公司产品表现与市场定位 - Get笔记是得到团队推出的AI驱动智能笔记工具，上线一年用户数量突破150万，其中超过一半（约73.5万）为纯新用户，未使用过罗辑思维或得到APP [5][10][22][24] - 产品连续登上量子位智库2025年上半年和第三季度的“旗舰AI 100”榜单，在红海的AI知识管理赛道中表现突出 [3][4][5] - 核心功能包括AI多模态记录（语音、链接、图片、文字速记）、知识库管理（个人/团队库、自动归档）和智能问答与搜索（自然语言检索、笔记补写） [9][11] 用户获取与增长策略 - 前期通过自然增长获取用户，小程序阶段采用“病毒化小限制”策略，用户转发好友并生产笔记后可解锁更长录音时长（从3分钟升级至10分钟），推动口碑传播 [58][59] - 建立超过100个用户群收集反馈，但更注重用户投票机制，通过产品内需求池由用户对功能优先级投票（如投票数144的需求优先开发），替代产品经理决策 [50][51][52][57] - 用户群体包括泛创业者、企业AI推动者、高知识密度职业者（律师、医生、教师），部分场景如学校用其录制课程供学生回放，医院用于记录巡房和手术复盘 [32][33][34] 产品差异化与核心理念 - 聚焦“好记、好找、好用”三个核心环节，明确边界，暂不开发脑图、PPT生成等非核心功能，避免功能泛滥影响主赛道 [63][65][66][67][69][70] - 在看似同质化的功能（如语音转文字）上追求深度差异化，通过资深内容团队调教AI润色效果，使输出内容更接近“优美白话文”而非机械风格 [36][37][38][44][45] - 强调用户共创，产品经理未预见的场景（如体制内领导优化语音消息、家长辅助孩子语音日记）由用户自发挖掘，形成真实使用场景 [34][108] 技术生态与数据沉淀 - 通过“智能拍书”等功能构建知识库生态，用户拍摄书籍页面可自动识别并聚合电子书划线、语音笔记等多元内容，支持基于多本书及笔记的对话（当前上限10本） [39][41][79][81] - 注重数据沉淀价值，用户长期使用（如积累100场会议记录）可提升AI个性化输出质量，而非频繁更换平台 [47][48] - 与得到资源协同潜力大，但优先攻克通用场景，未来计划融合得到版权书籍（如专业期刊《中国油气》）盘活存量资源 [61][83][84] 行业认知与AI应用观 - 认为AI知识管理赛道远未到泡沫阶段，用户需求碎片化且细分空间大，例如十几万人员工的企业存在将培训材料AI化的真实需求 [16][19][20][21] - 主张多智能体工作流（如写作场景中分工调研、审稿的AI助手）将颠覆行业，但反对“一句话生成内容”的完全托管模式，强调人类主导调教 [15][88] - 产品开发需基于未来三个月AI迭代水平规划，而非当前缺陷，底层大模型进步（如从40分到50分）结合企业独有的20分专业能力（如牛仔裤公司卖家秀数据）可形成护城河 [15][90][91][92] 组织管理与开发模式 - AI工具改变了传统产品开发流程，团队不再依赖PRD文档，改为成员提前用AI生成原型（如5人会议讨论20套AI方案），实现实时共创迭代 [99][100] - 岗位职责模糊化，90分开发者可借助AI覆盖产品、设计部分工作，产品经理需重新定位价值（如无需充当需求“翻译者”） [98][100][101] - 关注用户真实行为指标（如7天内使用两次笔记的用户数），而非日活等可能含“虚假泡沫”的数据 [76][77][78]

产品定位与核心特色 - 产品旨在重塑知识工作流，打造个人专属的通用AI工作台，核心功能包括自动信息捕获、智能知识管理和AI辅助创作 [11] - 产品核心差异在于为用户提供「第二大脑」，通过无感、自动化的信息采集，使其记忆和信息层面与用户大脑同频，以解决使用ChatGPT类助手时最大的工作量——手动提供信息的问题 [15] - 产品定位为“个人专属”，所有数据存储在用户本地设备，不依赖云端，确保隐私安全，这与互联网大厂基于云端协作的基因形成核心差异 [12][23][52] 目标市场与用户画像 - 目标用户定位为复杂的知识工作者，全球现有7亿到10亿知识工作者，未来绝大多数将是复杂知识工作者，该群体全球规模至少达数亿 [25][26][27] - 复杂知识工作者包括各类管理者、高阶创造者和专业服务人士，产品适配策略性任务，这类任务需要高认知能力但不需要太多工具使用能力 [26][30] - 简单知识工作者（如客服）未来将被AI Agent取代，例如美国现有70万到80万客服，预期三到五年后将减少到20万以下 [26] 技术实现与产品优势 - 信息采集范围广且实时性强，得益于PC端开发（信息已在本地内存）、本地向量化大模型优化（Mac端NPU优化使向量化计算速度比开源模型提升200%以上）以及对特定在线资料API的深度适配 [16] - 产品的问答效果与众不同，核心原因在于通过实时、全面、自动化采集用户接触的所有信息，做到与用户的信息层面高度一致，最擅长回答与用户工作紧密相关的问题 [18][19] - 产品具备Collection功能，能对内容进行多维度组织和关联，类似用户手动构建知识图谱，旨在满足AI的使用需求，帮助算法自动关联以精准召回信息 [41][42][43] 增长策略与当前阶段 - 前1000个用户主要通过创始人个人自媒体（公众号、Twitter等）和Product Hunt发布（获得日榜和周榜第一）获取，当前未进行规模化扩张，主要专注于搭建增长基础能力 [48] - 当前最关注的核心指标是新用户激活，产品需要用户前期投入以沉淀数据，因此面临用户引导和教育的挑战，正在探索通过“提示词仓库”等方式让用户看到理想结果再引导同步数据 [31][33][34] - 公司坚持公开开发，持续进行用户深度一对一访谈以拉近与用户的距离，进行产品共创，每周保证2到3次深度交流 [49] 行业观点与产品愿景 - 在AI产品时代，个人数据对用户自身至关重要，但对他人的重要性远低于互联网时代，产品设计体现了“我的个人数据只对我有核心价值”的理念 [24] - 主流AI产品本质都是Agent，核心区别在于各自的“知识储备”，产品懂的东西（用户私域数据）其他Agent可能不懂 [21][44] - 产品核心价值在于解决真正影响工作效率的高阶问题（如盘点近两天工作需跟进的内容），而非当前AI产品集中的低阶使用场景（如文档问答） [55][56][57]