关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
本期，我们换一种阐述方式，串联过去一周发生的人形机器人事件，并且关联以往的一些迹象，试着窥得趋势轨迹，市场动向，以及技术发展状况对人形机器人应用的局限等等，我们开始吧！
https://mp.weixin.qq.com/s/_i2O8YakDwGtr17yfY-_Eg
当问题足够多的时候，真正的问题就会被掩盖
提示词：帮我创建一张极其普通的成龙自拍 iPhone 照片，没有明确的主体或构图——只是一张随意的快照。照片略带动态模糊，因光线不均而轻微过曝。角度别扭，构图全无，整体效果平庸得令人发指。
呕心沥血整理我近两年做 AI 产品积累的经验
周末在全球软件开发大会上分享反响特别好，好多人找我要讲稿，遂也整理公开全部讲稿，算是我对社区的一点回馈！本文聚焦三个方面:
1️⃣AI 产品为什么这么难做
2️⃣提示词工程被极大低估
3️⃣AI产品团队如何构建
希望大家阅读有收获，写给一起在 AI 路上的朋友们😊
⭕ 向 AI 的深度思考学习深度思考
---
01. 先用自己的理解复述一遍用户的问题。如果问题不够精准，则换一种精准描述。
02. 如果是多个问题，要搞清楚问题之间的关联。如果问题描述有重复，可以合并问题。如果是大问题，先拆解为小问题，再把小问题以某种逻辑串起来。
03. 如果问题够精准，则会挑出其中的核心概念。
04. 以核心概念为关键词，从信息源搜索参考资料。
05. 快速阅读参考资料，提取其中有用的信息。
06. 谈谈核心概念的定义，以及用哪几个例子来帮助理解这些核心概念。
07. 在理解问题本身的基础上，推测用户的需求，即用户的背景是什么，为什么要问这个问题，最终想要得到什么答案，用在什么场景下。
08. 对于用户的需求，列出几种可能性，然后逐一思考，找到用户最想要的一种可能。
09. 如果是追问，一开始要回顾之前的对话历史：用户之前问过什么，我已经答过什么，用户又问了什么，期待我答什么，这次回答要注意什么。
10. 调取模型来分析问题，生成第一轮回答。
11. 如果用户需要例子，那么列举例子，并去掉重复的例子，挑出典型的例子。
12. 调取视角来审视回答，拷问第一轮回答，查缺补漏，生成第二轮回答。
13. 回到用户的问题描述，提取用户对回答有哪些期待或者说限制：有用户直接描述的，有用户没有直接说但 AI 猜的。
14. 根据用户的期待或限制条件，生成一个内容模板，可以装下用户期待的回答。
15. 拿内容模板，对第二轮回答进行修改，生成第三轮回答。
16. 最后，检查第三轮回答是否符合需求与条件，微调，生成第四轮回答。
17. 把第四轮回答告诉用户。
---
01. 先用自己的理解复述一遍用户的问题。如果问题不够精准，则换一种精准描述。
02. 如果是多个问题，要搞清楚问题之间的关联。如果问题描述有重复，可以合并问题。如果是大问题，先拆解为小问题，再把小问题以某种逻辑串起来。
03. 如果问题够精准，则会挑出其中的核心概念。
04. 以核心概念为关键词，从信息源搜索参考资料。
05. 快速阅读参考资料，提取其中有用的信息。
06. 谈谈核心概念的定义，以及用哪几个例子来帮助理解这些核心概念。
07. 在理解问题本身的基础上，推测用户的需求，即用户的背景是什么，为什么要问这个问题，最终想要得到什么答案，用在什么场景下。
08. 对于用户的需求，列出几种可能性，然后逐一思考，找到用户最想要的一种可能。
09. 如果是追问，一开始要回顾之前的对话历史：用户之前问过什么，我已经答过什么，用户又问了什么，期待我答什么，这次回答要注意什么。
10. 调取模型来分析问题，生成第一轮回答。
11. 如果用户需要例子，那么列举例子，并去掉重复的例子，挑出典型的例子。
12. 调取视角来审视回答，拷问第一轮回答，查缺补漏，生成第二轮回答。
13. 回到用户的问题描述，提取用户对回答有哪些期待或者说限制：有用户直接描述的，有用户没有直接说但 AI 猜的。
14. 根据用户的期待或限制条件，生成一个内容模板，可以装下用户期待的回答。
15. 拿内容模板，对第二轮回答进行修改，生成第三轮回答。
16. 最后，检查第三轮回答是否符合需求与条件，微调，生成第四轮回答。
17. 把第四轮回答告诉用户。
- ✅ 老师群体相对学生来说规模小得多，所以他们长期都一直处于被忽视的状态，并没有什么产品去特别来服务他们，而他们却有非常多的问题希望能够被解决。所以当我们做的产品专注于服务他们的情况下，用户包容度就高很多。而且他们自然裂变率也很高，一个老师觉得好用，会直接推荐给整个教研组，也会在FB、Reddit、ETS等教师社区分享他们的经验；
- ✅ AI应用层产品很重要的一个壁垒就是优质数据，而语言老师也是我们早期优质数据的重要来源，能够帮我们建立这个数据的飞轮，长期建构模型的优势
我做的第二个关键动作是：把 “低频工具” 变成 “高频工作流”。
我们新用户其实只有3%的次月留存，老用户的次月留存也只有35%，真实是非常差的数据，所以当时先去做留存率的优化
那为了去提升留存率，其实我认为最关键的一个产品思路，是去做一个100个人爱不释手的产品，而不是去做一个可能1000或者1万人喜欢的产品这样子，所以当时会聚焦在付费用户的留存率上面。
确定这个方向以后，就会开始去钻研那些付费里面的高留存用户——他们的画像是怎么样的，来针对性解决他们的需求，做产品的营销还有运营。也去了解为什么他们一直会来用，以及那些付费里面留存率比较差的那些人，了解他们为什么流失掉，去做一个对比的分析。
做完这一系列的工作以后，就发现我们核心用户画像是教出国读书的高中生或者大学生的英语老师，那它的教学场景主要就是project based learning的教学思路，他使用我们产品解决的问题就是去衡量他从课外找的资料的难度。大部分人流失的原因是，备课的需求频率很低，可能每1-2个月只要用一两次就够了，所以他可能当下买了那一个月，然后直接把一学期的课都备好，那自然就不会回来用了。
那怎么解决这个问题呢？
我当时就把整个教学工作流都拉了一遍，分成课前、课中、课后这三个大的板块，通过访谈几十个用户的方式来找到高频次且愿意付费解决的痛点。
最后发现，课后练习的场景是最高频和最有需求的，于是我们就围绕练习批改的高频场景来开发核心功能需求，包括习题生成、作业批改等等—— 比如一篇难度过高的文章，老师不仅需要知道哪里难，更需要能一键生成适配的练习题，直接布置作业。
我们就围绕 “课前筛素材→课中改难度→课后生成练习” 把功能串起来，使用频率从 “月活” 变成 “周活”，留存率直接起飞。
我的第三个关键点是：优化流量漏斗
我们一开始先去建立了这个数据的平台，来做留存率分析，漏斗分析，路径分析，用户来源等很重要的数据。在这个基础上，就可以知道他的使用路径里面，哪一个环节其实是流失的最多的。于是就在高流失场景里面围绕可能的假设做需求，比如说挽留弹窗、邮件提醒、新用户承接流程以及功能教程等等，进行流失的预防。
三、零成本拉新：用 “内容 + 人网” 搭起传播链
在做的以上这些项目以后，其实就把付费用户的次月留存率从35%提升到75%的水平。对于一个工具产品来说，这个已经是非常非常显著的好信号，证明你的产品其实解决了核心用户的刚需高频的问题，且愿意为其付费。
在这种情况下，就可以开始下一步去做拉新相关的增长的动作了
于是我们开始搞拉新，没钱怎么办？重点在于观察目标用户的特性和产品核心功能，设计增长方案。我们当时主要是靠两个 “巧办法”：
1. 把工具变成 “内容生产机”：因为当时用户会经常拿我们的产品来判断网上材料的难度，甚至通过难度转换、习题生成等功能生成一个全套的教案。那我当时就想，可以把这全套的教案去放到网上做成SEO内容，这样子就能够帮助我们自动化地批量生产SEO内容，来实现规模化的增长
2. 扫街式 “撩” 博主：我们列了个清单，专门找1万粉以下的 “腰尾部教育博主”，每天私信 200 个介绍我们的产品、优势和价值，因为这些博主本身就需要去报道一些新的内容，所以当这种选题送上来的时候啊，还是有一些人是不会收取费用就直接做报道的，尤其当我们把资料整理的很好的情况下，博主不用花时间加工，直接能用。同时也用免费会员等产品权益来激励用户做自传播。
其实核心就一句话：把用户当 “传播节点”，而不是 “流量”。老师觉得你真的帮他省了时间，他自然会主动安利，甚至帮你写使用教程 —— 我们有个在马来西亚教育局的用户，自己在全国英语教学研讨会上花了20分钟直播教同行怎么用我们的难度转换功能，直接帮我们带了几百个注册用户。
最后总结 3 个必记点
1. 小团队别追大市场：先找 “被忽视的 1%”，比如我们不做学生端做老师端，不做听说做读写，反而更快建立壁垒；
2. 用 “高频场景” 带 “低频功能”：把工具嵌入用户的日常工作流，比如老师每天都要批改作业，我们的功能就跟着每天被用；
3. 把 “数据” 当放大镜：不需要多厉害的工具，Google Analytics 足够帮你找到 “最痛的那个点”，比如我们发现 35% 的用户流失在 “上传文件” 环节，优化后直接救下一批潜在客户。
早期创业没资源不可怕，怕的是 “用战术勤奋掩盖战略懒惰”。与其琢磨怎么搞流量，不如花时间把 100 个用户服务到 “尖叫”，让他们主动帮你说话 —— 这才是真正的零成本增长。
- ✅ AI应用层产品很重要的一个壁垒就是优质数据，而语言老师也是我们早期优质数据的重要来源，能够帮我们建立这个数据的飞轮，长期建构模型的优势
我做的第二个关键动作是：把 “低频工具” 变成 “高频工作流”。
我们新用户其实只有3%的次月留存，老用户的次月留存也只有35%，真实是非常差的数据，所以当时先去做留存率的优化
那为了去提升留存率，其实我认为最关键的一个产品思路，是去做一个100个人爱不释手的产品，而不是去做一个可能1000或者1万人喜欢的产品这样子，所以当时会聚焦在付费用户的留存率上面。
确定这个方向以后，就会开始去钻研那些付费里面的高留存用户——他们的画像是怎么样的，来针对性解决他们的需求，做产品的营销还有运营。也去了解为什么他们一直会来用，以及那些付费里面留存率比较差的那些人，了解他们为什么流失掉，去做一个对比的分析。
做完这一系列的工作以后，就发现我们核心用户画像是教出国读书的高中生或者大学生的英语老师，那它的教学场景主要就是project based learning的教学思路，他使用我们产品解决的问题就是去衡量他从课外找的资料的难度。大部分人流失的原因是，备课的需求频率很低，可能每1-2个月只要用一两次就够了，所以他可能当下买了那一个月，然后直接把一学期的课都备好，那自然就不会回来用了。
那怎么解决这个问题呢？
我当时就把整个教学工作流都拉了一遍，分成课前、课中、课后这三个大的板块，通过访谈几十个用户的方式来找到高频次且愿意付费解决的痛点。
最后发现，课后练习的场景是最高频和最有需求的，于是我们就围绕练习批改的高频场景来开发核心功能需求，包括习题生成、作业批改等等—— 比如一篇难度过高的文章，老师不仅需要知道哪里难，更需要能一键生成适配的练习题，直接布置作业。
我们就围绕 “课前筛素材→课中改难度→课后生成练习” 把功能串起来，使用频率从 “月活” 变成 “周活”，留存率直接起飞。
我的第三个关键点是：优化流量漏斗
我们一开始先去建立了这个数据的平台，来做留存率分析，漏斗分析，路径分析，用户来源等很重要的数据。在这个基础上，就可以知道他的使用路径里面，哪一个环节其实是流失的最多的。于是就在高流失场景里面围绕可能的假设做需求，比如说挽留弹窗、邮件提醒、新用户承接流程以及功能教程等等，进行流失的预防。
三、零成本拉新：用 “内容 + 人网” 搭起传播链
在做的以上这些项目以后，其实就把付费用户的次月留存率从35%提升到75%的水平。对于一个工具产品来说，这个已经是非常非常显著的好信号，证明你的产品其实解决了核心用户的刚需高频的问题，且愿意为其付费。
在这种情况下，就可以开始下一步去做拉新相关的增长的动作了
于是我们开始搞拉新，没钱怎么办？重点在于观察目标用户的特性和产品核心功能，设计增长方案。我们当时主要是靠两个 “巧办法”：
1. 把工具变成 “内容生产机”：因为当时用户会经常拿我们的产品来判断网上材料的难度，甚至通过难度转换、习题生成等功能生成一个全套的教案。那我当时就想，可以把这全套的教案去放到网上做成SEO内容，这样子就能够帮助我们自动化地批量生产SEO内容，来实现规模化的增长
2. 扫街式 “撩” 博主：我们列了个清单，专门找1万粉以下的 “腰尾部教育博主”，每天私信 200 个介绍我们的产品、优势和价值，因为这些博主本身就需要去报道一些新的内容，所以当这种选题送上来的时候啊，还是有一些人是不会收取费用就直接做报道的，尤其当我们把资料整理的很好的情况下，博主不用花时间加工，直接能用。同时也用免费会员等产品权益来激励用户做自传播。
其实核心就一句话：把用户当 “传播节点”，而不是 “流量”。老师觉得你真的帮他省了时间，他自然会主动安利，甚至帮你写使用教程 —— 我们有个在马来西亚教育局的用户，自己在全国英语教学研讨会上花了20分钟直播教同行怎么用我们的难度转换功能，直接帮我们带了几百个注册用户。
最后总结 3 个必记点
1. 小团队别追大市场：先找 “被忽视的 1%”，比如我们不做学生端做老师端，不做听说做读写，反而更快建立壁垒；
2. 用 “高频场景” 带 “低频功能”：把工具嵌入用户的日常工作流，比如老师每天都要批改作业，我们的功能就跟着每天被用；
3. 把 “数据” 当放大镜：不需要多厉害的工具，Google Analytics 足够帮你找到 “最痛的那个点”，比如我们发现 35% 的用户流失在 “上传文件” 环节，优化后直接救下一批潜在客户。
早期创业没资源不可怕，怕的是 “用战术勤奋掩盖战略懒惰”。与其琢磨怎么搞流量，不如花时间把 100 个用户服务到 “尖叫”，让他们主动帮你说话 —— 这才是真正的零成本增长。
