03 垂直场景深度 vs 技术通用性

场景A: 通用AI写作助手
  功能: 写邮件、写报告、写广告、写小说...
  用户心理:
    - "看起来很强大"
    - "但我需要学习怎么用"
    - "我先用免费版试试"
    - "好像也没那么好用,算了"

场景B: 专为小红书设计的种草文AI
  功能: 只写小红书种草文
  用户心理:
    - "这就是我要的!"
    - "不用学习,打开就能用"
    - "生成的文案确实符合小红书风格"
    - "付费值得,每天都要用"

通用工具:
  - 定位模糊 → 获客成本高
  - 使用门槛高 → 转化率低
  - 替代性强 → 留存率低

垂直工具:
  - 定位精准 → 获客成本低(精准投放)
  - 开箱即用 → 转化率高
  - 不可替代 → 留存率高

价格战逻辑:
  - ChatGPT: $20/月
  - Claude: $20/月
  - Gemini: $20/月
  - 你的产品: 凭什么收$30?

结果: 只能降价竞争,无定价权

价值定价逻辑:
  - 用户痛点: 每周写小红书要花5小时
  - 你的产品: 10分钟搞定,节省4.5小时
  - 用户时薪: $50/小时
  - 每周价值: $225
  - 你收费: $50/月(只占价值的22%)

结果: 用户觉得超值,有定价权

竞争壁垒:
  - 模型能力? → OpenAI/Google会更强
  - 工程能力? → 大厂会更好
  - 价格? → 有人融资就能烧钱

结果: 没有真正的护城河

竞争壁垒:
  - 场景理解深度 → 需要长时间积累
  - 用户数据飞轮 → 用得越多越准
  - 行业关系网络 → 竞品从0开始
  - 用户迁移成本 → 习惯+数据沉淀

结果: 难以被复制

表现:
  - "我们支持XX行业"
  - 实际上只是换了几个模板

例子:
  - AI写作工具
  - 预设了"营销文案""技术文档""商业邮件"等模板
  - 但本质上是同一套生成逻辑

问题:
  - 用户感觉"不够专业"
  - 生成内容需要大量修改
  - 愿意付费的用户少

表现:
  - 理解行业的标准流程
  - 产品功能对应流程节点

例子:
  - 法律AI不只是"生成合同"
  - 而是:
    1. 案情分析 → 2. 法律检索 → 3. 策略建议 → 4. 文书生成
  - 每个环节都有针对性功能

优势:
  - 用户觉得"专业"
  - 减少用户思考成本
  - 提高工作效率

表现:
  - 产品内沉淀了行业知识
  - 用户用得越久,产品越"懂"用户

例子:
  - 医疗AI问诊系统
  - 不只是"症状 → 诊断"
  - 而是:
    - 记录医生的诊断偏好
    - 积累特殊病例
    - 了解当地的流行病特征
    - 知道医院的检查设备和科室配置

优势:
  - 极高的迁移成本
  - 用户离不开
  - 形成数据护城河

表现:
  - 产品成为行业基础设施
  - 上下游都围绕你的产品建立工作流

例子:
  - Figma在设计领域
  - 不只是"设计工具"
  - 而是:
    - 设计师用它设计
    - 开发者用它看标注
    - 产品经理用它评审
    - 客户用它确认方案
  - 整个协作流程都依赖Figma

优势:
  - 用户想换都换不了(整个团队都在用)
  - 网络效应(用的人越多,越有价值)
  - 垄断地位

"AI+教育" (太宽泛)
"AI+医疗" (太宽泛)
"AI+法律" (太宽泛)

"为县城教培机构老师设计的课后作业批改AI"
  - 用户: 明确(县城教培老师)
  - 场景: 明确(批改作业)
  - 痛点: 明确(重复劳动,占用大量时间)
  - 付费意愿: 高(节省时间=赚更多钱)

1. 用户群体能精准描述(不是"所有人")
2. 场景高频(至少每周用一次)
3. 痛点强烈(用户愿意付费解决)
4. 能量化价值(节省时间/提高收入/降低风险)
5. 有一定市场规模(至少10万目标用户)

步骤:
  1. 自己去做这个工作(至少1个月)
  2. 记录每天的:
     - 重复性工作
     - 耗时最长的环节
     - 最容易出错的地方
     - 需要查资料的时候
     - 需要请教别人的时候
  3. 这些点就是AI的切入点

案例:
  - 王慧文做"光年之外"前
  - 自己深度使用各种AI工具3个月
  - 发现了大量"真实用户"的痛点
  - 而不是"想象中的用户"的需求

步骤:
  1. 找到20个目标用户
  2. 每人访谈2小时
  3. 问:
     - "你一天的工作流程是什么?"
     - "哪个环节最痛苦?"
     - "你现在怎么解决这个问题?"
     - "如果有工具能解决,你愿意付多少钱?"
     - "你试过哪些工具?为什么没继续用?"

  4. 从20个访谈中提取:
     - 共同的痛点(至少15人提到的)
     - 现有方案的不足
     - 理想工具的样子

步骤:
  1. 做一个MVP(最小可用产品)
  2. 免费给100个目标用户用
  3. 埋点记录:
     - 哪些功能用得最多?
     - 哪些功能从不用?
     - 在哪个环节流失?
     - 重复使用的频率?

  4. 根据数据迭代:
     - 高频功能 → 做深做透
     - 低频功能 → 砍掉
     - 流失环节 → 优化体验

"我先做一个通用的AI平台,
 等有用户了,再针对不同行业优化。"

问题1: 通用产品获客成本极高
  - 不知道该向谁推广
  - 无法精准投放
  - 转化率极低

问题2: 早期用户体验差
  - 通用=不精准
  - 用户觉得"还凑合,但不是我要的"
  - 不会续费,也不会推荐

问题3: 数据飞轮转不起来
  - 用户来自不同行业
  - 数据混乱,无法有效训练
  - 产品无法持续优化

结果: 死亡螺旋
  - 没用户 → 没数据 → 产品不优化 → 更没用户

"先垂直,再扩展"

第1阶段: 只做一个场景,做到极致
  - 获客精准
  - 转化率高
  - 用户满意度高
  - 形成口碑

第2阶段: 有了现金流和用户基础
  - 复制模式到相似场景
  - 用第一个场景的经验快速起量

第3阶段: 场景积累到一定数量
  - 抽象出通用能力
  - 形成平台
  - 但每个场景仍然保持深度

思维方式:
  "我有这个技术能力,能做XX、XX、XX"

结果:
  - 做出来的产品"很酷",但没人用
  - 不断追求技术创新,忽略用户需求
  - 融资故事好讲,但收入上不来

思维方式:
  "这个场景的用户需要什么?
   用现有技术能做到什么程度?
   如果技术不够,能不能用人工+AI混合解决?"

结果:
  - 产品"简单",但有人付费
  - 持续优化用户体验,而不是技术炫技
  - 收入健康,可持续发展

产品: 某"超强AI对话平台"
  - 号称"比ChatGPT更强"
  - 技术确实先进
  - 但用户不知道拿来干什么
  - 免费用户多,付费用户少
  - 最后资金链断裂

产品: Jasper (AI营销文案工具)
  - 技术不是最强(早期用GPT-3)
  - 但深入"营销文案"场景
  - 提供大量行业模板
  - 集成营销工作流
  - 年收入破亿美金

❌ 第一个场景还没做好就想做第二个
❌ 还没有稳定收入就想拓展品类
❌ 还没有成功案例就想做平台

✅ 第一个场景:
   - 付费转化率 > 10%
   - 月留存率 > 60%
   - NPS > 50
   - 有稳定的获客渠道

✅ 团队能力:
   - 有标准化的场景开发流程
   - 能在3个月内拿下新场景
   - 有足够资金支持多场景运营

✅ 市场信号:
   - 用户主动问"能不能支持XX场景"
   - 相似场景的用户开始用你的产品

逻辑:
  - 第一个场景: 小红书种草文
  - 第二个场景: 抖音种草视频脚本
  - 第三个场景: 淘宝商品详情页

共同点:
  - 都是电商营销场景
  - 用户群体重叠
  - 底层能力可以复用

逻辑:
  - 第一个场景: 为电商运营设计的文案工具
  - 第二个场景: 为电商运营设计的数据分析工具
  - 第三个场景: 为电商运营设计的投放优化工具

共同点:
  - 服务同一批用户
  - 客单价可以更高(打包售卖)
  - 用户粘性更强

逻辑:
  - 第一个场景: 为设计师设计的AI作图工具
  - 第二个场景: 为开发者设计的设计稿转代码工具
  - 第三个场景: 为产品经理设计的原型工具

共同点:
  - 协作关系
  - 网络效应
  - 数据可以打通

机制1: 场景负责人制
  - 每个场景有独立负责人
  - 对该场景的深度负责
  - KPI包括用户满意度,不只是收入

机制2: 用户咨询委员会
  - 每个场景找5-10个核心用户
  - 每月沟通一次
  - 重大功能决策前征求意见

机制3: 深度指标监控
  - 不只看GMV
  - 更看:
    - 用户留存率
    - 功能使用深度
    - NPS
    - 客服满意度

机制4: 定期场景审计
  - 每季度审视每个场景
  - 问: "如果现在重新做,我们会怎么做?"
  - 淘汰不再有价值的场景

策略:
  - 定位: "All-in-one workspace"
  - 覆盖: 笔记、文档、数据库、项目管理...

为什么成功:
  ✅ 每个功能都做得足够深
  ✅ 通过"模板市场"服务垂直场景
  ✅ 用户可以自定义,适配不同场景

关键:
  - 不是"浅尝辄止的通用"
  - 而是"模块化的深度"

策略:
  - 定位: "A note-taking tool for networked thought"
  - 只做: 双向链接笔记

为什么成功:
  ✅ 在"知识管理"场景做到极致
  ✅ 深度用户愿意付费$15/月
  ✅ 形成忠实社区

关键:
  - 不追求规模
  - 服务好核心用户

优势:
  - 技术最强
  - 用户量最大

劣势:
  - 每个场景都浅
  - 用户需要自己摸索
  - 无法直接用于专业工作

策略:
  - 只做营销文案
  - 提供50+细分场景模板
  - 集成SEO工具、内容日历

结果:
  - 用户愿意付费$99/月
  - 转化率远高于ChatGPT
  - 即使ChatGPT免费,Jasper用户也不流失

原因:
  - 对营销场景的理解深度
  - 不只是"生成文案",而是"营销工作流"

看后台数据:
  - 哪类用户最活跃?
  - 他们用哪些功能最多?
  - 他们的职业是什么?

从中找到"意外的聚焦点"

保留:
  - 核心用户最常用的20%功能
  - 其他全砍掉

目标:
  - 从"什么都能做",变成"这一件事做得最好"

不再说:
  "我们是AI XX平台"

而是说:
  "我们是XX人群的XX工具"

例子:
  从"AI写作平台"
  到"电商运营的商品文案工具"

针对新定位:
  - 重新设计UI(符合目标用户习惯)
  - 重新设计功能(匹配工作流程)
  - 重新设计话术(说目标用户的语言)

不要选"行业",要选"场景"

例子:
  ❌ "AI+教育"
  ✅ "帮助高中数学老师10分钟批改完50份作业"

方法:
  - 找到20个目标用户
  - 每人访谈2小时
  - 如果可能,自己去做这个工作1周

产出:
  - 用户画像
  - 痛点清单
  - 现有解决方案的不足
  - 理想工具的样子

目标:
  - 只解决一个核心痛点
  - 能用,但不完美
  - 成本可控(不要追求完美)

产出:
  - 可用的产品
  - 给10个种子用户试用

动作:
  - 每周和用户沟通一次
  - 根据反馈快速调整
  - 优化核心功能,不增加新功能

目标:
  - 让10个用户变成付费用户
  - 留存率>50%

当:
  - 10个用户都愿意续费
  - NPS>50
  - 你有信心这个产品确实解决了问题

开始:
  - 扩展到100个用户
  - 但不要扩展功能
  - 把一个场景做到极致