AI 创业的挑战与机遇
创业初期的产品认知
-
与灶爷去 Statsig 跟 VJ 聊天，VJ 强调在推销产品时永远不要讲产品本身有多厉害，他推荐的《the mom test》能让人从妈妈那里得到真实反馈。
-
推荐的《The E-Myth Revisited》对个人有很大启发，看后决定不再写代码，公司反而更专注。
产品决策与困境
-
24 年 2 月看了《The E-Myth Revisited》，3 月决定关掉三个产品。
-
创业错误都可量化为货币，曾考虑持续融资烧钱提高 LTV 并超过 CPA，但差距大，需每月 60%以上增长，烧钱一到两年。
-
ToC 产品常遇困境，问假设性问题得到的都是正反馈，如 Product Hunt launch 时反馈虽好但非必需品。
转向 B2B 的探索
-
ToC 竞争激烈，B2B 若垂直细分，从小市场切入可能突破，但要走出舒适区。
-
技术出身团队做垂直领域有巨大认知差别，如做服装需在工作室待一周了解使用场景。
-
找到痛点需运气，通过过去用户、投资人、人脉等途径，最终因朋友在 Saks Fifth Avenue 工作发现服装领域痛点。
模型训练的困难与突破
-
开源模型因数据问题无法满足需求，公开数据量少、标清、品类比例失衡、角度单一等。
-
团队内部讨论是否等开源模型，最终决定自己练模型。
-
从 5 月接触到 9 月都在训练模型，面临不确定性、成本压力和能否练出的担忧。
-
朋友提供上架数据支持，同时自己收集数据，9 月上架一版模型反馈不错。
解决问题的方式与团队认知
-
找到问题的方式有狐狸和刺猬之分，刺猬是解决眼前问题。
-
认识到团队技术产品强，适合做商业模式或应用场景讨论多年但技术差一点的项目，即讲旧故事补技术短板。
-
企业内部的工作流程和管理方式很重要，要让 AI 与人自然耦合。
对模型训练和产品的态度
-
不认同垂直领域不练模型，微调 GPT 值得，图像领域思维方式要变。
-
现在做的是解决方案，以能做且比别人好的点切入，满足客户部分痛点，再根据需求扩展。
-
产品由客户驱动，无自我。
市场推广的难度
-
技术背景同学常意识不到市场推广的难度。
-
ToC 产品若出发点不对，努力也没用，关键是找突破点，即 product market fit。
-
找企业级客户也需迭代，如做服装上架，AI 有细节问题，需借助人力，同时建立合作流程和开发系统。
与企业合作的成果
-
24 年 11 月与企业合作，当时条件艰苦，只有模型套壳，需重建 SOP、搭系统、磨合客户。
-
经过几个月测试，量逐渐翻倍，企业会测 CTA、CTR、转化率等数据反馈，决定是否继续合作。
-
与企业合作到今年 2 月，产品全部系统化，效率提高，开始找欧美外部客户，卖整套企业级系统，进展不错。
{# 
{# 
{# 
{# 
{#