AI 2.0时代,内容型产品的增长之道

0 评论 2700 浏览 14 收藏 13 分钟

2023年9月9—10日,人人都是产品经理联合腾讯大讲堂举办的【2023产品经理大会(北京站)】完美落幕。字节跳动前业务增长负责人朱凯老师为我们带来《AI 2.0时代,内容型产品的增长和变现之道》为题的分享,本文为演讲内容实录。目前大会回放已上架,戳此购买,即可收看回放:https://996.pm/7gX2B

一、当前的机遇和挑战

当前,我们面临着这样的挑战和机遇:

挑战:

  1. 宏观环境:降本增效背景下,关键是稳住核心业务。
  2. 流量见顶:DAU、时长两项关键指标已见顶。
  3. 技术周期:新技术革命还在孕育阶段。

机遇:

现在,各大互联网企业都开始下场做内容,比如淘宝、美团、支付宝都在做短视频内容。为什么这么多产品都在做内容?从本质上来看,内容是一个能拉住客户、留住客户、并且快速实现变现的抓手,内容的巨大用户价值和商业价值已经成为行业的充分共识。

近几年关于内容行业,我自己也有一些发现和判断:

  • 细分化:以网文、数字阅读行业为例,大多数平台的内容都更为细分;
  • 互动化:越来越多产品在强调互动,互动类产品层出不穷;
  • 多体裁:多体裁改变逐渐成为行业趋势。

在内容供给上,内容生产模式也发生了重大变革,AI将重构内容生产全链路,人和机器的协作模式也将重构。比如创作主体维度,已经逐渐从专业机构向普通用户过渡,随着科技的发展,或许在不久的未来,内容的终极形态将由AI生产。

那么从事内容创作的我们,未来该何去何从,又该如何与机器协调合作?目前大家都在摸着石头过河,大家可以关注内容供给侧的变化,这对我们的工作有着很大影响。

二、内容型产品增长的思考框架

AI的巨大价值已成为共识,到业务层面,具体应该怎么思考和落地?

1. 业务维度

内容产品怎么做增长?以数字阅读类产品为例,可以围绕内容生产、内容分发、内容消费、内容变现四个核心链路,重新系统思考每个模块和环节,从而进行赋能和增效。

而以资讯类产品为例所搭建出来的赋能框架,在分发、互动等环节上,资讯类产品与垂类产品存在着一定区别。

2. 组织维度

AI的到来对组织产生了巨大的挑战,我们的生产关系,也将产生一定变革。

现在,许多行业都在进行行业会议,在了解怎么做策略、方法、工具和模型。那么,AI的到来会不会引起组织架构的变化?这里引用吴恩达《人工智能转型手册》一书中的观点,他提出了组织适应AI时代的关键动作:

  1. 执行试点项目从而获得动力;
  2. 建立公司内部的AI团队;
  3. 对员工进行AI技能培训;
  4. 制定人工智能战略;
  5. 在公司内外建立良好沟通渠道。

毋庸置疑,AI 时代的组织架构一定会发生巨大变化。那么,我们在AI时代下如何重新审视组织迭代?可以从三个维度出发:

  1. 组织架构;
  2. 业务流程;
  3. 组织文化。

三、AI赋能内容全链路的具体实践

怎么利用AI能力赋能业务增长,从而获得更多收入、获取更多用户?

先理解当前的技术发展周期:

  1. 目前“生成式AI”正处于炒作周期顶峰;
  2. 超过 55% 的 AI 技术在未来五年内可进入生产高地,93% 在未来 10 年内可进入;
  3. AGI 和 神经符号 AI预期需要超过 10 年。

上图中标红的地方即生成式AI,人工智能目前处在顶点的位置,意味着大家对于它的期望值很高。但当其落地低于预期时,则可能会产生泡沫。不过一旦有更多的用户得以满足需求,其发展又能逐渐回到高处。在经过近一年的炒作热潮后,生成式AI将进入落地应用阶段。

在理解了当前的技术发展周期后,来看看这六个AI赋能内容全链路思考框架中需关注的问题:

  1. 对业务的增量价值是什么?
  2. 输出质量是否稳定和可控?
  3. 是否可形成数据飞轮?
  4. 成本和效率?如何计算ROI?
  5. 是否可清晰评估量化效果?
  6. 合规和隐私问题是否已解决?

在这些问题都得以解决后,我们便可以进行下一步的落地。

1. AI赋能内容全链路具体实践——广告素材生成

AIGC已经逐步应用于广告素材的创意策划、加工、生产、分发等环节,效果显著,为什么它的应用会这么广?可以看下面的几个特点:

  1. 需求稳定;
  2. 数据丰富;
  3. 机器化程度不高;
  4. 提效空间大。

以头部互联网企业的广告素材生产现状为例,他们有两类素材,一类为真人实拍素材,素材质量相对较好,但生产周期较长;一类为利用AI能力、通过机器大规模生产出的素材。当前后者的规模占比可能相对较低,但在未来一到两年后,或许95%以上的素材都会变成机器生产。所以我们可以看看是否有和广告素材相关的业务,从业务切入,进而获得利益。

最终,结合AB实验以及相应数据,我们看到某内容APP的机器生产广告素材较人工生产素材而言,已取得多项关键数据优势,并且后续迭代空间巨大。

2. AI赋能内容全链路具体实践——文本生成

文本生成的应用领域十分广泛,如下图所示。甚至在未来,文本生成的应用速度还会逐渐加快。

实践案例1:

某阅读类APP,通过AIGC生成推送内容标题,大幅提升了书籍标题内容生产效率。运营类工作可以思考后续是否可以在内容生成工作中,利用相应的工具以提升效率。

实践案例2:

在当下,有各类小说智能写作助手能够全面帮助作者提效,小说智能写作有着丰富的能力场景:

3. AI赋能内容全链路具体实践——图像生成

实践案例:

在某阅读类APP中,作者可以通过AIGC生产设计书籍封面和插图,可大幅降低封面生产成本,同时可规避版权风险。

4. AI赋能内容全链路具体实践——智能对话

实践案例:

某阅读类APP,通过AI对话机器人,和用户建立了深度互动社交关系,提升了多项产品关键指标。这不仅存在于二次元场景中,在泛娱乐场景中也同样成立,用户可以和角色形成长线的陪伴与互动。

5. AI赋能内容全链路具体实践——可控性问题

从内容生成视角看,未来的核心挑战之一是如何逐步解决可控性问题。我们也可以从中寻找创业机会。

下图为AI应用路线图,可以做一定的参考。

四、对未来的一些思考和判断

判断一:思考清楚自己产品/业务的独特价值很关键,需要找到最合适的生态位;市场空间大,但是找准位置更关键。

判断二:当前阶段下,大家都没有壁垒,如谷歌研究员所说的,“谷歌和OpenAI都没有壁垒。”

Meta推出开源大模型Llama 2后,开源的火种传递至了每一个人,这意味着任何一个人都可以在激烈竞争中搭建自己的大模型,这就导致壁垒的消失。那么在这种情况下,什么是最为关键的?可能是人才、执行和商业模式等因素。

判断三:打造数据飞轮成为行业共识,高价值的数据成为关键。

什么样的数据更有价值:

  1. 原创性:稀缺性,产生独家价值;
  2. 非公开:行业数据/政府数据/私人数据;
  3. 高质量:准确性/结构化程度/时效性;
  4. 大规模:行业存在明显的规模效应。

判断四:行业变化太快,需要更先进的学习能力。

我们需要时刻掌握一手信息,并关注相应圈子,学会及时降噪,并打自己的KM系统。

结尾

“预测未来的最好方法是创造未来。”没有人能准确预测未来,所以我们需要通过实际业务,来看看未来是否会变成我们想要的样子。

大会直播回放

目前大会回放已上架,戳此购买,即可收看回放:https://996.pm/7gX2B

本文为【2023年产品经理大会(北京站)】 现场分享整理内容,由人人都是产品经理运营@大怪 整理发布。未经许可,禁止转载,谢谢合作。

题图来自大会现场

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!