当前位置:首页|资讯|ChatGPT

如何用AI重做B端产品(附3个案例与3个方法论)?

作者:人人都是产品经理发布时间:2024-02-19

原标题:如何用AI重做B端产品(附3个案例与3个方法论)?

随着AI的发展,产品的应用思路逐渐被打开。本文将就“如何运用AI重做B端产品”展开探讨,作者结合相关案例进行分析,希望对你有所帮助。

如何用AI重做B端产品?这是笔者近期的一点思考与实践,期望对你有启发。”

2023年ChatGPT的横空出世,让所有人为之一振,有人兴奋(新/大机会到来),有人恐惧(被替代/被抛弃)。

2023年大模型赛道成为了最火热的赛道,一年之内推出N个大模型,它成为了继移动互联网和云服务之后,又一个万众创业的赛道。

作为一名产品人,且不说趋之若鹜,也得小试牛刀。

大模型离你我太远,AI平台玩不懂,那就聚焦自身工作进行思考(正所谓:贴地飞行,聚焦附近),适才有了这篇文章。

本文主要回答一个问题:如何运用AI重做B端产品?

回答此问题之前,我先抛出几个相关观点:

第一,大模型是属于大厂的机会,中小企业的最佳姿态,应聚焦所在行业的AI应用

除了技术、资源、资金等原因外,还有一个关键原因是通用AI目前的局限性。即它无人类常识,无法真正理解;无人类本能的抽象与类比能力。

如果聚焦某个行业或场景,则可弥补这些能力,这在历史上已被反复验证成功过。

  • 比如1996年IBM的Deep Blue(深蓝)聚焦国际象棋,成功战胜了国际象棋的世界冠军;
  • 2011年IBM的沃森,聚焦智力问答,参加美国娱乐节目-《危险边缘》,成功战胜了两位当时的人类冠军,获得百万奖金;
  • 2016年谷歌的AlphaGo,聚焦围棋,与当时世界冠军李世石一战,最终4:1大比分获胜。

第二,AI是只是工具,是解决方案,而不是需求本身。所以AI的运用一定是基于需求出发,而不能为了AI而AI。

  • 比如专注于智能绘图的Midjourney,它可以做你的设计师,但需求起点是你所面临的问题;
  • 比如专注于智能图表的ChatExcel,它可以帮你处理、分析你的Excel表,但你需明确你所面临的问题;
  • 比如专注于智能PPT的ChatPPT,它可以帮你生成、调整PPT,但需求本身也是你所面临的问题;
  • 比如专注于智能视频的Pixverse,它可以帮你编辑、处理视频,但需求起点依然是你;
  • 等等

第三,所有现有产品,都值得用AI重做一遍。相对AI+(即用AI做一个新产品),可能+AI(即基于现有产品,重新用AI能力赋能)是更有效运用AI的路径。

一、起点:需求是1,方案是0

你现在所面临的问题是什么?它是你运用AI的起点。

笔者是负责一款HR SaaS产品,面临最大的四个问题是:

问题一:客诉问题多,严重影响产研效率。平均每天少则5-10个客诉问题,遇到月初高峰期的几天,每天15-25个客诉问题。

  • 每年大概产生1761个客诉问题,需要1.2个人(且此人必须是对系统逻辑、业务非常熟悉的T6及以上的高级技术人才)全职投入,才能解决完客诉问题。
  • 数据统计自2022.9.8日至2024.01.05日(共484天,约1.32年),累计产生2336条客诉问题,产研共计花费了2399小时(以8小时/日计算,约等于300人日)解决。
  • 上述客诉问题,仅统计透传至产研侧需解决的问题,不包含已被客服、客户成功初筛所解决的问题量;

问题二:产品功能多,系统逻辑规则复杂。同一个系统,至今已迭代8年之久,即使只计算某个模块(即考勤业务)的功能点,至少也是200+,对应的核心功能的产品规则复杂度,已经远超一般人所能理解。

以笔者入职3个月时,所参与的其中一个加班相关项目为例(它只是一个大版本5个项目中的其中一个,它是需求与项目最小闭环化拆解的结果),涉及数十个场景(2种加班来源+3种班次类型+3个加班位置+2种加班模式+3种加班日期类型+4种加班时长规则+2种打卡方式),需求文档共写了55581字。

问题三:需求数量大,且呈现长尾效应,产研资源难以匹配。过去1年大概解决了860+个需求,现在待解决需求还有4000+,其中同类需求的最大重复率也就是20(即同一个需求有20家客户提),其占比不超总需求的5%,剩余95%的需求,全是有1~2家客户所提。

问题四:产品功能同质化严重,无法与竞对形成差异。笔者所从事的赛道,对应有不少竞对,大家在客群选择、产品理念、定价、营销上有所差异,产品能力上却趋同,难以形成差异化竞争。

这四个问题是SaaS产品比较常见的问题,哪些是可以用AI赋能解决的?

基于目前对AI的认知,对自身所负责产品的认知,结合相关领路人(如周鸿祎、傅盛、快刀青衣、白鸦等)的分享与启发,笔者推断:除了问题三之外,其他三个问题,均可通过AI得到有效解决。

问题三可通过商业模式设计、战略选择以及产品设计进行解决,此文按下不表,后续单独分享。本文主要关注AI可赋能解决的三个问题

二、所有产品都值得用AI重做一遍

为什么这么说?关键在于它让产品的交互方式,发生了革命性的变化。

PC互联网时代的产品,都是基于网页+鼠标点击的交互方式设计。比如用户要购物,需要找到对应网站的对应下单功能,并用鼠标完成确认;

移动互联网时代的产品,都是基于手机+APP+手指触摸的交互方式设计。比如用户购物则需下载对应App,并用手指触摸确认购物指令;

AI时代的产品,则是基于多模态的自然语言的交互方式设计。它就像2D到3D一样,不再只是依赖单纯鼠标或手指的输入,而是可以采取不同的形态(如语音、视频、图片、文字、动作,甚至是眼球变化、模拟神经元信息等),完成人与系统的交互。

所以我们可以考虑用这种新的交互方式,重做一遍之前用鼠标或手指触摸交互所做的所有产品。

案例1:用AI重做智能客服系统

智能客服功能是SaaS产品的标配,主要是提供自助式服务,帮助客户解决对产品规则与逻辑的疑问,以及遇到问题自助解决一部分(即解决问题一跟问题二)。

实际过程中,却遇到两个阻碍:

  1. 阻碍1:以前的智能客服属于决策式AI产品,只能实现根据【关键字】匹配,而一般内部录入问题的人的语言体系,与客户语言体系差异较大,导致匹配度比较低,客户体验不佳。
  2. 阻碍2:客户遇到问题,觉得自助服务不可信,直接联系人工客服,都是免费服务,后者显然更高效。

GPT4发布后,其对问题与内容的学习能力与“理解”能力,发生了质的变化,所以就可以用AI重新做一遍【智能客服】功能。

关键是两个方面的工作:充足的“养料”、重新定义智能客服产品。

第一,人工梳理足够的“养料”,最好拆分为足够颗粒度的问答模式,提供给AI进行学习。它就相当于是聚焦自身系统,让AI具备足够的“常识”与“理解能力”。

笔者累积的“养料”主要来源于四个方面:

  1. 聊天记录:原智能客服的聊天记录中,清洗出比较有代表性的对话片段,转换成问答模式录入到知识库;
  2. 客服知识库:客服团队日常与客户沟通过程中,形成的知识库(大概4万多个问题);
  3. 产品文档:将现有产品文档的颗粒度进行拆解为AI更容易理解的问题(此处主要是因企业当前的AI能力所限,市面上成熟产品已可实现各种文档的学习),
  4. 客诉问题:产研团队当前的客诉问题,将其中属于【客户操作问题】与【客户信息查询】两类(占比69.8%),将其总结、抽象、分拆为一个一个独立的问题,每1-2周录入一次,持续喂养,预计至少可总结出1万+问题;

特别说明:这是一个长期持续的过程,只有“养料”足够,以及AI能力的迭代,才能让智能客服达到接近于人的能力。

笔者第一阶段的目标,是期望通过3-6个月的累积,至少解决现有【客户操作类问题】与【客户查询类问题】的50%(即可减少整体产研客诉问题的35%)。

另一方面是通过重新定义智能客服产品,分阶段达成目标。

第一阶段:智能AI能力,转向优先服务内部角色,释放产研能力。直到“养料”与AI能力达到一定阶段后,再进入第二阶段。

具体操作是:

  • 产品用户:由直接面向客户改由面向客服、客户成功、实施、销售角色,辅助他们完成对客户的服务;
  • 产品形态:保留现有智能客服形态的基础之上,在现有问题工单流程上,新增一个【AI问答能力】。但底层的知识库,必须保持这二者是同一个库,避免重复构建;
  • 产品流程:由产品经理、测试等角色,基于现有客诉问题、日常咨询问题分模块逐步解决(前期聚焦问题占比最多的模块,如加班18.01%、假期18.26%),持续总结、抽象问题,并1-2周反复对AI进行“喂养”;
  • 时间周期:预计持续3-6个月

第二阶段:开始将重心转移至直接面向客户,同时提升智能客服的价值与调整产品设计辅助。

具体操作是:

  • 产品用户:同时面向客户(重要)与内部服务者
  • 产品价值:除了现有产品规则、逻辑与问题外,新增另一个维度的“养料”(即行业知识(包含法律法规)),提升智能客服对客户的价值;
  • 产品形态:保持AI稳定模式不变。但需将现在直接可以转【人工客服】的产品设计,改成必须先问问题,并回答后,如不满意才能转人工;
  • 产品流程:保持系统产品规则“喂养”的同时,新增行业维度的“养料”,并重点优化与客户聊天过程的关键片段,进行针对性的优化;
  • 产品周期:预计持续至少6个月

最后一个阶段:完全转型为面向所有人的智能客服产品,包含客户、客服、实施、销售、客户成功。

最终目标是:智能AI客服可以解答客户的50%以上的问题,降低客服30%工作量,同时降低产研客诉问题的60%以上。

案例2:用AI重做现有产品之有赞

有赞创始人白鸦在2024年产品发布会上,发布了最新的【智能运营系统】,其中分享背景时说:

他们共有7个系统,20000多个功能,菜单数已达上百个,如果按25人日/功能,3000元/人日,那过去11年他们对系统研发的投入将超过30亿。

可是,如此多的功能,如此多的菜单入口,实际用户使用的有多少?又有多少好用功能被埋没?

所以,他们2023年下半年开始全部All in AI,只要超过2个工作日的功能,一定要经过他的授权,否则不允许再开发,由他亲自下场带领团队用AI改造现有产品。

举个例子。

该例子来源于其产品发布会,感兴趣的同学,可前往【有赞说】视频号看直播(比我写的精彩多了,哈哈哈)

它的产品形态是智能助手式为主,并将现有产品功能进行碎片化拆分,与智能助手结合,形成一体化AI产品的解决方案。

这是本文的重点,笔者当时看到这种产品形态时,深受启发,感觉它可能就是目前用AI重做产品的最佳产品形态的切入点。

原因有三:

  1. 从产品定位来说,它就像当初的百度/谷歌一样,一个简单的超级入口,可面向所有客户,就像一个魔法师一样,既能解决客户的客诉问题,又可以解决业务操作问题。同时,从产品迭代方向看,后续只需继续叠加更多能力、场景即可;
  2. 从用户/客户来说,可以形成“有问题,找助手”用户认知,而不用去记忆/翻找功能入口,也不用去记忆规则;
  3. 从技术能力来说,目前自然语言能力下的AI,已经相对成熟。尤其是在限定场景之下。

它是一个从【数据】(销售额)到【建议与行动】(如发优惠券),再到【执行任务】(修改优惠券并自动发放),最后到【反馈数据】(如优惠券使用情况)的场景闭环。

从有赞产品首页,点击【智能小助手】即可进入(如下图):

你可输入“近几天销售额怎么样?”,AI自动生成一个销售额的趋势报表,还可直接点击查看【经营分析建议】

基于经营分析建议,你可直接采取行动:发放优惠券、提高首单转化率。(采取自然语言输入或点击均可实现目的)

当你选择【发放优惠券】时,则AI会生成一个优惠券的【待确认】任务,你可进行修改或发放。

当你确认时,可以通过自然语言输入即可(如可以,继续执行)

最后会有一个独立且清晰的界面,让你最终完成确认发放优惠券。同时,发放结束后,还可直接通过自然语言的方式,在AI界面实现优惠券使用情况,完成这个场景的闭环。

案例2:用AI重做现有产品之考勤

考勤是笔者负责的一款HR SaaS产品的其中一个子系统,该产品已迭代8年+,功能点200+(预估投入已超上亿元),功能之多,产品逻辑之复杂,不遑多让。

如何用AI重做一遍考勤系统呢?

智能客服相对是独立系统,不存在过多业务逻辑,所以重做时,产品形态、产品定位、产品路径均相对清晰,所以直接重做即可。

如果重做现有产品(它是一体化的完整产品,它是集合了所有业务的产品)时,则需思考以下问题:

  • 它与智能客服系统、现有产品的关联是什么?它是一个新系统吗?
  • 它要采取什么样的产品形态?
  • 它的产品定位是什么?
  • 它的产品路径如何设计与规划?
  • 选择什么样的切入点进行重做?

首先,它不是一个新系统,只是一种新交互方式,一个新的超级入口。否则我们就不叫用AI重做现有产品。

第二,产品形态。它的终局是一种基于多模态和自然语义交互的智能体(即专用的AI Agent)。但初始产品形态可以是【以单一模态(即文本)和自然语言为主,结合碎片化/场景化业务能力的智能体】,外在表现为一个【聊天】+【执行任务】的小助手。

所谓多模态:就像一维的直线、二维的平面、三维的立体一样,也是在多个维度进行升维。比如文本、语音、图片、视频、文件,甚至是肢体动作、微表情、触觉、味觉、嗅觉等多维能力的叠加;

所谓自然语义交互:就像与人沟通一样,可通过语言描述、语义分析、上下文情境、肢体动作、表情等的表达,让对方100%理解你的意图;

所谓智能体(AI Agent):它是基于普通AI与通用生成AI之间的一种AI,它主要是可以识别与分析任务、拆解任务、执行任务等,表现为一个“小助手”的角色。

比如订机票/酒店的智能体,你可以像跟你的助理一样,跟它进行沟通,它可以识别你的自然语言信息,并与你反复沟通、确认,最终帮你实现订机票的任务。

或比如案例2所演示的过程,也是一个单一模态的智能体。

第三,产品定位。它不是新系统,那它的产品定位前期可以是现有系统的“助手”,目标是成为“接班人”

所以,对于用户而言,它与智能客服系统、其他子系统(如招聘、绩效、培训、薪资、社保等)是一个产品,也是同一个入口。

它与现有不同子系统的关系是共存与辅助关系,但不排除长远的将来,最终直接替代的可能性。

第四,产品路径。产品形态、产品定位确认的情况下,探索最佳产品路径时,则可【以终为始,全局思考;以始至终,最小闭环】和【小切口,大纵深】的方法论,全面梳理产品场景,确认关键场景后,选择最小闭环的切口进行切入,最终实现全局的大纵深

具体流程是:

第一,从关键用户的视角,梳理完整用户旅程图

此环节有两个关键点:

  1. 明确你的产品的关键用户(如HRBP/店长/班组长等)与关键客户(如老板/HRD等),并确认你当前所想服务的角色;
  2. 尽量换成用户视角去梳理与绘制。

第二,全面梳理与拆解场景,并确认关键场景与关键功能优先级。

基本逻辑是:横轴是【场景】,纵轴是【功能维度】。此处为方便,直接采用Excel表方式,但逻辑是一致的。

根据对关键角色的场景判断,可形成以下优先级:

  • P0:排班、调班、加班
  • P1:假期(限年假)、报表
  • P2:工作台、考勤确认、补贴、扣款、外出/出差
  • P3:假期(非年假)、打卡

一期可聚焦P0场景,按场景频次(越高频越优先)、通用性(越通用越好)、AI复杂度(越低成本实现越优先)、用户价值(越大越优先)四个维度,至少再分拆2-3层子场景/功能的优先级。

比如排班场景。第一级可按流程进行子场景进行拆分,第二级再按子场景中的不同功能进行拆分(如下图)。

比如加班场景。将其进行二级拆分后的优先级(如下图)

第三,明确【最小闭环】的【小切口】,形成版本落地规划。

最后,根据客户反馈与上述场景,不断纵深,不断演化即可。

总结

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

需求成立,方案才有价值。需求的核心是,定义清楚所需解决的问题;方案的核心是,定义清楚产品形态、产品定位与产品路径。

第二,可采取【以终为始,全面梳理;以始为终,最小闭环】和【小切口,大纵深】的方法论,进行AI产品的产品形态、产品定位与产品路径的定义;

第三,产品形态。B端产品应用AI的终极产品形态,一种基于多模态和自然语义交互的智能体(即专用的AI Agent)。但当前的最佳切入点是【以单一模态(即文本)和自然语言为主,结合碎片化/场景化业务能力的智能体】。外在表现为一个【聊天】+【执行任务】的小助手。

第四,产品定位。它不是新系统,却是一种新型入口,也是一个超级入口。采用新型交互方式,重新设计现有所有产品的入口。它与现有产品的关系,前期是“助手”,后期是“接班人”。

最后,AI应用的关键在于“养料”与时间周期,它是一个长期工程,别期望一蹴而就。前期它可能并不如你所预料的那么神奇,也不能解决你所面临的所有问题,但只要花足够的时间和耐心去储备足够的“养料”,也需花时间去与它一起进化,最终可能会形成一个新物种。

推荐学习

笔者是一个实践者,而不是创造者。所以本文所涉及的大多数想法以及方法论(意思还是有点原创的哈,哈哈哈),均不属于原创。

基于互联网的开放、共享理念,笔者也将相关原始出处分享给你。

1、关于“用AI重做B端产品的产品形态”的启发与案例,来自于有赞11周年的产品发布会,可在其视频号【有赞说】自行去看(重点是第5和第6集);

2、关于“AI助理”(即AI Agent)的应用案例,还可推荐前往【钉钉】学习其2024年的7.5版本发布会【我的超级助理】;

3、关于【小切口,大纵深】的产品方法论,来自于360创始人周鸿祎先生,他与罗胖、傅盛的对话中,都提到此方法论;

– 内容源1:可去【得到App】-【首页】-【直播】-【直播回放】中,查看【向红衣大炮“开炮”!所有人问周鸿祎】

– 内容源2:可去【混沌学园】搜索【傅盛】的【开年AI大课-企业私有化大模型来了】的【圆桌论坛】部分;

4、关于文中提到的AI相关的例子与概念等,则推荐阅读【AI 3.0】、【深度学习革命】,以及【第一财经(2024年第1期)】。

5、如果你愿意付费的话,那可前往【得到】订阅【AI学习圈】,跟着快刀青衣学AI,他通过广播、实践课程、公开课等方式,提供AI相关的学习服务(权当我给快刀打广告了,哈哈哈,虽然他压根都不认识我,也不给推广费)。

最后,鉴于以上内容都属于公开、带有商业性质,所以如果有相关不合时宜的宣传和不合规之处,请及时提出,笔者及时更改。

另,上述内容并不适合(或没办法)直接把对应链接附上,所以有找不到的情况,可留言沟通~

专栏作家

邢小作,微信公众号:邢小作之家,人人都是产品经理专栏作家。一枚在线教育的产品,关注互联网教育,喜欢研究用户心理。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1