• 时间:
  • 分类: AI创业
  • 标签: None
  • 阅读(410)
  • 👍推荐(0)
  • 评论(0)

在过去的 30 年里，我们经历了 4 个互联网演进的阶段：00 年代初期的 web 网络、04 年后的社交媒体、06-09 年的移动互联网以及 10 年代初的共享经济。随着 AI 热度的增加，很多并无所谓 “AI-基因“ 的产品也带上了 AI 的帽子开始为自己增加价值。然而，在产品创造中如何利用和把握 AI，Rows 电子表格的增长负责人给出了从“找场景-想方案-定价格”的 Gen-AI 产品创业三部曲。

Rows 作为一个典型的 PLG （产品驱动增长）产品， AI 被其作为促进增长的一种产品手段。如何找到 AI 与产品的契合点从而帮助产品更好的获取用户以及占领市场，创始人提出了以下的 3 个矩阵。

矩阵 1：解决什么问题

“我应该应用人工智能来解决什么问题”？这是我们很多人在过去几个月问自己的问题。不是所有的问题都适合用 AI 解决， 有以下特征的问题会更适合：
1. 易于验证：不需要太多人为判断来评估解决问题的质量，可以快速评估其准确性，比如使用 AI 编写 SQL 查询来解决特定的工作就是个适合的场景。一个不太好的例子是，要求 AI 写一篇关于 17 世纪荷兰经济的文章。除非你是该领域的专家，不然很难确定论文的准确性。
2. 迭代成本低：AI 输出的结果可以快速迭代。例如， AI 非常适合总结亚马逊商品的评价，我们可以在其中快速修改提示——比如要求将总结呈现变成要点呈现。一个不太好的例子是，让 AI 作为旅行社，要求它对比不同平台飞往夏威夷的机票价格并完成购买，一旦判断错误， 成本太高。
06142153-2023-10-06T06:21:52.png

低迭代成本是 ChatGPT 的界面如此受欢迎的原因之一。聊天界面鼓励我们与人工智能迭代交互，用户可以很轻松的丢弃低质量的输出并引导对话转向有用的内容。因此，只要 AI 能够快速迭代到 50% 的正确率，用户可以在这种便捷的输出下接受 50% 的错误率。

矩阵 2：完成 AI 解决方案的分类

现在我们每天都可以接收到大量 AI 产品的新讯息，是否有可行性？有多大的市场空间？在海量的信息中我们并不容易直接得到。Rows 提出了对 AI 解决方案分类的四象限方法：
06142202-2023-10-06T06:22:01.png

1. 横坐标：作为什么存在

（1）AI 构建产品（AI-Native）：

  • AI 是产品创造背后的驱动力。没有人工智能，就不能独立存在的产品，比如ChatGPT。

（2）AI 改进产品：

  • 产品可以独立存在，而 AI 改进了现有产品的核心用法。这就是包括 Rows 大多数产品的玩法。移动互联网时代的人们在旧场景中玩新游戏。

2. 纵坐标：如何构成解决方案

（1）大模型套壳：

  • 这种方式被称为“所见即所得”（ What You See Is What AI Gets ）。该解决方案本质上是对于大模型的直接套用。输入通常为用户输入和附加上下文，用户看到的输出就是模型的输出。
  • 这是最常见的人工智能解决方案类型。在 AI 构建产品中， AI 头像生成就属于这种类型。在 AI 改进产品中，比如 Canva Magic Eraser、Notion AI、或 Rows 中的 OpenAI 集成，都属于这种解决方案。

（2）增强模型：

  • AI 模型的输出经过进一步处理、分析和计算，为用户提供独特的东西。
  • ChatGPT 的 Wolfgram 插件就是一个很好的例子。用户可以问一些需要数学计算的问题， Wolfgram 会结合 ChatGPT 及其自身的智能模型来为用户提供答案。
  • 这也是 Rows 的其中一个产品——AI Analyst背后的方法。用户可以发送表格的元数据（例如表头、字号），并使用 AI 构建基本分析模型，描述需要研究的问题、表格公式等。模型会获取该输入并进行更正、计算、转换、格式化并将其传送到用户的表格中。

矩阵 3：AI 定价方法

在产品开发过程中，良好的商业化方法是产品可持续发展的必要条件。有非常多种商业化方法，比如将 AI 产品与免费服务绑定，作为一个付费组件进行购买、亦或是单独作为付费产品进行购买。

稻盛和夫曾说，“定价就是定生死”，产品决策定价后，会对业务产生非常大的影响。Rows 的 AI Analyst 是免费使用的，发布后的 2 个月内，带来了超过 40 万的新用户，使用这个功能的大多数人，认为这个免费 AI 电子表格可以与 Excel 的效果相媲美，也愿意分享产品给他人，由此引发了病毒式传播。

Rows 的创始人基于利润的考虑，选择了成本定价法。由于当前大多数 AI 解决方案都涉及对第三方模型的 API 调用，因此 API 的调用成本可以帮助我们更好的判断应该如何收费。我们可以将调用成本以及 AI 解决方案的定价视为两个因素的组合：

  • 使用频率：用户在每个计费周期（例如每月）使用 AI 解决方案的次数。
  • 使用成本：每人每次使用的成本。
    06142244-2023-10-06T06:22:43.png

随着使用频率和使用成本的增加，产品成本也会增加，免费使用可能就意味着亏损。对于 Rows 的两个 AI 产品：

  • AI Analyst：位于刻度的左下角。该功能的深度用户每周可以通过分析几十张表格，并提出几十个问题来获得很多价值，但几乎没有人需要太频繁的使用这个功能。因此这个功能的的使用深度相对较小。
  • OpenAI 集成：位于右上角。用户可能会很频繁的用这个功能，比如每周标记数百个客户票证、翻译客户评论或生成数百个关键字创意。再加上 OpenAI 的严格速率限制，Rows 不太可能免费提供 OpenAI 集成的能力。

还有另外一个视角， Ian Clark 有超过十年帮助软件和互联网公司实现其产品盈利的经验，他提出售卖价格应该与成本无关，与用户的支付意愿才相关。公司应该保持对用户的持续关注以评估其支付意愿的变化，只要找到了认可产品价值的用户，就可以通过盈利策略的设置，让每个人都能支付合理的价格。

在这个视角下，相应的定价方法也有很多，例如“ Van Westendorp ”定价模型（荷兰经济学家 Peter van Westerndorp 在 1976 年引入的一种帮助确定消费者价格偏好的技术）。我们可以询问顾客你的产品的合理或便宜的价格是什么，以及昂贵和过高的价格是什么。通过从每个顾客那里得到的多个数据点，可以估算出整个客户群的需求曲线。

以上两个视角是基于利润和收入规模两个目标的不同做法，创始人也应该根据公司的不同状态、用户类型、以及公司目标综合考虑定价方式。