在創業領域，將公司直接安置在客戶辦公區并非常見做法，但Noumena團隊卻堅持這一模式。該團隊由第四范式前總裁裴沵思帶領，至今仍駐扎在一家美妝品牌的辦公區內，與對方團隊展開深度合作。
裴沵思的初衷十分明確：讓團隊中精通大模型的科學家深入業務一線。Noumena的三位聯合創始人中，Jett曾任小紅書KA行業群總經理，首席科學家趙歡和CTO李佳駿則分別在第四范式和ACM（美國計算機協會）積累了豐富經驗。從創業初期，他們便達成共識：聚焦具體業務領域，通過親身實踐深化對業務的理解，從而充分發揮AI的杠桿作用。
在創業初期，團隊在上海短暫停留后，未租用辦公室便直接進駐4A公司，通過AI工具為品牌客戶提供服務。這一過程中，裴沵思對業務有了新的思考。作為深耕ToB領域多年的“老兵”，他的職業生涯始終圍繞CEO群體展開，從SAP到第四范式，他始終關注企業如何通過AI實現決策轉型。
在與品牌合作的幾個月里，裴沵思意識到品牌營銷的傳統模式已被解構。營銷戰場從電商平臺逐步轉移至內容社交平臺，而品牌在線上營銷的確定性不斷下降，甚至帶有一定的“賭”的成分。即便是最優秀的團隊，也難以完全抵抗分發平臺推薦算法對潛在消費者訴求波動性的影響。
內容社交平臺已成為ToC企業最大的外部變量。數據顯示，85%以上的Z世代消費決策在此完成，“種草于內容平臺、交易于電商平臺”的用戶習慣，使這里成為品牌競爭的核心陣地。然而，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）持續攀升。
裴沵思觀察到，許多品牌認為內容營銷是“玄學”，難以理解社交平臺的運作邏輯。這是因為品牌與目標細分人群在心智層面的溝通能力逐漸減弱。因此，他決定從這一角度切入，利用AI將營銷從“玄學”變為“科學”。為此，Noumena開發了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。
傳統消費者洞察方法依賴小樣本調查，存在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）的爆發式增長，為消費者研究提供了海量數據資源，但也帶來了新問題：海量非結構化數據遠超人類專家的處理能力，且從中提取的洞察難以判斷其可信度。大語言模型的出現為解決這一問題提供了可能，但當前AI研究工具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的AI Agent系統中包含一個名為“曼哈頓計劃”的消費者洞察基礎設施。該計劃借鑒了1942年美國陸軍部啟動的“曼哈頓計劃”，通過基礎物理學突破釋放原子能；Noumena的愿景是通過AI Agent實現營銷學的工業化，釋放消費者科學的規模化潛能。
“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。Agent基于公域UGC對海量數據進行提煉，學習內容調性和用戶傾向等知識信息；隨后通過L1-L4的證據分級驗證，發現圖譜中存在的因果關系，重新勾勒內容平臺，使品牌找到更可靠的因果關系和有效信息。
例如，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”等關鍵詞。經過L1-L4驗證，可以發現這背后反映了辦公人群的焦慮。在這一場景下，針對性地強調無味、不尷尬、體面等關鍵詞，內容轉化率會更高。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，指導內容生產與KOL選號，提升素材供給的確定性，最終優化ROI。
裴沵思發現，AI ToB創業與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，力求讓所有人都能使用；而垂類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，能夠在真實業務上下文中，通過與人類專家長期共判，將“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突破人類智能瓶頸。例如，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，Noumena還找到了另一條ToC商業路徑：服務prosumer（專業消費者）。例如，小紅書平臺共計20萬個品類和約4000萬內容創作者，都是他們的潛在目標人群。目前，Noumena的prosumer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。
裴沵思的職業生涯始終聚焦CEO群體，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。第四范式的業務經歷讓他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。
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。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。大模型的興起，使其打標能力與外部數據解讀能力大幅提升，讓通過捕捉外部環境優化企業決策成為可能，最終鎖定AI營銷賽道。
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。
在外部環境劇烈變化的背景下，創業機會在于“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。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”。
現在千萬級的達人已形成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。品牌破局的關鍵不是搶回內容主導權，而是做好“匹配”——先找到符合品牌調性、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。
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，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。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。
在達人篩選環節，除了人群匹配度，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。
Noumena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”。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。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。
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。這些數據直接體現了轉化效果。
Noumena解析內容社交平臺的核心技術邏輯是“公域數據重做+私域數據融合+消費者動機網絡”。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。
從L1到L4的因果關系提純體系中，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；L2是復現驗證，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；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，明確話題能直接帶動哪些商業指標的增長，這一層級的結論可以直接落地到品牌的營銷決策中。
選擇“搬進客戶公司”的共創模式，核心原因是團隊基因的補全。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。
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，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；二是實踐導向，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。
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。
