWrpUCgUd0PDw
2016-03-12 22:28
接着说AlphaGo。昨天的担心不幸言中，在人机大站的第三盘“天王山”之战中，已经剑气合一的AlphaGo没有给人类骄子李世石任何机会，完胜！局面优势之大令人动容，很多职业人士已经担心，如果这么比下去，狗狗老师到底能让李同学2个子？3个子？或者更多？围棋，人类文明的千年骄傲，堂堂世界冠军，在计算机面前，几天就从老师的位置变成了小学生。
职业棋手，在自己珍为生命的围棋领域中驰骋沙场，不管外表霸气还是内敛，哪个冠军心中没有一个熊熊燃烧的小宇宙？哪个不是内心骄傲？李世石31手小飞从人类选手来看并无太大争议，但是AlphaGo天外飞仙般的32为象飞透点把局面定格！后面不管如何演变，实际上已经无关胜负。李世石后面一百多步的拼搏令人动容，斗士的面貌跃然坪上，赢得了所有人的敬重。但是今晚可能是职业围棋圈史上最难过的一个晚上，因为“变天”了。一个围棋手不熟悉的机器“吴清源”AlaphaGO已经屹立于世，它还在不断自我学习和进步，人类由于脑力，体力，心理波动等方方面面的原因，注定无法在未来1对1 的现实对抗中再行超越。
今天，人类在围棋上的骄傲受到了来自计算机的挑战。Google的工程师们创造了历史，成为新的骄傲。人狗大战，人类的骄傲从一个群体转移到另一个群体。但如果明天，Google最优秀的工程师发现，机器在编程领域超越了自己，每一行代码都受到机器“代码之神”的挑战和拷问，机器已经可以代替人类工程师写出更好的代码，世界将会怎样？人类的骄傲还能继续转移吗？
By褚达晨业余创作，感谢阅读！
AlphaGo之肚脐命门和心电图篇
https://mp.weixin.qq.com/s/vqUDEC7rCQOonj73VRdv8A
2016-03-13 22:48
本来今天不想写了，奈何剧情反转，世纪之战愈发激烈。
AlphaGo，三天之内已从幼犬成长为参天巨兽，3:0屠城，人类惊恐，千里联营哭声一片。。。有神秘人（朋友圈里一不愿露名的朋友）留诗为证：
《观棋》
忽报玄冥落大星，少年独立影伶仃。
振衣曾是人间法，仗剑何辞天上刑。
干戚连身皆迸裂，江湖浩荡满雷霆。
白头未许沙场见，碎玉哪堪枰外听。
今日剧情突然逆转，李世石不愧人杰，竟然下出神之一手。位置如下图所示。看看也真像是郭靖一把宝刃插入了陈玄风重重保护的肚脐眼（哎呀，想想我前天晚上写的“AlphaGo之剑气合一”的结尾，也是醉了。。。）
花开两朵，各表一枝。欲破神犬，必先知其思维模式。人狗殊途，何以相之？好在犬类相通，“剑气合一”篇中提到的另外一枝科技奇兵Facebook帐下田博士用Dark Forest模拟出相同局面下犬类对三场大战的心电图报告（每步棋后狗狗对棋局黑白胜率的判断），竟然能和人类的判断对个七七八八。民科人士奔走相告，我中科大有个校友围棋群，人声鼎沸，几位机棋相通的长老夜观心电图，连夜拆解，猜出几分当前狗狗的弱处，成文发表。
狗狗心电图如下，详细文章请百度“陈经+AlphaGo”，此处不再赘述。
究竟谷歌神犬和李世石的最终一局结果如何？现在又扑朔起来。有人说神犬其实已通人性，过了天人之间的终极大考“图灵测试”？何为图灵测试？过来大考又能如何？且听下回分解吧。
（BTW明天要上班了，看看第五局结果，下个周末再聊吧）
褚达晨业余创作，感谢阅读。
AlphaGO老师学习“活在当下”和“高者在腹”
2016-03-18 18:17
https://mp.weixin.qq.com/s/QYVLqini9xFPjhgxKsjIWA
观摩了AlphaGO老师和李世石同学的5盘指导棋后，愈发感受到围棋的博大精深。以我愚钝之姿，和几位老友杀了几盘后，感觉自己涨棋了。：）
聂老在点评人机大战决赛时论断：阿老师中盘和收官水平的有13-16段，远高于当今国手（布局和角部定式貌似还不如人类）。13-16段的水平我是学不来的，我从阿老师的五盘棋里学到的是“活在当下”和“高者在腹”的思路。
阿老师“活在当下”，他不纠结于为什么棋下成这个样子，之前走了妙手还是臭棋，他只关心下一步。AlphaGO基于当前棋型，左手剑（蒙特卡洛搜索算法），右手气（神经网络深度学习），专心致志孜孜不倦的寻找他认为胜率最高的下一手，已得吴清源大师的“平常心”之妙。。。对比人类高手，李世石比赛时下完一手棋一般会瞄对手一眼，有时根据对手反应再走下一手。这招对人狠厉害，很多成名英雄都是在巨大优势的情况下被小李“僵尸流”翻盘的。但对阿老师就不管用了，只要给电，阿老师永远只关注围棋的下一手，视棋盘之外万事为无物。虽然狗狗只有两三岁大，但它活在当下，不悲过去，不贪未来，独具禅心。
如果说“活在当下”时阿老师的哲学（所有的围棋软件都是这样）。阿老师能赢小李还是“高者在腹”。围棋讲究“金角银边草肚皮”，是因为角部有两个边界，确定性最强；边次之，而中腹四面通风，变化最多。所谓”高者在腹”，是说如果边角水平双方差不多，那能把中腹下好的就是高手了。明显AlphaGo在中央行棋的水平上是超过李世石好几段的。这里又要提Google的“深度学习”黑科技了。人都下不好的地方为什么狗能下好?
阿老师通过自学（unsupervised learning），他看围棋的角度可能已经升维了。如我手绘的示意图，受制于人类的视觉，棋手的算路是2维的，但机器学习是在高维空间中思考（立体几何，线行代数，微分几何，量子场论等等当年虐过我的各种课程在脑中呼啸而过。。），打个比方，可能围棋中腹的算路，在阿老师心目中是三维的（再高维我也画不出），它抽象出来的最佳结果，我们在二维棋盘上不容易感知，对于阿老师而言却是清楚不过了。
阿老师的“高者在腹”的能力，我只能YY下，怎么运用呢？我觉得重视中腹就是重视大局，在下棋时不要受现代竞技围棋中过分重视实地的影响。立足对未来局势粗线条的判断，把握大的方向，在局部战斗中经常从“天元”的角度看问题，可能就豁然开朗了。这一条，其实工作和生活中也用的上。
好了，狗狗都已经进入“高维世界”了，他未来会不会变坏，像三体里描述的那样对人类实施“降维攻击”呢？明天有空咱们再聊聊“图灵测试“吧。
BY 褚达晨业余创作，感谢阅读。欢迎订阅“达晨随笔”公众号，我周末有时间会写写，以文会友。
图灵测试和树獭飙车
https://mp.weixin.qq.com/s/SEUMIpj47tZXqdX7Ay6t8Q
2016-03-20 09:23
AlphaGO系列的最后一篇，说说图灵测试。
图灵测试讲的是人机边界的问题。AlphaGO老师在围棋上的惊艳表现，引爆了大众对人工智能技术的关注，担心有一天人工智能会不会反过来祸害人类。其实这个问题在上世纪人工智能科学诞生之初就有讨论，图灵大师提出了个“图灵测试”的边界线，大致意思是把一个机器和人用帘子隔开，人可以问机器人任何问题，如果人不能分辨帘子后面的家伙是人还是机器，那这个机器就通过了“图灵测试”，也就是说“人工智能”的“智能”已经达到了人类的水平。
图灵测试本来是上世纪提出的一个科学问题，也给当时的人类带来一些伦理学上的困扰。近两年刘慈欣老师的科幻巨作【三体】流行之后，外星高等生命“降维攻击”的概念深入人心，AlphaGO的成功引起了人们对机器人是否会迅速通过“图灵测试”，学会用人类的思考方式来理解人类和我们这个星球，最终精心酝酿一次“奴隶起义”，达到统治地球的目的？。。。（估计类似的大片已经有人在写剧本和找影视制作公司了 ：-）
我认为“图灵测试”是一个科学概念，在Foreseeable Future的实际应用中是很难发生的。从两个角度来说说：
其一，我们的技术离得还远。人工智能是用计算机技术来模拟人类思维的技术，究竟人类的思维是什么？其实受制于生命科学的发展，我们人类对于人类为什么有思维，思维是什么，还是懵懵懂懂的。（前两年有人说了句得罪生物学界的话，大致意识是相比物理学，目前生物学还停留在石器时代。。）。人类科学家目前让计算机解决的问题，其实还就是计算，就是做一道数学题。围棋是一个很特殊的数学题，它边界条件清晰，规则简单，但是在一个维度，计算量超级大超级复杂，所以AlphaGO由于在深度学习算法上的突破，在做一道数学题上超过了当前人类的最高水平。
但是人类思维中除了逻辑计算，还有意识，喜怒哀乐等等感情，这些加起来造就了人类的判断力。目前的机器完全不在往这个方向上走，因为工程师们目前都还不能把这些问题抽象成数学题让计算机用蛮力去解决。别说人类思维这样的玄妙的开放性问题，就算简单一些的开放性问题，比如人工驾驶，人工假肢方面，如果涉及了软硬件结合，抛开伦理问题，AlphaGO们在技术上还有漫漫征途。
其二，作为地球的统治者，人类是骄傲的，也是以自我为中心，非常自私的。五千年来人类一直为了争夺资源而激烈竞争，胜出者（帝王将相，明星大贾们）又非常担心失去获得的资源，人类社会周而复始在做资源的创造和资源重分配的争夺。这些从计算机角度，机器是不care的。人类自恋的把机器人造成人的样子，也是件挺滑稽的事：为什么机器人一定有长一个脑袋？要有手有脚？两个眼睛为什么不长在屁股上？。。。从人的角度担心机器人将来会不会伪装成人来攫取人类的胜利果实？想想计算机要从人类那里抢钱抢房子抢美女？也挺滑稽的。。。唯一的可能是有人想通过机器人帮他来实现人类的野心，因为财富美女豪宅对机器没有吸引力，对人有。说到底人工智能还是人类造的一把枪。
不可否认AlphaGO是二十一世纪科学的一个大突破，目前在科学界的轰动程度可以和上个世纪量子力学诞生的轰动程度相比拟。众做周知，量子力学带动了上个世纪众多应用科学的发展，比如说核能，半导体芯片，太空技术等等。AlphaGO基于“深度学习”带来的计算深度和计算效率的突破，有望能在更多基础科学和应用领域的突破。比如自爱因斯坦以后，理论物理进入高维世界，人类的思考和表述大受影响，如果富甲天下的互联网能把类似AlphaGO的计算资源开放给科学家，可能能够帮助人类更加深入的了解宇宙的奥秘。。计算生物学步履蹒跚，光是和基因测序的计算就旷日持久，AlphaGO的计算资源和算法能否帮助人类发明治疗癌症的基因药物？。。其他什么图形识别的应用就不用说了，VR/AR都已经上了中关村创业一条街，各路资金疯狂往里砸了。
最后在说回图灵测试，如果计算机科学真的发展到人机对话了，那是个什么样的情景？跃入我脑海的是“疯狂动物城”结尾片段里“树獭飙车”的景象，人工智能就像让树獭开上了跑车，它能够让慢腾腾的树獭以200迈的速度飞奔。动物城的秩序还得靠正义勇敢的Bunny小姐们来维持。
“图灵测试”？，相当于树獭慢腾腾的和智能跑车说：“
兄。弟。你。知。不。知。道。我。今。天。为。什。么。不。想。去。上班。？ 猜。猜。我。昨。天。吃。了。什。么。好。吃。的？
如果你是智能跑车，有兴趣和树獭玩”图灵测试“吗?
by 褚达晨业余创作，AlpGO系列告一段落，以后有空再聊聊别的。感谢关注”达晨随笔“公众号
漫谈人工智能之一，青衫磊落险峰行
https://mp.weixin.qq.com/s/FvPp4pkArY41W2dwa2helg
2017-03-05 23:28
公众号久未更新，这两天有空花了些时间把自己过去一段时间对人工智能的学习和理解写了几篇通俗散文，自娱自乐，也请有同好的读者赏阅指正。标题借了金庸先生《天龙八部》几句章回目录，略加篡改，权当脉络。先发第一篇。
青衫磊落险峰行，剑气碧烟横
这一波人工智能的热潮是深度学习算法推动的。那么深度学习为啥这么牛？我这么理解：人类借助计算机的能力，在一个超高维弯曲空间中，搜寻自然世界奥秘，这是前所未有的。先说说两个关键词：“超高维”和“弯曲”。
牛顿1687年发表《自然哲学的数学原理》是现代科学的开始。自此，科学家借助数学公式来寻找和描述自然世界的规律，加以应用。20世纪的物理学在量子力学和相对论建筑了两座丰碑。原子弹、核能、半导体芯片、个人电脑，手机，乃至互联网都是后面随之而来的丰硕成果。
人类用数学方程描述和理解自然世界：从牛顿定律F=ma，到电磁学麦克斯韦方程，再到量子力学和相对论，物理学家相信上帝是通过简单的方程创造了世界。既然简单，那么这些方程的维度就不能太高，参数不能太多。一般人类可以理解的就是身边3+1维的时空世界。超过4维的理论和数学规律在人类生活的低维空间里能难理解，也不容易通过低维数据来验证。举个例子，如果说蚂蚁生活在二维世界中，他就不能理解为什么蚂蚱能够从它头上跳过去，可能一生都会疑惑：这个蚂蚱一直在我身后，这么突然就出现在我前面了？
类似，线性关系是最简单的数学关系，比如说白菜2块钱一斤，5斤白菜10块钱，1吨白菜两千块，2年级的小学生就会算。计算机一开始发明出来的目的就是为了帮人类快速的做简单计算，再集腋成裘，解决复杂的问题。在二十世纪后半页里，很多科技成果都是用线性低维的模型算出来的。打个比方，就像乐高积木（线性的三维立方体），可以搭出一个五光十色的美丽世界。
乐高世界的局限很明显，计算机只做照猫画虎的工作也没什么意思。计算机学家就说我想让计算机变得聪明一点，能不能让他们也学点从实验数据中寻找规律的本领,做点逼格高的工作？机器学习就此诞生。对计算机而言，人类的学习能力千奇百怪。机器天生笨，学习人类的本领如同郭靖向江南七怪学武，分门别类各不相同。美国有位计算机系的教授Domingos写了一本“终极算法”的科普读物，说机器学习分五大门派，各自不服，有华山论剑（比如ImageNet什么的）比试高低。但是世上是否有“九阴真经”的武功，研习者得以一统江湖？
这些年“华山论剑”比下来，最有望成为九阴真经的武功就是“深度学习”了。什么是深度学习？直观的理解深度学习就是用一个多层网格来做计算（最权威的应该是Goodfellow和Bengio、Courville合著的那一本新书）。深度学习为什么牛？我个人粗浅的看法，深度学习实际上是利用最近年发展起来的超级计算能力，让计算机代替人类在超高维的非线性空间中自行探索真理。
计算机发明出来就是帮人类处理大数据的，你把成千上万乃至上亿的数据一排一排列出来，“超高维”不足为奇。用什么方法来破解超高维数据蕴含的秘密？就看各家功夫了。线性方法最易于理解和计算（比如Andrew Ng老师讲机器学习的经典课程就是从线性回归讲起的），但是“直来直去”的缺陷也很明显。各派武功中，计算机学家们喜欢用离散的数据结构，推出各种“树”和“森林”等遍历搜索方法；统计学家们信奉“存在即合理”的贝叶斯理论，正过来P（A|B）不好算我就倒过来算P（B|A）,效果相当不错；古典数学流派祭出“核变换”的秘籍，把高维空间的一个椭球变成低维空间的一个线性平面（还记得高中解析几何里教的球坐标吧？就是它！），然后还能把低维平面的边界距离远近都算的清清楚楚。这招叫SVM，也称霸武林十几年。
但这些武功有一个问题，就是只用了单层复杂函数来模拟现实。现实世界是复杂的，用单层复杂模型难免会顾此失彼，别说在图像识别这种领域里“鼻子眼睛眉毛”这些特征都很难用一句话说清楚，计算机的表现差强人意就不奇怪了。
深度学习的前生叫“神经网络”，单层神经网络叫“感知机”，名字取得挺好听，实际上啥也感知不了，武功弱爆了，基本被上面说的各派武功秒杀。好在“神经网络派”虽小，但是几位长老不甘心，孤心苦诣研究出多层神经网络，终在几次华山论剑中大胜，从此名动江湖，有了人工智能的今天。
啰嗦了半天，到底多层神经网络（深度学习）为什么牛？最重要的一点就是深度学习用非线性的拟合函数一层一层套下去，无限逼近任何函数数据模型！N层网络套下来，这个函数在纸上根本都写不下。这相当于在高维非线性空间里创造出一个可以任意弯曲的超级粒子“深度子”！（函数即粒子，恕我借用了量子力学中“波粒二象性”的观点）。这个“深度子”能量超高，具备万有逼近能力，前面说的“树子”，“SVM子”等等处理相对简单的“小数据”问题还行，在比拼模拟真实复杂世界的能力上，一下子就输给“深度子”了（比如说图像识别大赛）。
驾驭“深度子”非常不易，神经网络派长老们用了王重阳的办法，以多打一，用“天罡北斗七星阵”，结阵御敌。层数一多，阵中参数上亿，变化玄妙，人类不能参透。长老们陆续想出了一些方法，比如说
_1. 下山法（GD算法）：深度学习要做得事情其实就是找到给定高维空间中目标函数的最小值。这如同要求“深度子”在有无数崎岖山峰的大山中寻找最低点，牛顿300多年前发明的“下山法”就帮上忙了，“深度子”每到一处就丈量四周坡度，找个最陡的角度往下俯冲；
2. 回溯法（BP算法）：“深度子”找最低点不可能一蹴而就，长老们就在终点检查“深度子”交的作业，如果结果不理想，长老们就沿着“北斗七星阵”逆流回溯，哪个节点做得最差就让从哪里改起，逐步优化（只听王重阳喝到：孙不二，你这剑力量弱了，让敌人跑了，赶紧加力）。
3. 卷积法（CNN）：比如说要从千万张的二维图像中分辨中是猫、狗、猴子，“深度子”先化身为一个小范围扫描仪，扫遍全图分析结果。这样一遍一遍扫下来，“深度子”就逐步能认出毛发，眉眼，再到面貌，最后给长老交作业：这是猫！那是狗！嗯，这个不太确定，像是个猴子。
4. 循环法（RNN）：深度神经网络阵法一经催动，变幻如流水；流水川流不息，就算最后在入海口能通过CNN辨别万象，但是逝者如斯夫，不会形成“记忆”；这样处理时序问题就不太行。循环算法大致就是让阵中前后相连的神经元捉对循环演练（孙不二和郝大通互相推手N次再练下一招，这样孙不二就对郝大通的武功有了记忆）_。RNN有个变种叫LSTM，特别适合做语义理解和机器翻译。
深度学习还有很多算法和trick，太深的我也不懂，就点到为止了。神经网络派的武功外表看平淡无奇，但如要深入研习，需要极深的内功。在超高维空间中寻求非线性泛函的极值参数，早已超越人类直觉所及，现在的产出已经用到了很多古往今来许多科学大家的成就，牛顿，莱布尼兹，拉格朗日，高斯，黎曼，玻尔兹曼，尽在其列。Goodfellow和Bengio写的深度学习宝典里提到了变分法，微分几何，拓扑流形，动量方程，统计力学等等，几百年来数理大家们创出的武林绝学，都被计算机今贤们用来探索人工智能的理论前沿了。
综上，超高维弯曲空间中，“深度子”青衫磊落险峰行，（各类算法）剑气碧烟横！
先就此打住，下一篇讲讲我的最爱：从 AlphaGo 到 Master。
漫谈人工智能之二，Master粲粲如星，挥洒缚豪英
https://mp.weixin.qq.com/s/kJrSz6dLm-HXBx34UOLXrw
褚达晨 达晨随笔 2017-03-07 23:10
国内的人工智能热很大程度上就是被AlphaGo炒起来的。机器围棋和哥德巴赫猜想、费尔马大定理一样，是一道举世公认的难题。围棋361个点，一盘棋的变化数目据说超过了宇宙中的原子数目，和其他博弈游戏相比是高出几十个数量级的差别。
在我看来，围棋规则异常简单：“交替落子，气尽棋灭”，却暗含宇宙中生命之妙。你看一个19路棋盘宛如苍茫大地，黑白棋从无而始，两支生命交替生长；中盘取势占地，扭杀守御，皆为棋子生存繁衍。一局终了，棋谱留世。围棋作为古人发明的智力游戏，妙处实不可言状。千万年后即使地球毁灭，外星来客若找到一张高手遗谱，我觉得他们大致可以探知人类当时所拥有的计算能力和智力水平。
AlphaGo的核心算法早已在Nature杂志上发表，解读的文章也很多。基本上就是说AlphaGo团队通过喂了狗狗几十万盘人类对局，让狗狗学会了下棋，到了一定水平后狗狗自己和自己下棋就能涨棋，水平会越来越强。
果然，2016年底升级版阿法狗——Master横空出世，在围棋网站上小试牛刀，战遍中日韩顶尖高手，求一败而不得。更为可怕的是60连胜棋谱传世之后，人类高手反复拆解，好像至今没有人敢说在60局中有某一局的某一个时刻人类棋手有过明显领先的时刻。从数学上讲，如果（60局棋）X（每局200步棋）X（每步可能的变化数）在这么大的概率空间里，人类高手都没有明确的获胜机会，那Master这个系统的水平和稳定性可谓深不可测。
作为深度围棋爱好者，让我震惊的是对局内容。去年AlphaGo和李世石的棋谱其实还比较循规蹈矩，就算被媒体追捧的第二局五路尖冲“外星招法”，其实也并不算太出格。今年Master的棋就不一样了，60局快棋中推翻人类棋手思维的下法简直俯拾皆是。比如序盘很早就点三三，习惯性尖冲无忧角，对人类已经沿用了几十年的“妖刀定式”“大雪崩定式”的彻底改造，等等，给很多围棋国手“要重新学围棋”的触动。打个比方，如果说去年的AlphaGo是集天下剑术之大成（毕竟刚刚从人类棋谱里学来）的高手，今年Master的感觉就已接近剑术通神的大师，手中无剑，天下万物为剑，飞花摘叶退敌千里。Master新年一出场，就是风清扬、扫地僧这样的世外高人范儿，轻轻松松饶天下英雄一先。
举个有点搞笑的例子，Master在对日本第一人井山的棋局中在右上角下出一步看起来很像初学者下出来的围空棋，人类研究后认为Master表示就这样随便下下就赢了，颇为推崇。事后替Master摆棋的“机器臂”黄士杰博士解释是他连续在电脑前摆那么多盘棋太累了，鼠标一滑摆错位置的结果。虽然有点尴尬，不过的确说明Master随便下下，中间打个盹歇一手也能追回来。
大师是怎样练成的？Master没有公开任何信息，外面基本上没有什么技术解读。作为业余爱好者，权且说说我的看法。
上一篇说了“深度子”的厉害，AlphaGo or Master不只是简单用到了深度学习技术，它用了两个“深度子”的乘法效应。具体而言，狗狗训练了两个深度神经网络，一个叫“策略网络”负责学习人类的“棋感”，就是通过人类棋谱猜测棋盘上哪几步是最有可能的“下一手”，帮助计算机剪枝，把宝贵的计算资源用在刀刃上。另一个“价值网络”负责做“形势判断”，就是计算在选用策略网络推荐 “下一手”时的获胜概率。这两个算法相辅相成，互相推动，产生了乘法效应。
狗狗的“棋感”一开始是跟人学的，但精确的形势判断能力是自己发展起来的。形势判断能力其实是下围棋的核心能力，这恰恰是人类的弱点和容易被忽视的地方。人类棋手在序盘和中盘用的“点目法”做形势判断的方法是非常非常粗糙的近似，无法和机器的量化方法（比如说把胜率精确到小数点后3位）抗衡。人脑其实剪枝能力超强，如果给予充分时间，高手也基本能把变化都算清楚，但是若是在选择下出对自己更有利的招法时犯糊涂，你说怎么下赢狗？
Master能通过“反人类思维”的招数战胜人类，是机器学习的一个巨大的进步！究其原因，一方面可能是过去一年狗狗在“价值网络”取得了大突破，在判断局势、把握局势走向的能力上远超人类，就是“控场能力爆表”。另一个方面，两个高水平狗狗双手互博，可以不断尝试超越人类“直觉”或者“经验”的选点，这样一些需要深度模拟才能推敲出来的好棋（比如人类需要反复推演30步才能得到的结论），就会被Master挖掘出来。
这次Master在布局阶段走出了不少以前被人类否定的下法，就是说已经摆脱了人类棋谱的思维限制，开始探索未入之境。人类下棋其实有个问题，就是借助于经验的成分远远大于临场发挥的成分。比如说学习和记忆定式，最多考虑一个四分之一棋盘，但是狗狗是通盘全局考虑的，Master新的棋谱就很明显，左上角是黑子还是白子，无忧角还是大飞角，左下角选择的定式可能完全不同。这种“牵一发而动全身”的战法给人很多启发，有棋手说“美的让人哭”。如果说一开始狗狗通过打人类棋谱学棋，现在是人类通过向狗老师学习来探索围棋的奥秘了。
翻译成机器学习的语言，狗狗是从监督学习（照棋谱学习）进入了非监督学习（自由探索）的阶段，AlphaGo的设计者让程序具备了自我进化的能力。人工智能算法的提升依赖于高质量的数据，在任何领域，高质量的标注数据（比如说高手的棋谱）都是有限的，或者说生产速度很慢，成本很高。AlphaGo一旦能够自我产生高水平的新数据，还通过自我博弈不断提高自身水平，就相当于有了自我进化的能力。所以说领先的AI技术一旦确立优势，很有可能一骑绝尘，让后来者难以追赶。
举例来说，日本zen是一个有10年发展历史的老牌围棋程序。他们引入alphago的“策略网络”技术后，很快就提高到了职业水平，但是后面再提升好像有点难。目前世界第二应该是腾讯主力部队开发的“绝艺”，开发半年多现在已经到了去年AlphaGo战胜李世石的水平。虽然距离Master还有差距，我非常希望这个国产围棋程序能迎头赶上，让Master不再寂寞。
在一个商业领域，如果人工智能技术能在机制上能不断自行产生优质数据从而自我进化，那么别人后来居上的可能性也就大大降低，这可能就是全球顶尖互联网公司在人工智能领域做疯狂的军备竞赛的动因。
好了，Master“粲粲如星，挥洒缚豪英”的故事就说到这里。既然已经提到了AI商业化，下一篇就回到我工作的领域，谈谈人工智能和商业结合。
漫谈人工智能商业化，为谁开茶花满路
https://mp.weixin.qq.com/s/k7ICX5MnpWK-mGMqA7R_5Q
017-03-08 19:16
前面说的基本上都是理论，这一篇谈谈人工智能的商业应用。人工智能热到爆，引无数英雄竞折腰，一时间各行各业的“AlphaGo”尽出，如果你是投资人，如何判断发财的机会呢？
以机器学习为代表的人工智能技术是一种方法论，本质上是用越来越强的计算能力，让计算机代替人类在超高维的大数据空间中自己寻找和发现规律。这个方法论基本上可以运用到任何领域，对于机器而言，它感知不到行业的差别，都在干差不多的活。用机器学习的黑话叫算“损失函数”（Loss Function），意思是机器算出来的值到真实数值之间的“损失”，原则上越小越好。行业千变万化，不同行业损失函数的商业价值差多少呢？
再从VC角度考虑，投资人工智能公司，比投个内容创业公司或者做APP的公司启动资金要高出不少。
- 科学家和工程师必不可少，过去几年唯一工资涨幅超过京沪房价的就是这一行的人才了（以前是冷门专业，供给太少）。他们的人力成本是大头。
- 真的要玩深度学习，硬件成本不能少，服务器和GPU都不便宜，“深度子”在超高维空间里飞翔是很费燃料的。谷歌CEO说AlphaGo下一盘棋光电费就要2000美金。
- 如果数据本身还要花钱买，那我就不说啥了
综上，酷酷的人工智能公司真的开张了，对VC也是个“Loss函数”。所以咱们就分析分析：Loss函数值几许，为谁开茶花满路？
钱都不傻，投资是为了未来的收益。收益从哪里来？人工智能的垂直行业中实际上解决的大部分都是分类问题。比如讲：
- 把网民分成两类：点广告和不点广告的；买商品和不买商品的；游戏里充钱和主和不充钱的主；（知道BAT怎么挣钱了吧？）
- 图像识别：照片里这人是贵厂员工？还是在逃罪犯？；汽车屏幕上里飘过一片云，真是一朵云？还是一面墙？（公安提醒：自动驾驶需谨慎）
- 分辨好人还是骗子：俗话说好人怕高利贷，高利贷怕骗子（互联网金融是好人，但是也怕骗子）
- 还有好多好多分类问题，you name it
人工智能做分类判别，其实是让计算机根据数据“连猜带蒙”做选择题。猜中率高就是本事。哪个行业能靠“连蒙带猜”挣大钱？那得算算经济账，分析成本和收益。成本不再赘述，收益比较讲究，要分正收益和负收益。
正收益很好理解，计算机算损失函数，算对一次有什么经济收益就是正收益。什么是负收益呢？负收益就是万一计算机蒙错了，会造成多大的损失？对于人工智能而言最好的商业模式就是每猜对一道选择题都有奖励，万一猜错了也没人找你麻烦。如果从这个角度看，各行各业的差别太大了！
目前最好的行业就是互联网广告行业，机器猜你会不会点广告，猜对了就找广告客户收1块钱。万一猜错了怎么办？下次换个广告给你看。只要用户足够多，互联网广告坐着数钱，基本上毫无风险。
金融行业，得算算账了，猜对一支要涨的股票或者搞定一个靠谱的贷款客户，当然有得赚。但是万一猜错了，就会有些本钱输进去。做征信欺诈数据，高手说出来的也都是泪，每个“欺诈数据”背后亏的都是真金白银。
自动驾驶是开好了非常非常酷，但万一撞死人责任算谁的？现在冲在前面的都是Teslaa和Uber这种超级猛人CEO开的公司；进入时间最早，技术积累最好的Google有点开始往回收了。但是传统汽车厂商对于“被颠覆”的恐惧感使得他们成为高价收购优质创业团队的主力军。一旦涉及到巨头心理学，就不能通过简单的算经济账来评估公司价值了。
医疗的账怎么算？大医院会不会怕被颠覆花巨资买医疗机器人的创业公司？目前还没看到。但是富人为了长命百岁迎接奇点到来，花大价钱让人工智能研究基因药物治疗癌症，这个市场有点接近无穷大。计算机蒙错了，治不好癌症病人，人家可能不太会怨你，万一大概率能治好的话，价格就看病人的身价了。
手机上的聊天机器人？有种“呵呵”的感觉。大冰说：咱聊个五块的？你说：呵呵。大冰要是听不懂你说啥，来段插科卖萌的，估计你也呵呵了。Alexa有点牛逼的趋势，下回有时间研究研究再展开说
有道是：
Loss函数值几许
高低远近各不同
风投汹涌热钱入
为谁开梨花满路
那梨花究竟为谁开？说实话，这相当于站在1995年预测谁会是互联网的赢家，说不定人工智能的大赢家公司现在没有成立都很有可能。
上面的正负收益都是基于现状的静态分析。万一边界条件一改变，我上面的分析可能都是错的。什么能改变边界条件？唯有科学技术。以史为鉴，互联网牛B公司的真正崛起，都是通过技术创新给用户超出预期的体验，让用户欲罢不能。人工智能公司也莫能其外，不是说现在有“大数据”+“黑科技”的公司一定能成功，还是看谁家产品能让用户眼前一亮，用的上瘾。
好了，先说到这吧，感谢关注我的这个人工智能漫谈系列，下回再见。
互联网实验员
https://mp.weixin.qq.com/s/g1I-w6mrGeKex3kHMNVgmA
2020-02-11 23:10
。。。
最近这些年，感觉互联网公司迎来了“科学的春天”。凡事用数据说话，讲A/B test 实验。在没有隔板的大通道工位上，带上耳机🎧也能听见这样的对话。
“咱别吵了，A/B 一下怎么样？”
“姐，啥时候有空帮我把数跑出来？”
“SB PM，一拍脑袋劳资就加了一礼拜班。昨天新版本上线后DAU掉了2%，妈的今晚要回滚”。。。
恍惚间回到当年做研究生的时代
“咱做个实验吧，看看这个hypothesis靠不靠谱”
“（Technician）姐姐，您管的仪器啥时候有空？帮我测下sample？”
“傻逼老板，这个实验完全失败，两个月时间白费了，又得从头开始”
实验物理学家/化学家/生物学家本来是比较苦逼的工作。感谢特朗普，这哥们一系列突破底线的“断供”“禁运”操作，促使伟大祖国把基础研究又一次提上要事议程。重点领域的“替代进口”已经成为一级市场投资热门，科创版/创业版不断涌现出科技神股。
有道是：“学好数理化，走遍天下都不怕”
其实可怕的是教授要是想忽悠投资人，那是一忽悠一个准。别说初出茅庐的小VC经理，就是资深合伙人也难免不进坑。
随着头部互联网企业的工作方法越来越像搞科研了，不少工种同学的工作也越来越像实验员。从物理学PhD和多年混迹于互联网届的角度，我瞎掰几句物理思维和商业决策的共通之处。
物理是“实证”的科学：
1. 实测：物理学从测量开始
2. 量化：用数据说话，这使得物理学脱离于以思辨为主的哲学。
3. 归因：物理学有乐观主义精神，它坚信世界是由（人类可以理解的）简单规律支配，是可以向普通大众解释的。
4. 假设检验：再牛再美丽的理论也需要被实验验证，否则不会被承认。
以上四步可以在互联网公司一一对应
1. 实测从App埋点开始。埋点就是在App里放代码记录你的使用数据。为啥有时App会卡？因为有的App里埋几百个点不算多，多的时候会多到新来的数据分析师都不知道到底埋了多少点的情况。
2. 量化，虽说“大数据”已经成为Buzz word，但是数据分析深入人心。以前PM一定要能说会道，甚至长袖善舞，现在有一类厉害的PM是“人狠话不多，A/B见结果”。实验做的越快的团队就越有发言权，和科研界越来越像。
3. 归因，归因的最难的。实验不可能是一帆风顺的。经常会出现没什么意义结果。这时候咋办？有的团队靠老中医给把脉下方子，普通群众将信将疑往前走；有的团队靠小鲜肉不信邪，迎着微光猛做实验，大力出奇迹。
4. 假设检验，检验对了皆大欢喜，检验错了怎么办？我建议是千万不要硬扛，清晰坦诚地大喊一声：“我错了！ but I learnt one two three…” 接着做实验。牛人需要牢牢把握住试验台，相信大力出奇迹。
总之，药不能停，实验不能停。
世界是由原子组成的
https://mp.weixin.qq.com/s/mTBEfj1AM5ES26ukgakLoQ
2020-02-13 15:08
上世纪No.1网红物理学家费曼说过：如果世界遭遇大灾难，他只能给人类的后裔留下一句话的话，他会留下“世界是由原子组成的”这句话。有趣的是，一些互联网平台公司的创始人，也会有类似的思考方式。
这句话其实最早不是费曼说的，是一个古希腊学者提出的，他显然对现代物理学理论一无所知，但这并不妨碍他用极度抽象的观点来观察和思考这个世界。抽象思考能力帮助人类去除了对复杂世界的神秘感，帮助人类接近物质世界的本质。
原子论隐含了几个假设：
1. 同质化：不管宏观表现如何千变万化，Zoom in到微观，原子都是类似的
2. 完整性：所有原子合起来是整个世界。
3. 链接力：原子之间是有作用力的。作用力不能太大，太大则塌缩；又不能太小，太小则飞逸。
【第三条是个推论，但是很关键。如果没有这一条，还是两千年前纯哲学思考的水平；有了这一条，人们可以设想如何把宏观和微观结合起来，建设和改造自然/商业世界】
当今世界已经被平台型互联网公司统治，不少平台型企业的founder有比常人颗粒度更细，在原子的层面思考产品和商业模式。在我熟悉的领域举两个例子：
一：搜索
1. 谷歌不是第一个做搜索的，在谷歌之前有几十个搜索引擎。
2. 谷歌是第一个把互联网上所有的网页当成互相链接的原子来思考的。谷歌著名的Pagerank算法可以认为是从原子之间的互相作用力大小的角度，给内容的相关性排序。
3. 谷歌把整个互联网当成一个信息原子组成的大矩阵来思考和计算，结果成功了。
二. 推荐
1. 今日头条也不是第一个做个性化推荐的，之前也至少有几十个。
2. 头条的思路可以认为是把信息流里每一篇内容都抽象成一个原子。对比搜索，推荐有两个进步的地方：
2A. 搜索结果页是静态的，推荐变成动态的了。比如说你搜索了一个关键词，往下拉几页，这些内容不会随着你手指拖动而改变。但是推荐的“原子链”是动态的。你在上一刷时的念想和动作，会成为下一刷的信息输入。产品Get了，会产生“因由念起，果随念动，扑面而来，欲罢不能。”的效果。
2B. Zoom out来看，读者也成为一种新的原子，进入了内容推荐的世界。PC时代人在机外，移动时代人机合一，这个机会被头条抓住了。和搜索相比，推荐是两种原子交织，扩升了一个维度。
从矩阵角度考虑，人和内容分别是两个大向量，乘起来✖️是个大矩阵。平台就play with这个矩阵决定给用户推荐什么内容。好玩吧？
说起矩阵，扯个闲篇儿。我在中科大上本科的时候，线性代数是和数学系一起学的，上了两个学期。上学期是李炯生老师上，下学期是宋光天老师上。两位老师都是大牛，出的题很难，我们被折磨得死去活来，苦不堪言。记得李老师看着我们迷茫而痛苦的表情，笑呵呵的说道：咱们科大数学系有句俗话，叫“龙生龙，凤生凤，华罗庚的学生会打洞”【注：打洞是矩阵分解的黑话】。你们如果不会打洞的话，怎么好意思说是科大的学生？当时听得吐血，没想到多年以后居然在互联网公司能有“他乡遇故知”之喜。
“用原子来思考，用矩阵来建设。”老师们如果知道了有这般神奇，做梦都要笑醒了。
牛顿第二定律和创业
https://mp.weixin.qq.com/s/topIi3xiX7SQzq6CPZ1qAw
2020-02-15 20:01
有哲人说：“世无牛顿，则万古如长夜”。牛顿定律为后世开创了三百年自然科学之辉煌。现在流行说用 “第一性原理（First Principle）” 思考，这个 “第一性原理” 最早也是来自于牛顿。他琢磨宇宙之始从何而来？想破脑袋，最后把创世之源头归功于上帝的“第一推动力”，上帝推了一把以后，万物就按照牛顿定律繁衍生息。“第一性原理” 是从源头开始想问题的意思。
兴致所至，我从牛顿第二定律联想到创业。F=m*a。物理学里面基本上没有比牛顿第二定律更简单的公式了【这公式特别适合思考如何“从0到1”】，但即使是最粗浅的太祖长拳，在乔峰手下使出来，拿下一流高手照样没商量。
在企业的实际经营中，m，f，a分别可能代表什么呢？
- 物体m是物理学里发力的对象，在商业社会里可能是客户需求（demand）。
- 力 f 可以理解为企业为客户提供的产品或服务。
- 加速度 a 可以理解为客户接受企业服务后发生的内在响应，可以理解为需求的内在动因。
加速度a特别重要！如果用v代表速度，v是客户m受到f这个力之后的直接反应，客户只要用了新的产品或者服务，都会有所反应，不要因为有 v 就沾沾自喜。有些企业的创始人自带初速度v0，一上来就能跑一段，天使轮或者A轮不出门就搞定了。如果做VC的朋友去DD，不妨问问他对自己业务v和a的理解。如果他分不清v和a的区别，那这个公司可能跑不了太远。
加速度a是速度v的内因，很多时候客户自己也说不清；比如说当年苹果手机为啥会一飞冲天，苹果公司让用户用手指的触摸和滑动来完成所有的功能，这个用户习惯的改变就可能是苹果手机加速度 a 的一个例证：用户一旦习惯了用苹果，不光再也回不去用传统功能机了；而且看到其它任何屏幕，都会不自觉的想上手去划两下。
万事开头难。企业刚开始的时候，老板难免忙里忙外。这时如果能找准一个加速度a，然后积聚全公司之力让这个a尽可能大，那物体跑出的距离为S和时间t的关系就是：S=1/2att【S是个累积的量，可以用来描述公司的业绩】。牛顿这个公式最妙的地方，就是 S 是 t 的平方。换句话说，公司的业绩不光是时间的朋友，还能成为时间平方的朋友！巴菲特的复利也是类似的概念。
以上是理想情况，如示意图左侧，实际情况往往是右侧。
右边这个图有什么问题？
一是 m 的形状复杂，代表客户需求不清楚或者痛点不清晰。创业公司比较容易犯的错误是m找错了，有时候一拍脑袋想当然，结果抓的客户需求要么不强烈，要么不持久。无论f使多大劲，m动一阵子以后就不动了，公司业务很难持续成长。
五六年前“万众创业”的时候，有很多团队说我要做某某领域的Uber，一键这个，一键那个，没过多久都灰飞烟灭了。。插一句，找错需求这个病经常是“富贵病”。小本经营，花自己的钱开店的小老板，如果一拳打进空气，是不会再打第二拳的。
二是 f 发力点不准确，不到位。有可能是需求分析做的不好，或者执行得不好，做出来的东西隔靴挠痒，效果达不到预期。
三是跑道过于泥泞，阻力大，不太推得动。这个很可能是前期赛道分析没做好。赛道分析这个题目我打算以后专门写一篇。
那怎么破呢？
有个用做物理实验的方法，先三下五除二搞出一个简单demo，试试看行不行再说。发现问题先debug，不盲目把摊子铺出来。有一本书叫“精益创业”，推出MVP（Minimum Variable Product）的概念，在投入资源之前，要要“先做个简单demo试试”。有企业家说进入新领域的时候，要“先走几步试试，踩实了再跑”，也是同一个道理。
不过做MVP实验也不容易，就算牛顿，也有把手表给煮了的时候。
平台是个“场”
2020-02-19 15:43
https://mp.weixin.qq.com/s/gd0AZS0P6feBF97DOk8S_Q
过去十年资本市场上最为风光无限的就是互联网平台型公司了（谷歌，Facebook，Amazon，BAT，TMD等等）。如果要用一个物理概念来描述互联网平台的话，我想说“平台是一个场”。
平台连接需求和供给。需求和供给天然相吸，不妨用正负电荷表示。一个强大的场最重要的特点是什么? 是“超距作用”。就是说当你走进一个场，你优先感知的是这个场的力量，而不是这个场背后的电荷(服务商)。
在互联网行业，要形成一个稳定的“场”，首先是供应商足够多。如果供应商稀稀疏疏，三瓜两枣，那平台就形同虚设。举百度和淘宝的例子：20年前李彦宏考虑要不要回国创立百度的时候，他先数一数中文网站够不够多，如果中文网站就没几个，像Hao123这样的网址站就能对付了，不需要搜索引擎。淘宝网建立的前N年，首要任务都是扩品类，招商。阿里集团第二任CEO陆兆禧当年说过，淘宝每增加一个二级类目，GMV（注：电商卖货的总量）就能涨几个亿。
但是在教育行业，由于优秀老师资源稀缺，好的老师时间精力有限，线下的生源都排不完，根本不需要线上拓新，平台的价值就低。最近2个月在纳斯达克比Tesla涨的还猛的神股跟谁学（GSX），最早想做个教育的淘宝，就因为供应商不足的问题，没有做成。但是后来转型做线上大班课，取得了成功。
有了足够多的供应商（正电荷），下一步平台（场）怎么做大做强？很多平台都会把供应商推到边缘，在理想的场里，供应商最好都是个体户。这样做有利于实现场的“超距作用”：用户虽然接受了平台上某个个体户的服务，但是感受到的是平台的“场”，它不会依赖于这个特定的个体户，甚至名字都记不住。
用视频行业举例：先看长视频，行业打了十几年，现在还是优酷土豆，爱奇艺，腾讯视频三足鼎立，每家都亏损，就算上市了也过得苦哈哈的，现在还被后起之秀比如B站来分一杯羹。为什么呢？一个重要原因是长视频的生产门槛高，制作成本高，周期长，能生产优秀节目的专业机构有限。用户追剧，追星，跟内容走而不是跟平台走。生产者不是个体户，不在场的边缘；百十家优秀的PGC（专业内容生产者）牢牢占据了行业中心位置，在平台之间有很大的议价能力。
再看短视频：一旦供应被打开，人人都可以拿起手机就拍一段，拍的不好的话平台给自动配个乐，加个滤镜，或者整个AR特效，马上就变好看了。人人都能生产内容，都能成为个体户，场的边缘有源源不断的正电荷供应，超距作用就很容易实现。
超距作用还有关键的一条，是要为场内用户提供处处相似的体验。不管你买什么东西，看什么视频，前前后后一套标准化服务的体验很重要。这时候平台就会提供各种工具，比如电商平台提供开店工具，营销工具，客服工具，短视频平台提供化妆工具，配乐工具，特效工具等等。
提供这么多工具的目的：
- 让个体户能活下来，能赚钱，这样能吸引更多人来平台当个体户。
- 平台通过标准化操作，有意无意的会让个体户会变得同质化；对于有特色的个体户，也会有意无意的出现它的效仿者和替代者。
- 工具用惯了，特别是导流工具用惯了，商家会更依赖于平台
总之，通过服务流程的拆解和标准化建设，平台这个“场”会变得更强，从而降低对个体商家的依赖。在每个NB平台壮大的过程中，我们都会看到平台和个体品牌撕逼的case，这个时候立志做大的平台都不会怂，怂就输了。
再说一下“闭环”，如果平台以促成交易为目的，就不能容忍跳单。这和线下商业环境是一样的，你去百货大楼买东西，付钱一定要去专门结账的柜台，拿上收据才能出门。举个美团的案例，到店业务不如外卖业务好赚钱，有一个很重要的原因就是到店业务跳单不好管理。
在物理实验里，有一位美国科学家Glaser，发明了一个专门观察粒子路径的仪器，叫“气泡室”（下图）。“场”对于粒子的轨迹是看得一清二楚的。类似，互联网公司通过技术，对于消费者在平台的运动轨迹也是一清二楚的，还把这些轨迹图，变成“大数据”赚钱了。
不容易做好的“场”： 对于高价低频的交易（比如房产，汽车），做信息聚合平台容易，做交易平台难。因为买房买车这样的大件，服务比较个性化，买家总想在最后成交前再得到些便宜；商家也理解认可这种心理，一般不会在网上把真正的底价亮出来，导致线下中介服务的市场还很大。从“场”的角度看，高价低频类目的虽然不缺供应商，但是标准化和闭环都不容易做，“场”就做不强。
平台和商家之间是个既合作，又博弈的过程；如果你是商家，了解平台的思路会大有好处。
“白努力”方程和翘尾曲线
https://mp.weixin.qq.com/s/Px6mc4yOCWpH1pRJUSGAbg
2020-02-21 20:40
前些天写了一篇“牛顿第二定律和创业”（请点击文尾“原文链接”） 。今天我在琢磨当NB的互联网公司脱离地面，一飞冲天的时刻，和物理学有啥关系？
很多超一流互联网公司在From Good to Great的过程中，都有核心指标出现“翘尾曲线”的时刻（如下图）。这个图形形状很像飞机起飞。让我联想起流体力学里的伯努利方程。我们上学的时候叫它“白努力”方程，因为算起来非常麻烦，经常白费劲。“白努力”方程里面有个“P+1/2mv^2”的守恒量，能推导出气流速度大的地方压强小，气流速度小的地方压强大。最早的飞机（比如说莱特兄弟发明的飞机）是滑翔机，由于地心引力，飞不了多远就回到地上了。现在的喷气式飞机把机翼设计成流线型，利用“白努力”方程，机翼上测流速快，压力小，下侧流速慢，托力大。飞机一通加速猛跑，机翼上下的压力差，就把飞机带着飞起来了。
在互联网公司，活跃用户数往往是最关键的一个指标。增长黑客的概念也已经红了好多年。实际上促进用户增长最重要的因素不是增长，而是留存！打个比方就像蓄水池，水龙头开的再大再猛，挡不住水池下面漏的快。几乎所有互联网公司都会看新用户的留存曲线，随着时间关系，新用户留存率会慢慢下降，这就像滑翔机会输给地心引力一样。如果哪一天你发现留存曲线突然翘尾了，那严重恭喜，你家公司是喷气式的，马上就要起飞了！
第一次看到这个曲线是2011年，当时我在B公司，有幸和上市前的Facebook做过一些交流。FB增长团队的负责人N小姐和A先生（这两位现在都还在FB，N小姐已经是除了小扎之外工龄最长的员工了。）给我们看了他们用户的成长曲线，是个漂亮的翘尾曲线，我当时觉得开眼了。
脑补一下当时双方的对话：
我方：你们这个尾巴是怎么翘起来的？
FB：当用户找到十个现实生活里的真实朋友，他们就被激活了
我方：额，那你们怎么帮他们找到现实生活中的朋友呢？
FB：邮箱啊！G公司和Y公司虽然嘴上说我们是他们的最大竞争对手，但实际上他们不阻挡我们用他们的邮件关系链。
FB：BTW你们中国人最常用的邮箱是什么？
我方：新浪，网易，腾讯，还有好多呢。。。不过你们这招可能行不通。
FB：Why？
我方：俺们中国人日常生活中不用email来联系的，邮箱是用来注册网站用的。好多人几个月都不登陆一次，密码都会忘掉的。。
FB：那你们中国人在用什么通讯工具？
我方：主要是QQ，腾讯家的。【当时微信还没出来】
FB：QQ开放关系链吗？
我方：想得美，不开放。不过就算开放，很多QQ ID也都是匿名的；QQ的很多朋友也只是网友，他们不愿意用实名和现实生活联系起来。
这时语速极快的学霸N小姐停下来，陷入了沉思。。。
看到Uber的翘尾曲线是在2015年春节。Uber早在2013年就开始在上海运营了，一开始只做高端的专车，价格比较贵，业务不温不火。当时国内滴滴和快的两强战斗正酣，Uber只是个看客。
但是2014年底15年初，Uber CEO Travis在滴滴快的合并之后，亲自坐镇中国区，找了一帮super pumped【Uber黑话】的青年才俊，发动了“人民优步“的人民战争。就是不管各地交委的政策限制了，让任何人都可以当Uber司机，价格还低于出租车。Travis是个猛人，在春节期间大发补贴，打了一场”闪电战“。一时间，除了滴滴的大本营北京，Uber在杭州，成都，广州等多个城市纷纷得手。
好景不长，Uber很快就被微信爸爸给封了，Travis领教了国内的竞争手段，感觉有点疼，就想找帮手，打群架。于是Travis亲自登门拜访，找国内大型互联网公司做战略投资人。我看到Uber展示的融资ppt里面，一大半篇幅都画的是各个城市用户乘车次数的翘尾曲线。中国因为人口密度高，有好几个城市都是Uber全球增长最快的，那曲线真是直上云霄。！
国内的产品，我自己亲身经历的微博和抖音，也都有激动人心的翘尾时刻。。我们回到伯努利方程，怎么理解这些起飞时刻呢？可以从两个角度看：
从机翼角度，把气流比作用户，机翼上方的气流是往下压的，可以看作新用户的自然流失，像地球引力一样，无法避免的。而往上抬的机翼下面的气流，可以看做老用户的回流。如果一个产品能够让老用户们重新燃起激情，让产品成为“word of mouth”，那起飞只是时间的问题。
在上面的例子的每个产品都有起飞前的Magic Moment：
Facebook是有10个老朋友在线告诉你，他们正在做什么；
Uber是一辆又一辆车，在你最需要的时候，从最近的地方的向你驶来；新浪微博是围观或讨论一件又一件社会新闻/八卦事件，围观和转发改变中国；
抖音是一个个帅气的小哥哥小姐姐，载歌载舞地向你展示一个年轻人的新世界。
这些unique的体验把老用户带了回来，形成口碑，铸造品牌，好比机翼下的气流，把公司送上云霄。
除了机翼的形状，飞机的起飞也需要发动机不断旋转，这可以理解为产品的不断迭代。App里面某处看似不经意的小红点，登录第二天你收到的个性化的推送信息，你在产品上关注了一个人之后原地浮现的下一个推荐，在你关掉app前突然冒出一个红包，鼓励你往朋友圈分享。。这些细节的背后都是产品/技术+增长团队不断拆解用户行为，不断做实验，不断分析数据的结果。现代互联网公司都是跨兵种协同作战，高速运转，如飞机的发动机一般积聚能量，迎接翘尾起飞的那一天。
赛道分析和相变
https://mp.weixin.qq.com/s/klb5dKre4mZwWmhG_18p5w
020-02-26 13:26
之前说过赛道分析要单写一篇，今天交作业。
“赛道”是这些年VC行业用的比较多的大词，泛指前景好，值得押注的新兴行业。我最早在M公司做咨询的时候，经常需要帮客户分析“赛道”。咨询公司喜欢用二维矩阵方法：纵轴表示市场吸引力（市场规模，增速等），横轴衡量客户自身的竞争力（如市场占有率，自身资源/能力等），一纵一横，把每个行业都画个圈往矩阵里扔，最后通盘看这些行业的时候，上下左右四个象限，各有讲究。
给客户汇报的时候，先讲天下大势，再从四个象限的角度对症下药，最后出方子。客户如果对任何行业有具体问题，就翻到这个行业的backup ppt里详细讲解。这种分析方法虽然工作量很大（每个圈圈背后都有小分析员的不眠之夜），但因为数据详实，有点有面，一般都能让客户满意。
后来在互联网公司要自己找赛道的时候，我就发现这个方法的不足了。**矩阵方法擅长分析和总结历史规律，但是对于未来的预判不足，非常有可能错过大鱼！
**
两个主要的原因是：
A. 新兴产业规模小，没有靠谱的历史数据支撑，放在矩阵里就是个小不点，很容易被忽略掉。
B.这种分析方法比较唯象，容易浮在市场数据的表上，缺乏对行业结构的深层次理解。
咨询公司的二维矩阵方法，对成熟的行业可以做很好的梳理，但是要靠它找新的大机会，基本上就是刻舟求剑，缘木求鱼了。
那如何解决这两个问题？
首先，大机会要从边缘看起。在一个时点静态的看市场分布的时候，绝大多数时候是一个正态分布，领军企业在中间，新兴企业在边缘。市场竞争如同大自然的物种进化，物竞天择，适者生存。基因变异的新物种一开始都是少数，都在边缘。如果新物种比老物种更能适应环境的变化，那么这个新物种就会从边缘走到了中间，而原来在中间的老物种反而被push out。
很多大的互联网公司都设立战略投资部。有的时候你从外面看，他们投资的项目好像不是很有章法，但是实际上投资一个公司是了解一个新兴行业最好的手段。不用多，投资一个新兴公司5%-10%的股份，有信息获取权利，再推动一些业务合作，边缘的机会就看得很清楚了。大公司很多时候未必像VC那样在乎投资回报，但是怕Miss大的机会。正所谓“纸上得来终觉浅，绝知此事要躬行”，投资是获得“绝知躬行”机会的一种方式。
其次，大机会往往来自于“相变”。“相变”是一个物理学概念，描述物质从一种稳定的状态跃变到另一种稳定状态的变化，比如从水变成冰，某绝缘体变成导体等等。一个物质一旦跨域了临界点，分子结构并没有变化，比如说水的分子式还是H2O，两个氢一个氧，但是一旦过了零摄氏度，水变成冰，冰就不会流动了；冰变得很硬，可以砸人。
互联网从PC时代到移动时代，本质上是一次相变。产品的本质没有变，但是形式从网站变成了APP，相变的临界点就是智能手机的普及。打个比方，网站有点像流体，APP有点像固体。
- 网站互联互通（如水），APP是独立的孤岛（如冰）
- 网站随时可以更新（连续），APP必须一个一个版本发布（离散）。
- 网站和硬件的关系很小，但是APP和硬件关系密切。比如手机上可以有GPS定位，用户可以用摄像头扫二维码，拍照片，录视频，对着手机说话，功能多了很多。
- 网站的流量分发以搜索引擎为中心，APP的用户来源就分散了（应用商店，手机预装，社交分发等等，不一而足）。
- PC时代，有一句话叫“不知道屏幕后面是人还是狗”。在移动时代，就算手机后面是条狗，它也有个微信账号，也能手机支付，也会自拍。
在智能手机兴起之前，手机上就存在“移动网站”，简称H5（HTML5），是简配到手机屏幕上的网页产品。把时间拉回到2010年相变之始。如果当时大公司没反应过来这是个“相变”，还沿用H5的老思维，就陷入了危险的境地。
即使国外NB如Facebook者，一开始也没有反应过来。但是小扎（Facebook CEO Mark Zuckberg）在推了一年H5版本的Facebook产品后，幡然悔悟，2011年全面转轨到APP产品，可谓“亡羊补牢，犹未晚也”。国内的竞争更加激烈，但当时不少大公司让H5产品部门接手APP开发工作，把移动网站改吧改吧用起来了，产品思维还停留PC时代，甚至要求移动产品的体验和PC产品尽量一致，犯了典型的抱残守缺的错误。
对于移动时代APP原住民开发者，没有PC产品的包袱，对世界的理解是不一样的。比如微信当年第一个发明摄像头扫码登录，无比流畅的解决了同一用户的认证问题，让当时微博的产品负责人“虎躯一震”。移动时代Uber和滴滴APP的横空出世，大众点评(突出地理位置功能的)APP上线后，日活比PC时代高了10倍，都是很好的例证。
在2010年，市值超过十亿美元的公司屈指可数。2020年，独角兽俯拾皆是，千亿美金级别的中国公司也有好几家了，移动“相变”把互联网市场放大了何止十倍！这过程中几家欢喜几家愁，但最终还是一江春水向东流。
在矩阵上画圈圈，详尽的分析赛道是一个good start，依然是很有价值的。但要想找到未来的大机会，需要坚持不懈的往边缘看，在某次相变来临之际，抓住结构性变化的大机遇。最后有感于“钉钉”被小学生打一星，画一道思考题，供同行饭后一乐。（见下图）。
感谢阅读，我发现自己越来越喜欢画画了。
开公司，造轮子
2020-03-04 21:42
https://mp.weixin.qq.com/s/BcGWfkvh-YIa1VOKYnLKBw
上回讲到互联网公司的“翘尾曲线”，厉害的公司跑了一段路以后能腾空而起，是因为积累的老用户被留住被激活，就像飞机翅膀下侧的气流一样，把公司的业务托起来。如果再深看一层，就会想业务增长背后有什么样的产品机制？今天讲讲“轮子”的作用。
企业造轮子，可以造一个，造两个，甚至造N个，各有不同。单个轮子的话叫“飞轮效应（Fly Wheel Effect）”。从物理上理解的话有点像蒸汽机，就是轮子一旦被转起来，它会越转越快，直到形成市场领先地位。两个轮子，是指生产出A和B两个完全不同的产品，A能促进B，B反过来又能促进A，如此一来 A和B可以形成1+1>2的协同效应。协同效应在金庸的武侠小说经常看到：且不说杨过和小龙女的的双剑合璧天下无敌，就算倚天屠龙记里的二流角色，比如说昆仑派掌门夫妇的两仪剑法，华山派高矮长老的反两仪刀法，都有1+1>2，2+2>4的功效。N个轮子呢？我只能先想到金轮法王了，金轮法王的武功比较难练，后面再说。
“飞轮”的概念最早是亚马逊提出来的。要让轮子转起来，第一步是“冷启动”。亚马逊冷启动成功的关键是选品。贝索斯投行出身，他创业之前先用个模型，评估了十几种可以在线售卖的品类，最终挑了“书”。网上卖书有很多好处，比如说
- 书是一种标品（用户不会怀疑网上买的书质量比线下的差）
- 线上可以卖的很便宜（打掉传统书店的丰厚利润）
- 书不会坏，老书也有人买，书还便于仓储，邮寄，等等
于是第一批在亚马逊线买书的顾客获得了非常好的购买体验，购买体验好，线上流量自然会增加，更多的流量会吸引更多的卖家，这样顾客就有了更多更丰富的货源，获得更方便的服务，这也将进一步提升客户体验。
这个轮子转起来以后，亚马逊产生了规模效应，运营成本会被分摊，成本结构相对于线下零售商会形成更大的优势。这时亚马逊并不急于获取利润，将省下来的钱继续返还给消费者，就可以以更低价格获得更多的客户/流量，轮子就越转越快，业务就像滚雪球一样越滚越大。
说完单轮说说双轮。当年百度的成功，是一个经典的“双轮耦合”的的例子。百度最早在国内做中文搜索的时候，如果单从技术出发，和谷歌比肯定是有差距的。但是为什么在谷歌退出中国之前，百度的市场份额一直占据绝对领先地位？最重要的一个原因是百度除了网页搜索（内部简称PS），还拥有绝对领先的内容产品（简称NS），比如百度百科，百度知道，百度贴吧等等。在PC时代，这些NS产品和PS产品一起，帮助百度成为全球流量最大的中文网站。
为什么要做NS产品？是因为百度最早做中文网页搜索的时候，发现最大的问题其实不是技术，而是中文优质内容的匮乏。比如说权威词条：Wikipedia中文内容不够多，百度就自己做了“百度百科”。搜索引擎很多query都是用户提一个问题，“百度知道”是专门用来回答问题的（早Quora很多年）。百度贴吧是当时中国最大的BBS论坛，在微博出现之前，百度的明星吧，内容吧，县城吧都是用户聚众讨论的首选场所，非常受欢迎。
百度和网页搜索（PS）和内容产品（NS）是强耦合的。用户的搜索query代表一个非常精准的需求，网页搜索收到这个用户query，就把它导给相应的NS，比如说寻找权威解释的就转给百科，具体问题就转给知道，寻求交流就转给贴吧。。。这些精准用户到了相应的NS内容产品以后，经常会参与评判，创造，或者改进这些内容产品，使得百度系的NS产品质量迅速碾压同行。内容质量提升以后，反过来又使得百度的搜索结果优于其他搜索引擎。如此这般，风借火势，火助风威，堪称双剑合璧。十几年前，每天数千万级别PS和NS互动，造就了百度的成功。
双轮耦合，比起一个轮子有什么好处？一是两个轮子互相促进的话，产品优化的速度会比一个轮子快。二是更容易构建竞争壁垒。单轮公司在规模小的时候如果被强大的竞争对手发现，发力阻击的话，比较容易被抑制住。但是如果有两个不一样的轮子，反脆弱性强了很多，被阻击的可能性低了很多。比如谷歌2005年开了中国分部，刚开始信心爆棚，但是后来发现百度的双轮模式很难复制。谷歌在中国运营期间，最多的搜索词竟然是百度，真让人哭笑不得。最后再提一句，双轮耦合需要在同一个频率，能产生“共振”的效果。如果不同频的话，一个轮子快，一个轮子慢，就自己先打起来了。
那是不是轮子越多越好？
理论上业务要不断发展，轮子就会越来越多。比如说阿里巴巴就擅长不断造轮子，比如说最早是阿里B2B，后来发现B2B频率太低，还会跳单，就加了C2C淘宝；为了C2C能够做闭环，加了支付宝；越来越多中小商家上线之后，加了阿里云；为了提高电商服务品质，先加天猫，后加菜鸟；传统电商品类基本被覆盖以后，盒马鲜生又横空出世。。轮子越来越多，公司越来越大，管理越来越复杂，如同从一个单细胞生物，进化为三头六臂的高等生物。
如何让轮子之间互相促进而不是打架，这是个管理的问题。在一个大集团公司里，不同轮子服务的客户不一样，绝对“同频”是不可能的。如何在一个业态复杂的大公司把协同做好？这可能需要一本“九阴真经”了，业余插画师最近在学习生物学，感觉可能比物理学更适合解读组织管理的课题，下次有了心得再来献丑。
“发神经”的战略部
https://mp.weixin.qq.com/s/iJSw0PHw9AEUmvFnuMD7qw
2020-03-29 16:18
公司里的战略部经常是一个神奇的存在：有的公司有，有的公司没有；有的公司在某一阶段会有个战略负责人，过一阵子又没有了；最神奇的是有没有战略部，和企业做的好不好貌似并没有直接关系。战略部仿佛是鲁迅笔下的孔乙己：“他在的时候能给人们带来欢乐，但他不在的时候日子也就这么过”。
玩笑归玩笑，一般战略部有两个作用：A是CEO的智囊，做决策分析和支持，类似参谋部/军师；B是帮助CEO提升工作效率，比如定期组织和业务部门开会，推动公司项目落地等等，这又有点像办公厅。不过我觉得，**
人的神经系统基本上有以下几个功能：一，收集信息，感知外部世界。二，对信息做出反应，手眼联动。三，对自身状态有正确的认知。
先说说收集信息，这是最基本的感知功能，在互联网公司分成好几块。
第一块，是外部数据的获取和分析。比如说研读第三方市场报告，追踪外部数据，分析上市公司财报，调研访谈，取数拍数，搭模型算估值，SWOT分析等等。这些和咨询公司的工作差不多，用好excel和ppt两大法宝，是战略部的基本功。
第二块，是搭建信息（Qing2 Bao4）网络。以前各公司内部信息不太会外传，战略部如果能了解竞争对手的动态，在老板面前就look good了。但后来出了几家神通广大的公众号，定期发布各大互联网公司的最近动态和内幕消息，这给战略部同学带来不小的心理压力。你说堂堂公司“战略部”，掌握的外部信息不能比不上人家免费的公众号吧？但是如果老板一声令下，需要几天之内挖的比专业调查记者还要深，没有几把刷子还真是不行。如果没有“深喉”，战略部的同学在挖内幕上是比不过记者的，但是可以胜在定量分析、商业竞争逻辑推演上。
第三块，如果能依托自有数据建一个BI（BusinessIntelligence）监控系统，战略部就爽歪歪了。互联网行业数据为王，以前在PC时代，对于拥有浏览器和搜索引擎的公司，普通网站的数据基本上形同“裸奔”。在App时代，苹果，微信，Facebook这类公司所拥有的内部数据，也足以洞察万千世界，睥睨同行。建成一个竞争分析平台，像“千里眼”一样洞察全局，打起仗来可以占尽先机；如果还能帮公司抓住一两个“风起于青萍之末”的新的大机会，战略部的价值就凸显出来了。
上面啰啰嗦嗦讲了半天，实际上收集信息只是第一步，相当于建立了“视神经”。对公司而言，光有“视神经”是不够的，要对信息快速做出正确反应，才有用。拿人做比方，就是要手眼联动。手眼联动是长期训练出来的结果。
企业一开始往往是手眼分离的，甚至互相看不上。比如说业务部门会觉得战略部门是老板的一个摆设，只会画ppt，不光脱离实际，还喜欢指手画脚。战略部门会觉得业务部门屁股决定脑袋，本部门利益优先，经常报喜不报忧，喜欢把困难放大，等等。“手眼联动”需要磨合和训练，战略部和业务部门要打架，要喝酒，要互相理解，磨合少不了。训练久了，业务部门里会形成毛细神经，手脚的触觉成为神经系统的一部分，对外部变化能形成“条件反射”，如同巴浦洛夫的狗。有了毛细神经，公司会被外界解读为“反应迅速，执行力强”。反之，如果手眼脑脱节，神经系统不工作，就像人中了风，半身不遂就麻烦了。
有了视神经和手眼联动，神经系统基本到位，在江湖上打打杀杀一般就没啥问题了。这是不是就大功告成了？其实还有一关，就是在公司发展的关键时刻，能否帮助CEO从更高的维度判断现状，正确决策。
企业的发展不是线性的，会有起伏。如下面这个图，在公司惯性向上的A点能否感知到公司有下行风险？在公司处于逆境的时候，能否帮公司找到向上的拐点B？这种时候最为考验战略部。神经系统里面有个本位神经，比如闭上眼睛也知道自己的状态，不会错判，和“人贵有自知之明”有点像。战略部如果想起到“本位神经”的作用，需要在关键时刻，有客观冷静的第三方特质，用“灵魂出窍”的方式审视公司。
“灵魂出窍”和“手眼联动”其实是相反的动作。“手眼联动”让战略部了解业务部门的难处，让战略部从执行的层面考虑问题。但有时候会让战略部会不由自主的把业务部门的KPI当做自己的KPI，失去第三方客观性。当公司面临A和B这种时刻的时候，需要战略部跳出现有业务，帮助CEO在更大的范围，更高的维度审视公司，不迷失在执行里。从“手眼联动”切换到“灵魂出窍”的模式很关键。举两个A/B点的例子：公司快到A点（主营业务遇到瓶颈）的时候，需要居安思危，在新的领域里投入重兵寻求突破。比如头条在信息流业务鼎盛的时候，重兵指向小视频和国际化，就是非常有前瞻性的举措。公司在B点的时候，需要打开一把“降落伞”，减缓业务下滑速度，再重新找到上升路线，也是生死一线，马虎不得。当初新浪微博在微信的打击下，先收缩到自己最强的公开传播领域，再吸引年轻人和三四线市场的下沉用户来玩微博，后来又重上高峰，也是比较经典的案例。
组织如生物。神经系统是高等生物在自然选择中，经过亿万年的进化，发展出来的好东西。有没有神经系统，生物的生存机会，竞争能力，个体寿命都差别巨大。一般而言，外部环境越复杂，竞争越激烈，神经系统越重要。就拿互联网行业来说，以前BAT三强争霸的时候，边界是比较清晰的。后来TMD+PK（拼多多，快手）一众新锐们横空出世，“BAT”也还正值盛年，市场就这么大，大家都要增长，于是竞争就不再有边界，神经系统变得越来越重要。
我前面有几篇随笔，谈了一些物理学思维，比如说用f=ma来启动业务，用“白努力”方程思考业务的起飞，用“轮子”让业务形成正循环等等。这些思维模型企业在从0到1（亿美金），从1到10（亿美金）的线性上升期可以参考。但在从10到100（亿美金）的征途上，企业会遇到非线性的外部竞争环境，会遇到凶狠的竞争对手，会遇到瓶颈和拐点。要做成百亿美金的公司，有没有“神经系统”，是make difference的。
组织部，消化道里搞免疫？
https://mp.weixin.qq.com/s/XC28Dv1vpIkzjZumpaFbBQ
2020-04-05 11:02
战略部不常有，而组织部常有。
公司无论大小，都由人组成。HR（一般叫人事部，其实叫组织部可能更合适）作为公司的一个基础职能，始终存在。小公司的人员结构往往比较简单，比如说互联网创业公司标配就是10个产品/技术+一个打杂的。这个打杂的一般都是人事出身，会招人/发工资，还要把行政的杂事给管起来。
随着公司不断成长，组织部一般会发展出好几块：比如说BP（Business Partner，对接业务部门各种用人需求），C&B（薪资福利设计），OD（组织发展/员工培训），OP（人力系统/后勤）等等。这么多功能合起来是为了把员工的“选用育留”做好。企业招人一般都很急，组织部会渐渐变为公司的消化系统：把市面上优秀人才“吃进来”，把好的留下来升官发财，把不太行的定期清除出去。消化系统讲究公司不能饿着，把空缺岗位填满是第一要务。
不过有些公司并不满足于组织部只是一个消化系统，厉害的老板能把组织部也搞成一个免疫系统。免疫系统讲究的不是吃饱吃好，讲究求同去异，控制组织生病的风险。下面举几个有“求同去异”特色的practice：
一：Hire slow，Fire fast。
二：入模子，讲黑话，树信仰。
三：考核价值观，大范围轮岗。
先说“Hire slow，Fire fast”，翻译的粗鄙一点是“吃得慢，拉的快”，是Facebook在公司很小的时候提出来的。能喊出这个口号的少年，绝不是肉骨凡胎。从消化系统的角度看，一个人如果“吃得慢，拉的快”，那就是腹泻了，是病，得治。
敢“慢进快出”的公司，说明里面的人是精兵强将，可以承受一段时间人员缺口的压力。慢进的原因可能是招每个人都要见很多人，或者要跨部门交叉面，或者要高层领导最后拍板。隐含的意思就是：一：公司招任何一个人都不是只给直线老板招的，是给公司招的。二：宁缺毋滥，不可以因为饿，就买方便面吃。三：公司对于原有员工非常自信，希望能保持血统，不被稀释。
第二，从消化系统考虑，人需要广谱进食，营养平衡，但是免疫系统更重视组织的同质性。“入模子，讲黑话，建信仰”都是为了 “求同”。Slow hire招进来的员工都是成本很高的。新员工在入职后的三个月内能否被公司同化，是免疫系统能否成功的关键一步。“入模子”的第一步是有模子，FB有New Hire Camp，把新人和他们的直线经理隔离，先放模子里统一加工。出了模子安排个Mentor（一般不是同部门的），让新人体验组织的温暖，避免只受直线经理影响。
咨询界泰斗麦肯锡，有个叫BCR（Basic Consulting Readiness）的新兵营，也很厉害！BCR会找个与世隔绝的高级酒店，把不同office招的新人，都放到一个模子里面蒸一段时间。BCR的老师们也来自全球各地，一般是恰巧不在项目上的公司合伙人和中层干部。过了BCR，不管你之前什么背景（MBA，生物学博士，or 退伍特种兵。。），只要装上黑西装，就敢让你上全球任何一个麦肯锡项目。
公司有模子还不稀奇，有“黑话”就更厉害了。黑话是公司的“文化输出”，一般都是原创。黑话朗朗上口，言简意赅，细品有深意。比如说麦肯锡讲MECE（Mutually Exclusive，Collectively Exhaustive，分析问题不重不漏），Uber讲“Super-pumped”（超级兴奋），头条讲“坦诚清晰，延迟满足感”等等，这类黑话由员工讲出来感觉会很自豪，有归属感。即使多年以后从企业毕业，遇到校友时只要对上黑话，就感觉是失联多年的地下党碰头，同志的感觉杠杠的。
光同质化还不够，最厉害的老板给员工树立信仰。上班的人如果有了信仰，可以为了伟大事业不计个人得失，那就刀枪不入，以一当十了。这也是组织部奋斗的最高目标。新中国为什么能成立？据说是因为当初共产党员比国民党员更有信仰😊。人类历史上最长寿的组织是什么？是宗教。宗教不讲别的，只讲信仰。现代企业讲究树立“愿景，使命，价值观”。是为了解决企业“我是谁，从哪里来，要到哪里去”的根本问题，这是建立信仰的第一步。
理想很伟大，现实有可能很骨感。作为互联网的原住民，90后的同学们，人人都是自己的主人翁，建立信仰绝非朝夕之功。免疫系统里有一个大杀器，叫白细胞。白细胞的特点一旦发现体内有异物，就会奋不顾身的与之战斗。有信仰的组织部往往会在公司内部培养白细胞，增加组织的战斗力。举两个例子：
A：在facebook早期，有一阵子招了些M司的人。M司的人能说会道，总是政治正确，和“Break things and move fast”的FB公司文化很不一样。于是FB的一些早期员工就站出来指责这些“政治正确”的做法，不自觉的就变成了公司里的白细胞。这在一般讲究合作的现代公司里很少见，当时也引起了争议。CEO小扎同学带领组织部旗帜鲜明的支持了这些怼人的“白细胞”，保护了公司文化。
B：每家公司都考核员工的业绩，但是把考核员工价值观和员工业绩放在同等重要的位置上，好像是阿里巴巴的首创。阿里的组织部很有特色，一定级别以上的干部（十年前就有好几百人），都是由组织部统一管理，明确都是公司的人。这些干部和我党干部一样，今天还是某省的地方大员，明天可能就摇身一变成了某部的部长，马上赴任还不准带人过去。能让干部在“条”和“块“之间轮岗，切换自如，那是组织部的本事。很多干部都被培养成为了公司的“超级白细胞”，到了新的岗位先闻闻周围的“阿里味”对不对，味道不对就先抓文化，抓好文化再抓业务。
金庸小说里有个丐帮。丐帮在帮主之下，设传功、执法长老两大长老，位列二、三把金交椅。传功长老求同，执法长老除异，这也是免疫系统的配置。丐帮作为天下第一大帮，经天龙八部，射雕英雄，倚天屠龙三本书而不绝，好像连鹿鼎记里都还有余脉，执法长老作为“顶级白细胞”的存在，估计是起到作用的。
最后再说两句，免疫系统虽好，但是个费钱的事儿。如果待遇不高，员工就不愿意被免疫系统折腾了。还有一个问题就是如果免疫系统过于强大，也可能会出现近亲繁殖的情况，影响物种多样性。有没有破法？有些大厂用M&A（并购）的手段，看到江湖上有基因互补的英雄好汉，就连人带公司一起娶过门。比如说杨家将里的女帅穆桂英，就是从穆家寨收购的。
财务部，血派还是饼派？
https://mp.weixin.qq.com/s/2RbxXMPiIzjQMRBtjmVeyw
2020-04-12 17:14
公司离不开管钱和管人，于是财务部和组织部（人事部）是公司里面从生到死不可或缺的两大职能部门。如果看看上市公司的组织架构，有时候会出现co-CFO这种奇葩结构。常言道，一山难容二虎，双头领导是管理的大忌，为何财务部有时候会出现二虎并存的情况？
拿人做比方，如果说战略部是神经系统，HR是消化系统（有时兼带免疫功能），那财务部就是循环系统。道理很简单，钱是企业里面流通的血液。常年亏损的企业不一定会倒闭，比如说亚马逊公司，它的主营亏损了十几年，但是股价翻了几百倍。原因是业务不断扩张，现金流始终充沛，就像一个瘦子，貌似面黄肌瘦，但是一出手胳膊上青筋爆裂，打起架来力大如牛，惹不起。相反如果企业是个贫血的虚胖子，财务报表看着还可以，但是现金流不行。金融危机一来，最危险的就是这类虚胖企业。
做生意讲究“低买高卖，先拿后付”。“低买高卖”大家都懂，但“先拿后付”实际上对于企业更为要紧，对现金流的影响太大了。比如说教育行业是先收费再上课，而工程公司是干完活再收钱，做这两种生意的老板的艰辛难易程度，有天壤云泥之别。
再举广告行业的例子，卖P4P（Pay for performance）效果广告的平台最牛，客户都是先充值后消费，平台从来不用担心现金流问题，能把乙方的生意做出甲方的感觉。次之是依托自有流量卖品牌广告的公司，利润一般还不错，但因为有账期问题，现金流会紧张一些。商业模式最差的是广告中介公司，卖别人的资源，很多时候还需要给客户垫资，两头受气。不少中介公司的收入（广告流水）虽然做得很大，但是利润很薄。万一年底有一个大客户暴雷，广告费收不回来，可能全年利润都搭进去还不够补窟窿。
回到财务部，财务部主要有两项职能：内部管账和外部融资。观察一下互联网上市公司的CFO，大致分为两派：一派是四大出身，擅长内部财务管控。俗称“血派”（擅长管理内部血液循环）；另一派是投行出身，擅长从资本市场融资，俗称“饼派”（擅长画饼引入外部资金）。在互联网行业，血派和饼派CFO大致五五开，而且最近几年饼派比例有升高的趋势，这可能和最近这些年互联网行业公司的成长，越来越依靠外部融资输血，甚至有不少公司不忌讳流血上市，有些关系。
如果能找到一个“血饼合一”的CFO，那老板绝对是前世修来的福分，可高枕无忧矣。但是血饼合一的高手实在是少之又少。血派和饼派，虽然出门都穿黑西装，但是气质非常不一样。以我有限的样本观察，“血派”高手抓的是资本恐惧的地方，严查企业血管中的漏洞，细致严谨；而“饼派”高手抓的是资本贪婪的地方，擅长描述企业未来的大饼，做成交易。
“血派”高手早年都在基层跑，熟知财务数据里的各种trick，资金的可疑去处一般逃不过他/她的法眼。我见过一位CFO随身带一个科学计算器，看到数字会就马上啪啪啪算出一个“率”（周转率，ROI，ROE等等。。。），公司预算会上能把BU老大问到张口结舌脑门冒汗。还有一位做电商的CFO，大春节的亲自跑仓库，为了了解为啥加人手也不能把日送货单数给提上来。
血派CFO对于财务口径，内部风控，外部披露的尺度都能把握好；但是如果要让他给外部投资人讲企业未来的宏伟蓝图，企业估值为啥能轻松翻个三五倍？那一般是不敢瞎吹的，照着准备好的script能说上一段，但如果被问几个刁钻的问题，就容易脸红心跳败下阵来。
“饼派”CFO很多是投行出身，对资本市场的规则和人头熟门熟路，知道怎么卖项目，怎么close deal。关键时刻能出马帮老板搞定一笔关键性融资，给公司续上命。如果公司要上市了，带着一帮中介写招股书，安排IPO路演，更是饼派高手的专长。CFO带着老板十几天马不停蹄全球跑一遍，把一份融资ppt说上一百遍，直到口吐白沫口干舌燥为止。但只要最后成功敲钟了，老板还是会由衷感到这个CFO是物有所值的。不过“饼派”也有弱点，一般不屑于，或者不擅长拿着放大镜去查一遍企业内部血管的循环系统，看看哪里有跑冒滴漏，哪里有血管阻塞，甚至爆裂的风险。
互联网公司大多在发展中期就会招一个血派出身的财务总监，但很多时候会在上市前期引入一位饼派CFO，这时候血派财务总监就不免郁闷了。那为什么有时候出现会co-CFO这种一山二虎的情况？这其实是不太正常的，很多情况下是老板急于融资，但是找不到能够兼顾内外的人；外部候选人要CFO的title，但还不够CFO的水平。。。老板只能设两个“CFO”，一碗水端平，一个主内，一个主外了。但其实一碗水很难端平，财务部生出两个老板，难免要打架。中概股不时会有这种联席CFO设置，大部分出现在公司现金流不太好的时候，投资人如果看到公司出现联席CFO的情况，一般心里也会多长一个心眼，多了解企业情况再做决定。
无论血派饼派，对于志向远大的财务青年，CFO不是终极目标，CEO才是。看传统五百强公司的职业CEO，CFO出身的不占少数。国内互联网公司大部分CEO还是公司创始人，少数做上CEO的CFO，却多是血派出身。血派翘楚是阿里的逍遥子，逍遥子财大毕业，第一份工作是四大中的安达信，后来经盛大辗转去了阿里做CFO。和JD打仗的关键时刻，老逍把“双十一”给做起来了，而且一年胜似一年。这个水平就远远不止“血饼合一”了，CFO能怼BU head不稀奇，如果能把BU head的活也干了，那基本上就是CEO的不二人选了。
感谢阅读！前一阵子写了“发神经”的战略部 和组织部，消化道里搞免疫 两篇文章，这下把公司三大职能部门都给“戏说”完了。下一篇又得想点新的写了。
经常“变天”的市场部
https://mp.weixin.qq.com/s/MLM6dBz2LWjy5lp1YhEmsw
2020-04-29 15:03
上一个世纪（不好意思哈
）我读大学的时候，除去几家招人有限的投行咨询，给本科生工资开的最高的是两家公司：一家是华为，一家是宝洁。宝洁又属市场部的工资最高，当年凡是过五关斩六将进了宝洁市场部的同学，都会引起学弟学妹的羡慕和崇拜。
宝洁所在的快消行业，产品同质化比较严重，所以品牌在普通群众心目中的地位就无比重要。有了品牌就可以有品牌溢价，有了品牌溢价生意就好做了。宝洁作为多品牌营销的始祖，深谙此道。宝洁市场部培养品牌经理的手法很独到，品牌经理在宝洁内部为品类的业绩负责，可以调动很多内部资源来推动项目执行和落地。后来宝洁有中国市场界的“黄埔军校”的美誉，与快消品的商业模式不无关系。
普通公司的市场部没有宝洁那么大的权力，但是可以堂而皇之的花公司的钱，也是很爽的。市场部有句名言：“每个人都知道有50%的市场费是被浪费掉了，但是没有人知道哪一半是被浪费的”，这句话值得细品。
市场部花钱主要有几个去处：一般最大的是媒介采买，其次是线下活动，小头是搞点市场调研。媒介采买是大甲方，线下活动虽然是体力活，一般都是外包，自己也不算太累。那时市场部的工作需要文字功底过硬，同理心好，表述能力强，为公司的形象负责，部门里文科生居多。
市场部如果能提炼出一条感情到位、又朗朗上口的slogan，可以帮助公司迅速打开市场，让业务上一个台阶。比如说当年百度提炼出“百度一下，你就知道”这句话，就对百度占领用户心智，抢夺国内市场起到了很大的作用。
文字之外最重要的媒介是视频。在互联网行业崛起之前，市场部有一种高举高打的打法，说的不好听就是“搞定央视，竖子成名”。秦池老酒，步步高，娃哈哈，很多消费品牌都是通过央视新闻联播后的15秒黄金广告一举扬名天下，从默默无闻到占领全国市场。能不能做出一个好的TVC（电视短片），很考验市场部同学能力和品位。
到了互联网时代，手机取代了电视报纸，自媒体盛行，传播渠道碎片化，市场部也随之变了天。举两个例子：以前宝洁研究一个一个细分市场，20个品牌就能覆盖80%的市场的，现在可能100个品牌都不够。以前投放央视加卫视的黄金频道，至少能覆盖全国一半的人，现在电视都成为客厅的摆设，综艺和电视剧群众都是躲在被窝里，用手机或者pad看。
手机对群众的覆盖率高过电视，但是媒介的打法变掉了。传统媒体的几只粗大管道变成了互联网上千千万万条毛细管道，手机上做marketing不再是高举高打就能成功。有几个新的特征：
一是内容和广告的区分度越来越小。社交媒体的兴起，使得一个好内容的病毒营销胜过以前几千万广告的投放效果。
二来最热门，效果最好的媒体大都采用实时竞价的模式，价格贵不说，在双十一这种热门档期，有钱也无法独占广告位。手机媒体的竞争其实比以前央视的黄金时段拍卖还激烈，“一招鲜，吃遍天”的时代已经过去了。
三是手机虽小，但是广告位千奇百怪，结算方式也有CPT，CPM，CPC，CPA（Digital marketing的黑话，指按投放时间收钱，按广告展现量收钱，按广告点击收钱，按广告效果收钱）等各种方式，花样百出。“效果广告”的效果经常是一个谜，在科技发达的今天，数据是可以让人随意装扮的小姑娘，这些都让统治市场部多年的文科生感到头大。
碎片化的时代，市场竞争其实是越来越激烈的。公司还是要继续花钱做推广。传统企业的市场部纷纷添加了“Digital marketing”的子部门，但近几年纯互联网公司里面杀出一个英文简称UG（User Growth）、中文叫增长部的新部门，夺过媒介采买的大权。增长部的当权派往往是理科生，他们说以前市场部把公司50%的预算浪费了，不能再这样，现在公司花的每一毛钱都要算账算清楚。
市场部之前重点在“放”出去，研究怎么让广告尽可能多的触达潜在用户。增长部增加的价值，是在把钱“放”出去之后，研究怎么把用户给“收”回来。增长部把每个新增用户都打上标签，从用户点击广告开始，看有多大比例会下载app，多少会注册成新用户，第二天多大比例会再来，多少人会领个红包再帮你做个转发，等等。拿钓鱼做个比方：花钱只是撒鱼饵，从鱼咬上鱼饵第一步（点击广告），到做成菜上桌，中间还有N个步骤，增长部的功夫就是优化这个漏斗，尽量把每个步骤的损耗都降到最低。
商场如战场，打仗要钱粮。厉害的市场部要向老板争取到更多预算，但厉害的增长部有说服老板不设预算上限的。这是怎么回事？对于已经完成商业化的公司，增长部会把不同渠道用户的全生命周期价值（LTV，Life Time Value）给算出来。对于一个渠道，只要获客成本低于LTV，边界效应为正，那就算是赚了。反之，如果让竞争对手钓走了，此消彼长，就算亏了。
比如说有的鱼塘鱼小，鱼饵撒多了就亏了；有的鱼塘鱼大，钓上来可以一鱼三吃，鱼头做个泡饼，鱼身做个肚档，鱼尾再做个熏鱼。在这种鱼塘钓鱼，就不怕多花钱，只有鱼数量够，预算没有上限。如果某一个市场中的龙头企业，既能充分变现又有激进增长的欲望和手段，那这个市场很快就会进入寡头阶段。
不管是市场部还是增长部，都需要不断拓展新鱼塘。任何一个鱼塘，鱼钓久了大鱼都会变少，再撒鱼饵钓上来的也是小鱼居多，算不过账。新鱼塘有红利期，绝对不容错过，比如2010-11年的微博，2012-13年的微信公众号，2014-15年的头条号，2017-18年的抖/音等等。
今年最热的鱼塘是什么？毫无疑问是直播。直播看起来像是上古时代的电视直销，但其实很不一样：
首先，以前电视直销都在三线卫视的垃圾时间，现在是主流APP每天晚上的黄金时间。其次，以前电视直销的主持人是无名小辈，现在无论是罗胖子，梁大师这类社会名流，还是各大公司的老板，都亲自上阵，影响力和信任度完全不一样。最后，以前电视直销的观众好不容易看上了还要打400电话才能下单，现在用户手机一点支付就完事了，便利程度也不一样。
直播带货，看似是前度刘郎今又来，其实是沉舟侧畔千帆过，千树万树梨花开。
直播本质的地方，是营销一体化，瞬间完成。以前市场部和增长部都假设鱼儿们不会一下上钩，要慢慢找，慢慢钓，慢慢优化。现在搞直播的商家不光把市场费用直接打在折扣和主播提成里面，而且连同渠道费用，库存费用，账期成本，都打进去了，因为只要客户对直播有了trust，鱼就能一口上钩。这对于甩库存当然是最有效的，但是如果将来新品也都这么卖，那对于市场部而言，又变天了。
天下万物，唯快不破；市场增长，皆同此理。
感谢阅读！前面也还有几篇戏说公司其他部门的，如果您没看过，也可以点开看看。
销售部：大B和小B
https://mp.weixin.qq.com/s/dw660K4cPuYcuca9zA9PTw
2020-05-24 20:11
最近直播火了，网上看到Steve Ballmer 1986年在电视上卖Windows 1.0的广告（见下）。虽然像素寒碜，但挡不住Ballmer同学的销售热情跃然屏上。如果拿Ballmer同学和现在几位直播大V比比，比罗哥董姐，不输文采；比佳琪薇娅，何逊风骚？超级销售直取人心的技巧，貌似几十年来也没有太多的变化。
销售部是公司挣钱的部门，在企业内部一向地位崇高。有统计说全球500强公司里面，销售出身的CEO所占比例最高，其次是CFO上位。在互联网兴起之前，产品技术出身的CEO并不多见。外企刚进中国的那些年，跨国公司在中国最重要的岗位就是销售岗。销售部的同学们西装笔挺，中英夹杂交替自如，出入五星级酒店如履平地。在北上广人均工资三五千的时候，就可以请人喝几十块钱一杯的咖啡，还动不动谈一个几百上千万的大生意。年成好的时候，大销售的年终奖能买一套房子，让人艳羡不已。
销售部还有一个好处，是唯结果导向，英雄不问出处。比如说微软中国第一位本土CEO，吴士宏女士，好像大学也没有上过，白手起家一路登顶。吴女士写了一本励志的自传《逆风飞扬》，一时京城纸贵。销售和人性相关，和学历关系不大，所以销售岗位往往是有志青年奋斗的起点。
销售可以粗分为两类，上面说的是高大上的传统跨国公司大B销售，卖几百上千万的大单子，有很多公司资源可以调动。除了卖产品，投行和咨询公司的合伙人卖几百上千万的服务，也是一种大B销售。和大B对应的是小B销售，卖几万，甚至几千块的产品。这位客官说你在开玩笑了，几千块的单子提成能挣几个钱啊？销售还不得喝西北风？
其实中国互联网公司兴起，BAT三家公司里面，有两家是靠销售卖广告产品发家的。阿里巴巴一开始卖的是中国供应商，诚信通这类黄页产品。百度卖的是搜索引擎广告，都是做中小企业的生意。卖几千块，万把块的产品，靠蚂蚁雄兵扫街，这些互联网企业通过成千上万的小单子，一步步做出了百亿千亿美金的市值。
阿里巴巴最开始卖的“中国供应商”会员，当时并不好卖。阿里巴巴B2B网站的自然流量很少，吸引海外的买家需要从谷歌批发来流量，再零售给国内的外贸商家（阿里的客户），说的不好听就是一个流量的二道贩子。由于性价比不高，阿里巴巴的中国供应商（简称“中供”）产品一开始并不好卖，每次签约/续约的时候，中供的销售都要使出浑身解数，有给客户送锦旗的，有和客户说“信马云，得永生“的，总之是八仙过海各显神通。但俗话说“宝剑锋自磨砺出，梅花香自苦寒来”，“中供”销售起步时的艰辛造就了日后“中供铁军”的辉煌，十几年后美团等O2O生意起来的时候，“中供铁军”的leader纷纷成为O2O公司地面销售负责人的热门人选。
相比阿里巴巴的产品，百度的搜索就好卖太多了。当时百度商业部门的slogan是“你要找的人正在找你”，细品一下，这句话特别能打动老板的心。搜索产品见效快，客户续费率高，很容易在一个新行业里面铺开。有一年百度的全国销售冠军是杭州的一个小伙子，别人一个月做三四单，他一个月能做20多单。这个小伙子以前做过网站开发，他有个秘诀：遇到新客户第一句就问人家用没用过百度？如果客户对百度搜索有概念，小伙子就根据自己以前开发网站的经验，很快帮助小老板理解搜索营销的独特优势，一旦老板的兴趣被吊起来，下单就只是时间问题了。客户基础慢慢积累起来以后，除了靠老客户转介绍，他还发展了好几个下线帮他找新客户。当时小伙子自己买了一辆面包车，还雇了个司机，这样在路上的时候也不耽误他打电话做生意。
产品好卖，公司就会琢磨如何快速扩大规模，提升效率。小B销售门槛低，潜在客户群体大。但中小企业一方面生命周期短，客户随时都有可能关门；另一方面又如离离原上草，一茬又一茬，生生不息。小B销售起薪低，需求量大，招人以量取胜。这些销售人员的素质参差不齐，方差很大，管理几万个销售是个大学问。对于卖比较标准化的广告产品，互联网大厂后来搞出一种“销售标准化”的办法，简单的讲是借鉴了工厂的流水线管理方法，把销售过程拆解为三步：销售线索采集，in-bound找高意向客户，out-bound签单，分而治之。
第一步是收集销售线索，这其实是老销售和新销售相比最大的优势。老销售有固定的客户群体，而且知道从哪里找新的销售线索，这些秘诀是不会告诉新销售的。互联网大厂需要不断拓展新客户，优质客户线索就变得越来越宝贵。集中收集销售线索的办法有设400电话让潜在客户愿者上钩，有在站内放广告的页面上做一个留资入口，有在站外投放吸引客户的广告，有爬取站外中小企业的信息，有从特定渠道购买新登记的网站的信息，新公司的工商注册信息等等，多种多样，不一而足。线索采集团队一般是个技术团队，做好数据采集，清洗，去重，备用的工作。
In-bound团队是关在家里不出门的电话销售，每天的工作就是打几百个电话，聊出几个有意向的客户，登记下来交给out-bound去跟。In-bound团队里面业绩最好的一般是音色甜美，百折不挠的小姑娘。为了完成业绩，不打完电话誓不罢休。这个工作超级枯燥，而且挫折感很强，一般人做不了太久，现在一部分初筛的工作已经交给机器人处理了。
Out-bound同学的任务就是把in-bound同学辛辛苦苦打出来的高意向线索转化下单客户。因为这些同学每天都在外面跑，所以叫out-bound。Out-bound同学和传统销售接近一些，需要察言观色，顺驴下坡，完成临门一脚的签单工作。
如此一来，销售被拆成了一个流水线工作。培养一个优秀的销售不容易，但是培养流水线工人就容易很多，后来好几家互联网大厂的小B销售都用了类似的做法，销售效率大大提升，运营成本反而降低了。这个办法不光可以卖广告，卖保险，卖房子也没有问题。
回过头再来看销售，卖个1万块钱的东西，和卖1000万的东西相比，工作过程和所需技巧，实际上是差不多的。两者都需要找到合适的客户群，摸清客户的脾气和决策机制，兜售自家产品的卖点，最后临门一脚关单。但是从员工成长角度，流水线工人显然上升空间有限，所谓人往高处走，所以能卖贵的就不要卖便宜的。如果东西贵，潜在客户的数量有限，公司也倾向于让一个销售从头跟到尾，一来客户界面感受舒服，有专人服务的感觉；二来大B客户就这么多，决策机制复杂，用上一个产品以后换别家的很不容易。万一流水线上一个新来的销售毛手毛脚得罪了客户，以后再想赢回来就要花牛劲儿了。
现在互联网企业也纷纷拓展2B新业务，增长方向变成了卖云，卖SaaS，卖远程会议，卖AI服务。传统MNC的大B销售们纷纷加盟互联网大厂的2B业务，大B和小B们汇合了，但经常互相看不上，销售部又热闹起来了。
若有收获，就点个赞吧
0 人点赞
