为什么AI语言学习产品可以引起资本的注意？这篇文章里，作者拆解了ELSA、Loora等产品，并对其与多邻国的差异做了剖析，或许可以给寻找落地场景的AI技术厂商们，提供一些案例思路。
2 月 21 日，英语学习 App Speak English with Loora AI（文中简称为 Loora）宣布完成 1200 万美元 A 轮融资，由 OP Ventures 领投。而就在 2023 年 6 月，这款产品刚刚完成 925 万美元种子轮融资，8 个月内完成两次千万级别融资，可见资本青睐。
在 11 月的选题《卷起来了，网易和谷歌都想抢Duolingo的生意》中，我们观察到了谷歌和网易等公司都基于 AI 开发了语言学习产品，市面上也充斥着同类产品。但测试后发现，AI 在语言学习产品中的作用主要在“练口语”这个层面，解决“开口难”问题，相比于 Duolingo 体系化的课程，以及有点“疯批”的运营手法，只是通过 AI 聊天做出了点差别，显得有点单薄。
而且，虽然与传统产品有差异，但各款 AI 产品之间却雷同，甚至 ChatGPT、character.ai 等 AI 产品都可以胜任口语陪练的角色，单点功能很容易被大而全的 General Assistant 们覆盖。因而，观察下来单纯靠“语音识别+AI 对话”切入市场都有难度，更不要说靠 AI 去抢 Duolingo 的生意了。
但，打脸的是，资本依然跑步入局，暗示着什么可能在变化。
2023 下半年完成融资的 AI 语言学习产品｜图片来源：腾讯网
根据不完全统计，仅在 2023 年下半年，就有十多家在线语言学习创企完成融资，总融资额达 1.6 亿美金。而投资者名单中，不乏 OpenAI、Google 旗下的风投 Gradient Ventures 等知名资本。
我们对去年 11 月写选题时的数据和现在的数据也进行了对比，发现 AI 语言学习产品（OpenAI 投资的 Speak）在收入和 DAU 上也确实在快速增长。
11 月和近 30 天 Duolingo、Babble、Lingokids、EWA、Speak 五款产品的双端 DAU 和输入排名 | 数据来源：点点数据
2024.1 按收入排名的全球语言学习 App，注 1：笔者根据近 30 天收入数据重新进行核对，Speak 也排在第三。
注 2: Statista 的统计数据中有可能包含网页端收入，所以该收入可能高于点点数据体现的应用商店收入，
为 245 万美金左右（成立 7 年时间的 Speak 已经超过 Duolingo 月流水的 1/10）｜图片来源：Statista
上一篇选题观察到的 Speak，在 App 端全球双端月流水已经从 11 月的 71W 美金增长到了 2 月的 143W 美金，增长了一倍，在同类产品的排名中已经上升至第三位，甚至，在主攻的韩国市场，它的收入已经超过 Duolingo 了。而 Speak 双端月平均 DAU 也从 11 月的 7.5W 增长到了近期的 10.7W（近 30 天平均 DAU），DAU 增长 42%。
AI 语言学习产品数据 | 数据来源：点点数据
而除了 Speak 之外，其他几款拿到融资的 AI 语言学习产品，虽然成绩和主流产品还差很远，但也在努力进步中，8 个月融了 2000 万美金的 Loora，从这个成绩来看，反而还是“差生”了，资本给钱，可能是看增长势头。
Loora 全球双端 DAU 数据（上），全球双端月流水（下），注：统计时间 2023.1.1 至今｜图片来源：点点数据
从数据上看，从 2023 年 1 月至今，Loora 的 DAU 增长了 8.3 倍，全球双端月流水增长了 2 倍。而根据 Loora 团队的说法，2023 年 Loora 的 ARR 增长超过 8 倍，用户留存率提高了 2 倍。
注：在 a16z 推出的移动端 AI 产品Top50榜单中，ELSA 上榜 | 图片来源：a16z
而由 Google 投资，总部位于越南的 ELSA，则是在用户量层面表现不错，近 30 天平均 DAU 有 29.3W，是同行 Top3 的水平，近 30 天平均流水 81.8W 美金，排名全球同类产品的第 6-7 位（ELSA 可以在网站端进行订阅，所以单纯看应用商店的收入和用户数据可能不太全面）。
Duolingo 与 Speak、ELSA、Loora 收入与 DAU 对比图
不可否认的是，虽然快速增长，但 AI 语言学习产品，在 Duolingo 面前还是“弟弟”，但这种数据层面的变化，让我们需要重新审视一下 AI 语言学习产品，除了之前说的“语音识别+AI 对话”的套壳差异点，到底在以怎样的逻辑留住和服务用户，被资本下注的他们，还有多少增长空间。（鉴于 Speak 的相关功能已经在上一篇选题中介绍过了，这次我们主要聚焦 ELSA 和 Loora。对 Speak 感兴趣的读者，可以参考《卷起来了，网易和谷歌都想抢 Duolingo 的生意》选题）
表面上看，ELSA 和 Loora（包括 Speak）有如下共性：
相对而言，目前 Duolingo 中 AI 的参与度并不高，根据媒体报道，Duolingo 主要将 AI 应用在课程编写环节上。
注：Duolingo Max 仅向美国、英国、爱尔兰、加拿大、澳大利亚、新西兰用户推出，提供解释我的答案和角色扮演两项功能。
而其实，Duolingo 在去年 3 月就推出了能与 AI 对话的高级订阅模式 Duolingo Max，但是目前只能在少数几个国家，用英语学习法语/西班牙语时使用，有消息称，今年下半年将登陆日本市场，使用范围仍比较小。而且 Reddit 上用户评论认为 Duolingo Max “非常平庸，且价格很高”。
Duolingo 课程设计的思路是，通过前期单词、中期语法、后期表达的学习，带一个 0 基础的用户学习一门语言。整体课程完整、体系化，用户可根据自身水平通过测试直达某个阶段，但不能跳脱课程体系。由于其提供的是基础服务，面向所有有意学习语言、但无明确短期目标的人群，所以在商业化上，Duolingo 采用基础功能免费+订阅/内购收费的模式。
根据 Gitnux 的报告，91% 使用 Duolingo 的用户是出于个人兴趣，而不是出于工作、考试、海外生活/学习等明确目的。
当用户没有明确目的，留存是产品的一大难题，关于这一点 Duolingo 设计了 CURR（核心用户留存）的指标来指导产品的迭代和运营（参阅之前的选题《亿级用户规模，DAU与收入还在高速增长，前CPO分享大体量产品如何突破增长困境》），在课程设计上，虽然注重游戏化和“连胜系统”、“推送系统”提升留存，但以时长较短的课程为主，降低用户连续学习的心理压力、同时又提升满足，妥帖拿捏用户心理。
相应地，Duolingo 走“基础教学”的路径，坚持免费使用，靠使用频次较高的重度用户进行变现的商业化策略，也都是考虑到了用户画像。
而上文所述，在产品上体现的三点差异，则体现着 ELSA 和 Loora 的面向的用户和帮用户解决的问题，与 Duolingo 完全不同，他们主攻的目标人群，也有差异。
ELSA（图1）、Loora（图2，3）的主页和课程页面，Duolingo 主页（图4）
我们先从产品的主体来看，打开 ELSA 和 Loora 的课程页面发现，这两款产品是按不同的课程形式来分类的，并没有选择 Duolingo 游戏化且按难度逐级递增的形式。
此外，虽然两款产品都提供了系统推荐的每日课程，也都借鉴 Duolingo 设计了简单的连胜/排名系统，但是两款产品都会询问用户今天的学习目标，并给用户额外选择，比如按主题/场景学习或改善发音等，用户完成这些自主选择的任务也可以延续连胜，获取排名。
ELSA 和 Loora 的用户拥有更多自由，如果用户目标明确，就可以自主选择学习内容，如果目标不甚明确，也可以选择系统推荐的课程，这其实背后反映的是，这两款产品界定的目标用户的画像不同。
Duolingo 的通关测试
而在 Duolingo，“自由”体现在用户能力与课程难度的匹配，也就是如果我认为自己可以跳级，通过测试就能进入下一阶段，但其实也还是按难度爬坡，系统化学习。
两相比较，可以看出 Duolingo 针对的是目标不明确、甚至 0 基础的用户，而 ELSA 和 Loora 面向用户，有更明确、或者说更短期目标的用户。
ELSA 每日课程内容（左），Loora 每日课程页面（右2）
而在进入课程后，AI 语言学习产品们也和 Duolingo 有所差异。
从每日系统推荐的课程内容看，ELSA 和 Loora 都会有一个明确的主题/场景，比如笔者在测试时，ELSA 推荐的场景是“酒店 Check in”，Loora 推荐的主题是“电视节目”。
其实在 AI Chatbot 出现之前，很多语言学习产品也把场景化语言学习当作卖点，但基本上走的是“学短语手册”的模式，用户主要学习在这个场景下常用的单词、短语、句子，以及它们在场景中的使用方法。这种方式虽然有一定作用，但非常死板，在实际应用中，一旦出现话题发散或其他变化，用户仍会感觉无所适从。
而 AI 尽量还原与真人对话的体验，AI 的对话能力也能在用户发散话题时模拟真实语言环境。而在 AI 出现之前，学习者如果不”肉身在海外”，就很难训练到“用”这个层面。
ELSA 场景页面（左 2），Loora 角色扮演页面（右 2）
而从场景一览的界面来看，ELSA 和 Loora 不仅包含了生活化的场景，也覆盖了很多偏向工作/学习的专业化场景。比如上图 ELSA 中的“Working in healthcare”场景，用户作为一个在诊所上班工作人员，练习“帮病人预约医生”“接诊病人”“接急诊电话”等具体场景。Duolingo 基本上并没有按照场景来做练习。
Loora 的“read and talk”功能｜图片来源：Loora
两者比较相似的反而是知识拓展。但就知识拓展来看，AI 语言产品重点仍在应用，产品推荐小短文，用户阅读后就小短文与 AI 进行讨论，很像国外大学的“研讨会”这个课程形式，练习的是用户的阅读、理解、发散、表达能力。而 Duolingo 的做法是在每个单元设定一个主题，比如图中“谈论未来的事件”主题，但主题完全为知识点服务，对应着“一般将来时”这个知识点。而在具体的课程中，Duolingo 则以翻译、填空、造句等题目为主，来训练词汇、时态、句式等知识点。
Duolingo 的课程页面与课程内容｜图片来源：Duolingo
两相对比，ELSA 和 Loora 的英语学习更具实用性或者目的性，主打一个不久的将来能用起来。而 Duolingo 则更注重，通过单词、语法等夯实基础知识点，系统性地学习语言。这其实体现的是 Loora、ELSA 面向的是有一定基础知识、但需要能力进阶的人群。这是人群的第二个差异。
最后，说下 AI。如果说语音识别+AI 对话，是套大模型的壳，上面的模拟场景中的变化和反馈体系，则开始让 AI 语言产品和 Duolingo 的现有体验真正产生了一些差异。
Loora 语法反馈页面（图 1），ELSA 发音反馈页面（图 2），Loora 发音反馈页面（图3），Duolingo 题目（图 4）
从课程内的反馈来看，Duolingo 虽然也可以进行实时反馈，但是它的反馈维度只有“对错”这个单一维度。而 ELSA 和 Loora 的反馈非常细致，语法方面，不仅语法错误可以被识别，就连“疑问语调”等细微的错误也能识别出来，发音方面，AI 的反馈可以具体到音节。
Duolingo 的发音课程｜图片来源：Duolingo
Duolingo 的反馈还停留在跟着单词/例句模仿发音的层面上，就算笔者故意说错，Duolingo 只会反馈错误，不会告诉用户哪错了，怎么改正，对用户发音的提升作用有限。
Loora 个人页面（左），ELSA 个人页面（右），注：ELSA 则提供一个时长为 10 分钟的英语测试，用户可以通过测试让 AI 了解用户水平
而从对用户英语水平的评价上，Duolingo 评价的维度基本上就是用户“闯关”的进度，也就是知识点学习的进度。而有了 AI 的加持，Loora 和 ELSA 可以在用户的学习过程中对口语能力进行实时反馈，而评价维度包括语法、发音、流利度、单词（ELSA 还有重音和语调），基本和雅思/托福口语考试的评价维度看齐，而这两种考试都是有真人考官参与评价的。
根据上面的观察我们就可以勾勒出 Loora 和 ELSA 锚定的其实是，有一定基础，有明确的学习目的和规划、短期内需要达成某个明确目标、需要实际应用能力快速提升的用户。
而这样的用户画像，很快就就能浮现在脑海中，要出国留学或者生活、为了应聘外企或者为了晋升需要快速提升口语，大概率是中青年，而他们的目标决定了自身家庭环境不错或者已经具备一定的赚钱能力，AI 的加成，让这些原本只能花大价钱去请外教的用户们，可以通过 AI 学习产品，也能有不错的提升。这些给了 AI 语言学习产品们，不订阅基本无法使用的底气。
以 ELSA 和 Loora 为代表的 AI 语言学习产品，与 Duolingo 差异，与其说是加入 AI 带来的，不如说是在 AI 技术加持下，以前无法满足的需求有了被满足的可能性，而使产品能够锚定不同的需求背后的不同人群。对于现在难找场景的 AI 技术来说，算是一个比较好的应用案例。
但说实话，上述产品层面上的 3 个差异，从技术和功能层面上，Duolingo 应该是都可以实现的，只是每一个产品都背负着自己的使命，服务于某一群体的最根本需求，已经做到千万 DAU 的 Duolingo，AI 技术的这一波红利，不是不能吃，只是怎么吃，需要慎重，这也给了 AI 语言产品冒头的窗口期。
美国人学习外语的目的｜图片来源：Preply
而在资本的加注下，这些 AI 语言产品，能够增长到什么地步，值得所有 AI 教育赛道的创业者关注。根据语言学习产品 Preply 在美国做的调查，受访者学习外语主要目的有教育、工作、学习文化、旅游和培养技能。就这四个目的来看，除了出于应试目的学习外语的用户外，其他几个目的的用户，在有一定基础之后，其实都有提升交际能力的需求。这么看来，未来 AI 语言学习产品似乎是不愁用户的。
参考文献：
作者：张凯然，编辑：殷观晓；出品：白鲸出海编辑部
来源公众号：白鲸出海（ID：baijingAPP），泛互联网出海服务平台。
本文由人人都是产品经理合作媒体 @白鲸出海 授权发布，未经许可，禁止转载。
题图来自 Unsplash，基于CC0协议。
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。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。