国内AIGC工具GTM分析

为了界定清楚边界，本文只讨论AI应用，不讨论大模型本身，因为大模型作为一种底层能力存在时，不存在GTM的诉求。在AI应用中，不讨论 to B产品的GTM，其一因为很多toB产品中只存在部分AI功能，外部很难确定这部分AI功能是否是对购买作用；其二因为to B产品的销售渠道、定价和转化数据都相对不可见。

我看过一些分析GTM的书，包括一些一线的营销人员，很多都会把GTM的关键点放在某种获客策略上，比方说早期的SAAS通过电邮传播，然后对其中的执行细节做非常细节的讨论。但是在笔者看来，这是一种过于形而下的视角，因为单独讨论获客策略是没有意义的。

这就引出笔者个人总结的AIGC产品完成0-1的三个必要点，这三部分是有强相关度的，脱离了任何一个因素去讨论另外两个都是没有意义的。

一、产品上，AIGC产品是否真正的满足用户需求。

很多人可能觉得这是一句废话，然后忽视它，最终跪在这上面，并且连累了手底下的打工人。

• 在AIGC产品上，这个问题更加尖锐。为什么？因为AI所满足的需求，之前的解决方案都是人工，换言之，它是一种生产力或者生产关系优化方案。
• 在AI陪聊之前，APP提供的是人和人聊天的撮合策略，操作者是一个有聊天意愿和技巧的人。
• 在AI绘图之前，APP提供的是一个图片编辑或者视频编辑能力，操作者是一个有图片绘制能力的人。
• 在AI写作之前，APP提供的是一些文字编辑和美化能力，操作者是一个有逻辑和写作技巧的人。

注意，以上都是一些传统APP（为了有别于AI工具，姑且叫这个名字）真正的用户需求和需求实现方案。

那么尴尬的地方就来了，无人工介入的AI作品，现在处在一个中间的位置：

有技能的人制作的作品，对应平均分是85分> 技术人员用AI制作的半成品，对应平均分是70分> 小白的作品，对应的平均分是60分

所以很多技术专家就说了，你们再等等吧，等到AGI就好了。技术能力上可能确实如此，但是商业上不成立，总不能把现在所有掌握不了AI核心技术的商业公司，集体打包空投到未来某个时间点吧。

在这种情况下，大路一分为二：

1. 部分看中用户规模，向下兼容做小白用户。试图让效果变成这样

有技能的人制作的作品，对应平均分为85分 >小白用AI做的作品，平均分为65分 >小白原来做的作品，对应平均分为60分

眼尖的读者发现了，不对啊，怎么小白用AI，效果从原来的70分下降到了65分。这就引入了第一个问题：

1. 小白在对prompt缺乏概念的时候，很容易导致第一次尝试折戟沉沙，进而流失。我在做整个AI工具推广周期内，都有看用户作品的习惯，我发现用户很喜欢在一个营销文案模板下，让AI给写一个短篇悬疑小说，而且很执着的重复输入同一套小说主人公关键词。
2. 小白对所有（注意是所有）的AI工具都没有高频+刚需。

比如AI问答助手，看着很简单好上手，对不对。但是对于一个普通学生而言，你能想到他在什么情况下，会1个月内每天都打开一个AI问答助手，并且问它至少1个问题吗？ 这种情况并不存在，对吧。

但是这种频次，对于传统工具类APP来说非常正常，比如网易云音乐。

事实就是，普通人没有那么多问题要问AI。

2. 部分看中付费转化的创业者，向上兼容做专业用户，试图让效果变成这样：

有技能的人用AI制作的作品，对应平均分为90分> 技术人员用AI制作的半成品，对应平均分是70分> 小白的作品，对应的平均分是60分

效果提升了5分，或者是效率提升导致人力支出减少，提升了5分，是不是看起来很不错？但是实际情况是，因为AI本身的可控性差，做作品像“抽卡”，有技能的人用起来可能未必是“提效”，也有可能是降效。

举个例子，有很多AI绘图工具声称可以做出很哇塞的商品图对不对？

上传一个香水的实拍素材，关键词输入室内、鲜花、光线 bala。跑出来了4张图，但是都有一点问题，比如那个室内光的感觉有点假。设计师需要把那个光抠出来去掉，但又不好抠；再调整关键词做局部优化吧，光是没了，但是连带色彩也变了。

这是因为AI出图、出视频都不是按照所谓人的编辑步骤进行的，拔出萝卜带出泥，有时甚至比传统工具里面使用的工时还要长。所以说很多人认为AI工具就像一个次品率很高的流水线。

看到这里，有人可能觉得我耸人听闻，或者认为我很悲观，好像AI现阶段的局限性把AIGC应用发展的道路给限死了。实际上经过长时间的思考，我得到了部分解法。在此不再枚举案例，如果有后续文章可能会根据产品做详述。

1. 从长期来看，AI+人工调优的工具一定会把纯AI工具给替代掉。也就是有传统工具经验的业务仍然具备优势。
2. 需要根据具体场景对大模型进行finetune，比如电商场景、销售对话场景、二次元文本创作场景……如果不做finetune，AI做的东西始终透着一股外行。
3. AI技术本身不具备商业价值，具有商业价值的是有AI参与的工作流（pipeline）。

接下来，我将论述AIGC产品的营销获客的真正核心问题。

二、获客上，营销卖点是否真正打动了用户。

很多人觉得这不是把上面的话重复了一遍吗？其实不然，在我的观察中，很多营销人员和产品的立项是完全脱节的，只在产品上线后介入，对产品的使用链路不熟悉，所以他们会存在如下几个问题，

1. 卖点是被产品经理灌输的，而非主动识别的。
2. 没有参与用户内测，不清楚用户对于产品的期待是什么，所以第一阶段纯纯在碰运气。
3. 不清楚自己推广的产品可以实现的平均水平如何，一味地过度承诺，结果第一轮口碑翻车。

所以如果对于创业者和推广负责人的建议是，如果你想提高GTM的成功率，

第一是选取有经验的操盘手

第二是核心推广人员一定要在产品立项阶段就介入，并且营造能够发表意见的场域。

再说回营销，打动用户有三个层次（对应的是AIPL模型），第一个层次是用户产生了印象，只是收藏或者赞了。第二个层次是用户立刻下载并使用了这个应用 第三个层次是用户使用后觉得超出预期，愿意在社交媒体上进行传播。

很多人误以为所有的产品都有这个过程，只是留到Loyalty阶层的人或多多少而已，其实不然，大部分的AI应用，根本走不到第三层。

究其原因，就要说到AIGC的营销的核心要点了：

1. 要对AI热点的大趋势有准确的判断。

特别当你的用户触点主要在自媒体上，那就更不能忽略AI趋势带来的用户和转化。比如在23年的3-5月份，很多款AI bot类产品拿到了天量的下载。我负责的一款AI绘画类APP也在5-8月拿到了相当好的收入。预测热度会持续多久也许很难，但尊重趋势肯定是聪明人的选择。

2. 在营销中，要为用户提供一个具体落地的场景，能够帮用户快速做出决策。

比如大家能看到kimi的核心卖点在于它的长文本处理能力，从技术上来看完全没问题；但是具体放在场景中，其实有点很难匹配到一个常见+痛点的场景。所以我们看到的大部分的kimi推广，类似总结学术书籍+提问，总结上市公司年报+提问，其实把场景和人群都圈的偏小了（虽然这是很准确的场景）

3.端好投入产出的天平。

有一些做信息流、SEO出身的增长人员，会把这一步理解为广铺量+算数。这是一种靠天吃饭的做法，也是我坚决排斥的一种做法。我负责的是达人运营和信息流两条线，通常在达人侧跑通的脚本，我才会放到信息流侧。至于实操上我是怎么跑通的，稍微细节了一些，以后可以单开一篇写写我眼中的“跑通”。

三、做到真正意义上的协同

根据我这些年的观察，很多团队和老板都低估了协同的重要性，以为把事情做对就可以了，实际上，如果没有做到真正意义上的协同，连事情都是做不对的。

1. 避免单角色负责制。

比如很多大厂也在鼓吹的产品负责制，技术负责制。实际上，在AIGC产品上的GTM中，产品负责制常常将产品PM封存在一个虚幻的泡泡里。老板负责制更是一种十分令人绝望的东西。

2. 在艰苦的战役中练兵。

每个AIGC产品的0-1阶段往往是最苦的部分，如果超过了预期，各个团队忙着分/抢功劳；如果低于预期，各个团队忙着甩锅和指责。尽管知道这样很错误，但这似乎是人的劣根性。其实我还是很喜欢做0-1 的项目，因为第一，在整个过程中团队得到了锻炼 第二，胜负皆可为师，尽管我只是一个营销角色，我完全知道整个项目成败的原因，进而也能判断很多AIGC产品的未来走向。

结语：关于AIGC产品的GTM，本文更多阐述的是一些认识和推理过程，没有分析太多具体的案例，显得似乎不够细节。其实是因为从本质上来说，分析案例或多或少会有一些因果倒错的问题。同时本文也用了一些绝对化的修辞，如果有偏狭的部分，欢迎大家一起讨论。