钛媒体创始人赵何娟:公司大多死于习惯,而不是死于欲望


(钛媒体创始人、CEO赵何娟)


2012年的今天,钛媒体创始人赵何娟的身份还只是“知名调查记者”,而五年后的2017年12月,钛媒体即将迎来五周岁生日。


采访过无数企业巨头和创业者的赵何娟,花了五年时间亲历“白手起家”的过程。五年后,她对“白手起家”有着怎样的全新理解?创办并经营一家五年的公司,她有哪些成功心得?


10月19日,网易“闻学社沙龙”第三期以《媒体人创业,如何成为黑马?》为主题,邀请了钛媒体创始人、CEO赵何娟,有马体育创始人龚晓跃,高樟资本创始人、CEO范卫锋,知名媒体人、专栏作家、编剧刘原,网易传媒副总编辑、本地事业部总经理章丰进行交流分享。


沙龙上,赵何娟分享了自己五年来的创业经历与思考。



01



媒体人创业是很难出黑马的


当谈及“媒体人如何成为创业黑马”时,赵何娟表示,媒体人创业其实是非常难出黑马的,因为媒体行业和其它技术性很强的领域不同,不会有突如其来的颠覆性技术或者大潮流出现。


这不是说媒体行业中难以产生一夜走红的爆款,而是说内容产业的属性更倾向于细水长流。一方面,对于内容创业者而言,出一篇10万+、100万+的作品并不能代表什么,真正考验创业者的是有没有持续打造爆款的能力。另一方面,即使具备了持续创作能力,能不能将其变成组织化运作能力又是创业者必须面临的一道坎。


麻雀虽小五脏俱全,一项事物能变成组织就必须得有五脏,而不是只有心脏,媒体人创业也不是只会写字就行,赵何娟的创业经历就印证了这一点。钛媒体成立之初时她并没有用“创业”一词,只是和别人说“我自己搭了个小网站,你看看?”,每天想的是怎么把内容做好、今天发了几篇稿,也没有融资意识。但当组织不断发展时,找到具有完整闭环的商业模式就显得愈发重要。因此,她认为,所有自媒体在向机构转型时都要解决两个问题:组织化和规模化。


02



创业这件事情不分是不是媒体人


“创业这件事情其实不分你是媒体人或者不是媒体人,只要创业,你就得满足许多基本条件。媒体人只不过是原来的一份职业,原来的职业里可能有积累的能力和资源,但不会因此不需要那些基本条件。”那么,赵何娟认为的“基本条件”有哪些?


1.强目标感:所有的公司不是死于欲望,而是死于习惯


大到解决门类问题,小到解决商业痛点,强目标感就是要明确方向。每做一件事、每做一个决策,如果目标不够清晰,整个团队都将是无头苍蝇。


很多人在工作中会有“好像我们习惯这么做”的想法,然后不假思索、不想目的就去做。但是所有的公司都不是死于欲望,而是死于习惯。如果做一件事情是无目标的,仅仅因为习惯去做可能反而有害无益。 


2.强执行力:创业最终是在拼团队执行力


创业的关键不在于惊天动地的想法,而在于如何将想法落实。赵何娟说,曾经的自己总觉得世界上最伟大的事是创造Idea,但后来却发现,没有执行力的Idea只能是空想,创业最终拼的还是团队执行力。

创业不是一个人的事情,即便很多人会觉得创始人才是公司的灵魂,是带动公司前进的关键,但实际上更重要的是创始人能否带出一支执行力强的团队。一个团队的执行力包括目标分解、落实能力和效率。即使拥有同样的资源、同样的钱,因为执行力不同,每个团队最后做出的结果也大有不同。


3.强愿力:你是所有人的后背,你不能倒下


成功的创业者即使能力只有七分、八分,愿力却可能会有十二分。愿力是一定要把某件事情做成的决心,是一条路走到黑的勇气,如果愿力弱一点的,有困难时就很容易产生“要不算了吧”、“要不再晚两个月”等想法。


赵何娟表示,既然设定了一个目标,就说明目标本身一定是经过了深思熟虑的,是具备可完成性的。“创业,你就是公司里最后的那个人,最后的那个人意味着你后面没有人了,你是所有人的后背,所有人都能倒下,你不能倒下。你要有能扛能熬的意念。” 


赵何娟说,她坚定地认为既然选择了创业就一定要做到底,在融不到资的时候,她曾经用信用卡给员工发工资,甚至还悄悄给别人做翻译。她还举例说,两年前一个合伙人问她如果公司没有一分钱了,所有人都走光了,该怎么办?“我们想来想去觉得我们还有一支笔,还有一点技能,大不了就是撸起袖子自己干嘛,这就是创业。”

03


女性创业者的职场关键词:不矫情、不拧巴


作为女性,赵何娟表示自己在职场中向来没有男女性别之分的概念,她的合伙人从来就不把她当女人看,甚至比当男人还要男人。


对于经常被人们提及的职场性别歧视问题,她的看法是:“在职场上不矫情、不拧巴的女人永远不会有人把你当女人看。真正特别在乎性别这件事情的人,往往是真的有‘公主病’”。


赵何娟表示,她在创业中对自己和他人的要求都很严格。“你写出来的文章,要么角度比别人强、要么深度比别人强、要么素材比别人强,总归要有更强的。如果你哪个方面都不比别人强,这个稿子你就不要发,这个事情你就不要做。”这一方面看来很辛苦,但同时又很“幸福”,因为这会推动个人做更多努力,从而变得更强。

04


无论原来有多少光环,创业都不会因此变容易


“我以前做记者写某某某白手起家时,感觉这四个字好简单,自己创业五年,才感觉‘白手起家’四个字好沉甸甸啊。”赵何娟说,按照她以前的理解,一个公司的前三年可以叫创业公司,超过三年就不该算是了,但现在她依然觉得自己在经营一家创业公司。


五年的创业经历给一个媒体人带来了哪些变化?赵何娟表示,原来的自己只会想内容,比如怎样才能做一篇轰动全国的报道,怎样才能在历史上留下自己的脚印之类。想得很大,也喜欢说大词。而创业后的自己则低到了尘埃里,每天都在想很多细碎的事情。“每做一件事情我都要去想如何形成商业闭环,都要想用户要是不喜欢了怎么办,每做一件事情就会去想一下能带给我多少用户,会去计算数字,这是原来根本不会想的”。


“其实如果我不创业,也可以好好地做个白富美,我们家也不缺钱,我还可以找一份很好的工作。但创业就是,自己选择了做这件事,不管怎么样,只要还有一滴血就要坚持到最后,这是创业的残酷之处,也是美好之处。”


总之,不管媒体人的身份曾带给一个人多少光环,创业都不会因此变得容易,但无论缺少了过去的哪一点,他们都不会成为现在的自己。

点击图片即可阅读

更多精彩推荐

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 、2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、资 5源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、 5资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值