👆点击 生财有术 > 点击右上角“···” > 设为星标🌟
怎么用ai日赚300万美元？
圈友@黄钊hanniman 用一年时间，总结了13个关于ai的商业认知，都是多年经验积累下来的私藏，教你在底层逻辑上打败同行——
aigc的核心指标，不是节省了多少人力，而是提高了多少“转化率”；
ai项目里边，其实只有5%是ai，其他都是业务梳理和场景工程；
ai产品设计的最后一公里，是由用户来完成的；
......
（本文略有删减，完整内容可移步知识星球）
明晚 7 点，生财实战派有一场@黄小刀 和@黄钊hanniman 的直播对谈，聊聊那 aigc 未来到底是什么样的？这期间我们可以做些什么？又有什么市场机会在哪？
感兴趣的朋友，记得点击下方卡片预约。
有11年ai、14年互联网经验，现“ai产品经理大本营”创建者，前腾讯pm，做垂直于ai产品经理的社群和自媒体，分别有6年和9年。
本文汇总了关于aigc商业化的13个非共识认知——
1. aigc的核心差异化指标，不是节省了多少时间/人力，而是提高了多少“转化率”。
2. 不是技术不够，而是缺乏深度的“行业know-how”。
4. 对于转化率的提升，虚拟人很可能会有“巨大”的增量空降。
5. 关于agent：目前主流的“单体智能”思路有隐患，可能的突破口是“多体智能”——类似复杂系统/鸟群，单个智能体可能很简单，但整体有非凡的智慧（ai agent 团队 >人类团队）。
6. ai产品方法论之“由用户来完成ai产品设计的最后一公里”。
7. 品类！——现在并没有到ai 2.0 的“iphone时刻”
8. “场景-用户-需求”之外，需要增加一个关键词，“关系”——定义了关系，其实就定义了约束条件和需求属性。
9. 使用ai时，要把ai当成人；设计ai时，要把人当成ai。
10. 未来ai企业，方向定位将不是按照to c/to b来划分，而是按照to 人/to ai 来划分。
11. ai商业模式，不是短期的——要么是打井模式，要么是毛毛虫模式。
12. 现阶段做ai，要对标的不是互联网，而是通信/it。
13. 未来真正的ai 2.0/元宇宙社交产品形态，核心差异化的点，不仅是人和ai社交，更在于“ai和ai交互、人去看（消费）这些ai产生的内容”——那不是“游戏”，而是“生活”。
某开发者做的avatarai，上线2天、收入1万美元。
这类产品，其实本质上都是“ai头像生成器”，提供的是个性化/炫耀价值，核心是“社交”两个字——虽然确实短期容易爆、吸金能力很强，但问题在于，这类产品都需要依附于某个成熟、强大的社交平台（类似qq秀生长于qq），才可能“长期”巨额盈利。
当然，如果能够赚一波流的钱，也挺不错的了；但总有人希望更能稳定、长期的赚“系统”的钱。
photoroom服务于二手电商卖家，去掉图片背景、并增加各种细分电商应用场景所需的背景和效果。
去年12月photoroom下载量4000万，月活mau 700万，每天处理的图片300多万张；基于订阅费9.99美金/人/月，其收入在2020年8月份就已突破了100万美金arr了，每个月的增长基本上都在 50%以上。
photoroom能有这成果，不仅是因为节省时间，还是因为能提高卖家的销售转化率——针对各个细分场景，提供具有专业设计感的照片，用户使用后，平均提高了 31%的转化率。
比如社交媒体（它还细分出了 twitter、instagram 等）、各种电商网站（具体再细分为 ebay、poshmark、depop、etsy、shopify 以及亚马逊等各种类型的电商平台）、网络小店、杂志风格（再继续一大堆细分）、直接具有销售文案的图片以及各类风格类型模版，各种模版超过了1000个。
不是技术不够，而是缺乏深度的“行业know-how”！
传统互联网的各种网络营销功能，也会通过优化标题、图片来提高转化率，但做不到真正的“千人千面”。
关键不是模型、算法、算力不够，而是因为真正要做到足够细分人群/场景的千人千面，需要对那个最细分领域具备深度know-how！
在8月25日的星球推送里，介绍过特看科技ceo乐乘的分享——
a）做了一个ai生成视频的系统，可以细分为脚本生成、画面生成、声音生成和组装编辑四个层面，对应视频的三个维度和故事线。
b）客户向我们表达需求，或者选择一个参考视频案例，我们给客户生成结构化的脚本、是有语义标签的一套协议，比如分镜一是一个人在讲文化，分镜二是凯发备用的产品展示，分镜三又是讲其他什么，类似给一条视频打码，再加上客户给的一些产品视频，或者我们生成的图片素材，以及数字人，就可以以脚本为依据去，一键组装出一条视频来。
c）我们的脚本，来自过往平台里已经爆了的爆款视频，微调之后生成我们自己的语料库，它爆款概率和人相比更有优势（10条里，跑爆的概率有两到三条）。
上述的核心关键词：复制爆款、公域引流、私域转化等等，这些直接指向的就是“转化率”！另一方面，里面有很多的细节，因为细节背后有认知，而且是能“从底通到天”的那种认知。
“情感”是比nlp更底层的东西，ai/机器人在（多模态）表达时，人“必然”会被动的有“情感体验”，这不是以人的意志为转移的。有情感亲密度后，转化率也更高。
“情感”很可能是未来ai真正的突破方向之一，一方面，“情商”本身是更稀缺的素养，另一方面，情感价值是用户侧更加普世、更容易被感知的价值。
比如，大众情商平均水平是60分、人性需求是至少75分，而chatgpt默认有70分的水准——这里就有60分—>70分之间的低枝果实可以摘取。
在医疗行业，医生们使用chatgpt以更富同情心的方式与患者进行沟通，85%的患者表示医生的同情心比等待时间或费用更重要。
虚拟人是文字、声音、图像（表情/动作）等多模态信息的集大成者，是最自然的情感沟通形式。
小冰ceo李笛提到过，几年前开始，他们和msn以及lawson做了大量实验，实验内容就是让ai being和人交流，最终目的是把商品准确地推送给人，同时让人能够更愿意接受消费的商品。“最终测试表明ai推荐的商品购买率达到68%，与绝大多数人类员工推荐的购买率差不多”。
要知道，互联网/移动互联网时代，常规的推荐系统或ai 1.0时代的人机交互系统，即使把推荐算法、nlp做到极致，购买率据说也没有超过20%——这里面有多么大的增量空间！这是很多做ai的人，之前没意识到的认知维度。
比虚拟人再进一步的本质形态，就是最近非常火的“agent”：
目前主流的“单体智能”思路会有隐患，可能的突破口是“多体智能”，类似复杂系统/鸟群——单个智能体可能很简单（不一定要超过单个人类），但整体有非凡的智慧（ai agent 团队 >人类团队）。
ai产品设计=ai 人工 用户——用户拿到产品后，还需要完成“个性化”的设置过程（主动 被动），补齐最后的5～10分。
这背后详细的认知思考，以及5个具体案例（4个to c、1个to b），详见这篇文章。
“新品类，往往意味着新指标、新标准（交互/os/硬件）以及新应用（杀手级）”，那新交互标准是什么？
v神的这句话，是比较精炼的：human describes, ai builds, human debugs。
过去互联网/移动互联网时代，典型的思考格式是“场景-用户-需求”
ai 2.0时代，需要增加一个关键词，“关系”。某个agent，在这个场景里，和用户（或者其他agent）之间，是什么关系？定义了关系，其实就定义了约束条件和需求属性。
使用ai时，要把ai当成人；设计ai时，要把人当成ai。
1）使用chatgpt时，初阶是当成“搜索/工具”来获取信息，更有价值的方式，是把她（ai）当成一个人，是为了“激发”自己的灵感。
你获得反馈信息的质量多高，其实是取决于自己输入的数据质量的（思路、提问能力和认知水平）
不要用搜索的惯性去认知和使用chatgpt/ai 2.0产品、不要简单的一问一答。
最好不是期望它直接给你答案、而是用交谈（我觉得对这个问题，balabala，你觉得如何？）
2）在设计“xxx chatgpt”类产品体验时，应该怎么去思考呢？
完全跳过目前的技术局限性，直接去回想/体会，自己平时工作/生活中，是怎么跟一个活生生的人在对话交互的。
比如，你在培养实习生（或者自己被培养）的时候，你是如何给ta说明需求、指出思路/原则，然后根据他的结果反馈，再去指导ta调整？
还包括，今后和自己身边的人对话时，可以让自己把他当成一个ai，去体会你们之间的对话过程，会自己冒出很多的feature思路和认知出来的。
3、“什么情况下用默认 gui，什么情况下用cui？”
高频、用户需求已经很明确、用app已经能够很好解决的需求，默认用app/gui；
ai是打深井式纵向挖掘，不管场景大小，ai需要从头到尾整合完才能创造价值。
比如做招聘的数字员工，如果不能把招聘全场景完全覆盖，就不创造超于正常员工的价值。
这是一条指数曲线，产品的价值在跨过某个阈值（拐点）才会一下子翻上去。而如果打井不出水，会渴死做对应产品的人。
ai项目的商业模式是不断跃迁变化的，而跃迁的基础其实是服务能力，不断抓住客户和潜在客户新的需求，往往上一代产品就是下一代产品的需求来源和敲门砖。
很多ai项目落地，本质就是管理咨询公司；所有的管理咨询都是从简单的事情入手，给客户解决了问题，客户体验很好，会自动提出新问题来。
ai圈知名创业者和思想家鲍捷博士的比喻，ai项目好比毛毛虫，小时候的商业模式是吃叶子，长大变成蝴蝶的商业模式是吸花蜜，虽然蝴蝶很美，但是要求毛毛虫去吃花蜜是不可能的。好的ai项目，是不断在不同商业模式的外在形态间跃迁的。
在模式上，把ai看成传统的通信/it行业，更容易让我们拨开迷雾、认清路径和边界。
通信行业人才，更容易具备服务能力和工程化能力，有软硬件集成、运营能力和大客户服务能力。实际场景中，各种限制条件，把学术论文天马行空的问题，变成了有大量明确前提的问题，这就是所谓工程化。
ai项目里边，其实只有5%是ai，其他都是业务梳理和场景工程。
ibm system/360这类大型机就是这么干的。那时候的大型机是一种复杂整合，从硬件到系统到应用。最终以一种方案的形式去解决大型机构的问题，比如银行、保险等。
在贵的领域完整整合新技术、创造此前没创造过的价值，然后再围绕着这个基点完善售前、产研、供应链、售后等各方面，这就构建了起点上的商业模式。
分析起来就用五力模型。一定不能用平台模式。所以前面才提到ibm system 360。
ai潜力的关键在于其背后的技术具有共通性。当累积到一定量之后，就具有变成系统型超级应用的机会。微软当年给ibm配套的时候，其实就是供应链的一环，等到windows平台化之后，产业中心就转移。pc厂商被边缘化，大型机没落。
1、未来ai企业方向定位将按照to 人/to ai 来划分
早期，2b的公司只提供工具，不用那么考虑最终2c产品的体验。
后来（5～8年前），我们给客户公司提供ai凯发备用的解决方案时，不仅需要考虑产品体验设计问题，甚至由于太超前了，所以需要引领客户（该怎么做），弊端就是，10家头部公司里面，可能只有1-2家认可你的非共识。
这里面背后原因，可能是经没有人可以hold整个端到端的落地打通，或者没办法把各种能力足够打散、原子化。
现象上，从需求侧来说，2b/2c的融合已经有所苗头。比如，我个人非常需要rpa llm的功能。
未来可能是，llm提供基座能力、中间层提供原子能力、用户完成最后一公里（按需、自己攒一个“趁手”的工具）。
机器和机器交互所需要的数据格式标准（比如3d相关）、存储和传输等等基础设施，以及应用层面的很多东西， 都是非常非常有价值和商业前景的。
7月26日“ai日报”里，分享过投资人王煜全老师的观点：
a）这一轮生成式ai的真正机会本就不是aigc，而是于人工智能生成服务aigs。
b）需要突破大模型平台的能力边界，利用ai技术提供个性化、高端化、持续化、普惠化的创新型服务，才能真正打赢ai闪电战。
未来真正的ai 2.0/元宇宙社交产品形态，是怎样的？
我的非共识认知是：核心差异化的点，不仅是人和ai社交，更在于“ai和ai交互、人去看（消费）这些ai产生的内容”，类似电影《失控玩家》里男主角在虚拟游戏世界里逛——本质来说，并不是在“努力/精神紧张”的玩游戏，而是在放松的过一种虚拟生活。
我很早在社群里分享过的「小冰岛」app（来自小冰公司），其实是有苗头和机会的；可惜，由于一些不方便公开说的原因，可能继续做下去的机会不大了。
另外，我至少6年前就分享过，真正的“ai原住民”，至少是“10后”——至少等他们成年之后，才是to c方向ai产品真正爆发的timing。
作者 | 黄钊hanniman | 编辑 | 爱丽丝家的胖兔子
如果你还想要了解更多关于此类项目的信息，或许可以看看我们整理的这28篇chatgpt 小红书提效的教程。
生财有术圈友可直接扫码查看完整合集内容，如果你还没加入生财有术，可以添加鱼丸微信，领取一张3天体验卡后免费查看（每人仅限领取一次）。
读完若有收获，欢迎点赞、转发分享和在看，感谢😊
以上为文章部分内容，完整分享请在付费加入生财有术社群后查看。如果你还不了解生财有术，可以添加鱼丸微信，免费体验3天：
原创文章，作者：生财有术的朋友们，如若转载，请注明出处：https://www.shengcaiyoushu.com/archives/15811
