如何在产品创造中利用和把握AI？或许可以来看看这篇文章。本篇文章的分析对象——Rows 电子表格，就尝试将AI作为促进增长的一种产品手段，其创始人还总结了3个矩阵。一起来看看本文的分享。

在过去的 30 年里，我们经历了 4 个互联网演进的阶段：00 年代初期的 web 网络、04 年后的社交媒体、06-09 年的移动互联网以及 10 年代初的共享经济。随着 AI 热度的增加，很多并无所谓 “AI-基因“ 的产品也带上了 AI 的帽子开始为自己增加价值。

然而，在产品创造中如何利用和把握 AI，Rows 电子表格的增长负责人给出了从“找场景-想方案-定价格”的 Gen-AI 产品创业三部曲。

思考：

我们尝试基于文章内容，提出更多发散性的推演和深思，欢迎交流。

很多场景下，我们无法判断 AI 给出答案的真实性，也很难将重要的决策交给 AI 来完成，用户往往还是最终信息的判断者和决策者，在 AI 还未成长为完全态的阶段，易于判断和低的矫正成本，是相对适合的用户场景。

关于产品的定价：基于利润和收入的不同目标下，我们对于定价的侧重会不同。Rows 等绝大多数产品基于调用成本如 token 数来定价，但正如我们上一篇文章所说，定价的底层是对用户支付意愿即对产品价值的衡量。走进、感知用户，仍然是不变的产品要素。

AI-Powered 产品分析

1. 产品：

Rows ，在线 AI 电子表格。

2. 创始人：

Torben Schulz 和 Humberto Ayres Pereira。他们是同窗好友，过去曾在 Previous Experience 一起工作，此后继续在波尔图大学继续学业，专注于电气工程和计算机科学领域。

本文观点的主要提出者——Henrique Cruz ，是 Rows 现任增长主管，他在产品管理和营销方面拥有超过 5 年的经验。在加入 Rows 之前，Henrique 曾在 Kaizen Institute Consulting Group、 Talkdesk 、 Veniam 这 3 家企业任职，主要负责产品管理、营销和进入市场策略等。

3. 产品简介：

Rows 于 2016 年创立，致力于为商界人士提供更易用的工具和更好看的图表。面对 Excel、 Google 占领的电子表格市场，Rows 集成了不同的 Web 应用程序，可以轻松的从社交媒体、数仓、广告平台等地方进行数据导入和处理，不需要编写代码。同时，它提供了更加自动化的能力，比如可以定期更新表格、单击几下就可以将电子表格导出为自己的 Web 应用程序。

4. 融资历史：

2018 年获得 800 万美元 A 轮融资，Accel Partners 和 Zalando 联合创始人 David Schneider 等著名投资者投资。

2021 年获得 1600 万美元 B 轮融资，柏林著名风险投资家 Lakestar 领投，先前的投资机构 Accel 和 Cherry Ventures 也参与了本轮融资。

Rows 作为一个典型的 PLG （产品驱动增长）产品， AI 被其作为促进增长的一种产品手段。如何找到 AI 与产品的契合点从而帮助产品更好的获取用户以及占领市场，创始人提出了以下的 3 个矩阵。

矩阵 1：解决什么问题

“我应该应用人工智能来解决什么问题”？这是我们很多人在过去几个月问自己的问题。不是所有的问题都适合用 AI 解决， 有以下特征的问题会更适合：

1. 易于验证

不需要太多人为判断来评估解决问题的质量，可以快速评估其准确性，比如使用 AI 编写 SQL 查询来解决特定的工作就是个适合的场景。一个不太好的例子是，要求 AI 写一篇关于 17 世纪荷兰经济的文章。除非你是该领域的专家，不然很难确定论文的准确性。

2. 迭代成本低

AI 输出的结果可以快速迭代。例如， AI 非常适合总结亚马逊商品的评价，我们可以在其中快速修改提示——比如要求将总结呈现变成要点呈现。一个不太好的例子是，让 AI 作为旅行社，要求它对比不同平台飞往夏威夷的机票价格并完成购买，一旦判断错误， 成本太高。

低迭代成本是 ChatGPT 的界面如此受欢迎的原因之一。聊天界面鼓励我们与人工智能迭代交互，用户可以很轻松的丢弃低质量的输出并引导对话转向有用的内容。因此，只要 AI 能够快速迭代到 50% 的正确率，用户可以在这种便捷的输出下接受 50% 的错误率。

矩阵 2：完成 AI 解决方案的分类

现在我们每天都可以接收到大量 AI 产品的新讯息，是否有可行性？有多大的市场空间？在海量的信息中我们并不容易直接得到。Rows 提出了对 AI 解决方案分类的四象限方法：

1. 横坐标：作为什么存在

1）AI 构建产品（AI-Native）

AI 是产品创造背后的驱动力。没有人工智能，就不能独立存在的产品，比如ChatGPT。

2）AI 改进产品

产品可以独立存在，而 AI 改进了现有产品的核心用法。这就是包括 Rows 大多数产品的玩法。移动互联网时代的人们在旧场景中玩新游戏。

2. 纵坐标：如何构成解决方案

1）大模型套壳

这种方式被称为“所见即所得”（ What You See Is What AI Gets ）。该解决方案本质上是对于大模型的直接套用。输入通常为用户输入和附加上下文，用户看到的输出就是模型的输出。

这是最常见的人工智能解决方案类型。在 AI 构建产品中， AI 头像生成就属于这种类型。在 AI 改进产品中，比如 Canva Magic Eraser、Notion AI、或 Rows 中的 OpenAI 集成，都属于这种解决方案。

2）增强模型

AI 模型的输出经过进一步处理、分析和计算，为用户提供独特的东西。

ChatGPT 的 Wolfgram 插件就是一个很好的例子。用户可以问一些需要数学计算的问题， Wolfgram 会结合 ChatGPT 及其自身的智能模型来为用户提供答案。

这也是 Rows 的其中一个产品——AI Analyst背后的方法。用户可以发送表格的元数据（例如表头、字号），并使用 AI 构建基本分析模型，描述需要研究的问题、表格公式等。模型会获取该输入并进行更正、计算、转换、格式化并将其传送到用户的表格中。

矩阵 3：AI 定价方法

在产品开发过程中，良好的商业化方法是产品可持续发展的必要条件。有非常多种商业化方法，比如将 AI 产品与免费服务绑定，作为一个付费组件进行购买、亦或是单独作为付费产品进行购买。

稻盛和夫曾说，“定价就是定生死”，产品决策定价后，会对业务产生非常大的影响。Rows 的 AI Analyst 是免费使用的，发布后的 2 个月内，带来了超过 40 万的新用户，使用这个功能的大多数人，认为这个免费 AI 电子表格可以与 Excel 的效果相媲美，也愿意分享产品给他人，由此引发了病毒式传播。

Rows 的创始人基于利润的考虑，选择了成本定价法。由于当前大多数 AI 解决方案都涉及对第三方模型的 API 调用，因此 API 的调用成本可以帮助我们更好的判断应该如何收费。我们可以将调用成本以及 AI 解决方案的定价视为两个因素的组合：

1. 使用频率：用户在每个计费周期（例如每月）使用 AI 解决方案的次数。
2. 使用成本：每人每次使用的成本。

随着使用频率和使用成本的增加，产品成本也会增加，免费使用可能就意味着亏损。对于 Rows 的两个 AI 产品：

1. AI Analyst：位于刻度的左下角。该功能的深度用户每周可以通过分析几十张表格，并提出几十个问题来获得很多价值，但几乎没有人需要太频繁的使用这个功能。因此这个功能的的使用深度相对较小。
2. OpenAI 集成：位于右上角。用户可能会很频繁的用这个功能，比如每周标记数百个客户票证、翻译客户评论或生成数百个关键字创意。再加上 OpenAI 的严格速率限制，Rows 不太可能免费提供 OpenAI 集成的能力。

还有另外一个视角， Ian Clark 有超过十年帮助软件和互联网公司实现其产品盈利的经验，他提出售卖价格应该与成本无关，与用户的支付意愿才相关。公司应该保持对用户的持续关注以评估其支付意愿的变化，只要找到了认可产品价值的用户，就可以通过盈利策略的设置，让每个人都能支付合理的价格。

在这个视角下，相应的定价方法也有很多，例如“ Van Westendorp ”定价模型（荷兰经济学家 Peter van Westerndorp 在 1976 年引入的一种帮助确定消费者价格偏好的技术）。我们可以询问顾客你的产品的合理或便宜的价格是什么，以及昂贵和过高的价格是什么。通过从每个顾客那里得到的多个数据点，可以估算出整个客户群的需求曲线。

以上两个视角是基于利润和收入规模两个目标的不同做法，创始人也应该根据公司的不同状态、用户类型、以及公司目标综合考虑定价方式。

最后，让我们重新站在历史的长河中想象。

1995 年。网景（ Sense 说：网景 Netscape 公司的 Netscape Navigator 曾经是和微软IE抗衡的浏览器，后被美国在线收购）刚刚进行了 IPO，现在在历史进程上被视为“改变互联网的 IPO ”。当时 CNET 采访 24 岁的马克·安德森 ( Marc Andreessen )，他回答了一句话，成为了过去 30 年科技界最重要的一句话之一：

“网景的秘诀在于我们正处于一个爆炸式的市场之中。”

很有趣的是，随着市场的不断扩大，人们适应新技术的速度越来越快。曾经冰箱被家庭广泛使用经历了 50 年的时间，而现在社交媒体的普及只用了15 年。移动互联网的到来，让产品以越来越快的速度增长。Instagram 用了 2.5 个月才达到 100 万用户，而 ChatGPT 只用了 5 天，Threads 只用了 1 天。新技术的普及速度在AI时代也会变得越来越快。

如果人工智能的“网景时刻”是去年 11 月 ChatGPT 的发布，那么我们可能已经接近技术成熟的顶峰了。对于正在构建产品的人们来说，他们正在爆炸性的市场中构建人们想要的东西。但市场上存在大量过高的期望和低质量的产品，市场出清时刻也总会来临。

参考材料

https://rows.com/blog/post/3-matrices-for-building-products-with-ai