23年，以OpenAI領頭的大模型賽道風靡一時，一時間國內、國際諸多玩家紛紛入場。巨頭們主要以底層能力入手開始卷，做自己的大模型，而在廣袤的應用層，人人都有機會做自己的大模型應用。于是起心動念，開始在閑時研究相關內容。 說來簡單，實際促使我實際開始動手去做的，還有一個關鍵的信念/觀點——場景閉環(huán)是成敗關鍵。 隨著OpenAI開放了GPTS，網上出現一個段子說“每個人都在做自己的GPTs，同時沒有人愿意用別人的GPTs”，除了用戶自制的對話應用的確良莠不齊的因素外，我認為還有一個關鍵因素是，清一色基于聊天界面的應用很難打造品牌爆款，背后的原因是簡單的聊天頁面無法完整閉環(huán)場景。 比如常見的AI創(chuàng)作小紅書文案的場景，通過優(yōu)化后的prompt的確可以讓AI在給定的語境下生成一段看似符合小紅書常見帖子的文案，但如果想專業(yè)運營好一個小紅書賬號，你還會面臨：
而以上這些問題，都是你在一個與AI的聊天框中無法解決的。這也是為何GPT3.5面世時各路媒體紛紛報道世界變了，但一年多后的今天，你可能覺得世界變化似乎并沒有那么大的原因。 聊天框+插件在一定程度上強化了AI能處理的場景，比如搜索引擎在可預見的將來就一定會被取代，因為AI在閱讀、搜索、歸納信息的效率上是人所不能比的。 但同時，缺少細分行業(yè)的業(yè)務流程邏輯，也意味著單一的對話應用必然無法在各個領域都取得良好表現，反而是那些已經在垂類領域有認知積累的玩家，有機會在此技術革命中取得更好的口碑，比如AI+數據庫查詢，AI+客戶管理系統(tǒng)，AI大批量面試，AI優(yōu)化在線文檔，都是有商業(yè)價值且能切實提高效率的場景。
圖為阿里云AI+數據庫管理的應用，意味著不會sql的同學也可以按需查詢所需數據 言歸正傳，決定去做后，便開始考慮要做的定位與場景。 一、市場細分與定位做大模型市場的定位時，細分市場的第一刀是2c&2b。 在2b的企業(yè)服務側，大模型存在的形態(tài)，或是與原有場景深度結合，或是基于會話能力創(chuàng)造出了新的可行產品。比如營銷獲客領域，一鍵生成的內容與批量發(fā)布形成了新型的內容平臺管理，由人生產內容更新為機器生產內容，讓矩陣運營流量平臺賬號的成本更低，效率更高（當然，流量平臺后續(xù)一定會對此相應進行監(jiān)管）；
已經落地的案例中也可以看到，大模型能力必須與使用場景深度結合才能更好地發(fā)光發(fā)熱，單純具有生成小紅書文案的能力不足以支撐一個完整的產品，但如果可以批量管理數千個小紅書賬號內容的自動生成與數據管理，這才是合格的商業(yè)化產品。 相比2c，2b市場更要求完整產品交付，也對應需要更高的啟動成本，所以這部分市場我沒有考慮。接下來，我們再看下2c的市場。2c的市場太大了，我們的目的是找到潛在的切入點，如果機械按照“社交、電商、游戲、內容…”等領域去做細分無疑是很呆的，對我們的目標也沒有任何建樹。所以我這里僅僅基于做平臺/做場景粗粗分類。 第一塊2c的市場是做大模型底層建設。這是大廠們的首選，無論是基于品牌、商業(yè)競爭、企業(yè)價值等角度，國內企業(yè)一定要有自己的大模型，并基于自己的大模型搭建平臺。典型如百度的文心一言，字節(jié)的coze（豆包/cici），第一步是訓練屬于自己的大模型，第二步是基于自研大模型做平臺發(fā)展GPTs。 第二塊市場屬于各種細分場景，將大模型的開放能力包裝一下，形成自己的應用。 最直白的的做法是把會話、畫畫等能力接入進來，以別人的能力做自己的品牌，如果你在微信小程序搜AI，可以看到不少這樣的應用——因為某些限制，只是簡單把國外的能力拿過來，其實也是有較大需求市場的。 另一種更專業(yè)的做法則是專注于某種場景提供服務，比如KIMI，早期定位于“快速閱讀整理資料”的場景，把文章發(fā)過去后即會快速閱讀給出總結，隨著擴展的需要，目前又拓展了網絡搜索、超長上下文的能力，去承載更多應用。 細分后，我的目標也就基本框定在了“2c市場中的細分場景”這一部分。最終產品初步定位為小程序精品GPTs的市場，同時在產品架構上支持原始GPT能力與數個內置的場景化GPTs，這樣選的原因包括：
1.0版本中，我選擇了“起名”的場景。大模型的語義理解與內容生成能力很適合做一個發(fā)散性的起名助手，且相比直接用通用對話AI起名，獨立的小程序意味著可以增加“起到滿意名字的添加備選”“分享我的備選列表給家人”“管理家庭備選列表及投票”“查看備選名字重復率”等延伸訴求。且起名雖然極其低頻，但在國內廣大的基數下，依然有可觀的市場。 二、版本、定價與增長由于是個人項目，我沒有打算貼錢做用戶量，要做就從第一天開始自負盈虧（當然，基礎的時間、工具投入還是要的，我預了大概出去玩一趟的機票錢來做這件事）。 大模型選型上，我使用了GPT3.5，因為4.0的價格實在太貴了（而國內大模型仍處于追趕階段，效果較差）…3.5的定價是輸入0.0005刀/1000tokens，輸出0.0015刀/1000tokens；而4的定價則是輸入0.01刀/1000tokens，輸出0.03刀/1000tokens。 不要以為這個價格很便宜，隨著用戶與AI聊天的記錄增多，每次對話時AI都會將之前的對話記錄閱讀一遍，看似AI只回復了幾十個字，但其實已經消耗了幾千tokens。按照用戶每次對話消耗2000輸入tokens+1000輸出tokens的量來預估，AI每次回復會消耗2000/1000*0.0005+1000/1000*0.0015=0.0025刀，約人民幣2分錢，于是初步定價4.9元/15次起名機會，相比傳統(tǒng)人工起名的收費顯得很良心，我也有一定空間來做免費體驗等轉化功能。 1.0版本的搭建大概用了半個多月時間（使用低代碼工具自己搭建的，不需要寫代碼且效率更高），上線了基礎的起名、收藏起名記錄、付費、看廣告獲得免費次數的功能，算是實現了基礎的閉環(huán)。目前主要的增長渠道還是小紅書的推廣，通過內容引流，去獲得免費流量，上線一個月也做到了幾百月活，獲得了一部分付費與廣告收入。 中間微調過兩次策略，第一次是發(fā)現用戶付費率很低，進一步去看數據，發(fā)現幾乎每個進來的用戶都會去對話起名，但大部分用戶用完贈送的聊天次數后沒有進一步的轉化動作，考慮場景足夠剛需，于是下調了贈送的體驗次數；第二次是發(fā)現一位用戶在兩天內看了170條廣告（來獲取免費次數），于是下調了看廣告贈送的次數且增加了最大免費次數。 至此，一階段的場景驗證已經基本完成，驗證了在細分場景下的確有做一些輕應用的空間。下階段則要進一步驗證增長與收入模型，目前的推廣手段還比較單一，依賴公域平臺的內容流量，下個階段希望則通過拓展場景，去獲得口碑或裂變式增長。 三、小結下筆寫來簡單，實操過程中實則有很多細節(jié)，要花費心力去優(yōu)化解決，比如如何申請openai的API，如何代理API，如何將AI起的名字存入表中等等。本篇重點在過程中的思路而不在實操，因此刻意忽視了執(zhí)行的落地細節(jié)。 總體來說，現階段大模型的能力足夠支撐我們做一些創(chuàng)新產品，如果場景的確可以為用戶/企業(yè)帶來實打實的價值，也可以帶來一定的商業(yè)回報。當然，還是那句話，創(chuàng)業(yè)有風險，所以如果你希望做自己的項目，還是建議在閑暇時間兼職做，不要一頭莽進創(chuàng)業(yè)者隊伍。在實際投入時間精力之前，也可以通過AI聊天產品做一些基本的驗證，確保這個場景的確有價值，再考慮產品化。 本文由 @紫兆 原創(chuàng)發(fā)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 該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。 |
