文章核心观点 - 文章探讨了一类“用得越少越成功”的反直觉产品设计逻辑 这类设计通过引入“摩擦感”或自我否定的机制 旨在改变用户行为 实现社会效益或长期用户价值 而非追求传统的用户留存和活跃度指标 [4][5][27] 智能垃圾桶案例 - 韩国首尔部分街区采用内置称重传感器和RFID射频技术的智能垃圾桶 市民刷卡扔垃圾后系统会显示垃圾重量并从账户扣费 [1] - 该设计通过制造“摩擦感”和建立直接的财务联系 将无意识的丢垃圾行为转变为经济决策 从而有效降低了社会总体垃圾产生量 [1][3] - 自普及以来 首尔市的单日食物浪费量相比2013年降低了24% 在松坡区 该垃圾桶帮助在六年内减少了47000吨食物垃圾 [1] “用得越少越成功”的产品类型 - **负流失产品**：产品提供的真实价值与用户使用时长呈反比 例如差旅应用 一次成功的用户会话可能仅持续两分钟并产生订单 之后几天无需再次打开 [4] - **即用即忘型产品**：如智能家居总控和净水系统 用户设定后即可忘记 0%交互被视为完美的成功状态 [4] - **自我否定型产品**：例如约会软件Hinge 其核心标语“Designed to be deleted”暗示产品成功的标志是用户因找到真爱而删除应用 尽管这与互联网产品追求用户留存的常规目标相矛盾 [6][8] 通过“阻碍”实现目标的产品设计 - **汽车防抱死系统**：该系统阻碍了司机在紧急情况下踩死刹车的本能 通过每秒数十次的频率进行“点刹” 从而维持车辆控制力并保障安全 [10][11] - **工业安全装置**：如冲压裁切机械上的“双手控制”装置 要求工人同时按下两个距离较远的按钮才能作业 这种设计虽然降低了操作效率 带来了“摩擦感” 但确保了工人的双手远离危险区域 保障了生产安全 [13] - **屏幕时间管理工具**：如iOS的Screen Time和Android的Digital Wellbeing 通过监测和可视化屏幕使用时间 帮助用户建立意识并减少数字依赖 [15] 不同设计逻辑的对比与动机 - **好产品与坏产品的分水岭**：好产品（如智能垃圾桶 屏幕时间管理工具）通过提供信息和工具来增加用户意识 尊重用户选择权 旨在帮助用户变得更好 坏产品（如“敌意建筑”性质的防流浪汉座椅）则通过制造生理不适的障碍和惩罚机制来强行改变行为 剥夺用户选择权 [16][18] - **非盈利性目标**：部分产品设计并非以盈利为首要目的 例如首尔智能垃圾桶作为政府项目 其主要目标是减少垃圾产生和处理成本 从市民处收取的费用微不足道 [19] - **基于信任与道德感召**：如冥想应用Headspace 其设计逻辑是用户若真正掌握了冥想方法 可能不再需要频繁使用App 但公司相信产品带来的帮助会使用户愿意继续订阅并推荐给他人 建立了一种不绑架用户的信任关系 [21][22] - **利用心理效应提升价值**：例如宜家的自组装家具设计 利用了“宜家效应”这一认知偏差 即用户会高估自己投入劳动组装的物品的价值 这种高摩擦的设计虽然催生了代组装服务 但通过赋予用户成就感 增强了用户对产品和品牌的喜爱与认知 [23][24][25]

公司发展 - HarveyAI 2024年收入增长4倍 ARR接近5000万美金 估值达到30亿美元 [3] - Scale AI规模从40人扩张到800人 估值达百亿美元 [3] - Shield AI为国家安全部门提供AI服务 估值50亿美元 [3] 产品方法论 - 区分客户定制化需求是否具有普适性 对过度定制需求敢于拒绝 [4][8] - Scale AI成功关键在于倾听前沿客户声音 由他们定义市场方向 [7] - 渠道早期靠蛮力牵引 后期需产品实质内容支撑 [12] - AI应直接为用户做选择 而非让用户选择模型 [24] - 模型公司需转型为产品公司 关注设计和用户体验 [25] 产品管理实践 - 缩短客户需求与代码距离 工程师直接接触客户观察产品使用 [9] - 产品经理角色是润滑剂 确保团队高效协作而非CEO [10] - 采用"宜家效应"让用户参与产品开发过程增强归属感 [14] - PRD需包含动机支持数据 用户旅程及争议问题预判 [18] - 技术债务处理需明确结果预期并设时间限制 [19] 用户体验设计 - 基础模型非产品核心 围绕其构建的体验才是持久护城河 [13] - Cursor强在开发者品牌 Codium专注企业数据治理 [26] - Perplexity以极速呈现答案为核心体验优势 [37] 行业趋势 - 自动驾驶领域市场效率低下导致多数公司失败 仅特斯拉/Waymo等头部存活 [11] - 未来产品决策将更多由律师/医生等领域专家驱动 [27] - AGI发展受限于文化法律监管框架缺失 [28] - 复杂知识工作中AI代理需大量人类背景信息支持 [29] 人才与竞争 - OpenAI和Anthropic对顶尖人才最具吸引力 [36] - 伦敦AI公司人才供应稳定且流动率低 [35] - Harvey当前20%代码由AI编写 仍有提升空间 [33]