"AI 正在杀死‘流量增长’，未来十年你需要的是‘品味’。"2025 年 10 月，董有超在一档公开播客里这样说。
过去十余年，董有超参与过多个过亿用户产品的增长，他的履历始终贴着 " 流量增长 " 这个互联网母题：2016 年，他加入 Instagram 增长团队，从机器学习工程师做到技术负责人，搭建了 Instagram 增长科学的能力和核心系统，并独立构建了用户留存预测模型。2019 年回国之后，他出任腾讯微视用户增长总监，带领用户增长与数据团队。此后在爱奇艺参与随刻新业务，在字节跳动负责 GEB 和 Pangle，再到飞书深诺担任首席产品官。
资本市场也在重新给这门生意定价。2026 年 9 月，Salesforce 签署收购 AI 访谈公司 Listen Labs 的协议。几乎同期，另一家 AI 访谈公司 Conveo 完成 5000 万美元 A 轮融资。AI 访谈和真人数据，正从研究行业的边缘工具，变成平台、投资人和 AI 公司都在关注的一层基础设施。
当下生成式 AI 已经把 " 做一个产品 " 的门槛压得足够低，代码、界面、文案、演示视频，都可以在很短时间内生成。而董有超真正要回答的问题是：当 " 做出来 " 不再稀缺，" 做得对 " 由谁说了算？
把人接回 AI 流程
Cookiy 没有直接做 AI 营销工具或增长工具。即便那条路和他的履历最匹配，也最容易换来外界的天然信任，但董有超不希望产品被包装成 " 一个增长专家又来卖增长工具 "。他更想做的是需求验证的基础设施：在团队投入研发和营销预算之前，先减少错误方向。
对董有超来说，" 流量增长 " 是过去十多年互联网产品熟悉的一套打法：先获得曝光，再让用户沿漏斗进入激活、留存、转化和复购。增长团队的任务，是在这条链路上不断提高效率。
这套方法并未失效，但环境已然改变：流量更贵了，产品更多了，用户注意力也变得更稀缺。生成式 AI 又进一步压低了供给侧成本。过去，一个团队可能要花几个月把产品做出来，而现在一天可以做出多个版本。产品供给变多之后，真正稀缺的不是 " 能不能做 "，而是 " 该不该做、先做哪一个、为什么有人会要 "。
在董有超看来，未来产品竞争会更依赖 " 品味 "。他说的 " 品味 " 不是审美，是判断真实需求的能力。
" 用户说‘我会用’，和‘我上一次真的为类似产品付过钱’，这两件事完全不同。" 他说。前者可能只是礼貌，后者才会改变产品设计、定价和市场策略。
他把这个方向称为 human layer。今天的 AI 系统可以读网页、读文档、调用工具、生成内容，却不能直接知道一个真实的人此刻在想什么、为什么犹豫、为什么放弃。Cookiy 希望做的是，当 AI 系统或企业需要人类经验、判断和反馈时，能够更快找到合适的一类人。这些人提供的不只是答案，还有经验、偏好、语料和判断。
传统用户研究更像一个独立项目：发起一次研究，写一份报告。Cookiy 希望把它变成可以随时调用的能力。公司公开资料称，平台可以触达超过 1.7 亿受访者，并支持 Claude、Cursor 等 AI 工具通过 Skill、CLI 或 MCP 发起研究。而比规模更重要的，是去重、验证、地区分布、语言覆盖、职业答卷人识别，以及受访者是否知道 AI 身份、数据用途和授权范围。
人不是原料
AI 访谈要跑得通，先要解决的是三件事：找到合适的人；让对话持续下去；把非结构化对话变成可用信息。
找到合适的人，意味着样本是真的、符合目标人群，还能认出职业答卷人。让对话持续下去，要求 AI 理解上下文，知道什么时候追问、什么时候换一种方式确认。最后，客户要的是主题、证据、引用和结论，不是几十段原始录音；每条结论都要能回到对应的回答上。
技术层面，董有超主导设计了一个四层模型的实时系统：小模型、中模型、大模型，再加一个理解情绪的模型，开源与闭源模型混用并各自微调，分别处理语音、记忆、追问和总结。在他看来，现阶段的模型还难以同时胜任文字和音频的实时输入输出，多模型分工是当下的取舍；一旦单一模型能兼顾多种模态，其中一部分就可以被替换。AI 主持访谈不是把提纲读给受访者听，它得在不打断对话的情况下完成理解、记忆和追问。
董有超并不认为合成用户会替代真人。合成用户能用来做前期演练：测试访谈提纲、模拟回答路径、检查问题是否清楚。但它不能被包装成真实用户反馈。真人和合成内容必须被标识清楚。客户可以用合成结果讨论问题，却不能拿它代替真实市场证据。
" 研究客户购买的是‘更接近真实世界’。" 他说。如果平台把合成内容和真人内容混在一起，短期看降低了成本，长期看会损害信任。
数字孪生是更远的边界。董有超在公开访谈中谈过一种可能：如果一个人接受了足够多的访谈，并在授权前提下留下足够多的真实语境，未来可能出现一个 AI 化身，代替真人回答部分问题，甚至为真人带来收入。
这个设想在商业上有吸引力，但边界得先搞清楚。本人是否授权，能否撤回，哪些话题必须回到真人确认，答错的责任归谁，模型更新后旧回答还算不算数——这些问题都要由产品和合同来回答。如果这些问题没有解决，数字孪生可能从 " 让人参与 AI" 变成 " 让人被 AI 代理 "。
Cookiy 在合规上极为重视，其官网将 SOC 2 Type II、ISO 27001、GDPR、HIPAA 列入产品能力，其中 SOC 2 和 ISO 27001 有审计范围和期间；GDPR 是一套法律合规要求；HIPAA 场景下是否能够签 BAA、如何处理医疗数据，也必须看具体合同和执行。
对企业客户来说，更重要的是子处理方清单、数据删除机制、角色权限、审计日志和受访者授权文本。受访者至少应该知道自己在和 AI 对话，知道访谈结果会用于什么，知道自己的回答会不会被公开展示、用于模型训练或评测，也知道自己能否在一定条件下撤回。
没有这些，" 真人数据 " 就只是采集内容，谈不上建立可持续的人类参与机制。
一门生意
外部研究对 AI 访谈并不一概乐观。
Nielsen Norman Group 的小规模研究认为，AI 主持访谈更适合结构化反馈、筛选和多语言任务，不应直接替代高风险的深度访谈。Verasight 的随机实验也显示，AI 访谈可以增加文本长度，但完成率明显更低，而且退出不是随机的。
这些研究给整个行业提出了一组问题：完成率怎么算，未完成者是谁，多语言访谈如何质检，语音和视频信号是否真的改变了决策，以及合成内容与真人内容如何标识。
面对这些质疑，董有超并不回避。他在 AI with Arun Show 上解释过自己的判断：人类主持人会有注意力衰减，访谈到第九、第十位用户时，难免开始带着预设、赶进度；AI 则把每一场对话都当作新的一场。但他同时强调，Cookiy 并不打算取代人类研究员。一两个小时的访谈里，没有哪位主持人能记下受访者所有的表情和细微动作，AI 可以把这些细节记录下来，交给研究员判断。
Cookiy 官网宣称，多数研究可以在启动后约 4 小时获得初步发现，完整报告在 24 小时内形成，一天可以完成超过 100 场访谈。但质量仍要看招募准不准、受访者真不真、追问有没有效、分析能不能回溯。最关键的是，客户最后有没有因此改变决策。
商业上，传统市场研究公司握着方法论、客户关系和样本管理；问卷平台胜在便宜、好分发；专家网络手里有稀缺的行业人群；AI 访谈公司则试图把主持、分析和交付自动化。
Cookiy 不能只证明 "AI 能访谈 "，还得证明自己在哪一层更可靠：是找人更快、追问更好、语境保留更完整，还是合规更可靠、与 AI 工作流接得更顺。
这些清单不能替企业完成选择，但能把讨论从演示效果拉回到研究质量。AI 访谈的价值除了看速度和成本，也要看它有没有帮助团队减少一次错误投入，或者提前发现一个此前未被定义的问题。
未完成的答案
" 我最担心的，是外界把 Cookiy 误读成‘ AI 替人做研究’，或者把真人数据当成一种更便宜的内容原料。" 董有超说，他最想让 AI 在需要人类经验时能够找到人，让提供经验的人获得授权和回报，让企业在做决定之前看到真实的人如何反应。
这件事做成了，未必是个很炫的产品，但会成为 AI 工作流里的重要一层。"AI 可以生成答案，但不能替企业确认答案是否适用于真实的人。至少在今天，这仍然需要回到人。"
这也是这类公司接下来要共同面对的大考：效率可以靠工程提升，样本质量、授权边界和真实决策结果，却不能靠一句 " 真人数据 " 自动成立。谁能把这些细节做成稳定流程，谁才可能真正进入企业的核心工作流。这比一次融资或一场产品演示更接近本质——能否立得住，最后仍要回到一个个具体项目、一场场访谈和客户决策里持续验证。
