出品人：
.......
.......
AI赋能用户研究与需求分析（第一性原理）
......
内容大纲：
1. AI发展脉络
1.1 三个时代，三种解锁
1.2 一个规律
2. 云音乐的AI探索版图
2.1 云音乐的探索是广谱的
2.2 今天聚焦的三个场景
3. 私人DJ：3年的进化
3.1 3年前：能跑就行
3.2 3年后：一切都变了
3.3 下一步：实时交互
4. deepseek红心锐评
4.1 背景
4.2 产品逻辑
4.3 结果
4.4 经验
5. AI推荐&灵感歌单
5.1 AI推荐：自然语言创建歌单
5.2 灵感歌单：Prompt成为偏好的容器
6. AI时代的产品经理
6.1 产品设计变了
6.2 技术底层依然要懂
6.3 AI是非线性渗透，不是替代
6.4 AI是动词，不是主语
6.5 经验依然在积累，请认真对待它
1. AI发展脉络
1.1 三个时代，三种解锁
1.2 一个规律
2. 云音乐的AI探索版图
2.1 云音乐的探索是广谱的
2.2 今天聚焦的三个场景
3. 私人DJ：3年的进化
3.1 3年前：能跑就行
3.2 3年后：一切都变了
3.3 下一步：实时交互
4. deepseek红心锐评
4.1 背景
4.2 产品逻辑
4.3 结果
4.4 经验
5. AI推荐&灵感歌单
5.1 AI推荐：自然语言创建歌单
5.2 灵感歌单：Prompt成为偏好的容器
6. AI时代的产品经理
6.1 产品设计变了
6.2 技术底层依然要懂
6.3 AI是非线性渗透，不是替代
6.4 AI是动词，不是主语
6.5 经验依然在积累，请认真对待它
感知·理解·陪伴：AI重构音乐体验
周术
.......
网易云音乐 产品总监
议题背景：
AI 时代的产品创新，不应该只是“用 AI 把原来的事情做得更好”，而是“用 AI 实现原来不可能具备的能力”。Atypica 将专业的用户研究能力下放给每个人，让“理解用户”从少数专家的项目，变成每个团队随时可用的组织能力。
演讲大纲
1. 开场：一个悖论
1.1 引入问题：
1.1.1 每家公司都说“以用户为中心”，但上一次深度对话用户是什么时候？
1.1.2 我们把“理解用户”当成项目，而不是能力
1.2 核心矛盾：
1.2.1 项目：阶段性、成本高昂、滞后
1.2.2 能力：持续、复利、实时
2. 项目思维的困境
传统用户研究的三个结构性瓶颈：
2.1 时间瓶颈
2.1.1 一次深度调研需要 4-8 周（招募→访谈→分析→报告）
2.1.2 等报告出来，市场可能已经变了
2.2 成本瓶颈
2.2.1 20 人深度访谈成本：10-30 万
2.2.2 大多数公司一年只能做 1-2 次
2.2.3 只有重大决策才会启动
2.3 覆盖瓶颈
2.3.1 20 个样本能代表整个用户群体吗？
2.3.2 边缘用户、潜在用户、流失用户的声音在哪里？
结果： 我们对用户的理解是快照式的，而不是动态的 —— 就像用一张照片去理解一个人的一生。
3. 为什么做 Atypica：能力下放的产品哲学
3.1 AI 时代的产品审美：
大多数人在想：“有了 AI，什么能做得更好？”
- 写作更快、设计更快、编程更快……
我们在想：“原来不具备的能力，怎么用 AI 来实现？”
3.2 用户研究的能力鸿沟：
传统上，深度用户研究是少数专家的特权：
- 需要专业训练（访谈技巧、分析方法）
- 需要大量时间（不是每个产品经理都有）
- 需要高额预算（不是每个决策都值得投入）
结果是： 90% 的产品决策，都是在没有充分用户洞察的情况下做出的。
3.3 Atypica 的设计初心：
我们要做的，是把用户研究的能力下放给每个人：
- 产品经理不需要等调研团队排期，随时可以问用户
- 营销团队不需要申请预算，随时可以测试创意
- 战略团队不需要依赖咨询公司，随时可以探索新市场
这不是工具的民主化，是能力的民主化。
4. 能力思维的可能性
4.1 如果“理解用户”是一种永远在线的能力，会发生什么？
场景 1：产品经理的日常
- 从：“我们下个月做一次用户调研吧”
- 到：“让我问问用户对这个功能的真实感受” —— 随时、即时、低成本
场景 2：营销团队的创意测试
- 从：“这个文案我们内部投票决定吧”
- 到：“让我们在 100 个用户人设上测试这 5 个版本” —— 覆盖更广、反馈更真实
场景 3：战略层的决策
- 从：“我们凭经验判断用户需要什么”
- 到：“我们有一个关于用户动机、恐惧和决策模式的模拟器” —— 可以随时查询、随时演化
4.2 这不是 100 倍的效率提升，而是一种质变：
- 从偶尔听用户说话 → 随时和用户对话
- 从理解用户的过去 → 预测用户的未来
- 从少数人的能力 → 整个组织的能力
5. 这种能力如何建立：设计哲学
我们在设计 Atypica 时问自己三个问题：
5.1 如何让 AI 真正理解“人”？
人不是数据点，人是有动机、有恐惧、有矛盾的复杂存在。
我们的方法：让 AI 模拟人设
- 每个用户人设承载真实用户的价值观、生活情境、决策模式
- 不是虚构，是从真实访谈、真实行为数据中提炼的主观性模型
- 就像物理学是客观世界的模型，我们在构建主观世界的模型
5.2 如何让这种能力可以复利？
传统调研是一次性的 —— 每次都要重新招募、重新访谈、重新分析。
我们设计的是会生长的系统：
- 每一次对话都在丰富人设库
- 每一次测试都在校准模型
- 每一次使用都在积累组织的用户理解资产
这是复利系统，不是一次性工具。
5.3 如何让它融入组织的日常？
最好的能力不是需要特殊流程才能使用的，而是随时可以调用的。
我们不是在做“用户调研平台”，而是永远在线的用户理解层：
- 产品经理可以随时问
- 营销团队可以随时测
- 战略层可以随时查
6. 真实案例
案例 1：某出海 SaaS 公司
- 传统方式： 进入欧洲市场前，3 个月、50 万预算做市场调研
- 现在： 2 周内模拟 200 个目标用户反馈，成本不到原来的 1/10
- 关键： 这 200 个人设成为永久资产，每次产品迭代都可以继续使用
案例 2：某消费品牌
- 传统方式： 每次新品测试找 20-30 人做焦点小组，周期长、成本高
- 现在： 几小时内测试 10 个产品概念，覆盖 100+用户画像
- 意外收获： 发现了之前从未注意的边缘用户群体，后来成为增长最快的细分市场
7. 总结：
AI 正在让“理解用户”从一个项目变成一种能力。
客观世界有物理学、化学、生物学 —— 我们用这些模型来理解和预测物质世界。
主观世界呢？ 人的动机、恐惧、决策模式 —— 这些一直是模糊的、难以捉摸的。
但从今天起，我们有了工具来建模、来模拟、来理解。
这不只是 Atypica 在做的事，这是整个行业的机会。
我们邀请大家，在人类主观性的模型之上，去构建。
因为真正以用户为中心的公司，不是一年和用户对话一次的公司，而是把理解用户变成永久组织能力的公司。
这不只是 Atypica 在做的事，这是整个行业的机会。
我们邀请大家，在人类主观性的模型之上，去构建。
因为真正以用户为中心的公司，不是一年和用户对话一次的公司，而是把理解用户变成永久组织能力的公司。
从项目到能力：AI 时代的用户理解范式转变
张子璇
.......
atypica.AI 产品增长负责人
议题背景：
AI 时代，企业不缺 AI 工具，缺的是"从一个模糊想法到可验证产品"的全链路落地能力。本议题以精益创业+设计思维的核心方法论为指导，分享如何通过 CoClaw（ZTE的OpenClaw企业级演进版）+ Skill，将 MVP 方法论与 Build-Measure-Learn 循环转化为可执行的 AI Agent 能力，构建AI时代的"假设建模→假设校验→构建MVP(最小可行产品)→反馈验证"的精益闭环，帮助企业用最低成本、最短周期完成从想法到产品的快速验证。
内容大纲：
1. AI 时代产品创新的困境
1.1 时代背景：AI 加速迭代，市场窗口收窄，企业产品面临"不动则慢、盲动则废"的两难
1.2 典型痛点：产品验证周期长、试错成本高、全链路落地断层
1.3 根因剖析：方法论与工具链脱节——有工具缺方法、有能力缺闭环
2. 基于 CoClaw + Skill 的精益创业落地方案
2.1 方法论基础：
精益创业结合设计思维的核心要义（BML 循环、经证实的认知、以用户体验为核心的MVP）及其在企业创新场景中的适
AI 时代，企业不缺 AI 工具，缺的是"从一个模糊想法到可验证产品"的全链路落地能力。本议题以精益创业+设计思维的核心方法论为指导，分享如何通过 CoClaw（ZTE的OpenClaw企业级演进版）+ Skill，将 MVP 方法论与 Build-Measure-Learn 循环转化为可执行的 AI Agent 能力，构建AI时代的"假设建模→假设校验→构建MVP(最小可行产品)→反馈验证"的精益闭环，帮助企业用最低成本、最短周期完成从想法到产品的快速验证。
内容大纲：
1. AI 时代产品创新的困境
1.1 时代背景：AI 加速迭代，市场窗口收窄，企业产品面临"不动则慢、盲动则废"的两难
1.2 典型痛点：产品验证周期长、试错成本高、全链路落地断层
1.3 根因剖析：方法论与工具链脱节——有工具缺方法、有能力缺闭环
2. 基于 CoClaw + Skill 的精益创业落地方案
2.1 方法论基础：
精益创业结合设计思维的核心要义（BML 循环、经证实的认知、以用户体验为核心的MVP）及其在企业创新场景中的适
配价值
2.2 精益验证四步闭环：
用户场景场景 → 需求洞察 Skill（假设建模）→ 用户模型 Skill（假设预校验）→ MVP Skill（构建最小可行产品）→
2.2 精益验证四步闭环：
用户场景场景 → 需求洞察 Skill（假设建模）→ 用户模型 Skill（假设预校验）→ MVP Skill（构建最小可行产品）→
迭代验证 Skill（反馈度量与认知迭代）
2.3 基于Coclaw的Skill协作机制：
四个 Skill 在 CoClaw 上协同运作，每轮迭代验证的结果输出自动回流，驱动下一轮假设修正与产品演进，形成 BML 持续
2.3 基于Coclaw的Skill协作机制：
四个 Skill 在 CoClaw 上协同运作，每轮迭代验证的结果输出自动回流，驱动下一轮假设修正与产品演进，形成 BML 持续
演进闭环
3. 企业实践案例
3.1 全流程实操：从"一句话想法"到"可验证 MVP"的四步闭环演示
3.2 关键成效：产品构建从月级压缩至分钟级，验证从主观判断转为数据驱动
3. 企业实践案例
3.1 全流程实操：从"一句话想法"到"可验证 MVP"的四步闭环演示
3.2 关键成效：产品构建从月级压缩至分钟级，验证从主观判断转为数据驱动
基于企业CoClaw+Skill：
实现从想法到产品的快速落地
杨爱文
负责企业级AI研发工具的开发和创新，推动AI技术在企业内部的工程化落地。具有深厚的实战经验，成功实现AI技术在多项目中的高效应用与规模化推广。
北京兴云数科
产品架构规划师兼AI技术教练
PM组委会由业界在产品经理或相关领域具有显著成就和影响力的产品人发起，邀请联合主席团专家一起挖掘全球产品领域的创新突破，旨在推动产品领域的知识分享和能力提升，促进行业产品创新。我们相信，通过持续的学习和交流，产品人能够在快速变化的市场环境中不断成长，创造更多的用户价值和商业价值。同时依托智盟创课国内领先的人才能力提升服务供应商，组织专业的会务服务团队，全面推进会议的顺利落地，保证参会者体验。
服务总线：400-183-9980
商务、媒体合作：木子 151-2264-3988
演讲分享：丽媛 186-0005-0529
购票咨询：白老师 135-1619-6409