99精品国产在热久久,国产亚洲日韩欧美另类第八页

搜索

APP

起點課堂會員權(quán)益

職業(yè)體系課特權(quán)

線下行業(yè)大會特權(quán)

個人IP打造特權(quán)

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導直播

12場專業(yè)技能直播

會員專屬社群

榮耀標識

發(fā)布

注冊 | 登錄

如何用AI重做B端產(chǎn)品（附3個案例與3個方法論）？

產(chǎn)品方法論集散地

2024-02-19

4 評論 13751 瀏覽 200 收藏

29 分鐘

隨著AI的發(fā)展，產(chǎn)品的應用思路逐漸被打開。本文將就“如何運用AI重做B端產(chǎn)品”展開探討，作者結(jié)合相關(guān)案例進行分析，希望對你有所幫助。

“如何用AI重做B端產(chǎn)品？這是筆者近期的一點思考與實踐，期望對你有啟發(fā)?！?/p>

2023年ChatGPT的橫空出世，讓所有人為之一振，有人興奮（新/大機會到來），有人恐懼（被替代/被拋棄）。

2023年大模型賽道成為了最火熱的賽道，一年之內(nèi)推出N個大模型，它成為了繼移動互聯(lián)網(wǎng)和云服務(wù)之后，又一個萬眾創(chuàng)業(yè)的賽道。

作為一名產(chǎn)品人，且不說趨之若鶩，也得小試牛刀。

大模型離你我太遠，AI平臺玩不懂，那就聚焦自身工作進行思考（正所謂：貼地飛行，聚焦附近），適才有了這篇文章。

本文主要回答一個問題：如何運用AI重做B端產(chǎn)品？

回答此問題之前，我先拋出幾個相關(guān)觀點：

第一，大模型是屬于大廠的機會，中小企業(yè)的最佳姿態(tài)，應聚焦所在行業(yè)的AI應用。

除了技術(shù)、資源、資金等原因外，還有一個關(guān)鍵原因是通用AI目前的局限性。即它無人類常識，無法真正理解；無人類本能的抽象與類比能力。

如果聚焦某個行業(yè)或場景，則可彌補這些能力，這在歷史上已被反復驗證成功過。

比如1996年IBM的Deep Blue（深藍）聚焦國際象棋，成功戰(zhàn)勝了國際象棋的世界冠軍；
2011年IBM的沃森，聚焦智力問答，參加美國娛樂節(jié)目-《危險邊緣》，成功戰(zhàn)勝了兩位當時的人類冠軍，獲得百萬獎金；
2016年谷歌的AlphaGo，聚焦圍棋，與當時世界冠軍李世石一戰(zhàn)，最終4:1大比分獲勝。

第二，AI是只是工具，是解決方案，而不是需求本身。所以AI的運用一定是基于需求出發(fā)，而不能為了AI而AI。

比如專注于智能繪圖的Midjourney，它可以做你的設(shè)計師，但需求起點是你所面臨的問題；
比如專注于智能圖表的ChatExcel，它可以幫你處理、分析你的Excel表，但你需明確你所面臨的問題；
比如專注于智能PPT的ChatPPT，它可以幫你生成、調(diào)整PPT，但需求本身也是你所面臨的問題；
比如專注于智能視頻的Pixverse，它可以幫你編輯、處理視頻，但需求起點依然是你；
等等

第三，所有現(xiàn)有產(chǎn)品，都值得用AI重做一遍。相對AI+（即用AI做一個新產(chǎn)品），可能+AI（即基于現(xiàn)有產(chǎn)品，重新用AI能力賦能）是更有效運用AI的路徑。

一、起點：需求是1，方案是0

你現(xiàn)在所面臨的問題是什么？它是你運用AI的起點。

筆者是負責一款HR SaaS產(chǎn)品，面臨最大的四個問題是：

問題一：客訴問題多，嚴重影響產(chǎn)研效率。平均每天少則5-10個客訴問題，遇到月初高峰期的幾天，每天15-25個客訴問題。

每年大概產(chǎn)生1761個客訴問題，需要1.2個人（且此人必須是對系統(tǒng)邏輯、業(yè)務(wù)非常熟悉的T6及以上的高級技術(shù)人才）全職投入，才能解決完客訴問題。
數(shù)據(jù)統(tǒng)計自2022.9.8日至2024.01.05日（共484天，約1.32年），累計產(chǎn)生2336條客訴問題，產(chǎn)研共計花費了2399小時（以8小時/日計算，約等于300人日）解決。
上述客訴問題，僅統(tǒng)計透傳至產(chǎn)研側(cè)需解決的問題，不包含已被客服、客戶成功初篩所解決的問題量；

問題二：產(chǎn)品功能多，系統(tǒng)邏輯規(guī)則復雜。同一個系統(tǒng)，至今已迭代8年之久，即使只計算某個模塊（即考勤業(yè)務(wù)）的功能點，至少也是200+，對應的核心功能的產(chǎn)品規(guī)則復雜度，已經(jīng)遠超一般人所能理解。

以筆者入職3個月時，所參與的其中一個加班相關(guān)項目為例（它只是一個大版本5個項目中的其中一個，它是需求與項目最小閉環(huán)化拆解的結(jié)果），涉及數(shù)十個場景（2種加班來源+3種班次類型+3個加班位置+2種加班模式+3種加班日期類型+4種加班時長規(guī)則+2種打卡方式），需求文檔共寫了55581字。

問題三：需求數(shù)量大，且呈現(xiàn)長尾效應，產(chǎn)研資源難以匹配。過去1年大概解決了860+個需求，現(xiàn)在待解決需求還有4000+，其中同類需求的最大重復率也就是20（即同一個需求有20家客戶提），其占比不超總需求的5%，剩余95%的需求，全是有1~2家客戶所提。

問題四：產(chǎn)品功能同質(zhì)化嚴重，無法與競對形成差異。筆者所從事的賽道，對應有不少競對，大家在客群選擇、產(chǎn)品理念、定價、營銷上有所差異，產(chǎn)品能力上卻趨同，難以形成差異化競爭。

這四個問題是SaaS產(chǎn)品比較常見的問題，哪些是可以用AI賦能解決的？

基于目前對AI的認知，對自身所負責產(chǎn)品的認知，結(jié)合相關(guān)領(lǐng)路人（如周鴻祎、傅盛、快刀青衣、白鴉等）的分享與啟發(fā)，筆者推斷：除了問題三之外，其他三個問題，均可通過AI得到有效解決。

問題三可通過商業(yè)模式設(shè)計、戰(zhàn)略選擇以及產(chǎn)品設(shè)計進行解決，此文按下不表，后續(xù)單獨分享。本文主要關(guān)注AI可賦能解決的三個問題

二、所有產(chǎn)品都值得用AI重做一遍

為什么這么說？關(guān)鍵在于它讓產(chǎn)品的交互方式，發(fā)生了革命性的變化。

PC互聯(lián)網(wǎng)時代的產(chǎn)品，都是基于網(wǎng)頁+鼠標點擊的交互方式設(shè)計。比如用戶要購物，需要找到對應網(wǎng)站的對應下單功能，并用鼠標完成確認；

移動互聯(lián)網(wǎng)時代的產(chǎn)品，都是基于手機+APP+手指觸摸的交互方式設(shè)計。比如用戶購物則需下載對應App，并用手指觸摸確認購物指令；

AI時代的產(chǎn)品，則是基于多模態(tài)的自然語言的交互方式設(shè)計。它就像2D到3D一樣，不再只是依賴單純鼠標或手指的輸入，而是可以采取不同的形態(tài)（如語音、視頻、圖片、文字、動作，甚至是眼球變化、模擬神經(jīng)元信息等），完成人與系統(tǒng)的交互。

所以我們可以考慮用這種新的交互方式，重做一遍之前用鼠標或手指觸摸交互所做的所有產(chǎn)品。

案例1：用AI重做智能客服系統(tǒng)

智能客服功能是SaaS產(chǎn)品的標配，主要是提供自助式服務(wù)，幫助客戶解決對產(chǎn)品規(guī)則與邏輯的疑問，以及遇到問題自助解決一部分（即解決問題一跟問題二）。

實際過程中，卻遇到兩個阻礙：

阻礙1：以前的智能客服屬于決策式AI產(chǎn)品，只能實現(xiàn)根據(jù)【關(guān)鍵字】匹配，而一般內(nèi)部錄入問題的人的語言體系，與客戶語言體系差異較大，導致匹配度比較低，客戶體驗不佳。
阻礙2：客戶遇到問題，覺得自助服務(wù)不可信，直接聯(lián)系人工客服，都是免費服務(wù)，后者顯然更高效。

GPT4發(fā)布后，其對問題與內(nèi)容的學習能力與“理解”能力，發(fā)生了質(zhì)的變化，所以就可以用AI重新做一遍【智能客服】功能。

關(guān)鍵是兩個方面的工作：充足的“養(yǎng)料”、重新定義智能客服產(chǎn)品。

第一，人工梳理足夠的“養(yǎng)料”，最好拆分為足夠顆粒度的問答模式，提供給AI進行學習。它就相當于是聚焦自身系統(tǒng)，讓AI具備足夠的“常識”與“理解能力”。

筆者累積的“養(yǎng)料”主要來源于四個方面：

聊天記錄：原智能客服的聊天記錄中，清洗出比較有代表性的對話片段，轉(zhuǎn)換成問答模式錄入到知識庫；
客服知識庫：客服團隊日常與客戶溝通過程中，形成的知識庫（大概4萬多個問題）；
產(chǎn)品文檔：將現(xiàn)有產(chǎn)品文檔的顆粒度進行拆解為AI更容易理解的問題（此處主要是因企業(yè)當前的AI能力所限，市面上成熟產(chǎn)品已可實現(xiàn)各種文檔的學習），
客訴問題：產(chǎn)研團隊當前的客訴問題，將其中屬于【客戶操作問題】與【客戶信息查詢】兩類（占比69.8%），將其總結(jié)、抽象、分拆為一個一個獨立的問題，每1-2周錄入一次，持續(xù)喂養(yǎng)，預計至少可總結(jié)出1萬+問題；

特別說明：這是一個長期持續(xù)的過程，只有“養(yǎng)料”足夠，以及AI能力的迭代，才能讓智能客服達到接近于人的能力。

筆者第一階段的目標，是期望通過3-6個月的累積，至少解決現(xiàn)有【客戶操作類問題】與【客戶查詢類問題】的50%（即可減少整體產(chǎn)研客訴問題的35%）。

另一方面是通過重新定義智能客服產(chǎn)品，分階段達成目標。

第一階段：智能AI能力，轉(zhuǎn)向優(yōu)先服務(wù)內(nèi)部角色，釋放產(chǎn)研能力。直到“養(yǎng)料”與AI能力達到一定階段后，再進入第二階段。

具體操作是：

產(chǎn)品用戶：由直接面向客戶改由面向客服、客戶成功、實施、銷售角色，輔助他們完成對客戶的服務(wù)；
產(chǎn)品形態(tài)：保留現(xiàn)有智能客服形態(tài)的基礎(chǔ)之上，在現(xiàn)有問題工單流程上，新增一個【AI問答能力】。但底層的知識庫，必須保持這二者是同一個庫，避免重復構(gòu)建；
產(chǎn)品流程：由產(chǎn)品經(jīng)理、測試等角色，基于現(xiàn)有客訴問題、日常咨詢問題分模塊逐步解決（前期聚焦問題占比最多的模塊，如加班18.01%、假期18.26%），持續(xù)總結(jié)、抽象問題，并1-2周反復對AI進行“喂養(yǎng)”；
時間周期：預計持續(xù)3-6個月

第二階段：開始將重心轉(zhuǎn)移至直接面向客戶，同時提升智能客服的價值與調(diào)整產(chǎn)品設(shè)計輔助。

具體操作是：

產(chǎn)品用戶：同時面向客戶（重要）與內(nèi)部服務(wù)者
產(chǎn)品價值：除了現(xiàn)有產(chǎn)品規(guī)則、邏輯與問題外，新增另一個維度的“養(yǎng)料”（即行業(yè)知識（包含法律法規(guī)）），提升智能客服對客戶的價值；
產(chǎn)品形態(tài)：保持AI穩(wěn)定模式不變。但需將現(xiàn)在直接可以轉(zhuǎn)【人工客服】的產(chǎn)品設(shè)計，改成必須先問問題，并回答后，如不滿意才能轉(zhuǎn)人工；
產(chǎn)品流程：保持系統(tǒng)產(chǎn)品規(guī)則“喂養(yǎng)”的同時，新增行業(yè)維度的“養(yǎng)料”，并重點優(yōu)化與客戶聊天過程的關(guān)鍵片段，進行針對性的優(yōu)化；
產(chǎn)品周期：預計持續(xù)至少6個月

最后一個階段：完全轉(zhuǎn)型為面向所有人的智能客服產(chǎn)品，包含客戶、客服、實施、銷售、客戶成功。

最終目標是：智能AI客服可以解答客戶的50%以上的問題，降低客服30%工作量，同時降低產(chǎn)研客訴問題的60%以上。

案例2：用AI重做現(xiàn)有產(chǎn)品之有贊

有贊創(chuàng)始人白鴉在2024年產(chǎn)品發(fā)布會上，發(fā)布了最新的【智能運營系統(tǒng)】，其中分享背景時說：

他們共有7個系統(tǒng)，20000多個功能，菜單數(shù)已達上百個，如果按25人日/功能，3000元/人日，那過去11年他們對系統(tǒng)研發(fā)的投入將超過30億。

可是，如此多的功能，如此多的菜單入口，實際用戶使用的有多少？又有多少好用功能被埋沒？

所以，他們2023年下半年開始全部All in AI，只要超過2個工作日的功能，一定要經(jīng)過他的授權(quán)，否則不允許再開發(fā)，由他親自下場帶領(lǐng)團隊用AI改造現(xiàn)有產(chǎn)品。

舉個例子。

該例子來源于其產(chǎn)品發(fā)布會，感興趣的同學，可前往【有贊說】視頻號看直播（比我寫的精彩多了，哈哈哈）

它的產(chǎn)品形態(tài)是智能助手式為主，并將現(xiàn)有產(chǎn)品功能進行碎片化拆分，與智能助手結(jié)合，形成一體化AI產(chǎn)品的解決方案。

這是本文的重點，筆者當時看到這種產(chǎn)品形態(tài)時，深受啟發(fā)，感覺它可能就是目前用AI重做產(chǎn)品的最佳產(chǎn)品形態(tài)的切入點。

原因有三：

從產(chǎn)品定位來說，它就像當初的百度/谷歌一樣，一個簡單的超級入口，可面向所有客戶，就像一個魔法師一樣，既能解決客戶的客訴問題，又可以解決業(yè)務(wù)操作問題。同時，從產(chǎn)品迭代方向看，后續(xù)只需繼續(xù)疊加更多能力、場景即可；
從用戶/客戶來說，可以形成“有問題，找助手”用戶認知，而不用去記憶/翻找功能入口，也不用去記憶規(guī)則；
從技術(shù)能力來說，目前自然語言能力下的AI，已經(jīng)相對成熟。尤其是在限定場景之下。

它是一個從【數(shù)據(jù)】（銷售額）到【建議與行動】（如發(fā)優(yōu)惠券），再到【執(zhí)行任務(wù)】（修改優(yōu)惠券并自動發(fā)放），最后到【反饋數(shù)據(jù)】（如優(yōu)惠券使用情況）的場景閉環(huán)。

從有贊產(chǎn)品首頁，點擊【智能小助手】即可進入(如下圖）：

你可輸入“近幾天銷售額怎么樣？”，AI自動生成一個銷售額的趨勢報表，還可直接點擊查看【經(jīng)營分析建議】

基于經(jīng)營分析建議，你可直接采取行動：發(fā)放優(yōu)惠券、提高首單轉(zhuǎn)化率。（采取自然語言輸入或點擊均可實現(xiàn)目的）

如何用AI重做B端產(chǎn)品（附3個案例與3個方法論）？

當你選擇【發(fā)放優(yōu)惠券】時，則AI會生成一個優(yōu)惠券的【待確認】任務(wù)，你可進行修改或發(fā)放。

如何用AI重做B端產(chǎn)品（附3個案例與3個方法論）？

當你確認時，可以通過自然語言輸入即可（如可以，繼續(xù)執(zhí)行）

如何用AI重做B端產(chǎn)品（附3個案例與3個方法論）？

最后會有一個獨立且清晰的界面，讓你最終完成確認發(fā)放優(yōu)惠券。同時，發(fā)放結(jié)束后，還可直接通過自然語言的方式，在AI界面實現(xiàn)優(yōu)惠券使用情況，完成這個場景的閉環(huán)。

如何用AI重做B端產(chǎn)品（附3個案例與3個方法論）？

案例2：用AI重做現(xiàn)有產(chǎn)品之考勤

考勤是筆者負責的一款HR SaaS產(chǎn)品的其中一個子系統(tǒng)，該產(chǎn)品已迭代8年+，功能點200+（預估投入已超上億元），功能之多，產(chǎn)品邏輯之復雜，不遑多讓。

如何用AI重做一遍考勤系統(tǒng)呢？

智能客服相對是獨立系統(tǒng)，不存在過多業(yè)務(wù)邏輯，所以重做時，產(chǎn)品形態(tài)、產(chǎn)品定位、產(chǎn)品路徑均相對清晰，所以直接重做即可。

如果重做現(xiàn)有產(chǎn)品（它是一體化的完整產(chǎn)品，它是集合了所有業(yè)務(wù)的產(chǎn)品）時，則需思考以下問題：

它與智能客服系統(tǒng)、現(xiàn)有產(chǎn)品的關(guān)聯(lián)是什么？它是一個新系統(tǒng)嗎？
它要采取什么樣的產(chǎn)品形態(tài)？
它的產(chǎn)品定位是什么？
它的產(chǎn)品路徑如何設(shè)計與規(guī)劃？
選擇什么樣的切入點進行重做？

首先，它不是一個新系統(tǒng)，只是一種新交互方式，一個新的超級入口。否則我們就不叫用AI重做現(xiàn)有產(chǎn)品。

第二，產(chǎn)品形態(tài)。它的終局是一種基于多模態(tài)和自然語義交互的智能體（即專用的AI Agent）。但初始產(chǎn)品形態(tài)可以是【以單一模態(tài)（即文本）和自然語言為主，結(jié)合碎片化/場景化業(yè)務(wù)能力的智能體】，外在表現(xiàn)為一個【聊天】+【執(zhí)行任務(wù)】的小助手。

所謂多模態(tài)：就像一維的直線、二維的平面、三維的立體一樣，也是在多個維度進行升維。比如文本、語音、圖片、視頻、文件，甚至是肢體動作、微表情、觸覺、味覺、嗅覺等多維能力的疊加；

所謂自然語義交互：就像與人溝通一樣，可通過語言描述、語義分析、上下文情境、肢體動作、表情等的表達，讓對方100%理解你的意圖；

所謂智能體（AI Agent）：它是基于普通AI與通用生成AI之間的一種AI，它主要是可以識別與分析任務(wù)、拆解任務(wù)、執(zhí)行任務(wù)等，表現(xiàn)為一個“小助手”的角色。

比如訂機票/酒店的智能體，你可以像跟你的助理一樣，跟它進行溝通，它可以識別你的自然語言信息，并與你反復溝通、確認，最終幫你實現(xiàn)訂機票的任務(wù)。

或比如案例2所演示的過程，也是一個單一模態(tài)的智能體。

第三，產(chǎn)品定位。它不是新系統(tǒng)，那它的產(chǎn)品定位前期可以是現(xiàn)有系統(tǒng)的“助手”，目標是成為“接班人”。

所以，對于用戶而言，它與智能客服系統(tǒng)、其他子系統(tǒng)（如招聘、績效、培訓、薪資、社保等）是一個產(chǎn)品，也是同一個入口。

它與現(xiàn)有不同子系統(tǒng)的關(guān)系是共存與輔助關(guān)系，但不排除長遠的將來，最終直接替代的可能性。

第四，產(chǎn)品路徑。產(chǎn)品形態(tài)、產(chǎn)品定位確認的情況下，探索最佳產(chǎn)品路徑時，則可【以終為始，全局思考；以始至終，最小閉環(huán)】和【小切口，大縱深】的方法論，全面梳理產(chǎn)品場景，確認關(guān)鍵場景后，選擇最小閉環(huán)的切口進行切入，最終實現(xiàn)全局的大縱深。

具體流程是：

第一，從關(guān)鍵用戶的視角，梳理完整用戶旅程圖。

此環(huán)節(jié)有兩個關(guān)鍵點：

明確你的產(chǎn)品的關(guān)鍵用戶（如HRBP/店長/班組長等）與關(guān)鍵客戶（如老板/HRD等），并確認你當前所想服務(wù)的角色；
盡量換成用戶視角去梳理與繪制。

第二，全面梳理與拆解場景，并確認關(guān)鍵場景與關(guān)鍵功能優(yōu)先級。

基本邏輯是：橫軸是【場景】，縱軸是【功能維度】。此處為方便，直接采用Excel表方式，但邏輯是一致的。

根據(jù)對關(guān)鍵角色的場景判斷，可形成以下優(yōu)先級：

P0：排班、調(diào)班、加班
P1：假期（限年假）、報表
P2：工作臺、考勤確認、補貼、扣款、外出/出差
P3：假期（非年假）、打卡

一期可聚焦P0場景，按場景頻次（越高頻越優(yōu)先）、通用性（越通用越好）、AI復雜度（越低成本實現(xiàn)越優(yōu)先）、用戶價值（越大越優(yōu)先）四個維度，至少再分拆2-3層子場景/功能的優(yōu)先級。

比如排班場景。第一級可按流程進行子場景進行拆分，第二級再按子場景中的不同功能進行拆分（如下圖）。

比如加班場景。將其進行二級拆分后的優(yōu)先級（如下圖）

第三，明確【最小閉環(huán)】的【小切口】，形成版本落地規(guī)劃。

最后，根據(jù)客戶反饋與上述場景，不斷縱深，不斷演化即可。

總結(jié)

第一，所有產(chǎn)品都值得用AI重做一遍（B端產(chǎn)品也不例外），但一定遵循【需求是1，方案是0】的方法論。

需求成立，方案才有價值。需求的核心是，定義清楚所需解決的問題；方案的核心是，定義清楚產(chǎn)品形態(tài)、產(chǎn)品定位與產(chǎn)品路徑。

第二，可采取【以終為始，全面梳理；以始為終，最小閉環(huán)】和【小切口，大縱深】的方法論，進行AI產(chǎn)品的產(chǎn)品形態(tài)、產(chǎn)品定位與產(chǎn)品路徑的定義；

第三，產(chǎn)品形態(tài)。B端產(chǎn)品應用AI的終極產(chǎn)品形態(tài)，一種基于多模態(tài)和自然語義交互的智能體（即專用的AI Agent）。但當前的最佳切入點是【以單一模態(tài)（即文本）和自然語言為主，結(jié)合碎片化/場景化業(yè)務(wù)能力的智能體】。外在表現(xiàn)為一個【聊天】+【執(zhí)行任務(wù)】的小助手。

第四，產(chǎn)品定位。它不是新系統(tǒng)，卻是一種新型入口，也是一個超級入口。采用新型交互方式，重新設(shè)計現(xiàn)有所有產(chǎn)品的入口。它與現(xiàn)有產(chǎn)品的關(guān)系，前期是“助手”，后期是“接班人”。

最后，AI應用的關(guān)鍵在于“養(yǎng)料”與時間周期，它是一個長期工程，別期望一蹴而就。前期它可能并不如你所預料的那么神奇，也不能解決你所面臨的所有問題，但只要花足夠的時間和耐心去儲備足夠的“養(yǎng)料”，也需花時間去與它一起進化，最終可能會形成一個新物種。