关于AIGC商业化的13个非共识认知

来源：西红柿发布时间：2023-09-22 10:11

随着现代科技不断在发展，对于AI在商业中的发展又该是如何的走向，又该如何调整部署？关于AIGC商业化的非共识认知你了解多少呢？或许可以看一看下面这篇文章，里边的内容或许可以为你解惑。

关于AIGC商业化的13个非共识认知：

AIGC的核心指标，不是节省了多少时间/人力（效率属性），而是提高了多少“转化率”（利润属性）。
不是技术不够，而是缺乏深度的“行业know-how”。
情感AI，可能反而是现阶段的低枝果实。
对于转化率的提升，虚拟人很可能会有“巨大”的增量空间。
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（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产品方法论之“由用户来完成AI产品设计的最后一公里”。
品类！——现在并没有到AI 2.0 的“iPhone时刻”（那只是行业大佬的PR用语）
“场景-用户-需求”之外，需要增加一个关键词，“关系”——定义了关系，就定义了约束条件和需求属性。
使用AI时，把AI当成人；设计AI时，把人当成AI。
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。
AI商业模式，不是短期、一下子能够搞定的——要么是打井模式（足够深、打穿为止）、要么是毛毛虫模式（不断跃迁）。
现阶段做AI，要对标的不是互联网，而是通信/IT。
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”。

一、背景：去年Lensa日入300万美金、今年妙鸭爆火，但昔日脸萌们的本质隐患，并未解决

去年12月，Lensa日收入300万美元（详见《Lensa！ChatGPT之后，又一个有破圈能力的AIGC产品》。

某开发者做的AvatarAI，上线2天、收入1万美元（详见《一天赚一万美元，这个AI图片生成工具火了》。

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。

要想通过AIGC，自己来沉淀社交关系链到一定数量级，短期是不现实的。

最近“妙鸭相机”的微信搜索指数，已经在大幅下滑了：

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。

二、一个非常有价值的案例：PhotoRoom

PhotoRoom具体是做什么的？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。

PhotoRoom的数据表现如何？去年12月的数据是：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，2020年8月突破100万美金ARR，每个月的增长基本上都在 50%以上（详见这篇报道）。

问题是，PhotoRoom仅仅是给用户节省了时间，就能让用户这么心甘情愿的付钱吗？NO。

PhotoRoom的价值，不仅是节省大量时间，还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！整个优化生成的图片非常的有专业设计感，操作也是非常简单。

这个案例对咱们的“底层参考价值”在于，这是一个AIGC商业化的靠谱思路：

切细分场景、切细分用户；
AIGC出的东西，要能明显有助于其商业活动——不仅能节省时间，还要能提高客户商业路径上的转化率；
基于2，所以一开始就可以收费！（因为用户算的过账，整体是值得的）
要做到3，创始团队需要对该行业具备深度know-how（就能够拿着锤子敲钉子了）

三、AIGC的核心指标，节省了多少时间、人力（不是效率属性），而是提高了多少“转化率”（利润属性）

这里有一个非常微妙的地方：PhotoRoom的功能，既能节省用户时间，又能提升转化率，到底哪个指标是最core的？？

回忆下那个经典的对比案例：智能手机（iPhone）也有电话、短信等通信功能，但是其真正决定成败的差异化价值，其实是娱乐/社交/购物等等其他功能，重点指标也变成“据有用户时长”等等，而并不是打电话的通话质量等通信指标了！

也就是说，降本增效类指标也有用，但不是“决定成败”的关键，因为人类天然更愿意为开源付费，而不一定是节流，特别是在中国，特别是小B和大C。

四、相对于传统互联网产品，AIGC如何能“大幅”提升转化率呢？分享4个可能性（关键词）

1. 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，但有一个问题，就是总觉得颗粒度太大，做不到真正的“千人千面”。

为什么做不到呢？我认为，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！

比如在9月2号的「AI日报」里，分享过某篇文章里的这几段话——

a）设计一个直播数字人，如果没有行业理解，很可能是一个端庄、颜值高、说话语气舒缓、手部有一些简单动作的产品，事实上直播完全不是这样的！

b）你必须知道大家平均在直播间停留的时间有多长、必须知道直播有忙时有闲时、必须知道什么时候全身出镜/什么时候半身出镜、必须知道直播间里的人的分工和配比，模型训练要结合主播的语气/风格，甚至要跟这个行业相匹配的方式做对应的串联，这样才能保证大家看到的是一个真实的东西。否则就会出来一个傻傻的主播。

c）很多专业领域，要知道哪个环节是容错率高的，哪个环节是容错率低的，这样才能保证是一个好的应用，否则就是一个泛泛的、拉平的东西。

d）做垂类的话，除了模型外，还要了解行业Know-How，否则是做不出来的。

另外，特看科技CEO乐乘最近分享过：

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，好比分镜一是一个人在讲文化，分镜二是产品展示，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，它爆款概率和人比有优势（10条里，跑爆的概率有两到三条）

我虽然没怎么做直播，但做IP/社群6年，有不少经验教训，能一眼看出，他们真的是深入行业了的，因为：

一方面，里面有一些核心关键词：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，里面有很多很多的细节——真正的牛人，不是那种抽象词汇满天飞，而是非常“乐于”诉说细节的；不是因为细节里有魔鬼，而是因为细节背后有认知，而且是能“从底通到天”的那种认知。

2. 情感AI，可能反而是现阶段的低枝果实

为什么情感AI重要？这里涉及很多个认知点：

“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。
“真正的情商是理性的……一个有情商的人，会让别人如沐春风。”
对于有情感亲密度的对象，我们更容易信任他的推荐（转化率更高）。
总之，“情感”很可能是未来AI真正的突破方向之一，未来会有很多的“黄金机会”——效率最优，升级为情感最优。
……

为什么说，情感AI可能反而是现阶段的低枝果实？

可能是因为，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、人道需求是至少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6月15日的AI日报中，分享过一个“医疗+ChatGPT”相关例子：研究者们原本期望ChatGPT能承担医生大量例行工作，如撰写医保理赔申诉或总结患者笔记，但实际上更多时候，医生们使用ChatGPT帮助他们，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）。很多医疗工作者并不擅长写出深入浅出的医学手册。例如社工们针对酗酒者，让ChatGPT被要求以五年级的阅读水平重写时，它产生了令人信服又充满安慰性指导……

另外，在专业领域，ChatGPT类产品的准确度、稳定度，可能暂时只有6、70分、反而达不到95分的商用标准线（人类平均水准是92～98%，所以95%是可感知、可接受的那根线）。

3. 为了提升转化率，AIGC的最佳产品形态，可能是“虚拟人”

why？因为虚拟人是文字、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，购买率据说也不超过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。

多说一点，比虚拟人再进一步的本质形态，就是最近非常火的“Agent”；但这不是本文重点，这里只说一点：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）。

4. 除了产品侧的优化，还需要“由用户来完成AI产品设计的最后一公里”

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），详见我之前分享的这篇文章《AI产品方法论之“由用户来完成AI产品设计的最后一公里”》

五、品类！——现在并没有到AI 2.0 的“iPhone时刻”（那只是行业大佬的PR用语）

核心指标背后，其实有更重要的一层认知——品类。

只有“量”、没有“质”的产品，其实都是还没有真正“立住根”的，比如之前的智能音箱，都还不算真正成为一个“新品类”。