LinkedIn CPO亲述：用AI思维把产品做到十亿用户

在这期对谈中，LinkedIn首席产品官Tomer Cohen分享了他如何用AI时代的产品方法论，推动LinkedIn从“在线简历”进化为知识与机会的基础设施。文章提炼了他关于AI训练、产品指标、内容生态和职业成长的关键洞见。

从“在线简历”到公共知识网络，为什么产品定位如此重要

如果只把LinkedIn看作一个更新简历的网站，很容易低估它真正的野心。这也是Tomer Cohen在对话中反复回到的起点：产品最初被如何定义，会深刻影响它未来能走多远。正如他所说，LinkedIn“usually just be a place where people update their online resume”，但真正的转折在于，它开始承载更广泛的职业知识和经验分享。

这一转变并不是简单加一个功能，而是重新理解用户价值。Tomer提到，知识分享让LinkedIn“really democratizes everything right”，过去只存在于精英圈层或封闭组织里的经验，被公开、被记录、被搜索。这种定位变化，解释了为什么LinkedIn的内容流（feed）会变得如此关键——它不再只是分发职位信息，而是在塑造一个职业世界的公共讨论空间。

这个视角之所以重要，是因为它决定了后续所有产品决策：推荐什么内容、鼓励什么行为、以及如何衡量成功。如果你把自己当成工具，你会优化效率；如果你把自己当成平台，你就必须思考生态。

衡量“对”的指标：当数据无法直接告诉你答案

在成熟产品中，真正困难的往往不是优化，而是衡量。Tomer在访谈中坦言，“it's very hard to find a metric… that's the way we think about it”。这句话背后，是对传统增长指标的警惕。

对于像LinkedIn这样的内容和关系网络，很多核心价值是长期、间接的：一次有价值的帖子，可能几年后才影响一个人的职业选择；一次互动，可能改变一个团队的招聘决策。这些都很难用单一指标即时捕捉。正因如此，产品团队需要在定量数据之外，建立对“好体验”的共同理解。

这种思路也解释了为什么他们会不断回到feed本身，反复讨论“knowledge sharing on LinkedIn”。与其执着于短期点击，不如持续验证：我们是否在放大真正有用的知识？这种以价值为先、指标为后的思考方式，是很多内容产品容易忽视，却极其关键的一点。

构建AI产品：不是更快，而是更“想清楚”

谈到AI，Tomer没有把重点放在某个具体模型或炫技功能上，而是强调了一种产品层面的心法。他提到一个核心原则，是要学会“thinking fast and slow about the outcomes you want”。换句话说，AI可以跑得很快，但人必须先想得足够慢。

在他看来，只要“you just train the AI right”，模型当然可以产生结果，但真正的挑战在于：你到底希望什么样的结果？这要求产品负责人在动手之前，清晰定义目标、边界和风险，而不是被技术可能性牵着走。

他还将这视为自己职业中“one of the most important things I've done in that role”的一部分：在AI浪潮中建立判断力，而不是流程。这种观点对当下的AI应用尤其有现实意义——当所有人都能调用模型时，差异不再来自算法本身，而来自你是否想清楚要解决什么问题。

内容生态的边界：从“LinkedIn Lunatics”谈起

任何开放平台都会面对内容失控的风险，LinkedIn也不例外。访谈中一个颇具幽默感的片段，是主持人直接问他关于“LinkedIn lunatics”——那些看起来过度自我营销或行为夸张的内容——到底算不算成功。

这个问题之所以有价值，在于它触及了平台治理的灰色地带：当内容足够活跃，但质量参差不齐时，产品该如何取舍？虽然Tomer没有给出简单的是非判断，但从讨论可以看出，他们更关注系统是否整体在朝着“有用”演进，而不是纠结于个别现象。

这再次回到前面的主题：当你服务的是一个规模巨大的职业社区，完美并不存在，关键在于方向感。只要知识分享和真实经验仍是主流，生态就有自我修复的可能。

职业成长的底层逻辑：和谁一起工作，比头衔更重要

在访谈后段，话题回到Tomer个人的职业路径。他提到，自己学到的一点是：最重要的不是职位本身，而是“the folks I enjoy most working most with”。这听起来朴素，却是很多资深产品人共同的体会。

在复杂组织和长期项目中，你每天要面对的，是一群人如何一起决策、争论和执行。如果这些过程本身是健康的，个人成长几乎是必然的。反之，即便项目再大、头衔再响，也很难持续。

对于正在思考下一步职业选择的读者来说，这个判断标准或许比“做不做AI”“去不去大厂”更具参考价值。

总结

这场对谈并没有堆砌技术细节，却提供了一种更稀缺的视角：在AI和规模化增长并行的时代，产品成功首先是认知上的成功。无论是重新定义LinkedIn的角色、谨慎选择衡量指标，还是在AI应用前先想清楚目标，Tomer Cohen反复强调的，都是判断力本身。对每一个做产品、做内容、或规划职业路径的人来说，这些思考都具有跨行业的启发意义。

关键词： LinkedIn， Tomer Cohen， AI产品， 产品方法论， 知识分享

事实核查备注： 人物：Tomer Cohen（LinkedIn首席产品官，视频嘉宾）；频道：Peter Yang；视频标题包含“Growing to 1B Users with AI”；原话引用包括“thinking fast and slow about the outcomes you want”“you just train the AI right”“it's very hard to find a metric”“LinkedIn lunatics”“the folks I enjoy most working most with”；未涉及具体模型名称或技术参数。