前第四范式總裁創業，用營銷AI Agent解構內容社交平臺的“營銷玄學”，已獲千萬元融資

文｜王欣

編輯｜蘇建勛

把公司直接搬進客戶辦公區，在創業圈并不算常見操作，第四范式前總裁裴沵思帶領的Noumena團隊卻堅持如此。直到現在，他們仍駐扎在某美妝品牌的辦公區內，與客戶團隊深度共創。

裴沵思的初衷很明確：讓團隊中最懂大模型的科學家，貼近業務一線。

Noumena的三位聯合創始人，Jett曾任小紅書KA行業群總經理，另外兩位聯合創始人，均是歷經第四范式商業與工業化歷練的科學家——首席科學家趙歡，此前在第四范式主攻大模型訓練及AutoGraph（自動化圖學習）；CTO李佳駿則是ACM（美國計算機協會）金牌選手。

但從創業第一天起，他們就達成共識：這次創業要聚焦具體業務域。要先擼起袖子下場，對業務有更深的理解，才能充分利用AI的杠桿效應。

在上海落腳了幾天后，他們連辦公室都沒租，直接進駐4A公司，通過AI工具服務品牌客戶。在這個過程中，他也對業務有了新的思考——作為深耕ToB領域多年的“老兵”，從SAP到第四范式，裴沵思的職業生涯始終圍繞CEO群體展開。

△Noumena創始人兼CEO 裴沵思（左二）及聯合創始人蔣驤惠（左一）、趙歡（右一）、李佳駿（右二）

與品牌共創的幾個月里，裴沵思察覺到品牌營銷的舊時代已經被解構了——營銷戰場已從電商平臺逐步遷移至內容社交平臺，而品牌在線上營銷的確定性不斷下降，賭的成分越來越高。

即便是人類的最強團隊，也很難抵抗分發平臺的推薦，對潛在消費者訴求的波動性影響。

在他看來，內容社交平臺是ToC企業最大的外部變量——85%以上Z世代的消費決策在此完成，“種草于內容平臺、交易于電商平臺”的用戶習慣，讓這里成為品牌競爭的核心陣地。而品牌方的痛點在于線上利潤被平臺大量擠壓，費效比（產出效益 / 投入費用）越來越高。

他觀察到，“大家都說看不懂社交平臺，覺得內容營銷是玄學。”這是因為品牌和想觸達的細分人群，在心智層面上的溝通能力在消亡。

因此裴沵思選擇從這一角度切入，用AI的方式將營銷從“玄學”變為“科學”。為此，Noumena打造了一個AI原生的營銷Agent——“增長智能（Growth Intelligence）”系統，幫助品牌在內容社交平臺實現可持續增長。

內容營銷始于消費者洞察，傳統方法依賴小樣本調查，高度依賴研究者主觀判斷等局限。社交媒體用戶生成內容（UGC）爆發式增長，為消費者研究提供了前所未有的數據資源，但也帶來了兩個新的問題：

第一，海量非結構化數據遠超人類專家的處理能力。

第二，從中提取的洞察，決策者難以判斷其可信度。大語言模型的出現為解決這一問題提供了可能，但當前的AI研究工具（如Deep Research類產品）主要聚焦于信息檢索與整合，未能解決洞察的置信度問題。

Noumena AI Agent系統中包含一個AI原生的消費者洞察基礎設施，命名為“曼哈頓計劃”。1942年6月，美國陸軍部啟動“曼哈頓計劃”，通過基礎物理學突破釋放了原子能；Noumena的愿景與之呼應，即通過AI Agent實現營銷學的工業化，釋放消費者科學的規模化潛能。

Noumena的“曼哈頓計劃”包括兩個關鍵模塊：公域壓縮和證據分級驗證機制。

首先，Agent（智能代理）基于公域UGC（用戶生成內容）對海量公域UGC進行大幅吞吐與提煉，例如通過瀏覽內容社交平臺上的內容和評論區，學習內容調性和用戶傾向等知識信息；

繼而，通過L1-L4的證據分級驗證，發現圖譜中存在的因果關系，相當于重新勾勒了混沌無序、充滿“噪音”的內容平臺，使品牌找到更加可靠的因果關系和有效信息。

比如在社交平臺的“提神”話題下，頻繁出現“想提神喝咖啡，又怕同事認為自己焦慮”這樣的同事、尷尬、體面等關鍵詞，經過L1-L4的驗證，可以發現這背后實際上反映了辦公人群的一種焦慮，而在這一場景下針對性地強調無味、不尷尬、體面等關鍵詞，內容轉化會更高。

品牌用經過驗證的L3/L4洞察替代主觀猜測，精準定義人群與傳播策略；基于高轉化因果關鍵詞指導內容生產與KOL選號，提升素材供給的確定性；最后在投放端，以可驗證的商業因果預測并優化ROI。最終，將離散的專家經驗轉化為標準化的工業級科學資產，真正釋放消費者科學的規模化潛能。

每一次創業，都是克服過往思維慣性的過程。裴沵思發現，這次AI ToB創業與此前的SaaS創業邏輯截然不同：SaaS創業如同“給差生補課”，核心是尋求標準化——也就是最大的市場公約數，力求讓所有人都能用。

垂類的AI Agent創業的核心競爭壁壘是智能水平的上限。Noumena的增長智能系統中，定義了全新的架構 Noumena Thinkflow (受到anthropic的skills啟發，由此發展而來）——能夠在真實業務上下文中，通過與人類專家長期共判，把“專家如何做判斷”沉淀為系統能力。

當前階段，賽點在于誰能吸納更多優秀人類專家的隱性知識——而這些專家恰恰集中在行業頭部客戶。因此，Noumena選擇了“讓好學生爭第一”的打法，通過服務行業頭部品牌及高速增長 DTC 的新銳品牌，讓AI 有突破人類智能瓶頸的可能。比如Noumena正在與全球美妝行業的領導者歐萊雅集團積極推進合作。

除了服務頭部客戶，在這一過程中沉淀品牌經驗和智能能力，也讓他們找到了另一條ToC商業路徑：服務prosumer（專業消費者）。比如，目前小紅書平臺共計 20 萬個品類和大概 4000 萬內容創作者，這些都是他們的潛在目標人群。

目前Noumena的prosumer（專業消費者）服務主要聚焦美妝行業，但裴沵思認為，這一服務的核心定義維度并非行業，而是內容社交平臺——不同行業間有大量可復用的能力，這也與SaaS時代的行業垂直邏輯差異顯著。

以下為訪談原文，經《智能涌現》編輯整理：

《智能涌現》：你過往長期與CEO打交道，也密集收集企業對服務商的需求，為何最終選中AI營銷賽道？這一過程中的核心認知是什么？

裴沵思：核心認知源于兩方面。其一，我的職業生涯始終聚焦CEO群體，從SAP到第四范式，深刻體會到AI決策類轉型的關鍵在CEO，而非CTO，企業內部需克服諸多阻力，且轉型隱性成本居高不下。其二，第四范式的業務經歷讓我看到賽道遷移的必然性：早期聚焦銀行風控等封閉場景，雖需求明確，但想象力有限；而營銷側才是企業智能場景涌現的核心領域。

更關鍵的是，我們發現企業大量銷售預測需求本質是用AI替代傳統統計學方法，依賴內部數據預測未來，成功率極低，客戶滿意度不足五成。尤其在零售快消領域，外部環境變化速度遠超歷史總結能力，傳統模式完全失靈。恰逢大模型興起，其打標能力與外部數據解讀能力大幅提升，讓我們看到通過捕捉外部環境優化企業決策的可能，最終鎖定AI營銷賽道。

《智能涌現》：你提到外部環境變化是企業預測失靈的核心原因，具體哪些外部環境維度影響最大？

裴沵思：對ToC企業而言，最大的外部性來自內容社交平臺。數據顯示，85%以上Z世代的消費決策在此完成，遠超天氣、時政等傳統因素的影響。媒介場的遷移讓內容社交平臺成為品牌競爭的核心陣地，而電商平臺流量增長已逐漸放緩，用戶習慣變為“內容社交平臺種草、電商平臺交易”。

以某頭部鞋服類品牌為例，其擁有數千個鞋類SPU，供應鏈周期長，需提前預測銷量備貨，但過往銷售數據無法擬合突發情況——比如某款鞋因明星、KOL佩戴突然爆火，這種偶然性外部變量讓傳統預測完全失效。對品牌而言，這種不確定性是不可接受的，他們需要的是預測、影響甚至主導消費趨勢的能力。

《智能涌現》：相較于天氣、時政等傳統外部因素，內容社交平臺對品牌的影響有何不同？

裴沵思：區別在于影響的深度和廣度完全不在一個層級。天氣、時政這些傳統因素，對品牌的影響大多是短期、局部的，比如雨天影響戶外產品銷量，但不會改變用戶的核心消費決策邏輯。

而內容社交平臺已經成為Z世代消費決策的核心場景，85%以上的選擇都在這里完成，它直接重塑了用戶的消費習慣，從“看到廣告買產品”變成“被內容種草再下單”，這種影響是長期、系統性的，直接決定了品牌的市場競爭力。

《智能涌現》：在外部環境劇烈變化的背景下，你認為創業機會在哪里？核心解決思路是什么？

裴沵思：機會在于“拉齊速度”——企業對內容社交平臺的理解、捕捉、決策與執行鏈路太慢，核心思路是通過技術提升全鏈路效率，實現“理解-決策-執行-迭代”的快速閉環。具體來說，品牌效果廣告的本質是“內容質量×內容分發傳播結構”，技術的價值不僅在內容生成，更在優化分發結構。

當前行業存在認知誤區，過度聚焦AIGC生成內容，但優質內容的主導權已轉移到千萬級達人手中，品牌難以控制。真正的核心是：在捕捉優質內容SOP的基礎上，通過技術計算內容、人群、場景的匹配邏輯，實現精準觸達。簡單說，就是讓品牌在內容社交平臺的運營從“玄學”變為“科學”。

《智能涌現》：為什么說優質內容的主導權已經轉移到達人手中？品牌在這一背景下該如何破局？

裴沵思：現在千萬級的達人已經形成了自己的創作風格和粉絲圈層，他們產出的內容更貼近用戶喜好，更容易獲得平臺流量扶持，品牌很難再通過自己生產內容達到同樣的效果，所以說主導權已經轉移了。

品牌破局的關鍵不是去搶回內容主導權，而是做好“匹配”——先找到那些符合品牌調性、能精準觸達目標人群的達人，再通過技術手段捕捉他們的優質內容SOP，結合品牌核心信息共創內容，最后優化分發結構，讓內容精準觸達更多潛在用戶。

《智能涌現》：結合具體案例，說明下你們如何賦能品牌營銷的全鏈路？

裴沵思：以某頭部鞋服品牌為例，全鏈路賦能分為三個核心環節。

第一步是人群與產品定位：明確產品核心受眾是35-45歲一線上班族男性、月跑量超100公里，基于此篩選適配的細分領域達人——這類達人需精準覆蓋目標人群，且合作成本可控，避免頂級明星的高成本與低精準度問題。

第二步是內容共創：結合達人的原生創作風格與SOP，植入品牌核心信息。比如健身達人可從“練后恢復”場景切入，職場達人可從“晨練日常”場景植入，確保內容自然不生硬。

第三步是投流優化：若內容初始關注度不足，通過分析潛在用戶標簽，定向投放放大傳播效果。

這一全鏈路組合，正是“內容質量×傳播結構”的落地體現，核心是通過技術讓每個環節的決策都有數據支撐，提升確定性。

《智能涌現》：在達人篩選環節，除了精準覆蓋目標人群，還會關注哪些核心指標？

裴沵思：除了人群匹配度，我們還會重點關注達人的內容質量穩定性和粉絲互動真實性。

內容質量穩定性就是看達人過往產出的內容是否持續符合優質SOP，有沒有出現過大量低質量內容；粉絲互動真實性則是判斷達人的粉絲是不是真實活躍的，有沒有大量水軍，互動評論是不是和內容強相關。這兩個指標直接影響后續內容傳播的效果，比單純看粉絲數量更重要。

《智能涌現》：你們的業務與產品具體體現在哪些環節？與品牌的合作邊界是什么？

裴沵思：核心賦能品牌策劃師、內容策劃師、投手三大角色，業務邊界是“將品牌已有的物理產品定義，解構并轉化為適配內容社交平臺的數字定義”。比如品牌產品經理已明確產品功能參數，我們的工作是將其翻譯為小紅書、抖音等平臺的人群語言、場景語言。

《智能涌現》：能否舉例說明這種“定義轉化”的具體做法？

裴沵思：以某高端洗發水品牌為例，其原定位是“沙龍級專業產品”，但在小紅書平臺，沙龍人群體量極小。我們通過數據分析發現“高端蓬松感”是核心訴求，將其重新定位為“定妝照、健身后等場景的蓬松護理產品”，成功切入小紅書的“悅己”主賽道。

這種定位調整不涉及產品成分、包裝的改變，僅優化傳播側的定義與表達。

《智能涌現》：這種“定義轉化”的效果如何衡量？有沒有具體的數據支撐？

裴沵思：主要看兩個核心數據，一個是CTR（click-through rate，點擊率）和CVR（conversion rate，轉化率），另一個是品牌在目標賽道的聲量占比。

以上述洗發水為例，調整定位后，相關內容的CTR提升了30%以上，CVR也提升了25%左右，同時在“高端蓬松洗發水”這個細分賽道的聲量占比從原來的5%不到，提升到了15%以上，明顯帶動了產品銷量的增長。這些數據都是直接能體現轉化效果的。

《智能涌現》：你們解析內容社交平臺的核心技術邏輯是什么？如何實現對平臺的“打穿”？

裴沵思：核心是“公域數據重做+私域數據融合+消費者動機網絡”。

我們不針對單個品牌解析平臺，而是對整個內容社交平臺進行結構化重構：先用工具遍歷海量內容，完成第一層大范圍壓縮；再通過科學家與業務專家協同，逐層提純因果關系，形成從基礎驗證到可驗證商業因果的層級體系。

這個過程類似“制作藏寶圖”：第一層是還原平臺全貌，后續層級是找到可落地的商業機會。比如在美妝賽道，我們發現“定妝照人群關注頭發蓬松感”這一核心規律，其對應的內容CTR、CVR數據顯著更高，可直接指導品牌的內容創作與投流。這套體系對小紅書、抖音等平臺均適用，穩定周期約3-6個月。

《智能涌現》：這個從L1到L4的因果關系提純體系，具體每個層級的核心作用是什么？

裴沵思：L1層級是大范圍壓縮，核心作用是把平臺上海量的、雜亂的內容做初步篩選，提煉出核心討論話題和關鍵詞，讓我們對平臺內容全貌有個清晰認知；

L2是復現驗證，就是對L1提煉出的話題進行交叉驗證，確認這些話題是真實存在的，不是偶然出現的；

L3是準實驗證據，通過控制變量等方法，找到話題和用戶行為之間的相關性；

L4是可驗證商業因果，就是明確這個話題能直接帶動哪些商業指標的增長，比如點擊、轉化、銷量，這一層級的結論可以直接落地到品牌的營銷決策中。

《智能涌現》：為什么選擇“搬進客戶公司”的共創模式？這一模式帶來了哪些認知變化？

裴沵思：核心原因是團隊基因的補全。我們早期團隊以科學家為主，對技術理解深刻但缺乏業務體感，閉門造車會導致產品與實際需求脫節。共創模式能讓我們深度融入品牌團隊，理解他們的語言習慣、做事邏輯與核心痛點——從4A公司的內容策劃、投手，到品牌的品類策劃，全程貼身學習。

這一模式帶來兩個關鍵認知變化：一是發現廣告公司與品牌的視角差異，廣告公司更關注提案成功，核心能力在內容與投流；而品牌更關注長期增長，核心訴求在品類定位的精準性，后者的專業度與付費意愿更高。二是明確了業務核心——品類定位與內容定位之間的認知鴻溝是關鍵壁壘，解決這一問題比單純優化執行效率更重要。我們從2023年七八月份開始采用這一模式，先在4A公司歷練，后入駐美妝品牌，目前仍在客戶辦公區駐場。

《智能涌現》：在4A公司歷練和入駐品牌辦公區，這兩個階段的核心收獲有何不同？

裴沵思：在4A公司的核心收獲是理解了內容和投流的執行邏輯，知道了廣告公司是怎么跟品牌溝通、怎么產出內容、怎么優化投流的，補全了我們在執行層面的認知。

而入駐品牌辦公區后，收獲更多是戰略層面的，比如品牌是怎么做品類規劃的、怎么思考長期增長的、怎么平衡短期銷量和長期品牌價值的，這讓我們能更精準地把握品牌的核心訴求，做出的產品也更貼合品牌的長期發展需求。

《智能涌現》：你提出“幫好學生爭第一”的客戶選擇邏輯，如何定義“好學生”？這一邏輯與傳統SaaS模式有何不同？

裴沵思：“好學生”是指行業頭部品牌及高速增長的DTC新銳品牌，它們擁有成熟的營銷團隊，已在內容社交平臺積累豐富經驗，且遇到了明確的增長瓶頸。這類客戶的核心價值在于其高稀缺、高頻的隱性知識，能幫助我們的系統快速吸收行業最佳實踐，提升服務能力。

這與傳統SaaS“找最大公約數、幫差生補課”的邏輯完全相反。傳統SaaS追求標準化、低成本復制，而我們認為，核心是拼Agent的智能水平上限，先服務頭部客戶打磨智能能力，再向中小企業輸出，才能形成降維打擊。就像培養管培生，先讓他在寶潔等優秀體系成長，再去其他場景才能快速勝任，而不是一開始就去基礎薄弱的場景。

《智能涌現》：當前團隊構成有何特點？如何平衡技術人員的技術追求與商業落地需求？

裴沵思：團隊目前40多人，其中20多位是科學家、算法工程師，約10位是博士，核心班底來自第四范式；后期也吸引了大量營銷、品牌領域的專業人士加入，形成“技術+業務”的雙核心結構。

平衡技術理想與商業落地的關鍵，一是團隊共識，我們的核心技術人員都經歷過第四范式的商業化歷練，清楚技術必須落地到具體業務場景，認可“先下場理解業務，再用技術杠桿放大價值”的邏輯；二是實踐導向，比如CTO會親自參與品牌策劃執行，產品經理會實操投手業務，讓技術人員深度理解業務痛點，避免閉門造車。

《智能涌現》：公司的商業化模式是什么？未來的擴張規劃如何？

裴沵思：當前采用雙軌商業模式：針對頭部客戶，收取服務費，通過共創持續迭代能力；針對專業用戶，采用Token付費模式，實現能力的規模化輸出。專業用戶涵蓋品牌策劃、內容策劃、投手等專業人群，甚至個人創作者，這一群體基數大，是未來增長的核心引擎。

擴張規劃分為兩個維度：一是行業擴張，從目前成熟的美妝賽道，逐步拓展到日化、教育等領域，優先選擇內容營銷需求旺盛但經驗尚淺的行業；二是平臺擴張，聚焦小紅書、抖音、TikTok三大核心內容社交平臺。由于我們的技術體系是基于平臺解析而非行業標簽構建，行業間的能力復用性強，可快速適配新賽道。

《智能涌現》：當前企業對AI營銷的認知存在哪些誤區？需要建立哪些正確認知？

裴沵思：最大的誤區是將技術視為“工具”，過度聚焦AIGC生成內容。

很多業務leader認為技術的價值就是提升內容生產效率，但這是雙重誤解——品牌的核心痛點不是缺內容，而是缺內容的精準分發與品效協同能力。

正確的認知應該是：技術是“智能伙伴”而非工具，其核心價值在于優化傳播結構與決策邏輯；內容社交平臺的競爭關鍵是“內容質量×傳播結構”，而非單一內容優劣；品牌需要建立跨平臺的人群網絡資產，而非局限于單一平臺的短期流量。

簡單說，不要用工具思維看待技術，而要用“管培生培養”的邏輯，讓其持續學習行業經驗，實現從“不確定性”到“確定性”的突破。

《智能涌現》：AI垂直領域創業從0到1，最核心的聚焦點是什么？哪些必須做對，哪些可以容錯？

裴沵思：核心聚焦點是“平衡價值深度與技術靈活性”——既要扎進具體業務域，解決企業的核心價值問題，又不能綁定特定技術棧，要保持對前沿模型的快速適配能力。

必須做對的三件事：一是選對賽道，聚焦技術能真正解決的核心痛點；二是找對初始客戶，通過頭部客戶的隱性知識提升服務能力；三是構建靈活的技術架構，避免被單一模型鎖定。

可以容錯的是行業擴張中的局部試錯，以及商業模式的階段性調整——只要核心技術與價值邏輯正確，局部的試錯可以快速迭代優化。本質上，AI創業是“沖浪”，要緊跟技術迭代節奏，做時間的朋友。

封面來源｜企業