跨越六大洲50+国家的生活与工作经历，让我学会一件事：
人的真实需求，从来不写在表面。
我的价值在于：用人类学级精度洞察人的决策动机，
将其转化为 AI 系统能够精准理解的策略信号，
最终驱动真实的商业转化。
以下案例均源自本人实际工作与项目管理经历，数字均已注明来源背景，可供核实。
AI 的产出质量，本质上取决于输入信号的精度。而大多数 AI 应用的瓶颈不在模型本身，在于输入者无法准确描述人的真实动机。人类学训练提供的，正是这层能力。
传统的用户研究预设了一个隐含假设：人在"购买/不购买"之间做线性选择。但真实情况是——用户的状态是动态游走的，受天时（时机）、地利（场景）、人和（关系）三个维度共同驱动，而不是一根漏斗能描述清楚的。
这套框架来源于人类学田野训练与跨文化 GTM 实践的结合，是我的独立思考框架，非引用任何现有学术模型或方法论体系。它不追求理论严谨性，而是一套在实际产品和转化场景中反复验证过的判断工具。
主流 AI 推荐算法（协同过滤、行为序列预测、CTR模型）有一个共同的隐含假设：用户偏好在短时间内是稳定的。但这个框架揭示的恰恰相反——人的响应是状态依赖的。同一用户在「冷漠期」和「迟疑期」对完全相同的内容，会产生截然不同的行为。
实际应用：将用户当前状态作为上下文变量引入 prompt 设计或 agent 决策逻辑，可以显著提升 AI 干预的精准度——不是给所有人推送同一套策略，而是根据状态判断"现在该说什么、该沉默什么"。这是我在设计 Gemini 6节点工作流和 GTM 系统时持续使用的底层判断框架。
太极拳修炼 11 年，赵堡和孙沈流派，根基是道家哲学。带来的底层思维：感知系统状态转换的临界点——知道什么时候该动、动多少。对应到商业：识别用户的状态，在正确时机做最小干预产生最大效果。这和上面的行为动力学框架，本质上在说同一件事。
欢迎通过以下方式与我取得联系
李亚淇 · 2026 · 杭州