最近听完了孙宇晨的访谈。
有些观点我并不认同，但有些确实值得琢磨。
至于他说得对不对，各自判断。
只是看到他建议大家删除90前出生的联系人，我还是有点绷不住了。
我今年刚好40岁。
挺好，微信通讯录还没满，我这个人先过期了。
最近甚至有点好奇，不知道有没有哪位微信朋友，听完孙宇晨的建议，默默把我删了。
要真有，我也不好意思去问。
毕竟人家可能只是积极响应科技前沿人士的号召。
更有意思的是，孙宇晨自己就是1990年出生的。
这条线划得挺精准。再往前挪一年，估计连自己都得删。
不过，比自己进入删除名单更让我意外的是另一件事。
一个天天讨论AI和未来的人，判断别人有没有「老登气息」，居然还在看出生年份。
一个1985年出生、每天研究AI应用的人，按这个标准属于老登。
一个2000年出生、拒绝学习任何新东西的人，反而安全过关。
这套判断方法，实在有点熟悉。
做了这么多年跨境电商，我第一个想到的，就是营销行业的老朋友：
用户画像，Buyer Persona。
25–34岁，男性，科技爱好者，中高收入。
35–44岁，女性，已婚，有两个孩子，喜欢家居用品。
年龄、性别、收入、兴趣，标签贴得整整齐齐。
当然，用年龄做市场细分没有问题，它本来就是营销研究的一部分。
但如果拿年龄直接判断一个人的认知，或者推断一个消费者为什么购买，就有点把标签当答案了。
孙宇晨用出生年份判断谁是老登，我们有些跨境卖家，也习惯用出生年份猜谁会买单。
两件事不能完全画等号，但值得警惕的思维方式很相似。
✦
假设你正在卖一款移动电源。
市场调研告诉你，目标消费者是28岁的美国男性，中等偏上收入，对科技产品感兴趣。
挺好。
但这张画像能帮你决定下一条广告怎么拍吗？
恐怕还不够。
继续研究，你发现他喜欢旅行，经常用手机拍照，也会看一些科技产品测评。
这时候，你至少知道了他平时有什么兴趣、可能在哪些渠道接触产品。
但他为什么现在要买移动电源？
原来，下周他要去迪士尼玩一整天。
拍照、导航、录视频，最担心的是下午三点就开始满世界找插座。
到这里，需求才算具体起来。
再往下研究。
他希望移动电源容量大一点，重量轻一点，预算最好控制在50美元以内。
麻烦来了。
这几个要求未必能同时满足。
如果必须做出选择，他愿意接受更小的容量，还是宁愿背重一点，也要保证全天续航？
又或者，他愿意多花20美元，买一款更符合需求的产品？
这个问题的答案，可能直接影响你的产品定位、广告创意，甚至下一代产品开发。
其实，这就是用户画像研究不断深入的过程。
我习惯把它归纳成四个层次。
第一层，人口属性画像。
研究消费者是谁。
年龄、性别、地区、收入、职业。
第二层，心理与行为画像。
研究他的兴趣、习惯，以及平时怎么接触和购买产品。
比如喜欢旅行、经常拍照、习惯看YouTube测评。
第三层，购买任务画像。
研究消费者为什么需要这个产品。
营销领域有个概念叫Jobs to Be Done，简称JTBD。
说白了，就是消费者希望通过这款产品解决什么问题。
第四层，购买决策画像。
研究消费者最后根据什么做选择。
预算、使用场景、产品限制、替代方案，以及不得不做出的取舍。
当然，这不是营销学界统一划分的Persona 1.0到4.0，也不是说后一个阶段把前一个阶段淘汰了。
它们应该组合起来使用。
只是我们对消费者了解得越深入，就越有机会解释他为什么最终购买某款产品。
尤其是第四层，我觉得很值得跨境卖家认真研究。
因为消费者说自己想要什么，和他实际愿意为什么掏钱，有时候并不是一回事。
他嘴上说要买容量最大的移动电源，真正比较产品时，却可能因为太重，选择容量更小的那款。
当然，这是需要通过真实订单、客户访谈或测试来验证的判断，不能只凭想象。
我觉得比消费者想要什么更值得研究的，是当他不能全部得到时，究竟愿意放弃什么。
这可能比知道他是28岁还是45岁，更能帮助卖家做产品定位。
✦
再看看现在消费者怎么寻找产品。
Adobe在2026年1月公布的研究中提到：
2025年美国假日购物季，来自生成式AI工具的零售网站访问量，同比增长693.4%。
这个数字很大，但要注意，它说的是同比增长率，不是AI流量占比。
Adobe也明确指出，这部分流量的基数仍然比较小。
所以，现在就说ChatGPT已经取代Google或Amazon，还太早。
但消费者开始用AI研究和比较商品，这件事值得跨境卖家关注。
以前，准备去迪士尼的消费者，可能在Google搜索：
best power bank for iPhone
现在，他可以直接问ChatGPT：
I'm going to Disney World for 12 hours. I need a lightweight power bank that can keep my iPhone charged all day. My budget is $50. What should I buy?
要玩12个小时，预算50美元，希望重量轻，还得保证手机一整天有电。
几个条件一次就说清楚了。
接下来，他还可以继续追问。
20,000mAh太重怎么办？
如果要同时给两部手机充电呢？
预算提高到70美元，有没有更好的选择？
消费者原本就有这些需求。
AI没有发明新的消费心理。
但对话式搜索让他更容易把多个条件放在一起，反复比较，再逐渐缩小选择范围。
而我们以前做关键词研究，习惯把这些需求拆成一个个搜索词。
大容量移动电源。
轻便移动电源。
便宜的移动电源。
适合旅行的移动电源。
可消费者不是按照我们的关键词表来生活的。
他可能四个都想要，只是最后必须在几个条件之间做出取舍。
更有意思的是，不只是消费者寻找产品的方式在变化，广告平台匹配消费者的方式也在变化。
如果你经常投Facebook广告，应该听过Meta的Andromeda，也就是大家常说的「仙女座」算法。
它是Meta广告推荐系统里的候选广告检索引擎，可以通过更复杂的机器学习模型，寻找用户与广告之间的关联。
再加上Advantage+等自动化投放功能，系统已经能够帮广告主承担更多受众匹配和优化工作。
当然，我不是说Facebook以后不看年龄、性别，也不是说把广告全部交给算法就能赚钱。
年龄、地域、用户行为和其他信号，仍然可能影响投放。
但如果广告系统已经越来越擅长寻找潜在客户，我们是不是应该把更多精力花在理解购买动机上？
还是那款移动电源。
与其针对三个年龄段，制作三条差不多的广告，我更愿意先测试三个不同的购买理由。
一条讲全天旅行，展示实际续航。
一条讲商务出差，展示便携和快充。
一条讲日常应急，展示尺寸、价格和使用便利性。
同样一款产品，三条广告回答不同的问题。
至于哪个角度值得继续投入，让真实的转化数据告诉我们。
当然，这不是说创意测试一定比年龄定向更有效。合理的预算、清晰的转化目标、可靠的数据和落地页，同样重要。
但现在这个局面确实挺有意思。
消费者可以越来越具体地向AI描述自己的问题，广告算法也能根据越来越复杂的信号寻找潜在客户。
夹在中间的卖家，如果研究消费者还停留在几个年龄和兴趣标签，确实应该重新想想了。
✦
说到这里，可能有人觉得：
不就是场景营销吗？
没错。
这些理论早就有了。
问题是，我们有多少卖家真正把它用到了日常运营里？
拿到一款移动电源，先把卖点提炼出来。
20,000mAh。
65W快充。
多个充电接口。
安全保护。
参数写得很完整。
但消费者准备购买时，还需要另一类信息。
比如他想带着移动电源旅行，真正关心的可能是实际充电次数、重量、尺寸，以及能不能同时给两台设备充电。
这时候，比起再写一遍「大容量、快充、轻便」，真实测试可能更有帮助。
称一下重量。
展示放进背包的大小。
测试给不同型号手机充电的次数，注明测试条件。
与同价位产品比较容量、重量和实际表现。
甚至直接告诉消费者：
如果你只需要日常应急，这款大容量产品可能有点重。
我觉得敢把产品的适用范围和不足讲清楚，比一味强调自己什么都好，更容易建立信任。
广告也是一样。
创意多样化，不是同一条广告换十个背景、十套文案。
真正值得测试的，是不同的购买理由。
一个场景讲续航，一个讲便携，一个讲日常备用。
但测试完以后，还有一件事特别重要。
别把点击率高，直接当成消费者更愿意买单。
比如你发现，「轻便携带」这条广告点击率很高。
是不是就应该马上把预算全部转过去？
未必。
如果实际产品并不轻，消费者点击进来后发现货不对板，可能根本不会买。
即使买了，后面也可能因为重量问题退货。
所以，至少还要看有效转化、获客成本、订单利润和退货原因。
这也是为什么我觉得，用户画像不能只是市场部电脑里的一份报告。
它应该能影响产品怎么设计，Listing怎么写，广告怎么拍，预算怎么花。
否则研究做得再漂亮，最后还是回到运营凭经验、广告靠感觉。
那这张画像的价值，恐怕就很有限了。
✦
如果现在让我重新做一次用户画像，我倒不建议先打开PPT。
先拿出一款你目前最重要的产品。
整理50条真实Review、20个客服问题或者Amazon Q&A，再结合20个相关搜索词。
这些数量只是一次轻量研究的起点，不代表样本已经足够全面。
可以让AI协助分类，但别让它替消费者编故事。
最后，尝试做出下面这样一张表。
|
|
（待验证） |
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这里面的决策条件只是示例，真正做市场研究时，需要从自己的客户数据中找出来。
更重要的是，别把这张表当成新的用户画像交差。
研究完成以后，至少做一次验证。
比如你想知道，消费者到底更重视「全天续航」还是「轻便携带」。
可以为同一款产品准备两种不同的广告创意，尽量保持预算、落地页和其他测试条件一致。
一个重点展示续航，一个重点展示便携。
观察两种角度分别带来多少有效转化，以及获客成本和订单利润的差异。
如果样本太少，就继续收集数据，不要急着下结论。
这里还有个容易忽略的问题。
Review里被提到最多的需求，不一定就是最值得投入的需求。
很多人抱怨移动电源重，不代表他们愿意为减轻100克多付20美元。
很多人说喜欢大容量，也不代表他们最终真的购买容量最大的产品。
消费者嘴上怎么说，要听。
但他们实际怎么买，也要看。
如果验证发现，一部分客户确实愿意为更轻的产品支付溢价，这个发现甚至可以影响下一代产品的开发方向。
这才是消费者研究真正该产生的价值。
不是让你多做一份漂亮的PPT。
而是让团队下一次讨论选品、Listing和广告时，少一点「我觉得」，多一点「我们测过」。
✦
回到孙宇晨那句话。
他劝大家删除90前的联系人。
我今年刚好40岁，按他的标准，已经在被清理的名单里。
不过我并不打算接受他的建议把自己给删了。
至于有没有人已经把我删了，那就随缘吧。
倒是电脑里那些几年前做的用户画像，我觉得可以找出来重新看看。
毕竟，消费者可能早就换了一种方式寻找答案，我们却还在拿几年前的标签猜他们要买什么。