作者 | 楊一溪

責編 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

當 AI 能在一秒內生成無數(shù)種方案時，我們反而比任何時候都更容易迷失在“可能性”的汪洋里。我們似乎擁有了解決一切問題的能力，卻正在失去定義“真問題”的耐心。

這正是 BAT 增長顧問、前快手產(chǎn)品總監(jiān)楊一溪，在全球產(chǎn)品經(jīng)理大會（PM-Summit）上試圖擊穿的迷思。這位曾親手將快手 DAU 拉升 117 個百分點、把美團商家錢包從 0 做到 500 萬，甚至參與過“天宮”空間站計劃的增長實戰(zhàn)派，帶來的不是更復雜的 AI 模型，而是一個返璞歸真的常識：在算力爆炸的時代，最稀缺的，是對人心的洞察力。

楊一溪在 PM-Summit 演講現(xiàn)場

“所有增長的出發(fā)點都是用戶需求和洞察，這是不變的�！�

• 當所有公司都在用 AI 武裝“打工人”時，一家公司選擇去傾聽一個母親深夜的焦慮，為她做孩子作業(yè)的 PPT，結果撬動了驚人的增長。

• 當報表顯示用戶消費力下降時，美團沒有強行提高客單價，而是果斷將增長目標從漂亮的“GMV”切換到更誠實的“訂單量”。

• 當所有銀行都在搶存款時，招商銀行看到了高凈值用戶對“資金靈活”的真實渴望，從而靠一個不同的指標，走上了一條完全不同的路。

這些都不是聰明工具的勝利，而是“笨拙”洞察的勝利。它證明了，無論技術如何演進，商業(yè)的本質，依舊是人與人的連接。楊一溪的分享，與其說是一套增長方法論，不如說是一份清醒劑。它提醒每一個被技術浪潮裹挾的人：

有時候，知道用戶為什么離開，比知道他們?yōu)槭裁戳粝赂匾?/strong>

以下，是楊一溪的完整分享。

AI 產(chǎn)品爆發(fā)，但你的痛點解決了嗎？

8.15-16 北京威斯汀·全球產(chǎn)品經(jīng)理大會 PM-Summit，3000+ AI 產(chǎn)品人社群已就位。

直面 AI 落地難題 · 拆解頭部案例 · 對接精準資源掃碼登記信息，添加小助手進群，搶占 AI 產(chǎn)品下一波紅利

進群后，您將有機會得到：

· 最新、最值得關注的 AI 產(chǎn)品資訊及大咖洞見

· 獨家視頻及文章解讀 AGI 時代的產(chǎn)品方法論及實戰(zhàn)經(jīng)驗

· 不定期贈送AI產(chǎn)品干貨資料和秘籍

本文將探討五個核心主題：

第一，AI 時代做增長的變與不變。隨著 AI 時代的到來，增長的邏輯有哪些相同與不同之處？

第二，AI 如何賦能全域增長。AI 能為業(yè)務帶來哪些實實在在的新增量？

第三，AI 如何在規(guī)�；路矫娼当驹鲂�、提升質量。

第四，AI 如何賦能留存和價值提升。如今 AI 在旅游等行業(yè)的增量空間可達千億級別，這是如何實現(xiàn)的？

最后，關于如何用 AI 召回用戶。眾所周知，我們已經(jīng)進入存量增長時代，如何盤活龐大的流失和沉睡用戶，是所有企業(yè)面臨的挑戰(zhàn)。過去，這類用戶情況復雜、流失原因多樣，而 AI 模型為解決這一難題提供了新的機會。

在接下來的內容中，我會結合之前在美團、滴滴、快手的經(jīng)驗，以及一些最新的案例來分享。內容偏向故事和案例，希望大家能有記憶點。

增長的不變之本

無論增長有何種新方式或新方法，其核心本質始終是基于產(chǎn)品的核心價值，而這個價值源 于對用戶的洞察力。

這里我舉一個AI PPT的案例，它的增長做得比較好。大家都知道，工具這個市場競爭非常激烈，有微軟等一系列成熟產(chǎn)品。那么作為一個小公司，想做增長該怎么入手呢？

大家有時會覺得做增長很焦慮，那是因為我們總是在一個存量的盤子里競爭。但實際上，尤其是對于 AI 領域的創(chuàng)業(yè)者來說，還有很多細分的用戶可以去挖掘，存在著大量的增長機會。

AI PPT 就是一個很好的例子。大部分做 Office 軟件的公司，比如微軟，他們的目標用戶是我們這樣的“打工人”，并且需要在功能上不斷內卷。

但他們在推廣時也遇到了難點：作為“打工人”，我肯定不希望讓老板知道我的 PPT 是用 AI 寫的；如果我是做咨詢的，用 AI 生成的 PPT 交付給客戶，似乎也不太專業(yè)。這些都給推廣帶來了難度。

AI PPT就很聰明，它選擇了一條與大廠差異化的路線。它發(fā)現(xiàn)了一類用戶，雖然使用頻率不高，但基數(shù)足夠大，足夠長尾，那就是寶媽群體。

孩子上學時，學校常常要求家長做各種展示 PPT，一個月總有一兩次。很多寶媽不像在座的各位這么擅長做 PPT，大部分其實并不精通。AI PPT 就抓住了這個需求和洞察，從而實現(xiàn)了很好的增長。

我想分享一個個人觀點：做增長，與其在存量市場里激烈競爭，不如去尋找一些尚未被發(fā)現(xiàn)的增長需求。無論是創(chuàng)業(yè)公司還是大公司的第二曲線業(yè)務，一旦找到這樣的需求，你會發(fā)現(xiàn)空間遠比想象中大，并非存量時代就再無機會。

比如可口可樂，他們之前定位自己是碳酸飲料，市場份額已經(jīng)觸及天花板。但當它把定位改成“帶味道的水”，即在水中占據(jù)有味道飲料的比例時，就立刻獲得了新的機會，并推出了茶飲等產(chǎn)品。

這就是我想分享的第一個觀點：從用戶未被滿足的需求出發(fā)。AI PPT 發(fā)現(xiàn)了這個洞察后，用了三個策略將它很好地落地。

• 第一，人群洞察。它精準地找到了寶媽這個群體，而且寶媽還有一個特質，就是樂于傳播，所以他們不需要投入重金去購買流量。
  

• 第二，定價體系。定價并非基于成本，而是基于為用戶創(chuàng)造的增值價值。寶媽群體的消費能力和對工具的渴求度不像辦公人士那么高，所以它的價格定得相對較低，但仍有價值空間，做得比較好。

• 第三，內容驅動。內容本身既能帶來增量，也能促進留存。它做了一些場景化的定制模板，覆蓋了各個行業(yè)，帶來了很好的增長。

當然，要做好基礎產(chǎn)品，還需要有創(chuàng)作者生態(tài)，激勵大家來制作模板。所以，我們從這個案例中可以得出一個結論：在我們具備了一定能力之后，可以去尋找那些未被滿足的用戶需求，而 AI 能幫助我們更好地完成這些需求。

第二個案例是百度網(wǎng)盤。它最早是一個內容工具，后來轉變?yōu)樯a(chǎn)力工具。我們如何判斷大廠的增長做得好不好？看財報就行了，AI 也能幫我們搜集這些資料。

以前，百度網(wǎng)盤和百度文庫流失了大量用戶。大家去搜索這些內容的核心目的，其實是為了完成論文、PPT 等工作，而不僅僅是找到素材。他們也發(fā)現(xiàn)了用戶的這個需求洞察，所以把產(chǎn)品定位為生產(chǎn)力工具。我不知道大家用過沒有，它現(xiàn)在可以一鍵生成 PPT，這些功能做得還不錯。從財報來看，通過這種方式，它的會員數(shù)量實現(xiàn)了 50% 的絕對值增長。

但是，他們也遇到了難點和瓶頸。首先，雖然定位和用戶心智變了，也帶來了新的增量，但如何將這些用戶留下來，把產(chǎn)品的核心體驗打磨得更好，是一個挑戰(zhàn)。其次，在推廣方面，辦公人士群體依然不太接受，不太愿意讓別人知道自己的工作成果是 AI 完成的。這兩個案例都是為了佐證一個觀點：所有增長的出發(fā)點都是用戶需求和洞察，這是不變的。

增長的方向盤：設定正確的北極星指標

做增長還有一個不變的原則，就是在我們定位好用戶之后，無論是團隊還是個人制定 OKR，都必須先確定北極星指標。

它就像黑夜中的北極星，指引著唯一的前進方向。這個指標一旦確定，就不應輕易改變，所有人都應以此為標準去執(zhí)行。它不是拍腦袋想出來的，也不是看競品做什么我們就做什么，而是有嚴謹?shù)耐评磉^程。

我舉美團的例子，美團外賣原來的北極星指標是GMV，現(xiàn)在改為了訂單量。

為什么會有這樣的變化？我們需要向外看行業(yè)，向內看用戶。如今大環(huán)境確實不那么樂觀，從用戶數(shù)據(jù)洞察來看，訂單量下降主要源于客單價的降低。你會發(fā)現(xiàn)美團也推出了“拼好飯”這類產(chǎn)品，其背后的邏輯就是用戶消費力在下降，同一類人群的客單價確實受到了影響。

如果目標仍然是增長 GMV，那么下屬團隊就會想方設法去做交叉營銷、提高單價，在存量用戶身上做文章。所以，為了讓團隊的目標更清晰、工作更直接、信息傳達更簡單，美團就將指標改為了訂單量。這意味著他們希望用補貼去換取更大的增長空間。不光是美團，其他大廠也觀察到，比如百度，70% 的用戶其實是價格敏感型用戶。所以，這個目標的改變是基于市場和用戶洞察的。

這就是北極星指標的制定方法，它一定是根據(jù)用戶洞察來制定的，定下來之后，大家就朝著這一個目標去完成。

我再補充幾個制定北極星指標的原則。

第一，北極星指標是因時而變的，它會隨著產(chǎn)品不同的生命周期而變化。

第二，制定指標時要有一個制約指標。比如，我們做新客增長，需要關注 ROI。ROI 有兩種計算口徑，一種是 LTV（用戶生命周期總價值）與 CAC（用戶獲取成本）的比值，另一種是經(jīng)營指標，即（GMV × 凈利潤）再除以 CAC。在這樣的基礎上，我們還要看規(guī)模是多少，以保證用戶質量。這樣做還有一個好處，就是如果只看拉新數(shù)量，你可能會獲取一些低質量用戶，反而損害了長期的用戶價值。

第三，最難的一點，是在用戶價值和商業(yè)價值之間找到平衡，同時還要在短期利益和長期發(fā)展之間找到平衡。你可能會覺得“原理我都懂，但一做就出問題”，所以我們舉個字節(jié)的例子。字節(jié)做增長，商業(yè)化團隊和用戶產(chǎn)品團隊的目標會有沖突。商業(yè)化團隊為了完成業(yè)績目標，可能會與用戶產(chǎn)品團隊達成一個原則：如果我每次商業(yè)化變現(xiàn)（比如做直播）對用戶時長的傷害不超過 1% 到 2%，就可以去做。大家可能覺得這沒什么毛病，但對用戶體驗的傷害是從量變到質變的。他們做得很好的一點是會進行長期的追蹤對比，后來發(fā)現(xiàn)有一天，直播導致的用戶時長出現(xiàn)了斷崖式下跌。所以，我想提醒大家，北極星指標看似簡單，但背后有很多邏輯需要注意。

我再舉一個非互聯(lián)網(wǎng)行業(yè)的例子——銀行。招商銀行做得就比較好。與國有大行相比，招行幾乎沒有任何先天優(yōu)勢。

大家都知道，招行的線下網(wǎng)點數(shù)量可能還不到國有大行的一半。這說明，不是資源比別人少，就做不出增長。在銀行發(fā)展的第一階段，大多數(shù)銀行追求的是存款量。因為定了這個指標，下面的客戶經(jīng)理就會把所有的贈品、補貼利率全都用在拉存款上，存款額確實增長了。

但招行是怎么做的呢？它以AUM（資產(chǎn)管理規(guī)模）為核心。它洞察到，一部分高凈值用戶的需求是對資金有流動的、靈活的需求。所以它不強求用戶做定期存款，而是提供理財?shù)冉鉀Q方案。正是這樣一個指標，給招行的零售業(yè)務帶來了巨大的幫助。當你滿足了用戶的真實需求后，用戶會覺得這個產(chǎn)品不錯，愿意把更多的錢放在這個賬戶里。你看，同樣是銀行，不同的北極星指標帶來了完全不同的結果，這再次證明了從用戶角度出發(fā)的重要性。

到了第二階段，招行的指標又變成了MAU（月活躍用戶數(shù)）和 AUM 雙輪驅動。

為什么會有這個變化？因為它發(fā)現(xiàn)，真正對金融非常了解的用戶其實沒那么多。金融產(chǎn)品的特點是高度標準化，比如利率、存款金額等。但用戶做決策時是有成本的。如果只從現(xiàn)有用戶中去篩選，天花板很有限。于是，招行想通過一些金融相關的場景，比如生活服務、話費充值等，來慢慢培養(yǎng)用戶。因為金融是低頻的，而這些生活場景是高頻的，通過這些場景能更好地獲取用戶。所以他們把指標變成了 MAU+AUM。

一個指標一旦定下來，下面的人都會照著它去做。如果定錯了，就會帶來負面影響。

我舉一個字節(jié)飛書的例子。他們曾把 B 端業(yè)務的指標定為活躍用戶數(shù)，沒有其他制約指標。如果你是字節(jié)的員工，你會怎么做？當然是去和大型企業(yè)合作，簽下一個大客戶，活躍用戶數(shù)就上來了。這導致團隊投入大量人力去攻克大企業(yè)，但收入和凈利潤卻不理想。所以說，指標定好了，下面的人才會走對路。

回到招行的例子。基于用戶洞察和對行業(yè)外的觀察，到了第三階段，也就是現(xiàn)階段，他們又把指標改回了 AUM。他們發(fā)現(xiàn)，如果用 MAU 和 AUM 雙輪驅動，獲取到的用戶價值并不高。尤其是在疫情期間，通過非金融場景（比如 App 里的生活服務）獲取來的用戶，雖然花了很多錢，但留存率很低，最后算下來是“花了個寂寞”，并沒有實現(xiàn)真正的價值轉化。

所以他們發(fā)現(xiàn)，在現(xiàn)階段，金融業(yè)務才是更能有效獲取高價值用戶的渠道，于是又重新聚焦到金融業(yè)務本身。通過招行案例的演變和美團外賣指標的變化，我們都可以看到，成功的指標制定都是基于用戶洞察、著眼于長期價值，并配合相應的策略去執(zhí)行的。

增長的羅盤：體系化數(shù)據(jù)分析的道與術

接下來談談數(shù)據(jù)分析。大家有沒有被數(shù)據(jù)分析搞得很痛苦？做數(shù)據(jù)分析時，大家是不是都有這樣的痛點：老板每周都來問，我們的 GMV 為什么下降了？初級分析師就開始慌張地猜測：可能是我們最近某個活動下架了，可能是競品做了什么活動，可能是某個創(chuàng)作者不跟我們合作了……說得老板一頭霧水，覺得你毫無條理。而稍微聰明一點的人，會有一個體系化的分析結構，基于我們設定的目標層層拆解。

我可以和大家說一下拆解的思路，也談談現(xiàn)在大家通常是怎么做的。我們還拿招行的 MAU+AUM 指標為例。

一級指標拆解，可以按業(yè)務線拆。比如在美團，就是美團外賣、酒旅等。當然，不同視角看指標的方式不同。如果我只是一個純外賣業(yè)務的負責人，我就會往下拆成送藥、商超等子業(yè)務。

如果你只是一個小組長或執(zhí)行者，可能不需要看業(yè)務這塊，而是根據(jù)你的職能視角來拆。在業(yè)務層之下，通常會先拆 B 端和 C 端，因為這涉及到?jīng)Q策判斷。

比如在滴滴海外，司機業(yè)務一直是以 2C 為重點。但他們發(fā)現(xiàn)在巴西地區(qū)，油價上漲導致很多滴滴司機不愿出車了。同時，C 端用戶對滴滴在巴西已經(jīng)有了認知，即便補貼下降，用戶也不會輕易流失。在這種情況下，他們就會把業(yè)務重點從 C 端轉向 B 端。這個決策就是基于體系化的數(shù)據(jù)洞察。

在 C 端這個同層里，可以再拆分為新用戶、老用戶、流失用戶等。現(xiàn)在大家拆得越來越細，還會在這個基礎上再分客群，比如年輕用戶、老年用戶等。像去哪兒網(wǎng)，他們就會發(fā)現(xiàn)給老板訂票的秘書這類人群，價值巨大，有很大的增量空間，于是就會對這類人群進行細分。

三級指標，我們會細拆到增長的各個方向。比如拉新，一般會拆成四個方向：

• 一是廠商合作；

• 二是 ASO/SEO 關鍵詞搜索，尤其對于海外業(yè)務，詞的搜索非常有價值，可以采用做長尾詞或做頭部詞的策略。大廠有錢，可以做一些頭部熱詞；而創(chuàng)業(yè)公司或大廠的新業(yè)務，可以做長尾詞，通過“螞蟻雄兵”的策略，效果不見得比熱詞差。

• 三是廣告投放，后面我會講 AI 如何賦能投放。

• 四是做各類活動。

對于老用戶，我們會拆分成留存、ARPU、頻次、召回等。

最難的是從三級往下拆到四級。四級怎么拆？主要拆兩個點：一個是轉化率，沿著用戶旅程去拆，找到影響轉化的關鍵因素；另一個是影響留存的因素。這塊是最難的，我怎么能知道什么事情對留存有影響？有兩種方式：一種是，如果團隊數(shù)據(jù)能力特別強，能找出所有與留存相關的因素，然后通過 AB 實驗去假設和驗證。但大家要注意，相關性不等于因果性，跑出結果后還需要驗證。另一種方式是，在大部分公司數(shù)據(jù)資源有限的情況下，就需要增長運營或產(chǎn)品經(jīng)理自己去分析，通過對比留存用戶和流失用戶在體驗上的差異，找到關鍵因素。

但更重要的一點是回歸用戶本質。你其實是對你的用戶有基本了解的。比如對 B 端的美團外賣商家來說，他們的核心訴求很明確：如何低成本地多賺錢。圍繞這個訴求，影響因素就是激勵體系、平臺策略分配等。

對 C 端用戶來說，就是更好的體驗：如何更高效地選餐，如何選到心儀的店鋪。但“高效”、“心儀”這些詞都很虛，無法直接指導推薦策略。我們必須把它定義清楚，比如用戶找不到自己喜歡的店鋪，是哪個類型的店鋪？這個類型是 Top K 級別的還是腰部 C+K 級別的？找不到喜歡的菜品，是豐富度不夠嗎？這樣我們才能找出具體原因。再具體一點，比如用戶進入店鋪頁面又離開了，我們可能會發(fā)現(xiàn)，當菜品數(shù)量少于 10 到 20 個時，用戶更容易離開。一定要有這樣明確的定義，才能做策略，才能做數(shù)據(jù)分析。這個原則也是增長中不變的。

這個分析體系是怎么建立的呢？我們稱之為“從大到小看，從大到小做，然后下鉆”�，F(xiàn)在做得比較好的公司，其實已經(jīng)到了第二個階段，就是能做好監(jiān)控，系統(tǒng)能告訴管理者是哪個環(huán)節(jié)、哪個負責人出了問題，你直接找那個小伙伴就行了。而未來的階段，是系統(tǒng)能幫你做預判和診斷。比如，系統(tǒng)發(fā)現(xiàn)新用戶和沉睡用戶在畫像上非常相似，新用戶喜歡的“沖返”、“即時立減”等優(yōu)惠，用在沉睡用戶身上效果也可能很好，于是它會向你推薦這樣的策略。AI 能幫你做智能判斷，有了這樣的監(jiān)控系統(tǒng)，大家就不用再辛苦地翻報表了。

當然，只看內部數(shù)據(jù)就足夠了嗎？不是的。有時候你沒有做錯任何事，但外部環(huán)境的變化會影響你的業(yè)務。比如美團在沙特做外賣和在國內做就不一樣，天氣會成為影響配送體驗的重要因素。還有一些外部因素，比如我們自己沒做什么，但競品找到了一個很好的切入點，做了一些活動，也會影響我們。這些我們都需要進行監(jiān)測。如果大家有這樣的智能監(jiān)控體系，是可以幫助我們做判斷的。

再說說 AI 如何幫助我們做增長研究。有人曾問，怎么用 AI 找數(shù)據(jù)？以前太累了。我想了解行業(yè)數(shù)據(jù)，可能得去看財報，自己加工處理，想看競品公司的MAU、DAU 等數(shù)據(jù)，QuestMobile 是最好用的，只要錢到位，它什么數(shù)據(jù)都能給你，甚至包括一些非標準的、定制化的漏斗數(shù)據(jù)。想找行業(yè)宏觀數(shù)據(jù)，就得去找國家級的數(shù)據(jù)源。這樣分析起來是不是很累？現(xiàn)在 AI 來了，我們用秘塔或者 Kimi，按照一個結構化的方式去提問，它就能幫你分析出來。

不同級別的人，給老板呈現(xiàn)的報告和自己看的數(shù)據(jù)是不一樣的。

如果你是初級分析師，你可能只了解競品是什么。比如新能源汽車行業(yè)，高級分析師才會去看商業(yè)模式。當然，如果你是做商業(yè)化的，那即便是初級階段也要關注商業(yè)模式。

高級分析表示則會看競品在核心競爭地的經(jīng)營情況，幫助我們揚長避短，以及進行更深入的行業(yè)分析。下面這張圖是提示詞的寫法，直接把這個提示詞復制到秘塔或 Kimi 里，它就能幫你分析出數(shù)據(jù)，并且可以要求它標明數(shù)據(jù)來源，給出結論性數(shù)據(jù)。

如果大家想查其他東西，但不會寫提示詞，用秘塔就行了，它特別好用。當你沒有頭緒的時候，你直接搜索，它會給你一個大致的結構，能滿足初、中、高級不同階段的需求。

規(guī)模化拉新：從不確定到確定

接下來講講拉新�，F(xiàn)在大家在拉新上越來越痛苦，總是在成本、質量、規(guī)模之間做權衡，很難三者兼得。我們說一下現(xiàn)在最流行的方法。

在投放領域，最早把規(guī)模化做得最好的就是拼多多。它能基于我們前面說的人群分類結構，將不同的人群，匹配上不同的價值賣點，再匹配上不同的 SKU，一小時就能生成 300 多萬個素材。當然它不是全部投放，而是通過打分選出最優(yōu)的素材進行規(guī)�；斗�。

國內在這方面做得比較好，而國外做得更好、字節(jié)也在學習的，是谷歌的“黑盒白盒打分法”。它能將我們廣告投放中的不確定性，轉變?yōu)橐恍┐_定性的事情。

比如大家花錢做廣告投放，現(xiàn)在都特別謹慎。一個素材放上去，效果不好，就開始搞玄學，說“再發(fā)一遍效果就好了”。但我們得明白，字節(jié)的算法上確實會有一定的損耗，但比例很小，在 10% 以下，不太可能把一個爆款素材完全抹殺掉。

還有一種情況是，我放了素材也做了測試，但不知道它到底哪里好，哪里不好。這個打分法就能把素材拆分成幾個維度來評估，比如價值賣點本身的維度，還有演繹形式的維度。同樣一個價值賣點，我把演繹形式換成劇情類的，效果可能就特別好。它會對色彩等各種元素都進行清晰的打分，我們就知道該調哪里、改哪里。而且，我們都知道，做 AB 實驗、小批量測試，都需要花費大量的時間成本。

另外，我分享一些 AI 領域的“黑科技”。大家知道我們搜索東西時，為什么飛書和剪映能做得那么好？它們把一些集合了AI功能的關鍵詞植入到產(chǎn)品中，讓大家在搜索時能找到它們，從而帶來了流量的增長。

一二線的大廠其實已經(jīng)在偷偷吃這波紅利了。還有一個是海外的拼多多（Temu）的增長黑科技，做海外的可以借鑒，國內管得比較嚴。它叫“頁面劫持”。比如我搜一個東西，像蘋果手機，正常情況下可能會進入 A 公司的頁面，但 Temu 在瀏覽器層面做了手腳，把它篡改植入到了自己的頁面。因為用戶有強需求，就是想買這個東西，當你被引導到它的頁面，發(fā)現(xiàn)價格還挺便宜，就可能直接下單了。它就是靠這種方式低成本地獲取了一批用戶。

我想說的是，AI來了，它在將不確定性變?yōu)榇_定性方面有很強的能力。AI 有三大核心能力：

• 第一是知識類能力，這方面做得很好，我們可以用秘塔幫我們做數(shù)據(jù)處理、用戶調研整理等工作，提升我們自己的生產(chǎn)力。

• 第二是邏輯推理能力，這方面 AI 做得還不是特別好，需要我們慢慢去訓練，我們要知道它的能力上限和下限。

• 第三是情感化能力，這方面其實做得也挺好，大家有興趣可以去嘗試。

總結一下增長這部分，一個核心是基于用戶洞察去做�，F(xiàn)在有兩個紅利可以關注：一個是思考如何把我們頁面的關鍵詞植入到 AI 搜索中；另一個是做海外市場的，可以嘗試頁面劫持的方法，目前還有效。

沉淀經(jīng)驗，精準分發(fā)

下面我們講講 AI 如何賦能留存和產(chǎn)品價值提升。

大家做留存、做交叉引流時，有這么幾個痛點。我就說一下這里的難點。第一個點是認知上的問題：為什么一個活動，之前對A人群效果特別好，突然間就不好了？因為 A 人群被各種活動反復觸達，他已經(jīng)看膩了�？咳斯とトx用戶，不可能做到那么精準。

第二個痛點是，大家都缺流量，總想節(jié)省流量，那么流量體驗如何度量？我們這個系統(tǒng)就可以解決這個問題，你不用自己去找資源位。有時候一個活動結束了，資源位可能空了出來沒有及時頂上，而這個系統(tǒng)可以在這個階段幫我們自動圈選用戶，匹配最適合的活動。

最重要的價值在于，系統(tǒng)里的數(shù)據(jù)分析不是走過場，而是能真正把經(jīng)驗沉淀下來。比如我們在美團做實驗時，經(jīng)常被“靈魂拷問”：A 人群也用了這個系統(tǒng)，我們也給他發(fā)了非常場景化、精細化的優(yōu)惠券，為什么效果反而變差了？

后來我們才發(fā)現(xiàn)，是因為忽略了一個指標，叫做“實銷率”。一個東西再好，你也不能一直發(fā)。用戶手上的大額優(yōu)惠券還沒用完，他根本不會再領新的。于是我們就基于這個數(shù)據(jù)洞察，返回去修改我們的系統(tǒng)，把這個規(guī)則寫進去。這其實就是數(shù)據(jù)和業(yè)務相結合的關鍵點。我們不能靠“人傳人”的方式，你把這個規(guī)則告訴一個新員工，或者寫在文檔里，大家根本沒工夫去看，而且他不是親身經(jīng)歷者，沒有體感。所以我們把這些都做到了系統(tǒng)里。這其實就是AI能帶給我們的價值，它能幫助我們把流量分發(fā)得更精準。做流量分發(fā)就兩點：一是找好場景入口，二是有數(shù)據(jù)之后，如何更好地做匹配。

找到用戶離開的真正原因

接下來是如何做用戶召回。這個模型以美團外賣為例，但實際維度比這個多。做用戶召回，最核心的是要明確用戶離開的原因是什么。

基于此，我們建立 AI 模型，找出影響用戶離開的關鍵因素。我們基本知道的因素，比如用戶對價格敏感，那就拆解成券、活動等維度。這里我說一個大家容易忽略的點，就是基礎要素里的“地理位置”。

地理位置是一個特別能反映個人資產(chǎn)實力的指標。我想，能在北京順義住 2000 萬房子的人，他會沒錢嗎？不可能。以前有人跟我抬杠，說他可能是租的房。我的天，能有錢租那種房子的人，也絕對不是一般人。這反映的是他真正的資產(chǎn)能力。

第二個我們會看他的消費能力。有錢和舍得花錢，有時候不是一回事。有的人可能“窮得瑟”，但消費能力也很強。怎么看消費能力？大家都說看手機型號，這沒問題，但更重要的是看更換手機的頻率。這些都是非常有價值的，AI 可以幫我們去計算用戶流失的概率、召回的概率以及召回后的價值，然后排出一個優(yōu)先級。

增長的底層邏輯

如果讓我用一句話來總結增長，我會分享這幾點：

拉新，就像談戀愛，是用戶為什么選擇你。你要給用戶一個選擇你的理由，然后找準渠道，就能把拉新做好。

留存，永遠是基于產(chǎn)品的核心價值去做。

商業(yè)價值，來自于用戶的真實需求。你看快手直播，最開始為什么做直播？也是因為看到評論里有“老鐵”說“我想買你家的蘋果”。但他們發(fā)現(xiàn)這種私下交易存在信任問題和“偷單”現(xiàn)象，平臺有責任去解決，于是就做了自己的電商和支付系統(tǒng)。

包括現(xiàn)在特別火的短劇，其實最早做得最好的是快手。我們是怎么發(fā)現(xiàn)短劇這個需求的？也是因為看到一些創(chuàng)作者在劇情類內容上做得特別好，對我們的用戶時長和留存有很大幫助，而且我們在這方面也比競品有優(yōu)勢。所以，真正的商業(yè)價值還是源于用戶需求。

用戶召回和留存，有時候，知道用戶為什么離開，比知道他們?yōu)槭裁戳粝赂匾＿@其實就是增長的核心。

那么，AI 產(chǎn)品本身有哪些增長難點呢？

第一個難點是，雖然有一些工具類產(chǎn)品跑出了千萬級的用戶量，但實際運營下來，會發(fā)現(xiàn)留存率比較差。我們現(xiàn)在做的移動互聯(lián)網(wǎng)產(chǎn)品，七日留存能到 60% 已經(jīng)很不錯了（也分產(chǎn)品類型）。而同類型的 AI 社交產(chǎn)品，做到 41% 的留存就已經(jīng)到極致了。如何更好地滿足用戶價值以提升留存，還需要繼續(xù)驗證。只有個別產(chǎn)品跑出來了，尤其是情感陪伴類的產(chǎn)品，大家普遍做得不是特別好，而且頭部效應明顯。比如某個情感陪伴產(chǎn)品，你會發(fā)現(xiàn)頭部用戶特別愛用，活躍度也很高，但很多用戶來了就走。如何讓更多用戶認知并使用好這些AI功能，是整個AI行業(yè)需要加強的。

此外，AI 在商業(yè)化變現(xiàn)方面，效率并沒有現(xiàn)在互聯(lián)網(wǎng)廣告那么高，也需要探索新的模式。這就是 AI 行業(yè)商業(yè)化增長的難點。

以前有人跟我說，我們都愛看國外的書，不愛看國內的書。但現(xiàn)在我想說一點，在增長方面，情況已經(jīng)反過來了，是國外在向國內取經(jīng)。我們在增長領域已經(jīng)走在了世界前列。以前我們學習“增長黑客”，但現(xiàn)在大家也可以多看看國內的增長案例，國內的公司在出海、在海外市場的競爭中也做得非常好。

聽懂了 AI 增長的“道”，還想掌握落地的“術”？

ChatBI 如何告別“玩具”，真正創(chuàng)造業(yè)務增量？

智能客服和營銷落地時，如何破解最頭疼的“意圖識別”難題？

今年楊一溪將帶來一線落地的實戰(zhàn)秘籍！

2025 全球產(chǎn)品經(jīng)理大會

8 月 15–16 日

北京·威斯汀酒店

2025 全球產(chǎn)品經(jīng)理大會將匯聚互聯(lián)網(wǎng)大廠、AI 創(chuàng)業(yè)公司、ToB/ToC 實戰(zhàn)一線的產(chǎn)品人，圍繞產(chǎn)品設計、用戶體驗、增長運營、智能落地等核心議題，展開 12 大專題分享，洞察趨勢、拆解路徑、對話未來。

更多詳情與報名，請掃碼下方二維碼。