唐祺凌与灵熙智能：AI时代，品牌知识如何成为长期资产

品牌知识要成为长期可用的资产,需要把事实、来源、有效版本和使用权限管理清楚,再围绕用户问题组织解释,并在产品与业务变化中持续维护、复用。灵熙智能董事长、创始人唐祺凌,希望用数据技术与品牌经营的结合,推动这项工作。

2023年,唐祺凌与一位长期从事品牌经营的合伙人共同创办灵熙智能。如今,灵熙围绕高质量GEO、品牌数字资产管理和品牌数字情报开展工作,并以LynxOS品牌智能操作系统作为统一智能运行底座。

唐祺凌|灵熙智能董事长、创始人

唐祺凌长期从事数据系统及复杂应用相关工作。他见过技术改变信息的组织方式,也见过一些企业借助新工具迅速发展,却没有把当时的优势积累成持续的能力。企业采用新技术以后留下了什么,是他判断一项技术生意是否值得做的重要依据。

“数据是本”:系统运行以后,企业留下什么

在唐祺凌早年接触的信息化建设中,许多工作首先要解决网络能不能连接、系统能不能运行、数据能不能流转的问题。他喜欢用“修路”解释这种先后关系:有了基础设施,应用才有条件运行;业务持续运转,数据和经验才会逐步积累。

从PC互联网、移动应用到云计算和大数据,工具一直在变。唐祺凌关心的是,企业能否把使用工具的过程,变成积累知识、研究问题和改进业务的过程。

他曾与从事数据营销的老同事讨论行业变化,回想一些公司为何在技术热潮过后失去原来的位置。在他的理解中,借助数字工具开展服务,与依靠长期的数据积累和研究能力开展业务,所需要建设的能力并不相同。新工具能够提高效率,持续形成的知识、可靠数据和解决复杂问题的经验,才有机会陪伴企业走过下一轮变化。

“数据是本”,他在访谈中这样概括。

但数据存下来以后,还需要回答一连串具体问题:事实来自哪里,适用于哪个产品版本,谁能够使用,发生变化后怎样更新。资料数量增加,并不意味着这些问题已经解决。只有在后续工作中能够找到、理解并正确使用,积累才真正有用。

一封深夜长信,把数据技术与品牌经营连接起来

谈起灵熙的创办,唐祺凌记得合伙人曾在深夜写来的一封长信。信里谈了为什么合作、以后怎样共事,以及两个人应该如何相处。“讲得非常清楚,也很打动我。”

在那段交流中,对方问过他:“你在关注AI吗?”唐祺凌回答:“我一直在关注。”

两人的经验来自不同方向。唐祺凌熟悉数据系统和复杂应用,合伙人长期从事品牌经营与市场服务,更熟悉企业怎样面对消费者、渠道和竞争。大语言模型带来的语言理解与交互能力,让他们重新审视一个共同熟悉的问题:企业已经拥有的知识,为什么常常难以在不同业务中有效使用?

灵熙早期曾尝试AI导购助手和消费者意图研究,探索AI如何改善销售人员与客户的交流。这些应用探索背后,是一个更长久的课题。

一家经营多年的品牌,研发部门保存产品参数,市场部门制作传播资料,销售团队积累客户解释,经销商又会调整本地表述。同一款产品可能有不同叫法,更新后的参数可能仍与旧版本并存,能够证明某项优势的材料也可能分散在不同部门。

唐祺凌常说要“打破部门墙”。当消费者开始向AI询问和比较产品,这种内部信息问题就会延伸到外部:企业需要先弄清楚自己有哪些真实、有效的信息,才能进一步讨论这些信息如何被理解和使用。

高质量GEO:从用户的问题,追到品牌的事实

GEO,即生成式引擎优化,关注内容在生成式AI回答中的可见度。灵熙将自己围绕用户问题开展的研究、诊断、内容建设与持续复测,归纳为“高质量GEO”。

以消费者询问“小厨房适合什么洗碗机”为例。回答可能涉及安装尺寸、容量、清洁效果和使用维护。品牌方希望知道产品有没有被提及,而唐祺凌和团队还会进一步追问:产品为什么出现或没有出现?回答引用了什么材料?有没有误读产品能力?哪些重要事实尚缺少清楚、可核查的公开解释?

这些问题需要回到企业资料中寻找答案。销售人员知道客户经常追问什么,研发人员了解功能适用的条件,售后团队掌握使用中出现的问题。只改写官网已有文案,未必能够把这些知识带出来。

灵熙所描述的工作路径,是先研究用户的问题和不同AI的回答,再核对官网、产品资料、行业标准及相关证据。发现错误,查证原因;发现解释缺口,补充能够支持判断的事实,再组织成官网说明、专业内容或产品问答。内容建设之后,在可比的条件下复测回答的变化。

例如,说明一项产品优势,不能停在“技术领先”。它具体解决什么问题,在哪些条件下适用,有没有相应的测试或标准依据,才是用户作出判断需要的信息。

这套方法的价值,在于把内容建设与具体问题、事实依据和后续观察联系起来。品牌是否被提及、出现在哪些场景、信息是否准确、引用来自哪里,需要分别观察。“高质量GEO”是灵熙对这套工作方式的概括,不等于可以保证排名、推荐或销售结果。

从一次内容改善,走向持续的资产管理

GEO工作又把唐祺凌带回了他熟悉的数据问题:产品会升级,资料会变化。如果每次分析AI回答,都重新寻找材料、确认版本,已经解决的问题就很难成为下一次工作的基础。

一项产品参数同时出现在官网、销售手册和渠道内容中,即使某次AI回答得到了改善,其他地方仍可能继续使用旧资料。持续建设需要处理信息的来源、有效版本、使用范围和后续维护。

灵熙的品牌数字资产管理中心,围绕这一类工作展开:整理品牌和产品知识,管理图片、视频和文字资料,记录版本、权限与使用范围,支持跨部门团队和授权服务商寻找、调用与复用有效资产。

品牌数字情报中心则关注外部变化:消费者的问题是否改变,竞品提出了什么新主张,行业标准怎样影响产品解释。它需要保留信息来源与研究判断,为企业持续理解市场提供依据。

三项工作的关系由此变得清楚:GEO研究观察品牌在AI回答中的表现,资产管理维护企业能够使用的信息,数字情报关注市场与用户变化。对企业而言,这意味着一次内容工作发现的问题,可以回到资料维护中处理;外部出现的新问题,也有机会成为下一轮研究和内容建设的起点。

LynxOS品牌智能操作系统,是灵熙为这些工作建设的统一智能运行底座。它尝试在品牌、产品、主张、证据、内容与使用记录之间建立明确关系,将知识检索、AI模型使用、权限规则和任务协作连接起来。

假设一款产品更新了安装尺寸,需要检查的可能包括官网、销售手册、选购文章和客服资料。如果能够识别哪些内容引用了旧尺寸,相关人员就更有条件找到受影响的版本,确认后更新。这个例子说明了LynxOS希望支撑的协作方式;具体能够关联多少资料、自动化到什么程度,仍需结合产品版本和项目条件落实。

对唐祺凌而言,系统建设应当让企业自己的知识、事实依据和业务关系持续可用。模型能力会进步,企业也需要能够根据新的任务选择工具,而不是每换一种工具,就重新整理一遍全部知识。

技术上可以做,生意上还要作取舍

这样的技术方向,要面对具体的经营压力。客户希望看见效果,团队需要持续研发,年轻公司还要平衡交付、市场、人才和现金流。

唐祺凌谈过一些没有接下来的项目:技术上能够开发,但客户需求尚不清楚,或者企业内部缺乏持续运营的条件。他宁可放弃这样的机会,也不愿把系统交付当成问题已经解决。

“技术是有边界的,用户的需求是无边界的。”

这句话背后有实际的项目判断。客户究竟要解决什么问题,已有条件能支持到哪一步,系统交付之后有没有人继续运营,哪些能力还需要验证,都应该尽量在开始工作前说清楚。否则,一项技术即使完成开发,也未必能够进入客户的日常业务。

面对新技术,他保持学习和试错,借助不同AI助手研究资料、交叉核对,也持续向学界和技术同行请教。对于资源有限的团队,及时理解变化与谨慎选择项目,需要同时进行。

两位创始人的合作也要经历具体分歧。唐祺凌讲过,意见不一致时,两人宁愿当天把问题说开,也不让隔阂留到第二天。早年长信里讨论的共事方式,最终要落实到一次次研发、经营和客户判断中。

灵熙将“专业、敏捷、担当、诚信”确定为核心价值观。对应到实际工作,就是核对重要事实、及时跟进技术、明确承诺边界,并在问题出现后继续承担责任,而不是只回答“系统已经交付”。

信赖要在系统交付之后继续建立

唐祺凌谈到公司的愿景时,首先提到合法合规使用数据、认真管理客户资料,让企业能够放心。对于一家希望长期管理品牌数字资产的公司,这些要求需要贯穿资料整理、权限管理和后续合作。

AI还会发展,消费者获取信息的方式也会继续变化。灵熙选择的方向,是以高质量GEO回应品牌在AI环境中的现实问题,同时把工作中确认的事实、证据和知识纳入持续管理。

对已经积累大量产品资料、又面临跨部门口径与AI表达问题的企业,这提供了一条具体的建设思路:先让事实清楚可用,再围绕用户的问题组织解释,把已经确认的依据留给后续工作。

这也是唐祺凌从数据技术走向品牌资产管理的经营判断。技术生意的价值,要在交付之后继续体现:客户能否把系统用起来,产品变化后能否维护信息,下一次研究和内容建设能否沿用已有积累。长期信赖,就在这些具体工作中逐步建立。

本文来源：财经报道网