SignalDeck AI 出海社媒监控平台

AI 出海团队每天面对大量新品、热词、增长故事和用户讨论。真正的成本不是漏看一条新闻，而是让团队持续把时间花在重复阅读、真假辨别和低质量机会争论上。信息越多，决策反而越容易被噪声拖慢。

因此，SignalDeck 把目标定义为“降低机会判断成本”：让团队快速看到信号来自哪里、证据有多少、属于新品供给还是需求机会、下一步应做访谈、竞品核查还是小流量实验。它输出的不是结论，而是更高质量的决策起点。

我采用“信号 → 证据 → 判断 → 行动 → 复盘”的决策漏斗。系统先收集和导入公开信号，再做字段校验、去重、中文化和机会评分；入选卡片必须保留原始链接、来源数、置信度、目标用户、痛点和验证动作。

用户在看板中筛选机会、打开证据并执行最小验证动作，再用“有用、噪声、重复、值得跟进”记录判断。反馈只影响后续排序，不改写原始证据。这样每一次跟进与放弃都可以沉淀为下一轮判断的依据。

每天的工作流由六个模块承担：机会看板负责优先决策，信号流保存全部历史，独立情报承接未经评分的观察，监控中心管理账号、关键词与新词，运行记录展示真实采集状态，日报把当天结论沉淀到 Obsidian。

平台把“可验证机会、待验证线索、新品观察、增长验证、新词观察”分开呈现。新品不等于需求，单来源不等于机会，增长词不等于全网趋势。分层的目的，是让老板知道每类信息可以支持什么决策，也知道它不能证明什么。

SignalDeck 不替代用户访谈、竞品研究、市场规模判断或最终商业决策；机会分也不代表市场规模或成功概率。所有入选机会必须能回到原始证据，目录里的“首次看到”不会被写成“今日发布”，第三方流量估算不会被改写成收入事实。

对受登录、验证码、限流或审批影响的来源，系统展示真实的降级、失败或待审批状态，不用演示数据补空。浏览器凭据、Cookie、Token 和原始配置不进入线上环境。对企业来说，这让信息质量、合规风险和系统可用性都能被追踪。

我的角色是产品主导与体验负责人：从“降低机会判断成本”定义产品目标，完成 PRD、信息架构、每日工作流、证据与评分规则、来源接入边界，以及本地优先和云端只读的产品方案。

我同时负责网页端、窄屏与手机端的交互验收，并将 AI 用于工程实现、测试辅助、文档整理和问题排查。产品判断、优先级、真实性约束、风险边界和最终验收由我负责。