Jasper 在早期荒蛮的 GPT 生态中抓住机会，但似乎不再被看好？AIGC初创企业该怎样在AI应用不断发展的今天保持航向？本文以AIGC企业Jasper为例，分析了这个企业的整体经营与产品策略，以及它现今各个产品在 市场上的竞争情况。希望能对关注人工智能的你有所帮助。

上个月旧金山的知名地标 Pier 27 举办了史上首次生成式 AI 峰会 Gen AI，在 1200 位到场者里有，Anthropic、Stability AI、Replit 的 CEO 和 Bessemer 的合伙人，而这场盛会的主办者却是一家成立才两年的年轻公司 Jasper。

成立18个月就有8000 万美元的 ARR和15 亿美元估值是这家高速增长的明星公司能够主办这场盛会的底气，要知道 OpenAI 22 年的收入也不过 3000 万美元，Jasper 无疑是早期 GPT 生态中的最大赢家；最新一轮融资中的投资者有像 Coatue、Bessemer 这样的明星 SaaS 风投，其中 Coatue 的联创 Thomas Laffont 更是评价首次用 Jasper 时就像首次用了 iPhone 一样神奇；随着市面上 GPT 的竞争者增多，Jasper 未来可以整合多个语言模型来给用户提升最好的生成效果。

就像 AIGC 这项新技术带来的巨大争议一样，Jasper 也是许多投资者争论的焦点：他们认为其极高的利润率是因为其没有自己的特有模型，并不存在技术壁垒；ChatGPT 的易用性和低收费将给 Jasper 的定价带来极大压力，没有行业的定价权；Notion、Office 和 Hubspot 对于 AIGC 的积极拥抱将很可能让让 Jasper 的市占率急速下滑，关闭了建立场景和产品壁垒的时间窗口。

虽然无法准确预判行业的终局，但我们认为在 AIGC 应用涌现的今天，将资金和精力投入在更 Disruptive 的应用上性价比更高，Jasper 在早期荒蛮的 GPT 生态中抓住机会，将能继续乘着新浪潮驶向远方，但将不再是决定航向的领航人了。在巨头超预期支持 AIGC 的背景下，对 AIGC 的兼容程度将成为传统巨头和独角兽博弈（比如微软和 Notion）的新维度，初创企业更应利用 AIGC 开创新场景或重塑传统流程，这样才不会在巨头和独角兽的竞争中被轻易倾翻。

一、Thesis

结论：Jasper 整体投资意义一般。

Jasper 把握住了 GPT-3 刚出现的荒蛮时代，它通过翔实的前端提示和精妙的产品设计弥补了早期 GPT 学习成本高和调用不便等问题，再结合团队的营销经验对模型精调，完美释放了 GPT-3 在营销场景下作为效率神器的潜力。通过团队在营销行业的人脉，短短两年内就成长为 8000 万美元 ARR 和 10 万用户的明星独角兽，风头甚至一时盖过了 OpenAI。

但当 ChatGPT 面世后，GPT 系列经过两年的迭代后不仅更能理解用户的意图，并且采用对话的方式让用户对指令进行再调整，从而显著降低学习门槛；Notion 和 Office 都要和 GPT 进行整合，解决了 GPT 调用不便的缺陷，并以此牢牢把控着文案 Workflow 的下游入口。很显然，没有自研大模型的 Jasper 看起来不再有明显的竞争优势，网站流量数据也显示 Jasper 对大语言模型的用户群体的渗透率也正在逐月降低。

在当前严峻的竞争态势下，Jasper 在 Chat 产品中进行了多样化模型供给和 Aggregator 的尝试，这是其能否保住 AI 领航人的关键因素，但目前并没有足够的数据和评价能够证明其效果的提升。考虑到当前 AI 涌出了更多的充满想象力的产品，投资 Jasper 的行业布局和财务回报意义可能都不是特别大。我们从以下几个角度量化地讨论：

（1）总分：6.4/10

（2）产品：6/10

• 现有产品 8/10。但产品价值和壁垒大概率即将消失，未来评分将显著下滑；
• 潜在产品 4/10。潜在产品不确定性较高，目前放出的 Chrome Addon（类似 Grammarly）不好用。

（3）团队：8/10

• 创始团队 8/10。YC 出身的团队有较好的投资人关系，Marketing Native 的背景契合核心产品的场景；
• 扩张团队 8/10。从 HubSpot 挖 VP of Marketing and Engineering，历史证明团队野心和执行力极强。

（4）市场地位：7/10

• 市场表现：9/10。绝对领先，ARR 8000 万美元，YoY 100%。当前主要竞争对手营收在 1000-2000 万美元不到。但当前的高单价争议很大，可能长期无法维持，预计未来评分将下滑；
• 市场空间：6/10。TAM 不大，且因定价压力可能将显著下降。现在的新增需求都可能流向 ChatGPT 和 Notion AI，以及未来的 Office，无法维持当前的市占率。

（5）发展前景：5/10

• 增长策略：6/10。相信团队能维持住营销文案的市占率，不是很看好/看不清 ToC 的增长策略；
• 竞争环境：4/10。OpenAI 作为上游正在挤压下游 Jasper 的空间；下游产品同质化较高，可能将开始竞争价格；微软、Notion 等巨头正在引领下游新趋势。

（6）Deal 性价比：6/10

• 性价比：6/10。当前 8000 万美元 ARR， 估值 15 亿美元，随着竞争加剧和定价压力将让其增速不会像先前这么高。

二、什么是 AI Writer?

AI writer 通过优秀的 AI 算法，能够帮助文字工作者在创作过程中提高效率，也可以被叫做 AI 辅助写作软件。AI Writer 不仅能够总结或解释文本、生成主次标题和进行语言翻译；也能对各种话题生成类似人类撰写的文字形式，比如 Email、博客、报告甚至是社交网络帖子。尽管它们能够将一些写作环节自动化来提高创作效率，但是它们没有能力完全复刻人类的创造力。

过去的 AI 写作辅助工具市场是割裂的，难以孕育伟大的公司。过去有不少优秀团队尝试用 AI 来辅助写作，比如 Grammarly 能语法纠错，Zia 能够为文章的可读性进行打分并提供修改建议，Surfer 对文章进行 SEO 优化（能从搜索引擎获得更多的流量）。但是市场对单个功能的需求有限，TAM 天花板较低导致传统辅助写作软件难以跑出较大的公司，比如 Grammarly 在深耕十几年后 ARR 总算达到 1 亿美元左右，未来能否成为上百亿的公司难以判断。

大语言模型的出现将需求聚拢，并允许功能之间的组合。2020年，OpenAI 将有天量参数的 Transformer  模型在顶尖语料库上（较夸张的说法是 10% 的互联网文字）训练后，获得了有划时代意义的 GPT-3 ，定义了大语言模型。大语言模型在传统的常见语言任务上有不错的效果，包括但不限于主体提取、语义分析、翻译、文本分类和语法纠错等，提供一站式辅助写作方案。此外，天量参数让模型从量变产生质变，使得语言模型在生成任务获得了史无前例的效果，并且允许功能之间的组合性。

比如下图中给开头后让其续写小说，过程中包括对开头的语义理解、主体提取、任务理解和生成任务：

这样广泛的应用场景将需求聚集起来，使得单个团队能够进入 TAM 较大的市场，这样获得的订单才能覆盖极高的研发投入，成为重要的生产力工具。

三、为什么终端产品有机会？

尽管 OpenAI 的技术创新能力很强，但团队似乎不屑于花费过多的精力在打磨出易用的终端产品，只是放出了网页端 Playground 和 API ，供开发者以此为基础开发更好用的产品。具体来说，OpenAI GPT-3 的终端产品有以下几个明显的缺点：

1. 产品不用户友好，未嵌入文案流程

GPT-3 API 需要使用代码向 OpenAI 的服务器请求生成内容，这显然对于大部分没有编程基础的文字工作者并不友好。此外，GPT-3 的网页端 Playground 也无法嵌入大部分文字工作者在 Word，Email 的创作流程中，限制了大规模使用。

2. 学习的财务成本高

GPT-3 生成高质量的千个英文单词需要 0.027 美元。Jasper 的新手任务认为大部分用户需要和模型对话 6 万个单次后才能基本掌握 Jasper 的用法，这意味着用户需要花费 2 美元左右才能基本学会如何给 GPT-3 指示。当真正需要商用级别的生成内容时，可能需要在两三个月的工作中大规模实际调用后才能熟练运用，这可能需要几十美金。

3. 模型筛选复杂

GPT-3 实际上是十几个模型的统称，我们在文中提到的 GPT-3 并不太区分 GPT-3 或 GPT-3.5，除了特别指出模型名称外。尽管模型的生成能力、知识和上下文学习能力其实在初代 davinci 中都具备了，但是后续的升级版本实际上并不是严格的全面性能提升，而是做了不同的取舍。比如 text-davinci-002 放弃了上下文学习能力来换取增强的零样本生成能力，而 text-davinci-003 则既保留了一定的上下文学习能力也仍有零样本生成能力。所以当用户没有提供样本时应优先选择 002 号模型，但在用户给了样本和上下文时应选择 003。

随着未来 OpenAI 的技术迭代，终端用户显然难以及时了解数十种模型的效果特征，从而不能获得最好的效果。

4. 参数难以设置

在使用 GPT-3 时，会要求填入各种参数，比如：

• Temperature: 越高就倾向于更有创作力。适合在生成营销文案时设置比较高；
• Frequency Penalty：越高模型越不会重复词语；
• Presence Penalty：越高模型越可能生成新词语；
• Logit_bias：修改某一个词语出现在生成内容中的可能性。当有 SEO 需求时，可以将关键词的 Logit_bias 设置较高，这样 Keyword 能在文中反复出现，提高了文章被搜索到的可能性。

让终端用户清楚探索出在各个场景下合适的参数组合显然不可能，这也需要高昂的试错成本。

5. Prompt 门槛较高

让 GPT-3 生成商用级别的内容首先需要填入大量有营养的信息，再由 GPT-3 将其串成一篇优秀的文章或一段话。但对于大部分终端用户来说，他们并不清晰的知道各个场景下应该重点填入什么信息。

比如在生成电商网站的物品描述时，创作者除了物体的核心信息和功能，也可以填入 SEO keyword，这样在买家搜索时商品的排名会更高。此外，在帮助用户写商品评价时，除了使用体验外，向 GPT-3 提供评分和目标受众将能生成更抓人的测评文案。

我们可以将上述的问题概括为 GPT-3 的学习和使用成本较高，并且没有被整合入创作流程中，不能被方便的调用。Jasper 团队敏锐的觉察到市场的缺口，积极争取稀缺的 GPT-3 API 测试资格，抢占先机。

四、什么是 Jasper?

Jasper 的主要产品形态主要有两种：模板（Templates）和文档（Documents），模板产品能引导用户高效率使用 GPT-3 ，文档产品让 GPT-3 在文案流程中被更方便的调用。并且也根据近期较火的 Stable Diffusion 和 ChatGPT 推出了 Jasper Art 和 Jasper Chat，试图扩大 TAM。

1. 模版 （Templates）

尽管 GPT-3 很强大，但想让其低成本的输出高质量文案是比较困难的。Jasper 先利用积累的优质文案预训练精调了 Davinci 模型，根据场景填入合适参数，提示用户填入生成所需的重要信息，以合适的结构组织好输入，发送请求给 GPT-3。这将显著降低用户生成优质内容所需的尝试次数，从而让用户能够以更低的成本享受更友好的用户体验和更优质的生成内容。

比如下图就是其 Templates 的界面，用户在左边根据提示填入产品关键信息后，就会在右边将多个生成结果供用户挑选。

用户可以用生成的产品描述，再输入到 AIDA 模版（营销框架）中，这样便又快速生成了一套营销用的文案。

2. 文档（Documents）

Jasper 在当前竞争激烈的 AI Writers 中主要差异化优势和重点宣传的产品是其 Documents 产品。想让 AI 生成优质长博客，用 Jasper！

由于不少客户反馈他们在写一篇完整的文章时，通常要使用 5-6 个模版，这意味着被打断的思路和工作流。比如撰写一篇文章会用到想法生成、Intro 段落生成、文章大纲生成、结论生成，这些都可以调用不同的模板来完成。Jasper 的文档则是通过在传统写作界面中，允许用户自然地插入请求，让 GPT-3 接管后生成内容。用户再对生成内容进行 fact check 和再组织，然后重新给指示，直到形成一篇完整的文章。

比如下图就是我们在文档中生成了一篇短文（下划线是我们给 Jasper 的请求），可以看到使用方式和 Notion AI 高度类似。

Documents 中请求的特点是短和零样本。在模版中，用户通常需要填入三四种关键信息，有时会要求具体的例子来提高生成质量；但在 Documents 中，请求长度通常只有一句话，且几乎不会给样本。所以 Jasper 在 Documents 中采用的模型应该是 text-davinci-002，这模型极为擅长在零样本情况下生成人类偏好的答案，比如生成内容更详尽，支持更多的指令。

在文档产品中，为了进一步引导用户快速完成长文章，Jasper 推出了两款辅助工具：Workflow 和 Recipes。

3. Workflow

Workflow 指的是将一篇长文案的组织步骤拆成多个模版后，让用户以一气呵成的界面使用。比如这个 Workflow 将一篇博客拆成 Intro，主要论点，给每个论点用一段话补充论据，最后总结。用户在这样的流程引导下，流畅地完成一篇文章。

4. Recipes

Recipes 是 Workflow 的进阶版本。其放弃了低门槛的可视化操作界面，用简单的语言描述让 Jasper 所要做的事情，用户可以根据步骤来写文章。比如上面是写 Blog 的标准 Recipe。

此外，Jasper 围绕 Recipes 打造了 UGC 社区，用户可以分享自己觉得好用的 Receipts，在数十款 Recipes 中最流行的已经被下载了 18 万次。

5. 实验性产品

随着 OpenAI 陆续推出 DALL·E 2 和 ChatGPT， Jasper 团队也相应推出了 Jasper Art 和 Jasper Chat。

Jasper Art 的功能是辅助用户填入DALL·E 2所需的文字来生成图片。DALL·E 2 是 OpenAI 推出的根据文字输入生成图像的 AI 算法，它不仅允许用户描述想要的物体和背景，而且也可以选择某个画家的画风，绘画种类（油画或版画），偏好色系（明亮或阴沉）等。介于普通用户难以有艺术的相关知识储备，Jasper 则为这些设置提供丰富的选项，帮助用户准确描述需求。

Jasper Art 很难说跟其他家基于 DALL·E 2 的产品有明显的区别，尤其是它没有 DALL·E 2 的完整功能（比如基于已生成的图片进行调整），所以更像是在帮助文案工作者在创作流程最后生成一张合适的海报，对现有客户的需求进行深挖（Jasper Art 收费为每月 20 美元），提高客单价。

Jasper Chat 是基于一系列模型（GPT 系列、NeoX、T5、BLOOM）的聊天机器人，它能根据用户的输入场景自动选取合适的模型，再结合搜索引擎的结果，尽量为用户生成准确的内容。尤其是检测到 Marketing 相关的内容时，它通过调用其精调过的 GPT-3，比 ChatGPT 更可能给出更优质的回复。这是因为它们对客户进行访谈时发现，比起不断调整给 GPT-3 的提示（Prompt）和参数，客户更偏好通过对话的方式来给调整指令，从而获得想要的结果。

Jasper 在 Chat 产品上进行了多样化模型供给和 Aggregator 的尝试，这是其能否保住 AI 领航人的关键因素。

首先，Jasper Chat 正在尝试多样化模型来源，从而摆脱外界对其模型供给单一的顾虑；也可以看到 Jasper 团队正在尝试成为模型的 Aggregator，用 AI 模型分析用户的指令后，选取各个场景下最好的模型。如果 Jasper 通过一些实验或大量用户评价证明 Jasper 的选择确实能有最好的生成效果后，那我们认为 Jasper 将有望保住其领航人。但这有可能只是 Jasper 的新 PR 策略，用来增强投资人和用户对 Jasper 的信心，并合理化其高昂的收费。

6. Jasper Addon

Jasper Addon 当前受竞品影响严重，目前产品体验不如 Notion AI。Jasper Addon 是一款 Chrome 插件，帮助用户在网页端的 Email、Twitter 和 Google Docs 等地方快速使用 Jasper。软件由 2022 年 10 月推出，直到 12 月初都有源源不断的用户好评，但是随着 Notion AI 和 ChatGPT 于 12 月的出现，评价数增长戛然而止，并开始出现 Jasper 收费过于昂贵的差评。我们试用后的感受是确实覆盖了更多写作场景，但是交互界面远没有 Notion AI 简洁。

Jasper 收购 Outwrite 后有望改善交互体验，并扩宽客户群体。2022 年 12 月，Jasper 完成了对 Outwrite 的收购。Outwrite 是一家有着百万用户的语法纠错软件，深度嵌入网页端的邮件、Google Docs、Notion 的创作流程中，是 Gammarly 的竞争对手。预计 Jasper 将对其进行改造，让 GPT-3 的各种功能嵌入 Outwrite，从而能被更方便更高频的调用。

五、团队

Jasper 创始团队凭借营销背景和营销从业者的人脉网，率先为 GPT-3 找到在营销场景下数千万美元的需求；随后继续从 Hubspot 挖资深营销和产品的 VP，来巩固在营销文案的优势；并且也招募了70多名工程师和设计师，不仅尝试扩宽营销场景外的用例，并且凭借极强的开发效率，几个月内陆续推出了 Workflow、Jasper Art 和 Jasper Chat 等扩宽 TAM 的尝试。

Jasper 的三位创始人都来自 Kansas State University 的营销系，毕业后他们创办了一家营销咨询公司，帮助公司写运营文案，Facebook 广告等。期间，他们制作了一套营销教学视频并收集到了大量营销从业者的邮箱，这对后来 Jasper 的启动极为有帮助。

在卖网课期间，co-founder 中负责技术的 Morgan 尝试用网页对话框来增加和客户的沟通，这对售卖课程极为有帮助，所以他们便将这个功能做成了一个初创公司 Proof。主营产品是为企业的官网提供个性化的对话框和客户行为分析，这样能有效提高公司业绩。Proof 在 2018 年进入 YC，不仅成功获得 200 万美元的融资，而且团队规模也扩展到 15 人。但最终团队无法将这个功能性产品扩展成平台性产品，最终于 2020 年解雇了一半员工，公司近乎停摆。

尽管遭遇了失败，YC 提供的宝贵人脉让团队在 2020 年底获得了 GPT-3 API 极为稀缺的 Beta 测试资格（据说只有 5 个）。他们用一个月开发出了样机（当时叫 Conversatoin AI 或 Jarvis），上线时只支持 8 个模版，且发布时间点比 Copy.ai 稍晚一些。但前文提到他们卖营销网课和 Proof 积累的营销从业者的邮件列表成了胜出的关键，GPT-3 神奇的生成效果让大部分客户看到 Demo 后便愿意购买。

Coatue 的 Co-founder Thomas Laffont 描述他首次使用 Jasper 时就像看到第一台 iPhone 一样，出色的产品效果和亮眼的收入增速显然证明 Jasper 清晰的找到了 Product-Market Fit，这让 Coatue 成为了Jasper 最新一轮的投资方之一。

创始团队在营销行业的积累让其在行业早期脱颖而出，为了巩固优势，Jasper 在近期扩张中积极吸纳著名 Marketing & Sales SaaS 公司 Hubspot 的人才。比如曾在 Hubspot 担任 5 年 VP of Marketing 的 Meghan Keaney Anderson，相信其多年积累的营销从业者关系网将进一步推动需求挖掘和业绩增长。此外，还有曾在 Hubspot 担任 3 年 VP of Product 的 Jeremy Crane，其对于企业营销产品设计的理解将帮助 Jasper 后续产品深度嵌入企业的营销工作流中。

除此之外，2022 年 Jasper 还新招了 70 多位工程师和设计师，它们将负责制作交互界面更新颖，为更多场景设计的模板界面，从而改善当前 Jasper 模板的应用场景较窄的问题。现有 60 多个模板中大部分都是帮助营销从业者高效攥写博客、新闻稿和运营社交网络等。但近期正在积极推出更多的场景的模板：比如从长文中提炼出 Bullet Points，辅助用户撰写能在 Stable Diffusion 生成高质量图片的文案等。

Jasper 团队拥有极强的执行力和野心，具体体现在产品线的高频扩张上：

首先，Jasper 是行业里较早提出文档产品的，想让用户在创作中能够比较连贯的完成。其次，他们更是率先对文档产品尝试了 Workflow 和 Receipts 两种微创新，并将宣传方向从营销稍微转向撰写擅长生成长文档；

其次，团队不仅在 DALL·E 的测试 API 发布一个月后就推出了 Jasper Art，并且也在 ChatGPT 推出后的 20 天发布了 Jasper Chat。尽管两个产品都只是调用了 OpenAI 的技术，但相较于 Copy.ai 等竞争对手仍在模板产品上内卷，Jasper 高频扩充产品线来拓宽 TAM 的尝试还是很能看出其执行力和野心的。

六、主要客户和反馈

通过 G2 的客户反馈数据，Jasper 目前主要是帮营销人员提高效率，甚至已经在一些垂直行业开始替代对写手的需求。

具体来说，我们可以看到 Jasper 近 67% 的客户是营销人员，他们爱用它来生成社交平台帖子和宣传 Email。Jasper 近 33% 的客户来自内容创作、教培、健康和软件行业，他们将自己的专业知识浓缩成点子后，Jasper 负责进行组织和润色，从而不再需要雇佣写手来进行创作和编辑。比如不少开发者用 Jasper 来写产品更新博客；健身教练用 Jasper 快速撰写定制化的饮食建议；教培人员则用 Jasper 为学生快速生成课业大纲和作业，甚至是课程反馈。

几乎所有的客户都认为 Jasper 是一个效率神器，其价格跟招募一个写手或内容运营比，简直是太便宜了。不少用户反馈 Jasper 营销文案的生成效果较好于 ChatGPT 和 Copy.ai。有些老客户夸赞 Jasper 团队总能紧跟科技进步来推出易用产品，过去一年里陆续添加了 SEO、Jasper Art 和 Jasper Chat，他们能够快捷地尝试各类新鲜事物。Jasper 的黏性很高，很多用户几乎将所有生成的文字习惯性地让 Jasper 进行一次润色。

Jasper 的差评主要集中在其强势的收费方式。Jasper 只允许用户在绑定银行卡后开启自动续费才能使用，不能单月购买或是提早取消订阅，一旦取消就立刻无法使用产品。此外，多个用户反馈 Jasper 的付费界面诱导他们支付年费订阅，而使用一段时间后年费用户就无法中途取消或 Refund，等到来年用户不注意就可能错过年费订阅的取消时间，又要支付一笔近千美元的帐单。

七、市场空间

尽管 Jasper 想尝试将大语言模型助力互联网的每一个文案输入框，但当前主要客户还是来自营销人员和一些内容创作者。我们以此为基础推测出 Jasper 的 TAM 大概在 20 亿美元左右，但未来极可能因单月收费下降而市场萎缩。

假设 1：欧美大概有 2000 万名 Sales 和 Marketing 的从业者，他们都是 Jasper 的主要目标用户。我们参考 Salesforce 在 CRM 和 Workday 在 ERP 20% 左右的市占率来估计；

通过 Zippia 数据，我们推测全美有 450 万名 Marketing 从业者和 250 万名 Sales 从业者。我们也可以用 Statista 的数据推测，因为全英有 100 万名 Marketing 和 Sales 人员，所以人口是英国五倍的美国应该有 500 万名从业者。我们这样用人口推算欧美发达国家的总从业者的数量大概为 2000 万名。这里先不考虑 GPT 的出现将让这些从业者数量大幅减少。

假设 2：根据 SignalFire 数据，全球现在有 4700 万名业余内容创作者和 200 万名职业内容创作者，我们可以分别用 1% 和 10% 的渗透率来估算潜在的客户群体，对应着 67 万名潜在用户。由于 Notion AI 和 Office 等竞品，我们预计这边的渗透率远不如营销从业者的渗透率；

假设 3：按照 The Information 文章透露，Jasper 当前 10 万用户贡献了 8000 万美元的 ARR，也就是每个用户的年付费为 800 美元。

TAM= （Marketing 从业者人数 + 内容创作者人数） x 年均收费= (2000000+670000) x 800= 21.4 亿美元

当前 Jasper 年均 800 美元（~月均 67 美元）的价格是极具争议的，市场空间可能因价格战而急速萎缩。ChatGPT 和 Notion AI 的月收费分别为 20 美元和 8 美元，尽管 Jasper 不断强调自己的生成效果好于 ChatGPT，但是面对强势的收费方式和高昂的定价，用户大概率会去采用更便宜的替代者。而 Jasper 主动降低定价到跟 ChatGPT 一样时，TAM 就只有 6.4 亿美元，自己的成长空间严重受限。

八、增长策略

1. Marketing Native

Jasper 在早期宣传时最大的卖点是帮助撰写营销文案，营销人员也是他们最早的，最重要的客户群体。

来自营销背景的 Jasper 团队除了会在 Techcrunch 这类科技博客上发 PR 稿，也会在 MarTechSeries 这类更 Marketing Native 的博客里宣传。当然，创始团队也是 Marketing Native 的，他们因先前的营销创业经历积累了大量的从业者联系方式，不仅凭此在收入上甩开直接竞对 Copy.ai，更能深度了解主要客户的需求。

2. SEO Maximalism

Jasper 发的博客极为注重 SEO 优化，这样能自然地从搜索引擎获得更多的流量。

如下左图，Jasper 每天都会发 6 篇以上的博客，大多数是类似《6 个高效率创作工具》之类的文章，由于文章标题和内容都很容易让人点进去看产品比较，这时在 Google 搜索时极容易排在前面。如下图，当我搜索 AI Copywriter，除了前两个可能买了优先广告位的 Copy.ai 和 Anyword，第三个就是 Jasper 发的某一篇博客。由于链接不指向 Jasper 官网而是博客本身，说明这是靠点击量排在前面且团队的 SEO 能力很强，这预计能为 Jasper 剩下不少广告费用，也更能让用户了解产品的比较优势。

3. ToC 策略

前文提到 Jasper 收购了 Outwrite，把大语言模型的种种功能整合近拥有百万用户的 Outwrite 后，将能够在网页端的 Email, Google Docs, Notion 等几乎所有文案场景轻松调用 Jasper。但随着 Microsoft 和 Notion 都陆续放出将要整合 GPT 的消息，所以这方面的增长将有较大不确定性和激烈竞争。

4. ToB 策略

Rogenmoser 透露未来公司重心是把产品嵌入企业的工作流中，为此他们从 Hubspot 挖来了 VP of Marketing and Engineering，同时从企业营销的需求和供给侧下手。他们不仅打算将 GPT 嵌入企业的 Email、短信和网页对话机器人，也打算整合 Hubspot（Jasper 最新一轮的投资人）这类企业常用 SaaS 中，最终成为面向企业的平台型产品。

Jasper 最近推出了 Business 业务，允许同个团队的用户使用相同的生成内容的语气，以及增强了权限管理和数据统计等功能。

整体来说，我们比较看好 Jasper ToB 策略，因为我们不是很担心 Jasper 的产品和销售能力，如果市场有新类型的产品出现，其高效的工程团队将能在短时间内复刻，再由经验丰富的营销团队去挖掘需求。但我们现在不是很看好公司的 ToC 策略，因为 Office 和 Notion 这类文案工具巨头牢牢把控着创作环节，Jasper 能渗透的概率是比较小的。

九、业绩和成本

根据 The Information 于 2022.12.23 的访谈透露，Jasper 现在有 8000 万美元的 ARR，10 万个客户，月均客单价为 80 刀。而在 2021 年， Jasper 的 ARR 为 3000 万美元，其恐怖的增速不仅体现了市场对 GPT-3 超凡效果的需求，也体现了 Jasper 团队出色的营销能力。

作为比较，The Information 在 2022 年 10 月的文章中透露估值 200 亿美元的 OpenAI 仅有小几千万美元的年营收，这和 Keras 创办者 François Chollet 在 Twitter 中说的 OpenAI 2022 年营收为四千万美元不到。可以看出，OpenAI 22 年的工作重心并没有放到下游上来，所以 GTM 的表现不尽人意。

Jasper 将其精调的模型托管在 OpenAI 服务器上：鉴于 Jasper 的生成效果极好应该在 Templates 产品中用到了精调过的 Curie 和 Davinci 两款高端模型，尤其是优化了营销场景下的文案。在 Documents 产品中用了 OpenAI 最新的 text-davinci-003 模型，对于用户的简短指令和一部分上下文也能给出精良的生成内容。

精调模型主要涉及两种成本：精调训练成本和推理使用成本。text-davinci-003 模型没有经过精调，整体更为便宜。当前 Jasper 生成每千字的价格在 0.8 美元左右。从下表可以看到，Jasper 的利润空间极大，因为训练成本将随着调用次数不断摊平，使得模型成本无限趋近于 20% 甚至以下。并且 Jasper 并没有像 OpenAI 那样高昂的研发投入，在支付员工工资和营销成本后，极有可能还有 30-40% 的利润率。

十、竞争情况

Jasper 的产品本质在做两件事：模板产品在辅助用户撰写更好的 GPT Prompt，文档产品则在将 GPT 嵌入文案创作的 Workflow。但在这两件事上它正在面临严峻的挑战。

1. 模版产品

模板产品面临高度同质化的竞争，OpenAI 也在最新几代 GPT-3 中降低使用门槛，也有潜在技术路线能用 AI 取代模板产品。

模版产品的竞争对手除了 Copy.ai 和 Copysmith.ai 等十几家类似公司外，还有 PromptBase 这类开源社区，他们主要在以下几个方面竞争，而 Jasper 都有一定优势，不过差距正在模糊。

（1）追求模版数量，渗透更多文案场景

GPT-3 适合的场景可以概括为结构标准化，内容重复度高的套话，且有些每天都需要使用多次。典型例子是推广产品时的 Cold Email 和 Github 开源产品的更新周报。Jasper 一直在尝试渗透进更多的文案场景，并尝试将创作流程标准化后让 GPT-3 参与。当前 Jasper 有 66 个模版，覆盖 12 个左右的文案场景，已对当前 GPT-3 适合的大部分场合都已初步覆盖。

（2） 更全面的软件整合

Jasper 产品主要以网页端形式展现，尽管也有 Chrome Addon 插件，但是并不好用。可能未来的趋势是整合入类似 Grammarly 的产品形式，让用户能够在多场景中自然地使用。

Jasper 和 Surfer SEO 有整合，让生成的博客容易排在谷歌搜索页的前面。Surfer SEO 是一款被 Shopify 和 Square 等知名公司采用的写作辅助工具，能用算法对文案内容进行打分，也能给出调整建议，这样可以从谷歌搜索中导流。这项功能除了价格较贵外，广受用户好评。

（3）精调模型，追求垂直场景生成效果

当前 Jasper 有多个模型，能根据用户的输入自动选择合适的模型。Jasper 在一些特殊文案模版（如营销场景）中采用的模型是精调 （Fine-tune）过的初代 Davinci，所以客户评价里不少客户反馈 Jasper 的营销生成效果是市场上最好的，肉眼可见地比 ChatGPT 要更好。

某位创作者的 Tweet

（4）选取性价比更高的变种模型

GPT-3 并不便宜，并且 GPT-3 并不是赛道里唯一的玩家。比如一家名叫 Goose.ai 的公司就提供性价比更高的 GPT-Neo X 等变种模型，以一半的价格提供用户难以察觉区别的生成效果。Jasper 已经有一部分的业务正在使用 GPT-J（一个开源版本的 GPT-3）或 GPT-Neo X，来降低 GPT-3 单点供给的风险。

（5）定价策略

Jasper 的竞争对手们先后多次降价，尝试从 Jasper 这获取客户。比如 Copy.ai 已将月度定价设置在 49 美元，这是 Jasper 的一半，并且不设置字数上限。相信 Jasper 看到 OpenAI 和主要竞对的定价后，会有极大的价格压力。

除同类竞争对手外，模版产品可能将会被 OpenAI 的后续产品淘汰。OpenAI 在发布 GPT-3 后的两年里通过指令微调（Instruct Tunning）和基于人类反馈的强化学习（RLHF）来让 GPT-3 能处理更丰富的人类指令，并让生成内容更符合人类的期待，因此普通人输入较少且不清晰的指令时，ChatGPT 和 text-davinci-003（最新的 GPT-3 版本）也能给出翔实的生成文案。ChatGPT 的出现极大促进了 AI 文案生成的流量，但 Jasper 失去了大量的流量份额，被边缘化了。

尽管 Jasper 生成效果更好，但 OpenAI 产品的性价比明显更高。Twitter 上有大量的用户分享他们通过 ChatGPT 免费获得了优质文案，当然最新的 API 价格也极为便宜，Jasper 的高价很可能难以维持。

最后， 模版产品可能会被潜在 AI 技术淘汰。未来可能出现 text-to-parameters 或是 text-to-prompt 的 AI 小模型，据用户描述的场景自动生成合适的参数和 Prompt 提示，辅助用户使用 GPT-3。比如 AI 小模型从用户输入中检测到是营销场景，将 Temperature 调高或将 Frequency Penalty 调低，这样产品名称能多次出现，并且生成的文案更有创造力。

2. 文档产品

文档产品面临传统文案工具整合 GPT-3 后的竞争， Jasper 处于弱势。Notion、Craft 等笔记软件新贵近期都已完成在产品中整合了 GPT-3，很难想象用户会特地去仅有网页端的 Jasper 使用 GPT-3。和 OpenAI 关系密切的微软可能也要在其 Office 套件和 Outlook 中整合 GPT-3，这将进一步压缩对 Jasper 文档产品的需求。

整体来说，尽管文档产品是现在 Jasper 主要的壁垒，但是我们不是很看好其持续性。未来能否文案流程中被更方便的调用将取决于其对 Outwrite 改造，让 GPT-3 跟 Grammarly 一样嵌入数个文案创作工具中。

Reference

1. Copy.ai

http://Copy.ai

2.G2 的客户反馈数据

https://www.g2.com/products/jasper-ai/reviews

3. Zippia 数据

https://www.zippia.com/sales-person-jobs/demographics/

4.Statista 数据

https://www.statista.com/statistics/319805/number-of-sales-marketing-and-related-associate-professionals-in-the-uk/

5.SignalFire 数据

https://signalfire.com/blog/creator-economy/

6.MarTechSeries

https://martechseries.com

7.The Information 在 2022 年 10 月的文章

https://www.theinformation.com/articles/the-best-little-unicorn-in-texas-jasper-was-winning-the-ai-race-then-chatgpt-blew-up-the-whole-game?rc=z4bphe

8.François Chollet 的 Twitter

https://twitter.com/fchollet/status/1612142423425138688

9. Tweet

https://twitter.com/scottcmillard/status/1627683023108931585

10.Goose.ai

http://Goose.ai