11.1
把营销漏斗改成可核查链条
营销材料常用漏斗呈现曝光、访问、咨询、预订与实际消费，但漏斗本身不会解释损失发生的原因。一个严谨的营销图需要定义每一层的事件、时间窗口和分母，区分人数、次数与订单。例如同一用户多次访问不能自动视为多个潜在顾客，预订也不能自动等于完成入住。AI可以帮助梳理字段，分析人员则必须确认数据采集方式是否支持这些定义。
课堂可以使用一个合成漏斗：10万次曝光带来5000次有效访问，产生200笔预订，最后完成150笔入住。按这些口径，访问到预订转化率为4%，预订到入住完成率为75%。这些比例不能直接解释广告的因果效果，因为没有对照，也没有排除原本就会预订的人。图注应明确它只是观察或演示链条。学生需要提出额外证据，才能回答“广告是否真正带来新增住宿”。
视觉思维在这里有两个用途。首先，把定义不一致暴露出来，防止不同部门各用一套转化率。其次，将解释与观察分开：数据图显示在哪一层下降，假设图提出可能机制，实验设计再判断某个干预是否有效。三个步骤可以相互连接，却不能压缩为一张带箭头的“增长闭环图”。AI越擅长生成营销叙事，人越需要检查这些层次。
11.2
客群画像与用户旅程的边界
AI可以根据访谈、评价和服务记录提出客群主题，再整理为用户旅程或需求地图。但用户画像容易把推测画成真人，赋予没有证据的年龄、收入、动机和情绪。一个看似真实的头像，可能使团队忘记画像只是工作假设。建议把画像分为观察事实、合理推测和待验证问题，使用来源片段支持主要需求，并明确样本覆盖范围。
例如，评论中多次出现“到店后等待”，可以作为服务体验线索；进一步推断该群体都偏好某种高价套餐，就需要额外证据。旅程图可以标明观察到的接触点、记录的情绪表达与团队假设，避免把所有格子填满。AI能够聚类与摘要，但小样本中的沉默需求、少数群体经验和服务失败的严重程度，仍可能被频次导向的总结压低。
教学可以要求学生为一张AI画像做证据审计。每个属性必须能连接到资料，或被清楚标为假设；删去没有证据的细节后，重新判断图是否仍能支持设计。这个练习通常能够揭示“细节多”与“信息可靠”之间的差异。更成熟的画像不一定更像一个完整的人，却应该更准确地表达我们知道什么以及还不知道什么。
本报告提出的概念与设计示意 Conceptual design proposed in this report
图内保留中英双语标签；正文提供相应解释。点击查看大图。11.3
文旅金融中的现金流与情境图
文旅与金融结合的课堂案例，可以围绕酒店改造、季节经营与项目现金流展开。视觉思维能够把初始投入、营运收入、固定支出、维护支出和融资安排放在同一时间线上。AI可以帮助提取假设、生成情境表与计算草稿，计算工具负责执行。报告将此视为教育性建模方法，不对任何实际投资项目给出判断。
重要的是同时呈现收益与脆弱点。一个项目即使在平均情境下盈利，也可能因淡季现金不足而出现困难；一个短期收入很高的方案，也可能依赖不可持续折扣。情境图应明确基本、乐观和压力假设，避免只展示一条上升曲线。学生需要说明哪些变量来自资料，哪些是自己设定，以及变量之间是否相互独立。若把相关变量当成彼此独立，漂亮的情境结果仍可能失真。
对净现值、回收期等概念，先用现金流时间线帮助理解，再引入相应计算与限制。折现率、税费、融资结构和残值等假设会改变结果；不同指标回答的问题也不同。AI应给出可检查的参数表和公式，而不应以“综合分析认为可行”替代计算。学生最终提交的应是有假设、有敏感性、有反例的模型说明，而不是投资口号。
11.4
跨领域任务需要共同词典
酒店、营销和金融分别使用入住率、转化率、现金流、收入和利润等词语，跨领域团队若不统一定义，很容易把不同指标直接相连。建议在项目开始建立变量词典，记录名称、单位、时间粒度、统计口径和负责人。关系图中的每一个数量节点都引用词典编号，这样更新定义时能够检查所有相关图表，而不会只修正文中的某一处。
跨领域项目还需要分清描述、预测、决策与执行。描述显示过去，预测表达条件下的未来估计，决策比较目标与约束，执行改变现实状态。AI可以参与每一步，但权限和验证要求不同。把四者画成不同阶段，能使学生理解“系统给出了预测”与“机构可以采取行动”之间仍有一段需要人负责的过程。
最终答辩可以围绕三问展开：你们的图改变了哪个判断；这个判断依据什么；如果关键假设不成立，方案怎样调整。这样，行业案例不仅训练工具使用，也训练跨领域沟通和责任意识。视觉思维提供共同结构，专业知识决定结构是否站得住，AI则帮助降低表达与比较方案的成本。三者必须同时存在，才可能形成可靠应用。
| 观察或模型 | 可以回答 | 仍需补充 |
|---|---|---|
| 营销漏斗 | 各层定义下的转换 | 新增效果与成本 |
| 客群主题 | 资料中反复出现的需求 | 代表性与沉默需求 |
| 用户旅程 | 接触点与假设痛点 | 实际行为与严重程度 |
| 现金流情境 | 假设内的时间分布 | 参数证据与外部变化 |
| 敏感性图 | 输入变化怎样传递 | 结构错误与相关性 |
| 行动建议 | 候选与验证路径 | 授权资源与真实试验 |