本文探讨了LinkedIn平台的结构性缺陷，分析了其算法如何导致用户之间的思想同质化，阻碍跨职能协作，并提出了改善这一现象的建议。
LinkedIn（https://martech.org/linkedin-the-marketers-guide/）既是职业学习的最佳平台，也是最差的平台。它拥有全球最大的专业网络，是声誉建立、领导力衡量和见解测量的标准，但其深层次的结构性缺陷经常被忽视——这种缺陷悄然削弱了我们所声称的跨职能协作。
真相是，LinkedIn本质上是一种算法上的同群效应（algorithmic inbreeding）。这与Facebook对我们的社会和政治的影响相似，只不过 latter被包装得更加专业。
在LinkedIn上，人们只会连接与自己思想相同的同行。我们会关注与我们想法一致的人。算法会将更多相同观点的内容推送到用户的 feed 中，并重复这个过程。表面上看，一个专业的社区可能是智力部落（tribalism）的伪装，它通过参与度指标得以强化，而真相则被掩盖在背后。
脱胎于设计的部落主义
LinkedIn算法并不是为了培养多元化的思想，而是为了培养用户的时间利用率和参与度速度。这意味着：
- 早期获得 traction 的帖子会获得更多的曝光。
- 用户与自己领域内的同行互动越多，其影响力越大。
- 在专业领域内引起讨论的内容会得到奖励。
此外，
- 市场营销人员只会与市场营销人员交流。
- 数据科学家只会与数据科学家交流。
- CFO很少进行交流——但他们一旦有机会与其他部门的人交流时，往往不会涉及市场营销或数据分析团队。
以上都不是偶然的。这种现象是结构性的，嵌入到平台架构中，并对现实生活造成了深远的影响。
交叉思考的终结
在每个职能都使用各自语言、从不与其他领域沟通的情况下，一个重要的东西正在消亡：整合（synthesis）。
在生物学术语中，这被称为杂交体（heterosis）。我们通常将其称为杂种优势——多样性的优点。杂交品种比单一品种更加强壮、更有应变能力。基因重组不会削弱物种的能力；反而会增强其适应性和稳定性。这是自然对脆弱性的一种保护机制。
在思考领域，这种现象同样适用。我们在 LinkedIn 上看不到太多这样的案例。相反，我们看到：
- 市场营销人员优化的是叙事力度（narrative punch），但与数据和测量的有效性无关。
- 数据科学家优化的是精确度（precision），但与运营或财务背景无关。
- CFO优先考虑诚信风险和长期价值；他们很少参与top-of-funnel 或归因分析，直到为时已晚。
每个职能都在精炼自己的术语、模型和 KPI——但这只有在跨职能协作中才能创造价值。而 LinkedIn 使得这种协作变得更加困难。
这不是对市场营销、数据分析或金融的抨击。这些都是我的社区。它们塑造了我并教育了我。因为我在乎它们的长期相关性和价值，所以我必须挑战我们如何彼此互动以及如何对待真相。
个人笔记：部落忠诚的背叛
有些营销人员将我视为一种“叛徒”——就像医生转变为马萨诸塞大学法律系学生一样。他们认为，我已经越过了某种界限，批评系统性的 GTM（全球市场管理）失败，并揭露CRM（客户关系管理）、营销绩效透明度或归因理论中的不透明性。
与我交谈的 CTO、CFO、董事会成员和股东并不这样看。希望学习、适应并成功发展的职能领导人也不这么看。
他们看到的是清晰度、责任和优势——以及 overdue 的重要性。这些外部视角与部落忠诚的反馈之间的差异是问题所在。如果你认为来自其他部落的反馈是对你的背叛，而不是改进的信号，那么你就不在学习环境中——你在忠诚 cult（ cult）。即使穿着考究，也只能停滞不前。
如今这种情况正在许多行业出现。人们正不分技术、哲学或运营层面，在人工智能的两边选择站在哪一边。他们不再只是技术上的革新者，而是从本质上改变了思维和运作方式。
内部化知识的弱点
tribalism 不仅在思想上是一种局限，更是一种操作上的缺陷。
当 GTM 失败时，仅仅增加营销理论将无法解决问题。我们需要：
- 一位数据科学家解释因果滞后，并解释为什么 KPI 在经过严格审查后仍崩溃。
- 一位 CFO 在经济波动期间量化投资品牌而非渠道的风险。
- 一位产品经理评估消息是否与 roadmap 对齐。
但这些讨论很少发生——因为网络已经教会了我们只关注内部，不向外延伸。
如何解决？
这不是 LinkedIn 的问题。这是一个领导力问题，它从 LinkedIn 这样的平台开始，因为这是今天塑造专业思维的场所。以下是我们可以做的：
- 设计跨职能交流：寻求不属于自己职能的群体的声音。即使你完全不懂，也要评论金融、工程和数据科学领域的帖子——甚至可能完全不理解。
- 跨边界分享：以适用于不同部落的方式分享见解。不要只向市场营销人员讲营销；向 CFO 讲营销。用他们能够理解的方式展示你的思考。
- 奖励整合而非部落忠诚：突出跨职能的胜利成果。标注参与该任务的不同部门的同事。促进不同职能之间的学习。
- 成为混合型人才：在每一个公司中，最有价值的人都是多领域专家——懂精算模型的营销人员、通晓 GTM 的数据科学家、能够将品牌视为风险管理工具的 CFO。让你自己也成为这样的人。
未来属于混合型人才
在一个变化加速的世界里，专业化是理所当然的。整合才是乘数效应（multiplier）。
推动变革的高管不会在任何一个领域深耕。他们能够跨越不同世界——营销与金融、数据与叙事、愿景与运营现实。
讽刺的是？我们拥有有史以来最大的专业网络。但我们却一直在用自己同群的方式交流。
这种状况必须改变——因为这是合成型人工智能（synthetic AI）的时代，而不是仅仅的人工智能时代。生成式 AI、分析型 AI 和特别强调因果关系的 causal AI 都不会奖赏部落忠诚。相反，它们会奖赏整合。
尤其是 causal AI，它不仅是技术上的进步——它是部落忠诚的终结。它取代了 silos（分隔），构建起相互连接、多样化的复杂现实，并揭示在时间和团队之间、权衡之间发生了什么原因。
在这个世界中，没有一个职能拥有真相。真相是协作的、条件性的和因果分布的。
现在是重新编程 feed 的时候了；培养我们思维中的韧性；把合成了创新思维——或者就像遗传学家所说的那样，是杂交体（heterosis）。因为同群思维无法构建未来，而整合型思维则会。
博客
