|
这是小赵哥的第132篇文章，今天聊下AI时代的商业项目筛选问题。
下午和一位CTO朋友聊了3个多小时，话题主要围绕人工智能时代商业项目的筛选，简单做个记录。 个人习惯是优选自己能看清需求的项目，看到什么程度叫“看清”呢？ 当可以用一句话讲清楚一个项目的基本逻辑时，就差不多了。即“用什么产品或服务，以什么价格解决哪类客户的什么问题”。具体到执行层面，大概是以下标准： 1.自己是不是客户？或者能不能找到客户，请客户用一句话讲清楚产品或服务对他的作用。客户如果不能用一句话讲清楚其购买的理由，那说明产品没能打到客户的核心需求。好的产品和服务应该能够直击客户核心需求！而能提供好产品或好服务的项目，失败概率比较低。所以优选自己能作为客户体验的项目，这是我从TOB改做TOC的原因之一。找到客户真正想解决的问题，这是看清需求的基础条件。 现实中，很多项目针对的需求是伪需求，判断真需求和伪需求的标准有两个。一是逻辑是否符合常识，二是客户是否愿意付钱。不符合这两个标准,一律PASS! 需要特别注意的是，客户和用户是有区别的，付钱的才是客户，不付钱的只是用户，用户是产品的一部分。这是免费产品的一个核心逻辑，以openai为例，3.5版本的chatgpt是免费的，使用3.5的人不是真正的客户，而是协助openai优化模型的用户，只有付费4.0的用户才是客户。 2.知道客户在哪里？再好的产品也要触达客户才行，所谓流量为王就是找到客户。知道客户在哪里，后续的营销路径才能有针对性。跑到小红书上推广帕金森康复仪器，营销效果肯定大打折扣，因为小红书的用户偏年轻化。要到有鱼的地方去钓鱼！ 3.市场上现有的产品和服务什么价格？能否给客户一个确定性的交付标准？ 以chatgpt4.0为例，每月20美元。如果我是个做大模型的公司，我的客户和chatgpt4.0的客户完全重叠，我凭什么能比chatgpt4.0的定价更高？如果我在性能上比不过chatgpt4.0，比chatgpt4.0定价更低是否可行？客户会因为低价就买我吗？如果可行，该低多少？定价是一个复杂的决策过程，下午没有展开。但大致由几个因素综合决定，一个是市场行情，一个是差异化，还有就是产品成本。成本决定下限，差异化决定上限，市场行情做参考。 确定性的交付标准决定了客户需求是否能够被满足，和客户定位，推广话述直接挂钩。这个问题在知识付费行业非常普遍，有些产品的定位明明是基础技能培训，但非要往提供情绪价值上靠。商业上靠调动客户情绪促成交易无可厚非，但如果交付标准和产品定位不匹配，结果就会破坏客户信任感，实际是透支商业价值，涸泽而渔。 4.产品端所需的资源和成本？ 以KIMI为例，搞大模型需要找到一群行业顶尖的人才，还需要至少上亿美元的资金才能启动。成本主要由人力成本和算力成本构成，市场推广成本占比很小。现阶段大模型是纯烧钱，老大openai也不知道何时能盈利？但盈利的条件应该非常清楚。产品端汇总为一句话就是需要找哪些人？做哪些事？花多少钱？毛利多少？盈利条件？ 5.风险因素有哪些？自己能否承受？前面四个步骤都看清楚了，最后一步就是看风险了。涉及刑法风险的项目一律剔除，财务风险，时间成本都可以接受的话，就可以干了。 以上是项目选择的基本步骤，无论传统时代还是AI时代，都可以遵循以上步骤来选择项目，但AI时代也出现了一些不同。 一是昨天文章中提到的，项目的成本端开始由人力成本向算力成本演变，最终会变成能源成本占主导。所以kimi的口号是“寻求将能源转变为智能的最优解”，这句口号反映了第一性原理。 但整个演变周期会很长，现阶段应该是正处于从人力成本向算力成本演变的开始，中小公司如果还秉持细分场景下人力资源的成本优势，在大模型能力覆盖的范围内大概率会被直接碾死，毕竟算力成本只会越来越低。 市场上现在流行套壳也是基于这个逻辑，专心搞流量，涉及产品功能的范畴，只调用大模型，不研发，AI培训的逻辑也是一样。 二是AI时代知道AI能干什么很重要，但更重要的是知道AI不能干什么。AI能干的事情，市场竞争会很快卷到算力层面，最终变成所有人替云服务商打工，AI不能干或者AI干不好的事情是寻找长期不变因素的关键。 |
|
|
