先找到自己的“1”，再让 AI 做乘法

开场

大家好，我是 Yuli，一名出海 Vibe Marketing 操盘手。

我做过 B2B、B2C 的出海营销项目，现在正在从 0 到 1 做自己的 DTC 品牌，也和团队一起开发营销垂类的 AI 应用。这两件事都还在起步阶段，今天想分享的，就是这一路的经历和我的思考方式。

可以带着一个正在考虑的方向来读：AI 图片或视频、网站或软件、自媒体或服务业务。

接下来，大家可以带着自己的项目，想三个问题：

谁需要它？它解决什么问题？对方为什么愿意为此付钱？

今天，我会从自己的经历说起，聊聊我怎么与 Agent 协作，以及怎样判断一个机会值不值得投入。

一、找到自己的“1”：我想做什么，我已经有什么

那个我答不上来的问题

我的职业路径，挺不按套路来的。毕业后，我在我妈的茶室帮忙了一年，后面自学过摄影、剪辑和设计，在两家传媒公司做过，做过自媒体。当时短剧、AIGC 都很热，但我非常讨厌那种赶量、同质化、追热度的内容生产方式。工作做得不开心，也没有想清楚下一步，于是干脆不干了，开了一家剧本杀店，结果3个月就倒闭了。受挫后，我回家玩了一年游戏，最喜欢《文明》《缺氧》这类经营建造游戏。

去年夏天，我遇到了工作上的师父，带我入行了出海营销，她问我：“你的人生目标是什么？”

我答不上来，总不能说是打游戏吧？但这个问题让我意识到，自己一直在找工作、找机会，却很少想过：到底想过什么样的生活，愿意长期做什么？

茶室让我接触顾客和经营，摄影、剪辑和设计成了视觉表达的基础，自媒体让我关注受众，开店失败则让我明白：喜欢一件事，不等于能经营好一门生意。

回头看，玩经营建造游戏时，我最投入的就是研究资源怎么分配、系统卡在哪里、怎样调整才能运转得更好。今年四月开始使用 Codex 后，我发现，和 AI 协作的乐趣，跟玩这类游戏很像：设定目标、调配资源、观察反馈、不断调整。

区别在于，过去优化的是游戏里的系统，现在要自己判断什么值得做，再和 AI、团队一起推进真实项目，结果也要由客户和业务来检验。

不是所有经历都值得重来，但每一段经历，都值得回头理解。

那些曾经觉得杂乱的经历，开始成为今天做事的基础；AI 则让我能把这些积累连接起来，尝试过去受限于技术和资源、做不了的事情。

制作个人网站，又让我把这个思考往前推了一步：只列出“我会摄影、会设计、会营销”还不够，还得说清楚，这些能力放在一起，能帮谁解决什么问题？这是不是我还想继续做的事？

和它们协作，也像和同事配合：交代背景、对齐目标、推进任务、检查结果。

但这家公司服务谁、创造什么价值、投入是否划算、交付能否持续，仍然需要我来判断。

AI 让我更容易把想法做出来，也更容易因为“做出来了”而获得成就感。

但放到真实业务里，我会多问一句：做出来以后，谁得到了什么？

比如一个网站，做了多少页面、接入多少功能，说明我完成了哪些工作；客户能否看懂产品、减少疑虑、更方便地发起合作，才是我更关心的价值。

所以，我现在会从希望创造的价值往回想，再决定要做什么、怎么做。

我首先会分清，这次是想获得收入、提高效率、积累影响力，还是验证一个创业方向，因为目标不同，判断结果的标准也不同。

如果是学习，做出原型、弄懂流程就是收获；如果是做生意，还得看有没有人需要、愿不愿意付费。学到东西，不等于商业模式已经成立。

同时，我会明确愿意投入多少时间和资金、谁来参与，以及这一阶段做到什么程度，就停下来判断下一步，避免一直忙，却说不清自己到底在等什么结果。

2. 理解用户：谁真的需要它？

接下来，我会把注意力从自己的想法转向具体的人：谁使用、谁付钱、谁做决定？他们在什么场景下遇到问题，现在怎么解决？

相比他们如何评价我的想法，我更关注他们已经为这个问题做过什么。

“这个东西挺有意思”，和“我每周都要花很多时间处理，已经找过几个解决办法”，是很不一样的信息。

我希望先找到一小群需求明确、自己也能接触到的人，让后面的产品和服务围绕真实场景展开，而不是停留在“应该会有人需要”。

3. 判断市场：这个需求，能支撑我做到哪一步？

确定有人需要后，我会继续看：有多少人需要、需求多久发生一次、能否持续，以及政策、技术和用户行为的变化会带来什么影响。

做海外市场研究时，我也会看市场规模和进出口数据，但一个国家进口额很大，并不意味着它就适合我们进入。

我还会追问：谁在买、谁在供应、我们能服务其中哪一部分客户？

最终，我关心的是：自己实际能触达和服务的市场，是否有足够的需求，支撑这次的目标。

有些市场很大，却离我很远；有些需求很细，反而更适合我现有的资源和能力。

4. 研究对标：别人怎么解决，又靠什么赚钱？

到这里，我会看看，已经有哪些企业或个人在解决同一个问题：他们服务谁、卖什么、怎么获客和定价？客户为什么选择他们，又有哪些不满意？

对标不一定是另一个 AI 产品，客户自己处理、找人工服务、继续用旧工具，甚至暂时不解决，都是我需要理解的现有选择。

我研究这些，不是为了照着做，而是想弄清楚：问题难在哪里、客户看重什么，以及现有方案为什么能成立。

有时，我会因此找到切入点；有时也会发现，原本觉得新鲜的想法，并没有比现有办法好多少。

5. 分析自己：这个机会，适不适合我来做？

前面看的是外部，这一步，我会回头看自己：有没有相关经验，能不能接触到客户，有没有渠道、资源和交付能力，缺少的部分要花多大代价补上？

这也是我更愿意从营销领域切入 AI 应用的原因：我接触过真实项目，知道一些工作为什么难推进，也更容易判断结果有没有用，能少靠一些想象。

我还会区分，哪些需要自己掌握，哪些可以让 AI 协助，哪些要找专业的人合作。

一个机会很好，和它适合现在的我，是两件事。

第一部分讲的那个“1”，到了这里，就开始影响我的具体选择。

6. 明确定位：客户为什么选择我？

如果前面几步比较清楚了，我会试着用一句话描述自己在做什么：

我为哪一类人，在什么场景下，用什么方式解决什么问题。

然后追问：相比他们原来的办法，好在哪里？

可能是更懂某个行业、沟通更省心、交付更可靠，也可能是把原来分散又麻烦的工作连接起来了。

所以，我不会停在“我会用 AI、能做网站、能生成内容”，而是继续说清楚，这些能力能帮客户完成什么。

如果还讲不清，我就回头再看用户和需求，因为问题可能不在表达，而在于我还没想明白要提供什么价值。

7. 算清商业模式：这件事，能不能持续做下去？

接下来，我会算一笔现实的账：靠什么收费，是一次性还是持续收费，收入能否覆盖获客、工具、采购、外包、交付和售后？

自己的时间也要算进去，尤其是容易被忽略的沟通、修改和维护。

有订单，说明至少有人愿意付钱；但是否值得继续，还得看做完剩下多少、投入多少时间，以及客户增加后能否保持交付质量。

这时，我也会重新看 AI 的作用：它有没有真正减少重复劳动和返工、让交付更稳定，还是只是前面做得快，后面却要花更多时间补救？

客户获得价值，我也得到合理回报，这件事才有持续做下去的空间。

8. 做最小验证：先确认最不确定的那件事

前面的思考再完整，也只是判断，不是结果。

所以，我会找出当前最关键、最不确定的问题：用户真的需要吗？愿意付钱吗？还是我能否交付承诺的结果？

然后围绕它做一次尽量小的验证，不一定开发完整软件，也可以提供样品、小范围试服务，或者先由人工和 AI 配合完成一次交付。

比如准备做营销工具，我会考虑先围绕一个具体业务环节，把服务跑一遍，看清实际要处理什么、哪里最费时间，再判断哪些部分值得产品化。

我希望先拿到真实证据，再决定追加多少投入，让调整的代价保持在可承受的范围内。

9. 复盘迭代：结果和我想的一样吗？

做完以后，我会把结果和最初的判断放在一起看：有没有人使用和付费，为什么成交或没成交，客户最重视什么，交付时间花在哪里，有没有复购或推荐的意愿？

我也会检查自己的投入：有没有忙了很多，却没推进关键问题？有没有一个小改动，反而带来了更明显的改善？

这些反馈，帮助我决定继续、调整，还是暂时停下来。

这也是我喜欢“迭代”的原因：每做一轮，就多了解这件事一点，下一次少靠一点猜测。计划也因此不再只是必须完成的任务清单，而是可以根据反馈修改的行动方案。

我们正在做的，也是对这套思考方式的实践

这九步，也是我和团队研发 一款营销 AI 产品时，正在尝试沉淀的思考方式。

我们希望把市场研究、策略制定、组织协同、内容执行和数据回收连接起来：研究支持业务选择，策略指引执行，再用真实反馈调整下一步。

AI 可以协助整理资料、分析反馈、生成初稿和拆解任务，但研究什么、相信哪些信息、做什么取舍，仍然需要结合业务判断。

我们期待它减少重复整理和制作的时间，让小团队把更多精力放在客户、判断和决策上，更稳定地推进项目。

当然，产品还在探索中，这九个问题，我们自己也要一遍遍回答。

总结与实践

回到今天的主题：先找到自己的“1”，再让 AI 做乘法。

我的“1”还在变得清楚：虽然没完全想明白人生目标，但已经开始知道自己喜欢什么、愿意长期做什么，也在把过去的经历变成今天能用的能力。

与 Agent 协作，让这些积累有了更大的发挥空间；真实业务的反馈，则帮助我判断，哪些事情值得继续投入。

所以，比起只问“AI 又能帮我做什么”，我现在更常问：

我想做什么？我已经拥有什么？这些东西放在一起，能为谁带来什么价值？

关闭放大图 ×