之前分享了 如何用AI重做B端产品（附3个案例与3个方法论）？
经过一段时间的摸索，又有了新思考与新案例，姑且算是上篇的姊妹篇吧（是否还有堂妹、表姐篇？暂未可知，就像Sora一样，谁曾想到它进化速度之快呢）
今天的分享围绕以下三个问题：
第一，微软如何用AI（即Microsoft Copilot）重做现有产品？
第二，手机天猫团队又是如何用AI重做电商产品？
第三，从两个案例中，可以对“用AI重做SaaS产品”带来什么样的启发？
微软如何用AI（即Microsoft Copilot）重做产品
微软对其全产品线（包含IE浏览器、Windows系统、必应、Word、Excel、PowerPoint、Outlook、Teams等）进行了AI升级，以及对OpenAI的几百亿投资，可见其是最早All in AI的大厂之一，用他们的话说：Age of Copilot（直白翻译就是：AI 助手的时代来了）
咱们没办法对其全线产品进行分析，所以就选择日常使用比较多的产品入手，算是一种管中窥豹吧。
Word：如何用AI提升你的写作水平？
Word是一款文档写作工具，效率是其核心。笔者当年使用它的时候，最痛苦的记忆就是排版。
无论是你自己写内容，或者你从其他地方复制内容到Word后，对应的格式之间的调整，也是一大工作量。
在没有AI前，你可能的操作是：
- 如果对某个排版技巧不熟悉，则前往百度搜索答案，找到答案后来回尝试；
- 写完或复制一段内容后，则均需预留一段时间进行格式调整；
- 如果没有灵感，则面对一个空白界面无从下手，被迫只能求助于他人。
在有AI Copilot后，则你可能的操作变成了：
- 基于此前的其他文件内容，或一个简单概述，让Copilot帮你输出一个初版；
- 如果对其排版风格不满意，直接告知Copilot一个已知模板的文件，让它自动生成一个与之一样排版的内容；
- 如果你想新增图片或对内容做个总结，则可直接告知Copilot，一键即可完成；
- 如果你写不下去后，还可直接让Copilot给你一些建议；
自动根据已有文件生成初版Word内容
借助Copilot的能力，用自然语言实现Word文档的编写
一键添加总结
无延时的建议
一句话总结：Copilot就是一个懂写作、懂Word技巧、随叫随到的“邻家小姐姐”，可以无偿且不抱怨的帮你创作、编辑、总结、重写以及给你建议。
Excel：如何用AI简化你的商业决策？
Excel也是一款工具，主要用于数据的加工、处理与显示。
在没有AI前，我们对使用Excel最大的两个痛点：
- Excel太强大，对应使用时太复杂（各种公式、规则等），复杂到有不少对应的付费课程，专门教授如何使用Excel，这是效率问题；
- Excel是静态工具，完全以你的头脑为输入、输出，就像你吃饭的碗，只能用于盛饭或盛汤，但无法告诉你今天应该吃什么，这是决策问题；
有了Copilot后，则可以有效解决以上痛点：
- 你说它做，可见即可得。通过自然语言或一键操作输入，即可实现对应图表数据的加班、处理与显示一体输出；
- 你说它做，数据变结论。通过自然语言输入，即可让它帮你分析数据，并给出决策建议。
你说需求它给决策建议
你提需求它输出图表
你提需求它分析与整理数据
一句话总结：Copilot就是一个懂Excel的专家，也是一个数据分析师，还是一个商业大拿，可以让小白也玩转Excel，有数据分析与商业决策能力。
PowerPoint：如何用AI做出具有震撼效果的PPT？
PowerPoint也是一个工具，核心是效率。
与Excel类似，在AI之前它面临的痛点是效率问题：如何通过更短时间生成一份精美的PPT。PPT模板解决了部分问题，但依然解决不了根本性的问题：强大且复杂的系统，如何更小白的客户也能制作精美PPT？
有了Copilot后，它可以帮你：
- 根据Word文档一键生成PPT模板；
- 根据你的简单描述，自动生成符合的PPT；
- 通过自然语言，执行复杂指令，且效果可见即可得。
空白PPT
根据Word文档自动生成PPT
一键指令生成效果
一句话总结：Copilot是一个拥有无数模板的助理，懂PowerPoint所有功能与用法，还懂内容的专家，免费即可帮你干活。
案例解析
Word、Excel、PowerPoint在运用AI之前的同性是：
1）产品定位：它们都是以UGC（用户生成内容）为主的工具型产品，核心价值是效率；
2）用户与功能：它们都是拥有大量用户，且功能成熟强大的产品，却也因此对用户产生了复杂性。系统陷入“越迭代，越强大；越强大，越复杂”的恶性循环之中；
3）产品交互：它们都是基于上一代交互所做的产品。即用户通过鼠标（电脑上）或手指（手机上）与系统进行指令性交互。比如你点击【新建】按钮，系统将其转换成一个计算机的“指令”，最终执行新建任务。
4）使用场景：它们的生产流程都是：用户学习-用户新建->用户输入-用户编辑/调整-用户分析/总结-用户决策-用户使用。它不具备创造性与思考能力，全依赖使用者自身。这就像你要挂一幅画到自家墙上，钻头只能帮你打洞，剩下的一切都得依赖你。
借助AI能力，它们延伸出来一个新的角色：Microsoft Copilot，通过它重做现有所有产品，解决此前无法解决或效率有待提高的问题。
1）产品定位：由单一效率工具转变为以效率+智能双价值为核心的产品。即在保持UGC不变的前提下，新增了AIGC（AI生成内容）为辅，变成双重内容生产机制，从根本上重塑了一款产品的价值，让一款工具变成了工具+“助手”（相当于给自己的大脑，新增了一个“大脑”）；
2）用户与功能：用户群体保持不变，现有完整功能不变。但开辟一条新的产品路径，打碎原先功能之间的连续性与依赖性，破除复杂规则的学习成本，变成按需使用，自动推荐的功能。
此与教育行业的教学大纲与知识图谱逻辑类似。教学大纲是连续且前后依赖，以老师为中心进行授课，所有人统一标准、统一进度；知识图谱则是网状的，相互之间不一定要连续与依赖，以学员为中心进行学习，每个人都有自己的学习知识点与进度。
3）产品交互：保持鼠标/手指交互方式的前提下，同时增加多模态交互方式，让用户可用自然语言与系统完成交互，而不是必须通过鼠标/手指。比如可通过键盘输入文本“新建一个文件”，或输入一个文件，或是一个操作等，均可完成与系统的交互，最终完成目标任务。
4）使用场景：围绕用户的全使用流程，重塑使用场景，提供新能力与新体验，让小白级别的用户，也可达到专家级别的内容输出。
用AI完成流程、价值与体验的重塑
手机天猫如何用AI重做C端的电商产品？
从现有信息看，他们对AI的应用是分两种不同产品架构落地：链路节点嵌入式、全功能集合中心式。目前已落地的是前者，后者还在研发中。
链路节点嵌入式
它的逻辑是“产品+AI”，即通过梳理现有产品的全用户场景中的使用节点或触点，在不打断用户当前使用流程的前提下，自动根据用户操作发现需求点，并提供对应可能得解决方案。
它的定位是：辅助工具。
比如天猫的核心节点是：逛-找-看-对比-客服-购买-售后。
- 当你在【逛】的过程中，AI可以帮你【推荐相似】；
- 当你在【看】的过程中，AI可以帮你【找同款】；
- 当你在【购买】过程中对价格犹豫的话，AI可以先帮你【帮讲价】，如果讲价不行，则推荐优惠，或【找平替】；最后不行，还可帮你【盯降价】；
- 当你在跟【客服】沟通时，AI可以自动分析你的问题，针对性推荐用户反馈供你参考；
-
当你【售后】过程中，AI还可以帮你【盯降价】，最后可以返现；
帮讲价
盯降价与找平替
全功能集合中心式
它的逻辑是“AI+产品”，即基于现在AI的多模态交互方式，采用统一入口的方式，重做购物体验。
它的定位是：购物助手。解决用户不知道怎么找到目标商品，不知道如何挑选商品等问题，可以基于一个大概的想法，辅助你完成购物。
这个逻辑与Microsoft Copilot一致。即用户在不知道自己需求（或大概有个想法）的情况下，可以直接进入【购物助手】界面，通过自然语言跟助手聊天的方式，完成【逛-找-看-对比-客服-购买-售后】的全链路购物体验。
这就好比你有一个在购物方面是专家级别的“闺蜜”，它既懂海量商品，又有购物经验，又能讲价，又能帮你找优惠券，还能帮你推荐产品，找平替，还能直接帮你看评价，下单等等。你只是在跟她聊天的过程中，即可完成最终购物。
当然，目前这种方式的产品，天猫还处于研发中，笔者也并未看到真实情况，只是基于其团队分享的内容，做出的合理推断。如有误导或错误指出，请及时指出。
你可能会问：它都没上线，你也没体验过，也不是实际参与人，为什么还要分享？
原因是保证案例的全面性，避免思维受限。
笔者之前对于用AI重做产品的思路，被Microsoft Copilot、有赞的智能运营助手等产品，先入为主地完成了思维禁锢，认为最佳产品形态（甚至唯一产品形态），就只能是全功能集合中心式，而忽略了链路节点嵌入式，以及不同助手的产品定位与产品形态。
总结与启发
1、从目前信息来看，几乎所有愿意“All in AI”的企业（如微软、钉钉、有赞等），最大的共识是遵循“用AI将现有产品重做一遍”的落地方案，而不是用AI新做一款新产品。
2、关于如何用AI重做现有产品（含B端和C端）？目前比较已有两种比较成熟的产品架构，对应两种不同产品形态。
| 产品架构 | 产品形态 | 产品定位 | 案例 | 关键点 |
|---|---|---|---|---|
| 全功能中心集合式 | 一对一聊天式 | 用户的小助手/副驾驶员，可结合或独立于现有产品使用 | 1）有赞的运营助手 2）微软的Copilot |
1、全面拆解现有功能（尤其核心功能），打破功能之间的耦合性，可最小颗粒度拆解与组合； 2、全面规划设计，并遵循最小闭环原则进行落地； 3、完成每个子场景的指令与交互设计； 4、根据用户反馈优化迭代体验。 |
| 链路节点嵌入式 | 原产品上的气泡/浮窗/弹窗等 | 原产品辅助功能，不可独立使用 | 1）天猫App的相关AI功能（如帮讲价、盯降价、找平替等） 2）钉钉（比如会议总结、文档自动纠错、自动总结聊天、自动总结文档等） 3）360浏览器的视频总及PDF自动总结与提炼 |
1、全链路梳理现有产品场景； 2、基于需求痛点，提取合适辅助功能点； 3、选取1-2个核心价值功能进行落地，并根据反馈不断打磨 |
3、关于SaaS产品如何落地AI（含已落地场景），目前还比较早期，投入不够，产品架构与定位不是特别清楚。
| 关键问题 | 产品架构 | 产品形态 | 产品定位 | 案例 |
|---|---|---|---|---|
| 1、如何解决因产品规则复杂导致的客诉问题？ | 单一职能中心集合式 | 1对1聊天式 | 客服助手：主要解决系统逻辑与规则问题 | 企业客服小助手（如小i/小薪ChatBot等） |
| 2、如何通过自动化帮助HR提效？ | 链路节点嵌入式 | 弹窗/气泡/功能按钮等 | 辅助功能：主要解决原产品能力上的能力不足的效率问题 | 比如招聘环节中：自动初筛简历、复筛后自动安排面试与发布通知、面试后自动填写评价等 |
| 3、如何通过数据分析帮助管理者进行决策？ | 全功能集合中心式 | 1对1聊天+图表 | 用户助手（即Copilot或Agent）：基于多模态（含自然语言）交互方式，实现业务数据的查询、分析、展示与决策建议 | 比如审批环节中，自动分析不同流程/周期的审批时长； 售卖环节中，自动查询/分析过去一段时间的销售情况； 加班环节中，自动查询分析加班费的情况等 |
| 4、如何有效解决因产品功能/规则复杂而导致的体验问题？ | 全功能集合中心式 | 1对1聊天+功能 | 用户助手：以聊天式的多模态（含自然语言）交互方式，用户与助手的可进行多轮指令互动与执行，过程中即可完成任务分解、任务配置、任务执行等操作，高效解决问题 | 比如Microsoft Copilot在Excel/Word/PowerPoint以及Windows、IE的应用； 比如有赞的智能运营助手的应用 |
| 5、如何提供增量信息（如政策类）给客户，增加服务附加值？ | 单一职能中心集合式 | 1对1聊天式 | 客服助手：主要解决政策性、市场性的信息收集、整理、查询与展示 | 比如i人事的智能助理可查询HR 相关的政策信息等 |
4、如果SaaS产品要落地AI，综上分析可知：依然可遵循两种产品架构和两种产品形态展开。
- 前期：可先落地【链路节点嵌入式】，对现有产品能力赋能。同时，采用【全功能集合中心式】的方式，前期只落地客服助手；
- 中期：对各类内部的AI助手进行重新梳理、定位与整合；
- 后期：基于【全功能集合中心式】的产品架构，全面整合客服助手、数据助手、业务助手等为一体，形成企业自身的【Copilot】或【Agent】。
网友评论