这个闭环，一步一步拆开看

从你本来就知道的事情开始

关于自己的商品，你知道一些任何抓取程序都推断不出来的事：真正用的是哪种材料、哪一句话你敢负责、哪一个页面已经过期、哪一个是你上个月刚重写的。

这就是输入。不是你的客户名单的导出，不是你系统的访问权限，也不是数据接口。只是你已经公开的东西，以及你能确认属实的部分。

• 你卖的是什么——就按你对一个当面问你的买家会说的那样描述。
• 你的哪些公开页面在讲这套描述，哪些页面已经不讲了。
• 你愿意改动的是什么，以及哪些东西不在讨论范围内。

看的是那个问题，不是名次

购买问题是消费者在做决定之前敲进去的一句话。我们看的是 AI 遇到这句话时答了什么、点了哪件商品、给了什么理由。

我们要读的是那条理由。一个位置只告诉你发生了某件事；理由才告诉你发生的是什么，而且它是这个答案里你唯一能着手处理的部分。

找出答案背后的那条理由

一个答案总要依据一些来源。有些是你的，有些不是，还有一些是你两年前的。诊断要指出这条理由取自哪一个来源，以及那个来源在哪里已经过期、过于单薄，或者干脆把你写错了。

价值大多在这一步，而这一步也最容易说过头。诊断是对一个来源写了什么的判读，不是对任何模型如何权衡它的断言。

一次一项改动，动手之前先写清楚

一个诊断只变成一项待改动的内容。写全：改哪个素材、改成什么话、想纠正的是什么，以及事后凭什么判断它有没有起作用。

一次一项，而且可回退。一批同时发生的改动事后没法读——不管结果如何，你都不知道是哪一项造成的，我们同样不知道。

你不点头，什么都不会发生

你读完这项任务，然后决定。批准是唯一会让事情真的发生的动作，而发生的就是任务里写明的那些——不会更宽，不会顺手动别的素材，也不会在半路上给自己加戏。

如果你一项都不批准，那就什么都不上线。这是一次审阅的正常结果，不是卡住了。

上线了，和被看到了，是两个问题

改动上线之后，我们分开核两件事。被批准的动作是不是真的完整地做到了它指名的那个素材上？然后才是：我们关心的那个环境有没有机会看到它。

第一件事该由我们回答，我们就直说。第二件事的答案常常是不确定，而这就是如实的回答，不是哪里出了岔子。

证据支持什么，不支持什么

每个结论都带一个等级，这个等级是任何人能就它说到什么程度的上限——也包括我们自己日后在某份材料里。

一项上线并且被观察到的改动，说明的是那个界面上的事。它不说明有消费者因此选了你，更从来不说明钱动了。推理链在哪里断，报告就在哪里停。

然后闭环合上

学到的东西决定下一项任务：站得住的诊断继续推进，站不住的就放弃，而不是换个说法留下来。

闭环以一个决定收尾，再从学到的东西重新开始。