賺錢的AI產品做對了什么?
在人工智能技術迅猛發展的今天,AI產品如何實現商業化并創造收入成為了業界關注的焦點。本文將深入探討那些成功AI產品背后的策略和實踐,分析它們如何從技術模型轉化為滿足市場需求的產品,并最終實現盈利。
提前AI產品賺錢,人們就興奮。
看組數據:剪映和CapCut,兩個軟件全球每月用戶超過8億。到2024年,賺錢增長了三倍多,總共差不多有一百億人民幣。
你可能會想,兩個軟件和AI關系不大吧?實際上,像智能補光、智能降噪等一鍵操作功能,背后都運用了最新的模型技術。
如果把這種融合AI能力的產品放一邊,那看看獨立產品。到9月,可靈AI每月用戶已經超過150萬;雖然沒有即夢的具體數據,但有市場分析師說,即夢價值是剪映的十倍。
我在刷抖音時,明顯感覺到AI小應用變多了,看起來字節跳動正在用新的方法,圍繞即夢這款產品,打造屬于AI時代的抖音。
但是,問題來了:大公司做AI產品,都能從零到一完成商業化閉環,賺錢效率很快;為什么其他做模型的公司卻很難賺到錢呢?這里有四個洞察,或許能幫你換個思路。
01
先思考一個問題:大型語言模型(LLM)和產品到底有什么區別?
簡單來說,它們像工具箱和家具。大型語言模型,像一個裝滿工具的工具箱,里面有錘子、螺絲刀、扳手等。
AI產品像家具,是為了特定的用途和需求設計的。比如:椅子是用來坐的,桌子是用來放東西的。家具直接解決了用戶的問題。
所以,大型模型是一個API接口,產品是用戶直接用的東西。沒有變成產品的大型模型,只是能力,這就是兩者差異所在。
那么,為什么大模型不能直接變成賺錢的產品呢?
第一點,大模型能干很多活,但產品價值在于解決具體問題。剪映通過智能補光、降噪這些功能,讓用戶操作起來更簡單,直接解決了拍視頻的人的煩惱;即夢和可靈AI則是針對搞創意內容的人,給他們提供好用的工具,變成了市場需求。
相比之下,如果單純提供一個工具箱,用戶要自己思考怎么用,那,商業化路徑就會被拉長。
第二點,單獨的模型要生態和資源支持。什么意思?
模型只能提供能力,但家具得嵌入到用戶的需求里,同樣,AI產品的商業化得靠生態系統的幫助。
剪映依靠抖音,把AI能力用在短視頻的制作、發布、分享上,用戶拍的東西可以直接導入剪映編輯,形成了從創作到分發的完整流程。
即夢結合了短視頻和直播電商場景,不僅讓創作者更高效地創作,還能在商業場景中直接變現,是不是有自己的生態閉環?
相比之下,獨立的大模型沒有這樣的生態網絡,光靠模型能力,就算接觸到了用戶,也難產生持續的商業價值。
第三點,商業化路子得清楚。
工具箱再好,用戶掏錢買它的欲望也沒產品強,因為產品能解決實際問題。所以,想掙錢的AI產品,一開始就得想好怎么賺錢。
文心一言4.0一上來就做會員制,讓付費用戶享受更強的模型推理能力;Monica搞了個集成AI助手的全能工具,滿足了一些人對各種模型的需求。
想想看,現在市面上工具太多了,單個模型性價比往往不高,有時候回答還不靠譜;集成平臺的好處是,如果一個模型不好用,我可以換另一個,這種靈活性本身就值錢。
用戶愿意為“選擇的自由”和“更高效的服務”掏錢,這讓Monica打出了特色。
反過來看,一些大模型公司在商業化上模模糊糊,還停留在“工具箱”階段。用戶不知道它能干啥,更不知道為啥要掏錢;這樣下去,商業化路子就拖長了,市場窗口期一過,就很難抓住用戶心了。
值得一提的是:大模型自己不懂用戶需求,產品才是貼近場景的東西。
就拿智能降噪來說,背后用了極為復雜的模型技術,用戶根本不會關心這些,他們在乎“功能好不好用”。若反過來看,這一能力恰巧為模型提供更多語料,如:提取清晰的人聲、場景聲和人生分離;這種技術反而會讓模型能力進一步提升。
因此,大模型本身不能作為一個完整產品,只有把模型賦能到產品中,才能在市場立足。
02
既然模型要做成產品,那得知道模型和AI產品的差異是什么?
前幾天,遇到了一個有趣的場景:我把Excel文件給了豆包,豆包立馬解釋里面的內容。然而,我在GitHub上下了一個模型后,把Excel給模型的API,它卻告訴我:不好意思,沒辦法讀取這個文件的內容。
我就納悶,這是為什么?帶著疑問去找答案,結果發現,豆包是挺大的模型產品,它后面有好多多模態的模型支持。
豆包拿到Excel文件后,會先把它轉換成模型能懂的XML格式,然后再把信息輸入模型里去做推理。這個過程是產品層面來完成的。
換句話說,大模型API是個接口,產品要在模型的基礎上,加上一整套工程化的轉換機制,讓模型能直接和用戶交流,這些限制是產品層面的,不是API自己的限制。
這就點明一個核心問題:
模型提供的是能力,而產品需要通過工程化,將這些能力變成用戶看得見、用得上的功能。既然如此,那么,大模型為什么無法直接調用內容,還得轉化一下呢?
一方面,一個請求里要來回調用很多次,模型可能在API內部被調用很多次,這種成本,API提供者扛不住。
一個常見例子是多輪對話:
用戶在對話中問:“我這張信用卡什么時候還錢?”模型得先找出這個人的ID,再去銀行的數據庫里查信息,然后才能返回結果。
要是沒有一套邏輯來控制,模型會因為信息不夠,一直問用戶,而不是直接去查;這就要產品這邊,用外部的邏輯(比如條件判斷和功能調用)來管每一步,保證用戶只輸入一次信息就能搞定。
通過這種邏輯控制,用戶不用了解模型的底層機制,也能在一個自然的交互中獲得結果。
另一方面,有時候模型也會出錯,比如:把好多數據混在一起分析,這種反復檢查的要求,通常做不到。
最常見的是處理PDF:?
你上傳一個很長的PDF文件給模型,想讓模型總結里面的東西,模型可能因為文件太長、內容太復雜,直接報錯,或者給你一些沒用的內容。
這時候,如果產品層沒有把PDF分成小塊,提取每段的重點,再整合起來,挑出關鍵信息,那它給你的是一堆聽起來對但沒啥用的話。
所以,大模型自己不太穩定,要想控制它,必須通過工程化的手段來實現;這是大語言模型、這是大語言模型、技術和產品之間的差距。
03
我覺得,產品經理應該關注模型到產品中間部分。
為啥這么說呢?
就像我之前說的,大模型像工具箱,是超級大腦。工程師和產品經理得給大腦配上五官、身體和四肢,這樣工具箱才能變成真正能幫用戶的家具。
所以,產品經理對AI產品好不好用特別重要。
如果一個AI產品只是腦子聰明,操作復雜,用戶可能就不會喜歡;反過來,如果操作簡單,但核心能力不行,也滿足不了用戶需求。
很明顯,要做好AI產品,不光要有好的大模型,還得有好的工程師和產品經理來幫忙。這個道理大家都懂,但具體怎么做呢?
俞軍有個公式叫:用戶價值 = 新體驗 – 舊體驗 – 替換成本。我覺得太理論??梢該Q個思路想:用戶為啥愿意為AI產品掏錢?
答案有三點:
- 提高效率,比如用它能更快完成任務;
- 提供方便,操作起來不復雜;
- 滿足個性化需求,根據具體情況提供定制方案。這樣用戶自然就愿意掏錢了。
這里有個經歷:前段時間,有朋友說,橙篇這款產品功能挺多,挺復雜,但有個功能讓他特別喜歡;要畫流程圖、折線圖、餅狀圖,橙篇都能搞定;他甚至為此開了會員。
我說,這些功能Kimi和豆包也能做啊,你怎么不用它們?他說,他不知道。你看,這就是問題。
就算Kimi和豆包有相同甚至更強的能力,但它們缺少一個核心要素:針對性和明確性。橙篇通過清晰的功能設計,滿足了用戶的需求,這種新體驗,用戶馬上就愿意掏錢。
所以,AI產品經理如何處理好模型和產品中間一環?
不妨換個思路想想,大模型適合用在哪些任務上,一個遺憾但幸運的事實是:現在大型語言模型(LLM)還不能做復雜的創造性活動,比如:批判性思維和深度頭腦風暴。
因此,我們應該讓模型多做些瑣碎、重復、無聊的非創造性任務,而不是用它們取代人類獨有的活動。
比如:總結可能被認為是創造性活動,不應該依賴LLM來做;而像搜索這種枯燥的活動,完全可以讓LLM來處理;所以,有些特定任務就得讓模型來干。
04
問題是,特定什么都包括哪些呢?我整理了一下,大模型擅長的活兒大概有這么幾類:
- 搜索和分類:簡單、重復性高的場景,比如找信息、分郵件或者給客服問題分類;
- 生成和預測:比如自動補全代碼、預測銷售趨勢;
- 還有交互類的,比如聊天助手、智能客服。
這些任務的共性:要模型幫忙提高效率,但不需要復雜的創造性思考,不過,不同的用戶對這些任務的需求也不一樣。
以普通消費者(ToC)搜索方面為例:
用Kimi Chat的人和用百度的人完全不一樣,再看看用秘塔AI搜索和知乎AI搜索的人,也是兩種不同的用戶。
秘塔AI,專門搜索法律文獻的軟件。用這個軟件的人,他們關心什么?是一些特別具體的法律信息。
再看看知乎,用知乎AI的人要找信源、觀點和思考。他們搜索東西時,想要的只是結果嗎?當然,結果是一部分,但還有一部分是過程性的東西,比如:AI能馬上列出20個信源,這些信源是必須的。
所以,很多人在設計收費模式時,并沒有具體考慮到用戶的選擇。他們會從很高的角度去想怎么設計一個通用的收費模式,比如:開會員。其實,沒必要這樣,因為現在已經沒有什么通用模式了。
通用模式挺難,如果在信源顯示上增加商業化手段,那會不會走出不一樣的路呢?留給他們思考。
再來看看ToB企業用戶:
企業用戶更希望模型能融入他們的日常工作,直接提高效率,優化業務流程。坦白說,我覺得從企業服務團隊的背景來看,主要有兩種:
第一種是傳統的企業服務團隊。這些團隊本來做的就是企業服務,現在想加上大模型的能力,跟上AI的潮流。他們發現,企業服務的核心沒變,思路、客戶和品牌還是按照傳統的企業服務模式來。
對他們來說,大模型只是新工具,能幫他們和傳統供應商競爭,還能有不同的評價和定價。
第二種是新興的AI公司。這些團隊通常用大模型的技術優勢,嘗試做企業生意,比如賣數字人、智能體這些新概念產品。
但問題是,這樣做很容易變成一次性買賣,用戶的信任是有限的,市場最終會理性,只愿意為實際價值買單。
所以,在企業服務這塊,模型不是傳統企業服務的分支,也不是簡單地把AI加到企業服務里,而是企業服務里多了一種新技術。這意味著,企業服務的核心能力還得有,模型只能是個增強工具。
現在,一些沒有企業服務能力的團隊,可以通過大模型方案接觸企業客戶,但長期看,他們得補上其他企業服務的能力,才能真正贏得市場??蛻糍I的不是模型,而是一個完整、強大的解決方案。
比如:一個SCRM軟件加上AI會怎么樣?一個SaaS加上AI會怎么樣?
我已經看到一些變化,比如有贊。他們已經把模型能力融入SaaS產品;消費者可以通過對話式界面(LUI)或命令式界面(CUI)直接提需求,系統就能提供相應的功能或執行任務。
AI還能幫企業完成更復雜的任務,比如整理庫存、優化客戶關系,甚至預測銷售趨勢。
這才是企業產品和大模型結合的真正意義,簡單講,把模型融入工作流,成為企業服務的一部分。畢竟,甲方客戶不買模型本身,他們買的是能直接提升業務價值的工具。
以上四點,關于大模型技術到產品化、產品到商業化,商業化到反哺業務,希望對你有啟發。
總結
模型和產品結合才值錢。
2024年底,大模型、多模態技術已經發展到一定階段,接下來是AI產品發力的時候,或許,誰能深耕特定場景和用戶需求,誰就能在市場立足,你覺得呢?
本文由人人都是產品經理作者【王智遠】,微信公眾號:【王智遠】,原創/授權 發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自Unsplash,基于 CC0 協議。
- 目前還沒評論,等你發揮!