融資3500萬美元,這家澳洲AI客服竟能替你”刷卡、轉(zhuǎn)賬、下單“
Lorikeet的AI系統(tǒng)不僅僅是一個聊天機器人,而是一個能夠真正解決問題的“客戶管家”。從精細化的權(quán)限控制到動態(tài)門控機制,從高度可配置的系統(tǒng)設(shè)計到對復(fù)雜流程的精準執(zhí)行,Lorikeet的技術(shù)突破為AI客服行業(yè)帶來了新的希望。
你有沒有想過,為什么我們明明已經(jīng)進入AI時代,但大部分客服體驗依然糟糕透頂?為什么那些號稱”智能”的聊天機器人總是讓人更加惱火,只會重復(fù)FAQ里的標準答案,卻永遠無法真正解決你的實際問題?我一直在思考這個現(xiàn)象,直到看到澳大利亞AI公司Lorikeet剛剛完成的3500萬美元A輪融資消息。這家公司正在挑戰(zhàn)整個AI客服行業(yè)的基本假設(shè),他們認為客戶不需要被告知如何解決問題,而是需要一個真正能夠解決問題的AI管家。
這輪融資由全球領(lǐng)先的金融科技風投基金QED Investors領(lǐng)投,Blackbird、Square Peg、Airtree、Skip Capital、Capital49、Operator Partners和Athletic Ventures參與跟投。更有意思的是,Lorikeet成為繼Canva之后第一家獲得澳大利亞三大頂級風投基金B(yǎng)lackbird、Square Peg和Airtree共同早期投資的公司。自去年10月公開發(fā)布以來,Lorikeet的收入增長了10倍,已經(jīng)為包括Airwallex、Linktree、Flex、Eucalyptus在內(nèi)的多家獨角獸公司提供服務(wù)。到目前為止,該公司已累計融資超過5000萬美元。
但讓我真正感興趣的不是這些數(shù)字,而是他們對AI客服本質(zhì)的重新思考。在深入了解Lorikeet的產(chǎn)品和創(chuàng)始團隊后,我發(fā)現(xiàn)他們不僅僅是在做一個更好的聊天機器人,而是在重新定義什么是真正的客戶服務(wù)體驗。這種重新定義可能會徹底改變我們與企業(yè)軟件交互的方式,也預(yù)示著AI應(yīng)用從簡單的內(nèi)容生成轉(zhuǎn)向?qū)嶋H問題解決的重要轉(zhuǎn)折點。
為什么傳統(tǒng)AI客服都是偽需求
我在使用各種企業(yè)服務(wù)時,經(jīng)常遇到這樣的情況:當我有一個具體問題需要解決時,客服聊天機器人總是給我一堆鏈接,讓我去自己查找答案?;蛘咚鼤浅?#8221;貼心”地為我總結(jié)FAQ內(nèi)容,但這些內(nèi)容往往與我的實際問題相差甚遠。更糟糕的是,當我試圖描述一個復(fù)雜的情況時,這些機器人總是試圖把我的問題歸類到它們預(yù)設(shè)的幾個標準場景中,完全忽略了問題的具體背景和緊迫性。
Lorikeet的聯(lián)合創(chuàng)始人兼CEO Steve Hind對這個現(xiàn)象有著犀利的觀察。他曾在Stripe和Watershed等知名公司擔任產(chǎn)品領(lǐng)導(dǎo)職務(wù),深度參與過運營團隊的工作,親眼目睹了客服運營在高增長環(huán)境中面臨的挑戰(zhàn)。在他看來,即使那些被包裝成”AI agent”熱詞的聊天機器人,本質(zhì)上也只是在背誦自助服務(wù)FAQ的步驟,根本無法解決客戶在現(xiàn)實世界中遇到的問題類型??蛻舨幌氡桓嬷绾谓鉀Q問題,他們想要一個真正能夠解決問題的管家。
我深有同感。想象一下,當你的銀行卡丟失時,你希望的是直接告訴AI”我的卡丟了,幫我換一張”,然后AI能夠驗證你的身份、更新你的地址信息、取消舊卡并安排新卡寄送,而不是給你一個冗長的指導(dǎo)手冊,讓你自己去完成十幾個步驟。這就是Lorikeet所說的”真正的客戶管家”與傳統(tǒng)聊天機器人的根本區(qū)別。傳統(tǒng)AI客服專注于回答問題,而Lorikeet的AI管家專注于解決問題。
更關(guān)鍵的是,我發(fā)現(xiàn)大部分AI客服公司實際上是在做技術(shù)優(yōu)先的商業(yè)化,也就是看到了檢索增強生成(RAG)技術(shù)在18個月前的出現(xiàn),然后說”讓我們把這個技術(shù)商業(yè)化吧,客服票據(jù)處理看起來是個不錯的應(yīng)用場景”。這種approach的問題在于,它們從技術(shù)出發(fā),而不是從真實的用戶痛點出發(fā)。相比之下,Lorikeet花了五個月時間與一家名為Eucalyptus的公司的患者支持團隊共同工作,仔細觀察他們的實際工作流程,發(fā)現(xiàn)支持代表并沒有花很多時間總結(jié)FAQ,而是在執(zhí)行復(fù)雜的標準操作程序,這些程序涉及檢索大量數(shù)據(jù)、運用判斷力、采取行動以及協(xié)調(diào)工作。
Lorikeet的技術(shù)突破在哪里
在深入研究Lorikeet的技術(shù)架構(gòu)后,我發(fā)現(xiàn)他們的創(chuàng)新不在于使用了什么前沿的AI模型,而在于如何設(shè)計了一個能夠安全執(zhí)行高風險操作的智能系統(tǒng)。傳統(tǒng)的AI客服系統(tǒng)要么只能回答問題,要么就是給AI開放過多權(quán)限導(dǎo)致安全風險。Lorikeet則通過精細化權(quán)限控制和動態(tài)門控機制,確保AI能夠執(zhí)行復(fù)雜操作的同時保持安全性和可審計性。
舉個具體例子,當客戶報告信用卡丟失時,Lorikeet的AI管家需要執(zhí)行一系列高風險操作:確定客戶是否符合換卡條件、更新客戶地址信息、取消舊卡、安排新卡郵寄等。每一個步驟都可能涉及敏感的金融操作,一旦出錯就可能造成嚴重后果。傳統(tǒng)系統(tǒng)要么無法處理這種復(fù)雜度,要么需要大量人工干預(yù)。而Lorikeet的系統(tǒng)能夠在保證安全的前提下,完全自動化地處理整個流程。
我特別欣賞他們的設(shè)計哲學。Steve Hind說:”當其他人在摘低垂的果實時,我們搭建了一把梯子。”這個比喻很形象地說明了他們的策略選擇。他們從一開始就決定不專注于FAQ摘要這種簡單任務(wù),而是選擇與金融服務(wù)、醫(yī)療保健和能源等高度監(jiān)管行業(yè)的公司合作,挑戰(zhàn)自己構(gòu)建一個能夠在最嚴苛環(huán)境中執(zhí)行高風險操作的系統(tǒng)。這種”向上兼容”的思路確保了他們的技術(shù)能力足夠強大,可以處理各種復(fù)雜場景。
從技術(shù)實現(xiàn)角度看,Lorikeet采用了雙層架構(gòu):底層是RAG系統(tǒng),用于處理低配置、低精度的覆蓋場景;上層是智能框架,用于執(zhí)行復(fù)雜的多步驟流程并保持高準確度。這種架構(gòu)設(shè)計讓他們能夠在保證質(zhì)量的同時,處理任意深度的流程復(fù)雜性。在競爭對比中,他們在FAQ層面的表現(xiàn)就已經(jīng)很出色,而在更復(fù)雜的任務(wù)層面,他們幾乎是市場上唯一能夠勝任的解決方案。這意味著對于那些有大量復(fù)雜客服需求的企業(yè),Lorikeet幾乎是不可替代的選擇。
更重要的是,他們的系統(tǒng)具有很強的可配置性。不同于那些需要大量定制化開發(fā)的平臺,Lorikeet實際上是市場上最具自助服務(wù)能力的產(chǎn)品。企業(yè)可以當天就開始使用,同時還能根據(jù)需要進行深度配置。這種平衡很難實現(xiàn),既要保證易用性,又要提供足夠的靈活性來滿足復(fù)雜企業(yè)的特殊需求。據(jù)他們介紹,一些企業(yè)客戶驚訝地發(fā)現(xiàn),即使不依賴Lorikeet團隊的配置工作,他們也能自己學會并使用這個系統(tǒng)。
AI客服的安全性和控制權(quán)問題
我一直認為,當AI系統(tǒng)能夠代表用戶執(zhí)行實際操作時,安全性和控制權(quán)就成為最關(guān)鍵的問題。這不僅僅是技術(shù)問題,更是信任問題。企業(yè)憑什么相信一個AI系統(tǒng)不會誤操作或越權(quán)?尤其是在金融、醫(yī)療這些高度監(jiān)管的行業(yè),一個錯誤的決策可能導(dǎo)致巨大的法律和財務(wù)風險。
Lorikeet在這方面的思考讓我印象深刻。他們沒有簡單地給AI開放所有權(quán)限,而是設(shè)計了一套精細化的權(quán)限管理系統(tǒng)。比如,AI不能直接取消客戶賬戶這樣的高風險操作,而是通過顆粒化權(quán)限和動態(tài)門控來確保安全、可審計的執(zhí)行。這種approach體現(xiàn)了對現(xiàn)實業(yè)務(wù)需求的深度理解,不是為了炫技而炫技,而是為了真正解決企業(yè)面臨的實際問題。
從我的觀察來看,很多AI公司在談?wù)?#8221;AI agent”時,往往忽略了一個關(guān)鍵點:在客服運營中,你實際上需要的是非常好的流程遵循能力,而不是第一性原理推理。如果你雇傭一個人類客服代表,讓他們通過深度的第一性原理思考來解決每一張工單,你反而會覺得有問題。為什么不直接寫下我們想要如何處理退款的標準,然后每次都按照同樣的方式執(zhí)行呢?這種對流程控制的重視,正是Lorikeet與那些單純追求”智能”的競爭對手的重要區(qū)別。
在監(jiān)管合規(guī)方面,Lorikeet的優(yōu)勢更加明顯。他們從一開始就選擇與高度監(jiān)管的行業(yè)合作,這迫使他們必須在系統(tǒng)設(shè)計中考慮合規(guī)要求。當監(jiān)管機構(gòu)或投訴部門詢問如何處理特定問題時,企業(yè)需要能夠清晰地解釋整個處理流程。傳統(tǒng)的”黑盒”AI系統(tǒng)無法滿足這種透明度要求,而Lorikeet的系統(tǒng)設(shè)計天然具備這種可解釋性和可審計性。
我也觀察到,Lorikeet在用戶體驗設(shè)計上做了很多細致的工作。比如在他們的語音助手中,他們會播放輕微的辦公室背景噪音,讓用戶感覺到”有人在聽”。這種細節(jié)處理體現(xiàn)了他們對人機交互心理學的深度理解。他們知道,最好的AI體驗不是讓用戶感覺在與機器對話,而是讓用戶感覺在與一個能夠理解和解決問題的助手交流。
為什么QED Investors要領(lǐng)投這家澳洲公司
我特別關(guān)注了這輪融資的投資方構(gòu)成,發(fā)現(xiàn)了一些有趣的信號。QED Investors作為全球領(lǐng)先的金融科技專業(yè)風投基金,為什么會選擇領(lǐng)投一家澳大利亞的AI客服公司?這背后反映了怎樣的市場判斷和投資邏輯?
QED Investors的合伙人Victoria Zuo給出了一個很清晰的解釋:作為十多年的金融科技專家,他們非常了解金融科技和金融服務(wù)公司在客戶體驗方面面臨的獨特挑戰(zhàn)。復(fù)雜的行業(yè)需要獨特的解決方案,而AI革命正在持續(xù)降低成本并改善客戶體驗。當其他人都在構(gòu)建推動客戶進行自助服務(wù)的聊天機器人時,Lorikeet已經(jīng)破解了真正端到端解決問題的AI密碼。
我認為這個投資決策背后有更深層的邏輯。金融科技行業(yè)的客服需求具有幾個特點:高度監(jiān)管、高風險操作、復(fù)雜流程、嚴格的合規(guī)要求。這些特點使得傳統(tǒng)的AI客服解決方案幾乎無法勝任,而Lorikeet恰恰是為了解決這些最困難的場景而設(shè)計的。從投資角度看,這是一個典型的”護城河”優(yōu)勢——技術(shù)門檻高、競爭壁壘強、客戶粘性大。
值得注意的是,Lorikeet還獲得了包括Airwallex和Canva創(chuàng)始人在內(nèi)的知名天使投資人的支持。這些成功企業(yè)家的參與,不僅帶來了資金,更重要的是帶來了對產(chǎn)品和市場的深度理解。Airwallex作為一家快速增長的金融科技公司,本身就是Lorikeet的客戶,這種”客戶變投資人”的模式很好地驗證了產(chǎn)品的市場價值。
從澳大利亞創(chuàng)業(yè)生態(tài)的角度看,這輪融資也具有里程碑意義。Lorikeet成為繼Canva之后第一家獲得澳大利亞三大頂級風投基金共同投資的早期公司。這不僅體現(xiàn)了澳大利亞在AI領(lǐng)域的技術(shù)實力,也說明了全球投資者對于澳大利亞創(chuàng)新公司的認可度在不斷提升。Steve Hind在采訪中提到,澳大利亞的人才市場和技術(shù)環(huán)境已經(jīng)足夠成熟,能夠支撐世界級的技術(shù)公司成長。
我還注意到一個細節(jié):盡管Lorikeet總部位于澳大利亞,但他們已經(jīng)在美國、歐洲和澳大利亞都有客戶。這種全球化的客戶基礎(chǔ)反映了他們產(chǎn)品的普適性和技術(shù)的先進性。在當今這個全球化的商業(yè)環(huán)境中,地理位置已經(jīng)不再是技術(shù)公司成功的決定性因素,關(guān)鍵在于能否解決真實的市場痛點。
Steve Hind的創(chuàng)業(yè)哲學和團隊建設(shè)
在深入了解Lorikeet的過程中,我對創(chuàng)始人Steve Hind的背景和創(chuàng)業(yè)哲學產(chǎn)生了濃厚興趣。他的職業(yè)經(jīng)歷非常有趣:從Bridgewater Associates的投資分析師,到Stripe的產(chǎn)品經(jīng)理,再到氣候科技公司W(wǎng)atershed,最后創(chuàng)立Lorikeet。這種跨領(lǐng)域的經(jīng)驗積累,為他提供了獨特的產(chǎn)品直覺和市場洞察。
讓我印象最深的是他對于職業(yè)選擇的思考。他說自己在Bridgewater時被評為”8級曲線AA”,意思是長期潛力排在前20%,可能有一天會成為貨幣團隊負責人,但永遠不會成為首席投資官。這個評估讓他意識到,雖然他在那里的表現(xiàn)不錯,但如果能找到真正適合自己的事情,他可能會比前20%做得更好。這種對自我認知的清晰度和對潛力的追求,我覺得是很多成功創(chuàng)業(yè)者共有的特質(zhì)。
在Stripe的經(jīng)歷對他的影響很大。他提到Stripe的一個運營原則叫”頭版測試”:如果你即將要做或說的事情被刊登在《華爾街日報》頭版,你會有什么感受?這是一個非常有力的道德和商業(yè)決策框架,幫助團隊在面臨選擇時快速做出正確判斷。他將這種文化理念帶到了Lorikeet,制定了明確的運營原則,而且是經(jīng)過深思熟慮的短名單,專注于真正與眾不同的價值觀。
我特別認同他關(guān)于團隊建設(shè)的觀點。他認為大多數(shù)專門針對團隊建設(shè)和士氣的活動,與強團隊或高士氣的相關(guān)性并不大。真正驅(qū)動團隊建設(shè)和士氣的,是共同解決高難度問題并獲得成功。所有的團隊建設(shè)和士氣問題,基本上都能通過解決這兩件事來解決。這個觀點很有道理,當團隊成員看到自己的工作產(chǎn)生實際影響,獲得用戶和市場的積極反饋時,自然會產(chǎn)生強烈的使命感和歸屬感。
在人才招聘方面,他的策略也很獨特。Lorikeet團隊由來自微軟和Google等行業(yè)領(lǐng)先公司的資深A(yù)I工程師組成。首席AI官Anirudh Badam在微軟西雅圖總部擁有超過十年的AI/ML專業(yè)經(jīng)驗,創(chuàng)始AI工程師Vijay Sagar在Google硅谷辦公室工作了十年開發(fā)機器學習模型。但更有意思的是,他們還招聘了一些”前置部署工程師”,專門尋找那些有技術(shù)能力但不想或不能成為軟件工程師的人才。這種對人才的多元化理解和使用,體現(xiàn)了創(chuàng)業(yè)公司在資源有限情況下的智慧。
關(guān)于在澳大利亞建設(shè)世界級技術(shù)公司,Steve Hind的觀點很值得思考。他認為澳大利亞的人才市場和人口確實存在規(guī)模限制,但對于Lorikeet現(xiàn)階段的需求來說還遠沒有達到瓶頸。今年招聘10名優(yōu)秀工程師就能帶來巨大改變,未來幾年招聘100人就已經(jīng)是巨大成就。關(guān)鍵不在于地理位置,而在于是否能夠深刻理解用戶需求并構(gòu)建出色的產(chǎn)品。
AI客服行業(yè)的未來趨勢
在研究Lorikeet的過程中,我對整個AI客服行業(yè)的發(fā)展趨勢有了更深的思考。我認為我們正處在一個重要的轉(zhuǎn)折點:從基于界面的交互轉(zhuǎn)向基于意圖的交互,從提供信息轉(zhuǎn)向解決問題,從人工智能輔助轉(zhuǎn)向人工智能主導(dǎo)。這種轉(zhuǎn)變不僅僅是技術(shù)升級,更是商業(yè)模式和用戶期望的根本性改變。
我觀察到一個有趣的現(xiàn)象:很多AI客服公司都在強調(diào)自己是”AI agent”,但實際上大部分只是更智能一點的聊天機器人。真正的AI agent應(yīng)該具備主動性、判斷力和執(zhí)行力,能夠在復(fù)雜情況下做出合理決策并采取有效行動。Lorikeet在這方面的定位很清晰,他們不僅僅是在做技術(shù)產(chǎn)品,而是在重新定義客戶服務(wù)的本質(zhì)。
從技術(shù)發(fā)展趨勢看,隨著大語言模型能力的持續(xù)提升和成本的不斷下降,AI系統(tǒng)處理復(fù)雜任務(wù)的能力會越來越強。但我認為關(guān)鍵不在于模型本身有多智能,而在于如何設(shè)計合適的架構(gòu)和流程,讓AI能夠在現(xiàn)實的商業(yè)環(huán)境中安全、可靠、高效地運行。這正是Lorikeet的核心競爭優(yōu)勢所在。
我預(yù)測,未來幾年內(nèi),客戶支持可能不再是一個獨立的職能部門。正如Steve Hind所說,客戶支持本質(zhì)上不是一個第一性原理的功能,它只是為用戶提供體驗的一種方式。當解決邊緣案例變得可擴展且相對便宜時,這些功能將回歸到產(chǎn)品組織中,被視為產(chǎn)品體驗的一部分。這意味著產(chǎn)品經(jīng)理和技術(shù)團隊需要開始思考:對于哪些用戶需求和用戶故事,AI客服是最佳解決方案?對于哪些場景它是最糟糕的選擇?
從商業(yè)價值角度看,AI客服的發(fā)展將帶來客戶支持成本的大幅降低和服務(wù)質(zhì)量的顯著提升。更重要的是,它將改變企業(yè)與客戶的關(guān)系模式。當客戶能夠通過簡單的自然語言表達快速解決問題時,客戶滿意度和忠誠度會大幅提升。這種改變對于那些重視客戶體驗的企業(yè)來說,具有巨大的戰(zhàn)略價值。
我也看到了一些潛在的挑戰(zhàn)。隨著AI客服能力的提升,企業(yè)需要重新思考客服團隊的角色定位。傳統(tǒng)的客服代表可能需要轉(zhuǎn)型為AI訓(xùn)練師、質(zhì)量審核員或特殊情況處理專家。這種轉(zhuǎn)變需要企業(yè)在人力資源策略和組織結(jié)構(gòu)方面做出相應(yīng)調(diào)整。同時,監(jiān)管部門也需要建立相應(yīng)的規(guī)則和標準,確保AI客服系統(tǒng)的安全性和合規(guī)性。
重新定義”AI Agent”:從營銷術(shù)語到實際價值
在深入研究Lorikeet的材料時,我注意到一個非常有趣的現(xiàn)象:Steve Hind對”AI agent”這個詞的態(tài)度很微妙。他在接受采訪時說:”我不確定這些概念是否有穩(wěn)定的定義,我覺得這在很大程度上是營銷導(dǎo)向的。”但同時,他也承認在銷售場景中會使用”agent”這個詞,因為”如果這能幫助人們把我們歸到正確的類別中,我就會說agent”。這種務(wù)實的態(tài)度背后,反映了當前AI行業(yè)一個深層次的問題:概念炒作與實際價值的脫節(jié)。
我發(fā)現(xiàn)很多公司都在聲稱自己在構(gòu)建”AI agent”,但實際上它們的產(chǎn)品能力差異巨大。Steve Hind舉了一個很生動的例子:他們在向客戶介紹如何幫助發(fā)現(xiàn)幫助中心內(nèi)容缺口的功能時,競爭對手說他們有一個”agent”來審查幫助中心,還有另一個”agent”來起草文章。Steve的回應(yīng)很直接:”是的,這和我剛才對你說的是同一件事,只是加上了’agent’這個詞。”這種對概念包裝與實際功能的清醒認識,體現(xiàn)了真正的產(chǎn)品思維。
更深層次的問題是,當前市場上對”reasoning”(推理)能力的過度追求可能是錯誤的方向。在客服運營中,你實際需要的是出色的流程遵循能力,而不是第一性原理推理。想象一下,如果你雇傭了一個人類客服代表,他們通過深度的第一性原理思考來解決每一張工單,你反而會覺得有問題。為什么不直接制定處理退款的標準流程,然后每次都按照相同方式執(zhí)行呢?這種對”智能”的誤解,導(dǎo)致很多AI公司追求了錯誤的技術(shù)目標。
我觀察到Lorikeet的成功部分源于他們對用戶真實需求的準確把握。他們的聯(lián)合創(chuàng)始人Jamie在LLM研究領(lǐng)域有著比世界上幾乎任何人都更長的經(jīng)驗,但他選擇構(gòu)建應(yīng)用層產(chǎn)品而不是繼續(xù)做前沿模型研究。Jamie曾明確表示:”我不想構(gòu)建與FAQ對話的功能,為什么我們要把時間花在這上面?這甚至在一年半前就不是一個有趣的問題了。”這種技術(shù)專家對產(chǎn)品價值的判斷,確保了他們不會被技術(shù)的炫酷性所迷惑。
從市場競爭角度看,我發(fā)現(xiàn)了一個有趣的模式:每當Lorikeet進入競爭性交易流程時,在FAQ層面他們的表現(xiàn)往往很出色,Steve甚至說”出于某種原因,我們構(gòu)建的RAG更好,我實際上不確定為什么,我對此有點驚訝”。但更重要的是,在復(fù)雜任務(wù)層面,只有他們能夠勝任。這種”既能做好基礎(chǔ)功能,又能解決復(fù)雜問題”的能力組合,創(chuàng)造了強大的競爭壁壘。
我認為Lorikeet的案例揭示了AI行業(yè)的一個重要趨勢:從技術(shù)驅(qū)動回歸到價值驅(qū)動。那些真正成功的AI公司,都具備深厚的領(lǐng)域?qū)I(yè)知識。Steve提到AI SDR公司的演進就是一個很好的例子:最初這些公司的理念是高度個性化通用消息,從LinkedIn上抓取信息然后說一些關(guān)于蒙特利爾交換項目或普京的奇怪話。但隨著時間推移,它們學會了應(yīng)該進行情境化而不是個性化,不要談?wù)摽蛻粼谀睦镒龅慕粨Q項目,而要談?wù)撍麄儤I(yè)務(wù)的某個特定元素如何與你能做的特定事情相關(guān)。這種認知架構(gòu)的改進,比模型本身的改進更為重要。
最終,我覺得Lorikeet的成功故事告訴我們:在AI時代,真正的護城河不是技術(shù)本身,而是對問題的深度理解和解決方案的執(zhí)行能力。當每個人都能使用相似的基礎(chǔ)模型時,差異化就體現(xiàn)在你如何設(shè)計系統(tǒng)架構(gòu)、如何理解用戶需求、如何確保安全可靠的執(zhí)行。這種回歸商業(yè)本質(zhì)的思路,可能是AI行業(yè)走向成熟的重要標志。
本文由人人都是產(chǎn)品經(jīng)理作者【深思圈】,微信公眾號:【深思圈】,原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自Unsplash,基于 CC0 協(xié)議。
- 目前還沒評論,等你發(fā)揮!