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