ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
创业者复盘:如何判断出海 AI 产品该不该立项?
8144点击    2024-07-12 16:05

近两年最热的赛道就是 AI 了,我们技术团队早在去年上半年就开始布局相关的技术研究,但现在一年多时间过去了,产品上却迟迟没有做任何与 AI 相关的功能。 


是不是很奇怪? 


主要的原因在于我没有解答清楚自己心中的一些问题,所以一直在观察、在研究、在分析…… 


直到最近我才觉得 AI 产品可以正式开始立项了,那顺带今天也聊聊我在判断 AI 产品是否可以立项时,几个背后尝试解答的问题。


01 


是否找到了对应的用户场景和问题?


在生成式 AI 如此火爆的当下,模型之外我们讨论的更火热的一个话题是,大模型到底怎么落地?我们到底怎么应用它?


这是我最核心关注的一个点。


我认为凡是避开“场景和问题”去谈“AI 技术和功能”的做法,都是耍流氓。因为用户并不关心我们的技术有多牛、多先进,用户核心所关注的只是他的“问题能否被解决”。


解决问题的方式有很多种,为什么非要选择 AI 呢?


所以大多数时候看到一个 AI 产品后,我都在琢磨其背后的场景和要解决的问题,如果这个“问题本身”无法得到清晰的答案,这样的 AI 产品我坚决不做。


但这个说法是不是太主观了?我怎么能保证自己的判断是准确的呢?


一个小的技巧是,去 Fiverr 上查找类似的人工服务。


Fiverr 是全球最大的兼职平台,如果我能在上面找到类似的人工解决方案,那么大概率这个需求也就是真实存在的。顺带还可以看看里面用户的评价,会发现不少有意思的线索。


比如在 Fiverr 上搜索“web translation”,可以找到大量做网站多语言翻译的兼职,那么如果通过 AI 去解决对应的问题,这个需求大概率就是真实存在的。


比如到 Fiverr 上搜索“spokesperson video” ,可以看到诸多人工服务,而且收费很高,这也就是 Heygen 兴起的原因之一。


再比如我最近打算做的“Ai background generator”,在 Fiverr 上也可以找到不少类似的人工解决方案。



02


市场规模有多大?


当然这个问题本身是很难回答的,很多市场调研报告里会把某某行业吹嘘的很大,这些数值很难有实践的参考意义。但有几个小方法可以快速地帮助我们做出判断。


一是在 Ahrefs 上搜索相关的词汇,看看它的搜索量有多大。


“搜索量”在一定程度上代表了用户的潜在规模,也就是说我在做某个产品之前,我需要大概的清楚这个赛道有多大,会不会是自己闷着头做到了一个冷门的领域里去。


Ahrefs 是SEO 工具,里面可以查询到关键词的热度,如果我们要查询的关键词本身流量过低,要么就是没找对关键词,要么这个产品极有可能是一个自嗨的。


(Tip:如果你没有 Ahrefs 账号,那么也可以用 Google 上一些免费的平替工具,这些工具都是采用估算的方式,所以知道个大概数据即可。)



如果你不知道自己的产品要搜索什么关键词怎么办?


我的建议是把要解决的问题说给 Chatgpt,让他告诉你对应的关键词有哪些。然后再去 Google 上进行搜索,看出来的结果是否如此,找对产品的关键词是第一步。


二是看看竞品的规模有多大,可以用 Similarweb 进行查询。


假如我们要做的产品已经有竞争对手了,这个时候我们可以在 Google 上用 Similarweb 查询下竞品的流量数据,以及增长的曲线。


如果竞品有不少几十万月活的产品,且最近半年的用户增长速度很快,那说明我们所要做的赛道可能正处于快速的发展中。


(Tip :如果你没有 Similarweb Pro 账号,可以在 Google 插件里下载它的免费插件。)


也可以去 Producthunt 上找找,PT 作为新品发布的重要渠道,它最近几个月打榜的产品也在一定程度上代表着各个领域的趋势。



03


我能否做得比竞品好?


即使没有竞品好,也不要做得比竞品差。


基于这个认知,在去年技术团队给到我 AI 的 Demo 时,我直接把它所生成的内容和几家头部竞品进行了对比盲测,出来的结果是未能达到我的预期,所以我就要求技术团队进一步提升后,再考虑产品化。

很多人说可不可以先做个 MVP 出来试试看?


我认为这种说法仅适用于需求未知的产品,如果市面上已经存在类似的产品,这个时候就必须保证自己做的产品不要比竞品差。否则耗费了资源和时间上线,结果用户数据很差,这个时候不是搞自己的心态嘛。


尤其是我去年研究了一些国内 SaaS ,发现不少 AI 产品真的是“为了做而做”,实际的“出片”效果完全达不到可用的地步。


在对比竞品的时候,有个小技巧是到 Truspliot 上进行查询,看看这些竞品下有什么好的、坏的评价,这些评价往往蕴含着用户的真实感受和需求。



除了以上提到的问题外,还需要综合考虑到未来的流量策略、定价模式、ROI 测算等等,尤其是 AI 买量已经越来越贵的情况下。


我自己研究了大半年后,目前会以“AI background generator”作为 AI 产品的切入点。


04


选择的依据是什么?


一是AI background generator 相关的关键词在 Google 上有着持续性的高热度,这在一定程度上代表了用户需求的真实存在,相关的竞品最近半年都发展的还不错,并且部分竞品出现了流量的快速增长势头;


二是这个产品与我当前做的主营业务之间存在着“高关联性”,是当前业务的纵向延伸,这样的好处是用户重合度高,产品上线后有着天然的流量优势,并且社媒和投放团队都可以强有力的支撑到产品;


三是技术团队在内部已经迭代一年之久,整体的效果已经完全达到我的预期,甚至有些超出。这给了我底气和信心,让我对 AI 这个项目已经有六到七层把握。


当然,以上也都是我的前置分析,最终产品是要接受用户检验的,那么上线后到底是会打我的脸、还是验证我的假设,届时再让数据来说话。


文章来源于“Founder Park”


关键词: AI , AI产品 , AI应用 , 大模型