本文适合做过 AI 项目的同学看，不然可能会觉得这都写个啥

从 CapCut 2022 年底出来，到做自己创业 AI小项目和做出海工具站，对文章中的观点比较认可以及有一些自己的感悟：                 

1、理解技术原理的最大帮助是，不害怕自己去发现新的模型和技术思路，就像文中所说现在大部分新产品很多还是模型效果决定大部分，好的模型决定好的产品交付效果，对产品方向的选择很重要；包括之前第一个产品我们接入的是文心一言，因为那个时间点，我们实测发现就他那个场景下表现的符合预期，虽然那时候就是其他 AI六小龙的的各种 PR 和打榜占据头名；

2、 新技术或者新的产品形态出来后，大厂会有各种顾虑不会根据那么快，比如出于大厂的品牌自尊，对上线要求高，而对小团队和独立开发者来讲可能就会 2 天上线一个基本可用的产品，全力去更进，这个是小团队建立先发优势的机会；即使大厂后面强势更进你这个方向，但像 capcut 这种全能视频工具来说，用户心智上注定无法吃掉每个垂类市场的；

3、AB 分析这套机制，没有经历过的人以为就是上线之后，看看结果就行，但实际需要不少开发能力，人力和精力的投入，尤其是大厂的标准下。不说开发，埋点，测试的工作量，就是 PM 就得写或者 参与检查一系列的文档，比如：实验设计文档，埋点文档，埋点测试文档，AB 数据分析初版，AB 数据分析最终版，AB 数据分析汇报版，且一旦出现数据不符合预期，那就得开不少会来找分析问题，找原因，排查可能的 bug，且最要命的是 AB 分析的标准最低时长是 3 周出结果，一周等数据稳定，两周观测分析数据，一周写分析报告。大厂有钱有人无所谓，但小团队耗不起这套完整的组合拳。

4、多模态转换确实是新闻报道少，但不少团队闷声赚钱的方向，不过这个词太抽象了，更好理解的是找到视频创作者创作过程中的具体场景，会发现有太多可以优化的地方，而这些地方不少是多模态转换的场景；

5、爆款视频作品大多是来自民间， 做工具的人关键是发现和快速跟进；比如：去年 luma 出来后不知道哪位大神想出了让照片中两个人的拥抱的创意，当时最先是7月国内火了，然后 8 月在 tiktok 火了，直到现在的相关谷歌搜索量也不低，不少工具快速更进了这个成本很低的创意一个月有十几万的流量进来，且在海外市场能直接变现；

6、 产品原子化的概念很好，不过小团队没有太多资格设想，比如 UGC视频模板就是典型的产品原子后让用户自己发挥的空间，但其运营成本的考量下，小团队比较能难做出来； 更实际一点的概念和做法是，在某些垂类领域有了技术和运营经验，在另外一个领域能把这些积累组合起来形成一个新工具；

因某些原因，文章无法对外公开，请见谅，25 条核心认知小标题总结如下

真实 恳切的总结，带入文中 有启发有收获。 非常棒

普通人有创作需求吗，或者说普通人的创作需求支持付费吗？答案可能剪映如果变成收费软件会怎样一样。

我们内部也讨论过，一种是刚需，理性消费，另一种非刚需，冲动消费，用不同的方式来撬动

我始终认为，冲动消费的本质是把梳子卖给和尚，是割韭菜。
好的产品立意应该帮助用户扩大刚需消费，减少或者消除冲动消费。因为冲动消费的背后无非是割韭菜，最终会反噬产品的格调。

过去2年，一直在探索如何把大模型跟普通人的创作结合起来，做过亿级规模的大众产品，也做过百万级规模的垂直解决方案，拿到比较多的用户反馈

在此分享AI应用的产品经验，希望可以帮助大家少走弯路，交流经验。拉长周期看，我们现在做的项目本身可能没那么重要，但我们积累的认知和经验会帮助我们迎接更大的机会 

核心内容

1.  对过去成功路径的过度依赖，可能是未来成功的阻碍，从基础理论开始学习，上手体验和实践，保持迭代

2.  找到Model-Product-Market-Fit是核心能力，模型能力（现状&未来）匹配用户需求（存量&增量）
用户需求是渐变的光谱，按过去的旧分类，AI只能替代存量解决方案，无法创造增量市场

3.  有些实用价值的伪需求，但其实是有情绪价值的真需求

4.  给用户交付的一个结果，而非单纯做体验，通过管理用户预期，收敛场景，最终满足甚至超出用户预期

5.  把AI封装为原子能力，通过工具->模板->内容，带来乘数效应，而非单纯的漏斗转化逻辑

避免过去成功路径依赖，避免惯性思维，从0出发，保持学习，保持迭代，准备好自己迎接更大的机会

深度复盘｜做AI产品近2年总结出来的25条核心认知

某创作工具 PM  内容创作者和观察者  探索AI带来的革命性创作工具

深度复盘｜做AI产品近2年总结出来的25条核心认知

来自圈子

AI探索站