知行合一（中）：每一次迭代，都是一次“事上练”

在上一篇中，我们通过MVP（最小可行产品）开启了“知行合一”的循环。但这仅仅是万里长征的第一步。一个产品真正的生命力，在于它诞生之后，能否在真实世界的风雨中持续学习、持续成长。

这个持续成长的过程，就是迭代。

用王阳明心学的话来说，每一次迭代，都是一次“事上练”。“事上练”，指的是真正的修行和智慧，必须在具体的事务和挑战中去磨砺。对于产品经理而言，我们的“道场”不在会议室，不在PRD里，就在每一次上线、每一次用户反馈、每一次数据波动这些具体的“事”上。

“行”的本质：Build-Measure-Learn的循环

MVP之后的“行”，不再是一次性的交付，而是一个永不停止的循环。这个循环，可以用精益创业（Lean Startup）中的一个核心模型来概括：Build-Measure-Learn（构建-度量-学习）。

1. Build (构建)： 基于你当前的“知”（洞察与假设），构建一个最小的功能改进或新功能。
2. Measure (度量)： 将其发布给真实用户（通常通过灰度发布），并度量相关的关键指标。
3. Learn (学习)： 分析数据和用户反馈，验证或推翻你之前的假设，形成新的、更深刻的“知”。

这个新的“知”，又会成为下一次“Build”的起点。周而复始，产品就在这个“知”与“行”螺旋上升的过程中，不断逼近用户最本质的需求。

AI产品的“行”有何不同？

这个循环听起来是所有产品开发的通则，但对于AI产品，它的内涵有两点至关重要的不同：

1. 模型迭代是核心的“行”

传统产品的迭代，更多是UI/UX的优化、业务流程的改造。而AI产品的迭代，很大一部分是在看不见的地方——算法模型的优化。

我曾负责过一个AI推荐系统。有一次，我们发现用户对推荐内容的多样性抱怨很多。

• 最初的“知”： 我们假设，只要在算法中加入一个打散策略，就能提升用户体验。
• 第一次“行”（Build-Measure-Learn）： 我们上线了一个简单的打散模型。结果发现，多样性是提升了，但核心的点击率（CTR）却大幅下降，因为很多用户还是喜欢看自己熟悉领域的内容。
• 新的“知”： 我们学到，用户不想要随机的多样性，而是想要相关领域的惊喜。所谓的“破圈”，是希望你给他推荐科幻小说而不是言情小说，而不是在他看科技新闻时推荐娱乐八卦。
• 第二次“行”： 基于这个新认知，算法团队调整了模型，从内容类别打散升级为用户兴趣图谱探索，在用户核心兴趣点周边进行智能探索。这次迭代，终于在保证点击率平稳的情况下，提升了用户满意度。

看，整个迭代过程，前端界面可能一动未动，但产品核心体验已经发生了质变。这就是AI产品独特的“事上练”。

2. 数据闭环是最强的“知行合一”机制

这是AI产品最迷人也最强大的地方。一个设计良好的AI产品，其用户的每一次使用，都是在教这个产品变得更聪明。

用户的“行”（使用行为），产生了数据，数据被系统学习，修正了模型的“知”（认知能力），从而在下一次为用户提供更好的服务（新的“行”）。

这个自动化的数据飞轮，就是终极形态的“知行合一”。

拥抱失败的“行”：在试错中获得“真知”

“事上练”的过程，不可能一帆风顺。大部分的迭代和A/B测试，结果可能都是无显著差”甚至是负向的。

这正是“破心中贼”里恐惧最容易冒头的时候。我们害怕数据不好看，害怕被挑战这个需求没价值。

但从“知行合一”的角度看，一次失败的实验，其价值丝毫不亚于一次成功的实验。因为它同样让你获得了宝贵的“真知”——你知道了此路不通。这能让你避免在错误的方向上投入更大的资源。

因此，建立快速试错和灰度发布的机制至关重要。它能让你用最小的代价，去进行最大胆的探索，在一次次具体的“事上练”中，获得真正的产品直觉和定力。

案例分析：美图秀秀的AI功能演进之路

美图秀秀是“事上练”的绝佳范例。它从一个简单的PC图片处理工具，成长为AI影像领域的巨头，其过程就是一部经典的迭代史。

• 起点（最初的“知行合一”）：洞察到普通人，特别是女性用户，有让自己在照片里变美的朴素需求。于是推出了“一键美颜”功能。这个“行”，验证了这个“知”的巨大市场。
• 持续的“事上练”：
  1. 从“美”到“有趣”： 团队观察到用户不仅仅满足于基础的美颜，还开始追求个性和趣味性。这个“新知”，催生了“AI动漫”、“魔法照片”等功能的“行”。特别是AI动漫，一度成为现象级爆款，这正是对用户“想要看看不一样的我”这个潜在需求的成功捕捉。
  2. 从“娱乐”到“实用”： 团队又发现，用户在很多严肃场景下也有图像处理需求，比如证件照。这个“知”，催生了AI证件照功能的“行”，直接切入了一个高频、刚需的市场。
  3. 从“静态”到“动态”： 随着短视频的兴起，用户的美化需求从图片延伸到了视频。这个“知”，驱动了美图在视频美化、AI剪辑等方向上的“行”。

美图的每一步，都不是凭空规划的。它是在“一键美颜”这个坚实的“知”的基础上，不断通过上线新的AI功能（行），去试探、去学习用户的反应（新知），然后根据市场的反馈，决定下一步往哪里走。整个产品矩阵的演化，就是一部生动的“知行合一，事上练”的教科书。

总结一下：

MVP让我们的产品诞生，而持续的迭代则赋予了产品生命。

“知行合一”的中场，就是要把“Build-Measure-Learn”的循环，内化为团队的工作本能。把每一次上线，每一次数据分析，都看作是一次宝贵的“事上练”机会。

要敢于在“行”中试错，乐于在“行”中学习。因为只有通过这千百次的磨砺，我们最初那个模糊的“知”，才能被打磨得日益清晰、坚定。

当这个循环转得越来越快、越来越顺畅时，一个惊人的效应就会出现——“智慧的涌现”。这，就是我们要探讨的“知行合一”的终极境界。我们下篇再会。

【思考】

回顾你最近操盘的一次产品迭代（无论大小）。在上线后，你观察到了哪些出乎意料的用户行为或数据反馈？这个“意外”给你带来了什么新的“知”？