文｜王欣
编辑｜苏建勋
把公司直接搬进客户办公区，在创业圈并不算常见操作，前总裁裴沵思带领的Noumena团队却坚持如此。直到现在，他们仍驻扎在某美妆品牌的办公区内，与客户团队深度共创。
裴沵思的初衷很明确：让团队中最懂大模型的科学家，贴近业务一线。
Noumena的三位联合创始人，Jett曾任KA行业群总经理，另外两位联合创始人，均是历经第四范式商业与工业化历练的科学家——首席科学家赵欢，此前在第四范式主攻大模型训练及AutoGraph（自动化图学习）；CTO李佳骏则是ACM（美国计算机协会）金牌选手。
但从创业第一天起，他们就达成共识：这次创业要聚焦具体业务域。要先撸起袖子下场，对业务有更深的理解，才能充分利用AI的杠杆效应。
在上海落脚了几天后，他们连办公室都没租，直接进驻4A公司，通过AI工具服务品牌客户。在这个过程中，他也对业务有了新的思考——作为深耕ToB领域多年的“老兵”，从SAP到第四范式，裴沵思的职业生涯始终围绕CEO群体展开。
△Noumena创始人兼CEO 裴沵思（左二）及联合创始人蒋骧惠（左一）、赵欢（右一）、李佳骏（右二）
与品牌共创的几个月里，裴沵思察觉到品牌营销的旧时代已经被解构了——营销战场已从电商平台逐步迁移至内容社交平台，而品牌在线上营销的确定性不断下降，赌的成分越来越高。
即便是人类的最强团队，也很难抵抗分发平台的推荐，对潜在消费者诉求的波动性影响。
在他看来，内容社交平台是ToC企业最大的外部变量——85%以上Z世代的消费决策在此完成，“种草于内容平台、交易于电商平台”的用户习惯，让这里成为品牌竞争的核心阵地。而品牌方的痛点在于线上利润被平台大量挤压，费效比（产出效益 / 投入费用）越来越高。
他观察到，“大家都说看不懂社交平台，觉得内容营销是玄学。”这是因为品牌和想触达的细分人群，在心智层面上的沟通能力在消亡。
因此裴沵思选择从这一角度切入，用AI的方式将营销从“玄学”变为“科学”。为此，Noumena打造了一个AI原生的营销Agent——“增长智能（Growth Intelligence）”系统，帮助品牌在内容社交平台实现可持续增长。
内容营销始于消费者洞察，传统方法依赖小样本调查，高度依赖研究者主观判断等局限。社交媒体用户生成内容（UGC）爆发式增长，为消费者研究提供了前所未有的数据资源，但也带来了两个新的问题：
第一，海量非结构化数据远超人类专家的处理能力。
第二，从中提取的洞察，决策者难以判断其可信度。大语言模型的出现为解决这一问题提供了可能，但当前的AI研究工具（如Deep Research类产品）主要聚焦于信息检索与整合，未能解决洞察的置信度问题。
Noumena AI Agent系统中包含一个AI原生的消费者洞察基础设施，命名为“曼哈顿计划”。1942年6月，美国陆军部启动“曼哈顿计划”，通过基础物理学突破释放了原子能；Noumena的愿景与之呼应，即通过AI Agent实现营销学的工业化，释放消费者科学的规模化潜能。
Noumena的“曼哈顿计划”包括两个关键模块：公域压缩和证据分级验证机制。
首先，Agent（智能代理）基于公域UGC（用户生成内容）对海量公域UGC进行大幅吞吐与提炼，例如通过浏览内容社交平台上的内容和评论区，学习内容调性和用户倾向等知识信息；
继而，通过L1-L4的证据分级验证，发现图谱中存在的因果关系，相当于重新勾勒了混沌无序、充满“噪音”的内容平台，使品牌找到更加可靠的因果关系和有效信息。
比如在社交平台的“提神”话题下，频繁出现“想提神喝咖啡，又怕同事认为自己焦虑”这样的同事、尴尬、体面等关键词，经过L1-L4的验证，可以发现这背后实际上反映了办公人群的一种焦虑，而在这一场景下针对性地强调无味、不尴尬、体面等关键词，内容转化会更高。
品牌用经过验证的L3/L4洞察替代主观猜测，精准定义人群与传播策略；基于高转化因果关键词指导内容生产与KOL选号，提升素材供给的确定性；最后在投放端，以可验证的商业因果预测并优化ROI。最终，将离散的专家经验转化为标准化的工业级科学资产，真正释放消费者科学的规模化潜能。
每一次创业，都是克服过往思维惯性的过程。裴沵思发现，这次AI ToB创业与此前的SaaS创业逻辑截然不同：SaaS创业如同“给差生补课”，核心是寻求标准化——也就是最大的市场公约数，力求让所有人都能用。
垂类的AI Agent创业的核心竞争壁垒是智能水平的上限。Noumena的增长智能系统中，定义了全新的架构 Noumena Thinkflow (受到anthropic的skills启发，由此发展而来）——能够在真实业务上下文中，通过与人类专家长期共判，把“专家如何做判断”沉淀为系统能力。
当前阶段，赛点在于谁能吸纳更多优秀人类专家的隐性知识——而这些专家恰恰集中在行业头部客户。因此，Noumena选择了“让好学生争第一”的打法，通过服务行业头部品牌及高速增长 DTC 的新锐品牌，让AI 有突破人类智能瓶颈的可能。比如Noumena正在与全球美妆行业的领导者欧莱雅集团积极推进合作。
除了服务头部客户，在这一过程中沉淀品牌经验和智能能力，也让他们找到了另一条ToC商业路径：服务prosumer（专业消费者）。比如，目前小红书平台共计 20 万个品类和大概 4000 万内容创作者，这些都是他们的潜在目标人群。
目前Noumena的prosumer（专业消费者）服务主要聚焦美妆行业，但裴沵思认为，这一服务的核心定义维度并非行业，而是内容社交平台——不同行业间有大量可复用的能力，这也与SaaS时代的行业垂直逻辑差异显著。
以下为访谈原文，经《智能涌现》编辑整理：
《智能涌现》：你过往长期与CEO打交道，也密集收集企业对服务商的需求，为何最终选中AI营销赛道？这一过程中的核心认知是什么？
裴沵思：核心认知源于两方面。其一，我的职业生涯始终聚焦CEO群体，从SAP到第四范式，深刻体会到AI决策类转型的关键在CEO，而非CTO，企业内部需克服诸多阻力，且转型隐性成本居高不下。其二，第四范式的业务经历让我看到赛道迁移的必然性：早期聚焦银行风控等封闭场景，虽需求明确，但想象力有限；而营销侧才是企业智能场景涌现的核心领域。
更关键的是，我们发现企业大量销售预测需求本质是用AI替代传统统计学方法，依赖内部数据预测未来，成功率极低，客户满意度不足五成。尤其在零售快消领域，外部环境变化速度远超历史总结能力，传统模式完全失灵。恰逢大模型兴起，其打标能力与外部数据解读能力大幅提升，让我们看到通过捕捉外部环境优化企业决策的可能，最终锁定AI营销赛道。
《智能涌现》：你提到外部环境变化是企业预测失灵的核心原因，具体哪些外部环境维度影响最大？
裴沵思：对ToC企业而言，最大的外部性来自内容社交平台。数据显示，85%以上Z世代的消费决策在此完成，远超天气、时政等传统因素的影响。媒介场的迁移让内容社交平台成为品牌竞争的核心阵地，而电商平台流量增长已逐渐放缓，用户习惯变为“内容社交平台种草、电商平台交易”。
以某头部鞋服类品牌为例，其拥有数千个鞋类SPU，供应链周期长，需提前预测销量备货，但过往销售数据无法拟合突发情况——比如某款鞋因明星、KOL佩戴突然爆火，这种偶然性外部变量让传统预测完全失效。对品牌而言，这种不确定性是不可接受的，他们需要的是预测、影响甚至主导消费趋势的能力。
《智能涌现》：相较于天气、时政等传统外部因素，内容社交平台对品牌的影响有何不同？
裴沵思：区别在于影响的深度和广度完全不在一个层级。天气、时政这些传统因素，对品牌的影响大多是短期、局部的，比如雨天影响户外产品销量，但不会改变用户的核心消费决策逻辑。
而内容社交平台已经成为Z世代消费决策的核心场景，85%以上的选择都在这里完成，它直接重塑了用户的消费习惯，从“看到广告买产品”变成“被内容种草再下单”，这种影响是长期、系统性的，直接决定了品牌的市场竞争力。
《智能涌现》：在外部环境剧烈变化的背景下，你认为创业机会在哪里？核心解决思路是什么？
裴沵思：机会在于“拉齐速度”——企业对内容社交平台的理解、捕捉、决策与执行链路太慢，核心思路是通过技术提升全链路效率，实现“理解-决策-执行-迭代”的快速闭环。具体来说，品牌效果广告的本质是“内容质量×内容分发传播结构”，技术的价值不仅在内容生成，更在优化分发结构。
当前行业存在认知误区，过度聚焦AIGC生成内容，但优质内容的主导权已转移到千万级达人手中，品牌难以控制。真正的核心是：在捕捉优质内容SOP的基础上，通过技术计算内容、人群、场景的匹配逻辑，实现精准触达。简单说，就是让品牌在内容社交平台的运营从“玄学”变为“科学”。
《智能涌现》：为什么说优质内容的主导权已经转移到达人手中？品牌在这一背景下该如何破局？
裴沵思：现在千万级的达人已经形成了自己的创作风格和粉丝圈层，他们产出的内容更贴近用户喜好，更容易获得平台流量扶持，品牌很难再通过自己生产内容达到同样的效果，所以说主导权已经转移了。
品牌破局的关键不是去抢回内容主导权，而是做好“匹配”——先找到那些符合品牌调性、能精准触达目标人群的达人，再通过技术手段捕捉他们的优质内容SOP，结合品牌核心信息共创内容，最后优化分发结构，让内容精准触达更多潜在用户。
《智能涌现》：结合具体案例，说明下你们如何赋能品牌营销的全链路？
裴沵思：以某头部鞋服品牌为例，全链路赋能分为三个核心环节。
第一步是人群与产品定位：明确产品核心受众是35-45岁一线上班族男性、月跑量超100公里，基于此筛选适配的细分领域达人——这类达人需精准覆盖目标人群，且合作成本可控，避免顶级明星的高成本与低精准度问题。
第二步是内容共创：结合达人的原生创作风格与SOP，植入品牌核心信息。比如健身达人可从“练后恢复”场景切入，职场达人可从“晨练日常”场景植入，确保内容自然不生硬。
第三步是投流优化：若内容初始关注度不足，通过分析潜在用户标签，定向投放放大传播效果。
这一全链路组合，正是“内容质量×传播结构”的落地体现，核心是通过技术让每个环节的决策都有数据支撑，提升确定性。
《智能涌现》：在达人筛选环节，除了精准覆盖目标人群，还会关注哪些核心指标？
裴沵思：除了人群匹配度，我们还会重点关注达人的内容质量稳定性和粉丝互动真实性。
内容质量稳定性就是看达人过往产出的内容是否持续符合优质SOP，有没有出现过大量低质量内容；粉丝互动真实性则是判断达人的粉丝是不是真实活跃的，有没有大量水军，互动评论是不是和内容强相关。这两个指标直接影响后续内容传播的效果，比单纯看粉丝数量更重要。
《智能涌现》：你们的业务与产品具体体现在哪些环节？与品牌的合作边界是什么？
裴沵思：核心赋能品牌策划师、内容策划师、投手三大角色，业务边界是“将品牌已有的物理产品定义，解构并转化为适配内容社交平台的数字定义”。比如品牌产品经理已明确产品功能参数，我们的工作是将其翻译为小红书、抖音等平台的人群语言、场景语言。
《智能涌现》：能否举例说明这种“定义转化”的具体做法？
裴沵思：以某高端洗发水品牌为例，其原定位是“沙龙级专业产品”，但在小红书平台，沙龙人群体量极小。我们通过数据分析发现“高端蓬松感”是核心诉求，将其重新定位为“定妆照、健身后等场景的蓬松护理产品”，成功切入小红书的“悦己”主赛道。
这种定位调整不涉及产品成分、包装的改变，仅优化传播侧的定义与表达。
《智能涌现》：这种“定义转化”的效果如何衡量？有没有具体的数据支撑？
裴沵思：主要看两个核心数据，一个是CTR（click-through rate，点击率）和CVR（conversion rate，转化率），另一个是品牌在目标赛道的声量占比。
以上述洗发水为例，调整定位后，相关内容的CTR提升了30%以上，CVR也提升了25%左右，同时在“高端蓬松洗发水”这个细分赛道的声量占比从原来的5%不到，提升到了15%以上，明显带动了产品销量的增长。这些数据都是直接能体现转化效果的。
《智能涌现》：你们解析内容社交平台的核心技术逻辑是什么？如何实现对平台的“打穿”？
裴沵思：核心是“公域数据重做+私域数据融合+消费者动机网络”。
我们不针对单个品牌解析平台，而是对整个内容社交平台进行结构化重构：先用工具遍历海量内容，完成第一层大范围压缩；再通过科学家与业务专家协同，逐层提纯因果关系，形成从基础验证到可验证商业因果的层级体系。
这个过程类似“制作藏宝图”：第一层是还原平台全貌，后续层级是找到可落地的商业机会。比如在美妆赛道，我们发现“定妆照人群关注头发蓬松感”这一核心规律，其对应的内容CTR、CVR数据显著更高，可直接指导品牌的内容创作与投流。这套体系对小红书、抖音等平台均适用，稳定周期约3-6个月。
《智能涌现》：这个从L1到L4的因果关系提纯体系，具体每个层级的核心作用是什么？
裴沵思：L1层级是大范围压缩，核心作用是把平台上海量的、杂乱的内容做初步筛选，提炼出核心讨论话题和关键词，让我们对平台内容全貌有个清晰认知；
L2是复现验证，就是对L1提炼出的话题进行交叉验证，确认这些话题是真实存在的，不是偶然出现的；
L3是准实验证据，通过控制变量等方法，找到话题和用户行为之间的相关性；
L4是可验证商业因果，就是明确这个话题能直接带动哪些商业指标的增长，比如点击、转化、销量，这一层级的结论可以直接落地到品牌的营销决策中。
《智能涌现》：为什么选择“搬进客户公司”的共创模式？这一模式带来了哪些认知变化？
裴沵思：核心原因是团队基因的补全。我们早期团队以科学家为主，对技术理解深刻但缺乏业务体感，闭门造车会导致产品与实际需求脱节。共创模式能让我们深度融入品牌团队，理解他们的语言习惯、做事逻辑与核心痛点——从4A公司的内容策划、投手，到品牌的品类策划，全程贴身学习。
这一模式带来两个关键认知变化：一是发现广告公司与品牌的视角差异，广告公司更关注提案成功，核心能力在内容与投流；而品牌更关注长期增长，核心诉求在品类定位的精准性，后者的专业度与付费意愿更高。二是明确了业务核心——品类定位与内容定位之间的认知鸿沟是关键壁垒，解决这一问题比单纯优化执行效率更重要。我们从2023年七八月份开始采用这一模式，先在4A公司历练，后入驻美妆品牌，目前仍在客户办公区驻场。
《智能涌现》：在4A公司历练和入驻品牌办公区，这两个阶段的核心收获有何不同？
裴沵思：在4A公司的核心收获是理解了内容和投流的执行逻辑，知道了广告公司是怎么跟品牌沟通、怎么产出内容、怎么优化投流的，补全了我们在执行层面的认知。
而入驻品牌办公区后，收获更多是战略层面的，比如品牌是怎么做品类规划的、怎么思考长期增长的、怎么平衡短期销量和长期品牌价值的，这让我们能更精准地把握品牌的核心诉求，做出的产品也更贴合品牌的长期发展需求。
《智能涌现》：你提出“帮好学生争第一”的客户选择逻辑，如何定义“好学生”？这一逻辑与传统SaaS模式有何不同？
裴沵思：“好学生”是指行业头部品牌及高速增长的DTC新锐品牌，它们拥有成熟的营销团队，已在内容社交平台积累丰富经验，且遇到了明确的增长瓶颈。这类客户的核心价值在于其高稀缺、高频的隐性知识，能帮助我们的系统快速吸收行业最佳实践，提升服务能力。
这与传统SaaS“找最大公约数、帮差生补课”的逻辑完全相反。传统SaaS追求标准化、低成本复制，而我们认为，核心是拼Agent的智能水平上限，先服务头部客户打磨智能能力，再向中小企业输出，才能形成降维打击。就像培养管培生，先让他在宝洁等优秀体系成长，再去其他场景才能快速胜任，而不是一开始就去基础薄弱的场景。
《智能涌现》：当前团队构成有何特点？如何平衡技术人员的技术追求与商业落地需求？
裴沵思：团队目前40多人，其中20多位是科学家、算法工程师，约10位是博士，核心班底来自第四范式；后期也吸引了大量营销、品牌领域的专业人士加入，形成“技术+业务”的双核心结构。
平衡技术理想与商业落地的关键，一是团队共识，我们的核心技术人员都经历过第四范式的商业化历练，清楚技术必须落地到具体业务场景，认可“先下场理解业务，再用技术杠杆放大价值”的逻辑；二是实践导向，比如CTO会亲自参与品牌策划执行，产品经理会实操投手业务，让技术人员深度理解业务痛点，避免闭门造车。
《智能涌现》：公司的商业化模式是什么？未来的扩张规划如何？
裴沵思：当前采用双轨商业模式：针对头部客户，收取服务费，通过共创持续迭代能力；针对专业用户，采用Token付费模式，实现能力的规模化输出。专业用户涵盖品牌策划、内容策划、投手等专业人群，甚至个人创作者，这一群体基数大，是未来增长的核心引擎。
扩张规划分为两个维度：一是行业扩张，从目前成熟的美妆赛道，逐步拓展到日化、教育等领域，优先选择内容营销需求旺盛但经验尚浅的行业；二是平台扩张，聚焦小红书、抖音、TikTok三大核心内容社交平台。由于我们的技术体系是基于平台解析而非行业标签构建，行业间的能力复用性强，可快速适配新赛道。
《智能涌现》：当前企业对AI营销的认知存在哪些误区？需要建立哪些正确认知？
裴沵思：最大的误区是将技术视为“工具”，过度聚焦AIGC生成内容。
很多业务leader认为技术的价值就是提升内容生产效率，但这是双重误解——品牌的核心痛点不是缺内容，而是缺内容的精准分发与品效协同能力。
正确的认知应该是：技术是“智能伙伴”而非工具，其核心价值在于优化传播结构与决策逻辑；内容社交平台的竞争关键是“内容质量×传播结构”，而非单一内容优劣；品牌需要建立跨平台的人群网络资产，而非局限于单一平台的短期流量。
简单说，不要用工具思维看待技术，而要用“管培生培养”的逻辑，让其持续学习行业经验，实现从“不确定性”到“确定性”的突破。
《智能涌现》：AI垂直领域创业从0到1，最核心的聚焦点是什么？哪些必须做对，哪些可以容错？
裴沵思：核心聚焦点是“平衡价值深度与技术灵活性”——既要扎进具体业务域，解决企业的核心价值问题，又不能绑定特定技术栈，要保持对前沿模型的快速适配能力。
必须做对的三件事：一是选对赛道，聚焦技术能真正解决的核心痛点；二是找对初始客户，通过头部客户的隐性知识提升服务能力；三是构建灵活的技术架构，避免被单一模型锁定。
可以容错的是行业扩张中的局部试错，以及商业模式的阶段性调整——只要核心技术与价值逻辑正确，局部的试错可以快速迭代优化。本质上，AI创业是“冲浪”，要紧跟技术迭代节奏，做时间的朋友。
封面来源｜企业
京海配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
