從ChatGPT釋出，到今天AI滲透到諸多行業、國內外大模型基本進入1元/百萬tokens時代，不到20個月的時間，AI產品開啟了一種全新的增長正規化，其模式和規律擁有一些獨特的特徵，但更多依然要遵循基本的增長法則。
近期，高榕創投投資合夥人、原快手首席增長官劉新華，在GCF GenAI創業實戰營上分享了他對於AI產品增長的思考。
他認為，AI應用的爆發最本質要解決成本障礙，未來18個月，隨著更低成本和更強模型的湧現，AI應用層創新的壁壘和障礙有機會移除。在此之前，AMF（AI Market Fit）依然是AI產品增長的支配性規律。
劉新華也結合案例，分享了To C和To B類AI應用提升留存、防止流失的具體產品策略和方法。
以下是劉新華的分享（經編輯）：
AI應用的爆發最本質要解決成本障礙
毫無疑問，AI已經在全社會引起廣泛關注並滲透到很多行業。但AI應用尤其是AI Native應用尚未規模性爆發，或者爆發僅限定在狹窄區域。如果我們聯想2011年前後移動網際網路的崛起，隨著iPhone的普及和App Store的出現，應用生態百花齊放、比今天要更加繁榮。企業級AI產品也更多是原有產品基礎上的改造，實現顛覆性提效的場景相對有限。
AI應用為何沒有達到樂觀的預期？我們認為，AI應用的爆發最本質要解決成本障礙。一方面，今天模型訓練、推理的成本依然很貴；同時，模型能力需要進一步提升，包括多模態、模型端到端能力等。
好訊息是未來18個月可能會發生重大變革——多重因素疊加讓大模型推理成本大幅下降，且下降速度遠超摩爾定律。
上述三重要素相乘，有機會讓AI應用產品開發、部署和運營的成本下降100倍。如果創業者基於開源模型開發，加上自身獨有資料，成本還會進一步下降。
換言之，隨著更低成本和更強模型的湧現，AI應用層創新的壁壘和障礙將基本移除。這將使得更多使用者能夠免費嘗試乃至參與到產品創造中，產品也能獲得更多的資料反饋，從而反哺大模型和AI能力，讓產品體驗變得更好。屆時AI Native應用才有機會實現系統性的爆發和規模性的增長。
近期無論是Open AI的GPT-4o mini，還是國內的位元組、DeepSeek等，基本進入了1元/百萬tokens的時代。相信隨著大模型的降價，AI創業者有機會以更低成本加速創新。
AI原生早期時代 遵循AMF法則
2023年10月，我們最早提出AI產品現階段要遵循AMF法則（AI Market Fit），即AI原生早期時代的PMF（Product Market Fit）。在當前模型推理成本仍未大幅下降的情況下，AI產品要想達到PMF會面臨許多侷限；也因此，未來一段時間內AMF依然是AI產品增長的支配性規律。
總的來說，由於成本問題，當下AI產品要達到AMF，需要面向高價值場景或者價格不敏感場景，如搜尋、文生圖、情感陪伴等。隨著制約因素移除，我們相信會出現前所未見的產品。未來真正能夠有巨大增長潛力的AI應用一定是原生應用，其最重要的特徵是產品適應人，而非人適應產品。
接下來，我們分別看To C和To B兩類AI產品如何實現AMF。
對於ToC產品，想要構建正向的單位經濟模型、形成商業閉環、達到AMF，需要有以下特徵：
對於To B產品來說，同樣需要做到高可用性，並面向高價值場景，如營銷、程式設計、法律、工業設計、金融等高度依賴專業人士、流程複雜、成本高昂的工種。與To C不同，To B場景對大模型幻覺容忍度低，需要結合標註資料、RAG乃至垂直領域小模型等方式，提升輸出結果的準確性。此外，To B產品要與工作流高度貼合，並加入專業人員的反饋。
總體來看，To B領域達到AMF的時間會更長，因為除了大模型成本之外，還面臨資料、合規等層面的限制。
AI產品增長依然要遵守基本增長法則
AI原生產品經過10多個月的旅程，不斷嘗試諸多增長方法，有一些產品透過“新奇特”的方式出圈。隨著這些產品逐步構建增長壁壘，會發現很多底層規律逐漸趨同，AI產品增長依然要遵守基本增長法則。
今天產品觸達使用者的成本越來越高，最終還是要回到使用者本身，使用者價值公式非常關鍵。AI產品帶來的新體驗對比舊體驗需要形成10X的巨大體驗差，才可能在有效彌補使用者轉換成本及獲客成本之外形成足夠的價值牽引力，進而在一個有明確需求的市場內產生使用者和客戶的大規模遷移。
思考AI產品增長，也必須理解使用者行為是如何發生變遷的，福格行為模型給予很好的指導。使用者動機有多強、能力障礙有多低、觸發有多頻繁，決定了使用者是否可能從無到有采用產品。例如AI產品要滿足使用者“追求快樂、希望、認同，逃避痛苦、恐懼和排斥”的動機；解除使用者使用產品的能力障礙，如時間、金錢乃至腦力障礙；觸發則包括付費觸發、反饋觸發、人際觸發等。
“短期看啟用，中期看習慣，長期看心智”，AI 產品增長除了看短期獲客，還要看長期如何構建更好的增長模型和有效的增長迴路。ChatGPT、Kimi、Midjourney、Leonardo.Ai等產品已經在一些場景內實現使用者習慣迴路的建立，即人們開始把產品融入到日常工作或生活中，並逐步形成了穩定的心智。
建立習慣迴路是產品達到PMF之後最重要的事情，決定中期增長留存和粘性。習慣迴路的建立，需要觸發（Cue）、慣例（Routine）和籌賞（Reward）不斷迴圈，從而打破舊習慣、形成新習慣。例如當用戶使用AI工具後，發現可以幫助自己極大提高效率，就是習慣迴路中的籌賞。
AI產品提升留存率的方法
總的來說，今天這批AI原生產品對比Web2時期的產品，無論是新使用者啟用還是老使用者留存，仍然存在一定差距。接下來結合A16Z和Bessemer Venture Partners的框架，分別看To C和To B方向的AI應用如何提升使用者留存率、防止使用者流失。
首先是To C類AI原生產品提升使用者留存率的7個方法。
1）最快速度展示產品核心價值：產品要在最短時間內展示產品核心價值，如Perplexity簡潔易用，使用者很快能夠上手、並切身體會到搜尋效率的提升。
2）引導使用者在onboarding階段體驗“aha moment”：在大量產品增長實踐中，產品團隊會發現從量變到質變的轉折點——使用者某個關鍵行為達到一定數量，留存率會顯著提高，即“路轉粉”的時刻，如使用者使用社交產品7天內加了10個好友。AI產品需要引導使用者快速達到這些數值。
3）設計使用者互惠機制，為產品做貢獻：“付出才能獲得”，使用者為一款產品付出越多，如沉澱了自己的創造和工作，就越難離開產品。舉例來說，AI影片產品Viggle的機制是需要使用者先製作和釋出影片才能看到別人的作品，這樣的玩法對於產品的冷啟動和留存都有幫助。
4）合理地利用Push：要圍繞使用者的社交反饋、獎章、點贊、里程碑等個性化資訊設計Push。
5）遊戲化的打卡設計、保持使用者連續性：例如AI教育產品Duolingo就包含了不少趣味性的遊戲化打卡設計，讓使用者在遊戲的過程中潛移默化地養成學習習慣。
6）為使用者建立摘要：如定期或年終回顧，生成式AI更容易生成個性化摘要。
7）賦予有創造性的影響力使用者以社群地位：產品增長早期需要社群中的意見領袖或者KOL來拉動，可以為他們提供激勵、引導打榜，啟用更多使用者。
接下來是To B類的AI應用防止客戶流失的6種產品策略。
1）透過整合和合作夥伴嵌入現有平臺與工作流：目的是在使用者所在之處滿足他們、減少訪問摩擦，也在最短的時間內為使用者展現價值，方式包括提供API介面，或者在使用者經常使用的產品（如Slack、釘釘、企業微信）中整合，亦或是作為Chrome外掛。
2）提供有形的工作產品：To B的AI產品最好有一個明確的交付物，如迅速生成報告、PPT、資料圖表等，從而更好量化產品的價值。
3）圍繞價值鏈提供能力，為理想客戶群（ICPs）帶來更多價值：在To B產品增長中，定義理想的客戶畫像非常重要。AI Embedded產品要思考如何提供更多的附加價值；AI原生產品要圍繞價值鏈、在相近的場景中為目標客戶提供更多服務，而不是短期就盲目擴充套件其他人群、無法形成增長的合力。
4）利用專有資料或新穎的資料技術來建立護城河：前文談及，To B的AI產品可以結合標註資料或專有訓練的小模型，構建增長的護城河，如EvenUp擁有大量針對不同理賠場景的專有資料庫。
5）實現多模態：企業服務通常需要多模態的支援，未來有機會使產品的厚度更高，滿足客戶的多樣化需求。
6）透過平臺架構最大化網路效應：思考如何構建單邊或雙邊的網路效應，網路效應永遠是產品最強大的護城河。
最後再補充一點，AI產品早期增長還要善於運用一些獨特的增長方法。例如社群驅動增長，可以有效幫助AI產品跨越創新鴻溝、形成擴散曲線；也可以嘗試利用AI手段捕獲流量機會，如AI生成獨特的靜態頁、FAQ等可以被搜尋引擎和社交媒體抓取，為產品匯入外鏈，讓AI成為增長的放大器。
我們期待與更多AI原生創業者交流，陪伴各位的增長之路。