星空体育·(中国)官方网站XK SPORT星空体育·(中国)官方网站XK SPORT
您当前位置：
机械阀门隔膜阀机械阀门隔膜阀这篇文章的作者是一位连续创业者，有着丰富的海外产品运营增长经验，做过教育、工具和SaaS等行业，关注出海、SaaS和AIGC领域。
文章分为三个部分：第一部分，作者对国内出海团队短板的观察和分析机械阀门隔膜阀，二是他近期对海外产品分析与思考的片段集锦，三是上个月作者跟硅谷华人基金TSVC联合创始人夏淳博士的线上直播对谈文字稿。这次直播中主要也是聊海外产品的观察与思考，在AI泡沫时代有哪些真正落地的产品，以及该如何做Go-To-Market。
首先说结论：要补的短板是海外的社交媒体和创始人 IP。说一个反常识的点，大家如果之前有调研过海外的初创公司会发现，绝大多数硅谷的初创公司早期在运营增长上的投入其实很少，往往是等有一定用户规模之后才会开始做系统性的运营动作。他们早期冷启动更多依赖于创始人和早期团队成员自身关系网络进行推广，并且在产品和时间点都合适的情况下，通过社交媒体上的病毒式传播，从而顺利实现产品冷启动。
之前的文章中，我举过 Gamma 的例子，在 Product Hunt 发布之后接连拿到了日榜、周榜和月榜的第一。还有最近两天爆火的 Wordware 也主要通过社交媒体实现了病毒式传播，并成功助力了 Product Hunt 的产品发布，一举拿下了接近 7000 张票，直接锁定年榜第一。
根据我的观察和分析，这些产品病毒式传播的背后离不开两个点：一是产品本身有亮点和创意，二就是创始人或者团队本身在海外社交媒体上有不错的积累和个人 IP。
而第二点就是我这一年来聊了几十家出海公司之后得出的国内出海团队的短板所在，这也是为什么现在大家都在说出海产品 Go-To-Market 很难，不知道该怎么冷启动，不知道该如何去获取用户。
一是对海外的需求把握和产品创新上可能不足，第二就是本身在海外社交媒体生态上的积累不够，第二点也会同步影响到第一点，因为假设你在社交媒体上有大量粉丝，你可以快速找到合适的目标用户进行交流与沟通，从而得到最真实的反馈来优化你的产品。我在之前的文章里分析过，如何找到用户做访谈也是国内出海团队面临的一大挑战，因为发邮件的回复率很低，但如果你有了创始人 IP，通过社交媒体去找访谈用户，成功率就大大提高了。
这个现象背后的逻辑其实也很简单，硅谷的团队本身就在硅谷这样一个非常好的创业生态里，有大量的孵化器和 Hackathon 活动来帮助大家建立联系，比如 YC 孵化器 Community 之间的互帮互助等。所以当你一个产品发布时，第一时间就可以得到很多人的主动传播，也可以很快找到首批愿意尝鲜的用户。
这个逻辑类比到国内也是一样的，如果大家在国内做一个产品，肯定不会太担心冷启动的问题，因为总会认识一些朋友或者朋友的朋友帮忙传播，而且很多创始人自己也会有小红书、抖音或者公众号，再加上如果产品不错，很有创意，可能很快就 Viral 起来了。但当国内团队开始出海时，这个短板就开始显现了，在没有海外关系网络和社交媒体基础的情况下，要实现产品冷启动，只能通过一系列运营的动作，在 Go-To-Market 上也就有了各种各样的挑战。
所以根据我这一年多的观察总结来看，如果真的百分百确定出海，最好还是创始人到海外的生态环境中去，不单是线下，同时还有线上可以尽早开始做海外的社交媒体和 IP，尽可能快地补上这个短板。一个好的社媒账号，不但可以帮助你找到早期种子用户，顺利冷启动，当你需要规模化增长时，也可以利用你的影响力来撬动更多红人来实现病毒式传播。
第二部分是我最近在即刻和小红书上更新的海外产品思考和 GTM 策略精选，希望给大家带来帮助。
第三部分内容来自几周前我跟硅谷华人基金 TSVC 联合创始人夏淳博士的一次线上直播对话，夏博士是硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任 IT 行业一代巨头 Sun Microsystems 首席架构师，是早期云计算技术奠基者之一。自 2001 年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器 x-lab 的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金 TSVC Giving Fund。夏淳博士是清华大学电子工程学士及计算机硕士，并在美国 UIUC 大学获得计算机博士。
由于以下内容来自录音稿 AI 转录整理，因此可能会有一些口语化的表达和标点符号等小问题，请大家多多包涵，遇到有语句不通顺的部分，可以直接到 TSVC 公众号找完整版直播回放观看。
今天的活动采用夏淳博士对 Leo 进行「炉边访谈」的形式，深入探讨「AI 泡沫将破，AI 公司的商业化何去何从」的议题。TSVC 基金从投资视角审视宏观经济全局，指出当前还处于下行期，尽管已历经长时间的支撑，但还是有很多的不确定因素。
就 AI 泡沫而言，最近美国红杉资本合伙人 David Cahn 发表了题为《AI』s $600B Question》的文章，文章中对 AI 算力表示质疑，指出 AI 领域虽预计投入高达六千亿美元，但其实 AI 赚的钱可能不会超过一百亿美元。因为我们知道 OpenAI 的业绩有十多亿美元还算是不错的，其他多数公司的业绩都不理想，投入产出严重失衡。此外，华尔街高盛财团的 Allison Nathan 也在其 Top of Mind 专栏中发表文章，预测 AI 整体投入可能会有一万亿美元，她更在一些访谈里坦言，未来十年内，美国的生产力增长或将仅为 0.5%，GDP 增长也仅约 0.9%，这一预测数据较为悲观。
夏淳博士认为实际情况相较于所提及的数据而言，实则更为乐观，然而，总体的投入和产出却严重失衡，在这种情况下，显然都是一个泡沫的问题。夏淳博士他们当年都是经历过第一次互联网泡沫，尤其是在时期，光通讯领域便是一个因过度投资而催生泡沫的鲜明例证，最终泡沫破灭。
关于这个问题，去年 11 月的讲座活动，夏淳博士和百度七君子雷鸣老师共同探讨了「去 AI 化」的议题。其本质上是向我们自身及广大听众传达一种冷静理性的态度，针对当前 AI 领域存在的泡沫现象，倡导我们要以冷静的视角进行审视。在这一宏观背景下，我们需要认真地思考，在泡沫即将要戳破或者有人认为已经戳破之际，我们怎么能够找到赚钱的 AI，当然应用是最快的方式。
在此，这个话题引到了我们今天请来的访谈嘉宾 Leo。其实我们中国把一项技术做落地，怎么去赚钱这方面绝对是领先于美国的。尽管在前沿科技领域，如大模型、算力、芯片等方面，硅谷展现出了卓越的领先地位，但在技术的实际应用与盈利方面，中国则展现出了更为显著的优势。这一点在文娱领域尤为明显，TikTok（抖音）的出海以及后续兴起的短剧热潮，这些都为此提供了有力的证明，预示着未来将会有更多类似的成功案例出现。
Leo 是一直在中国观察整体 AI 应用的走向，积极参与指导创业项目如何有效进入市场。在此过程中，他深知 PMF (Product Market Fit) 对于项目生死存亡的重要性，因此他的工作极具价值。基于这些原因，TSVC 基金特别邀请 Leo 来，就以下几个关键方面与大家进行深入分享：第一，目前 AI 应用是何景观？第二，应用如何赚钱？第三，应用如何分类？这些方面 Leo 在他的自媒体《深思圈》做过很深入的研究。
TSVC 之所以向 Leo 发出邀请，主要基于以下两方面原因。首先，夏淳博士作为 Leo 的早期粉丝，持续关注，对 Leo 所撰写的高质量文章尤为赞赏。其次，Leo 不是纸上谈兵，而是能实操，亲自参与市场运作及产品与市场需求契合度的深入分析。这些宝贵经验具有很高的分享价值。
09:25 AI 应用的落地是能挣到钱的，那 AI 应用在宏观上如何分类？哪些应用是能赚钱的，哪些是不赚钱的？
第一种分类，根据产品使用的模型区分。一类，是基于大模型，比如可以基于 OpenAI，Claude 等等这些大模型，在此基础上去做的应用。另一类，是基于图像、视频或者音频模型开发的产品，这些模型相对会更小一些。基于这类模型做的产品往往都是自研的模型。比如 AI 生成图片，像 MidJourney 和 Ideogram 等等，或者直接基于开源的 stable diffusion 去做一些图像生成类的产品。还有视频生成类的产品，像 PIKA，Runway 等等都是基于自己的视频模型。前段时间 Stability 它开源了自己的 stable video diffusion 的视频模型，也有相应的视频生成的产品出来。音频模型的话是前段时间爆火的 Suno.ai，它能够直接根据用户的 prompt 去生成对应的音频内容。
在第一种分类方式下面的产品，比如基于大模型的，往往会变成 Copilot 或者 Agent 的形式。在这下面又会有一种新的分类，这个分类主要是基于原来的某个 SaaS 里面去嵌入 AI 的功能，可能是 SaaS+AI 这样的一种分类，这种分类方式对于做海外的产品来讲比较普遍。因为过去 5—10 年，国内主要是做移动互联网 app 类的产品，面向的主要也是 C 端市场。但在海外过去十年，主要是云化的过程，面向 2B 的 SaaS 是创业的主流，主要根据某一个具体的问题，做对应的解决相应的一些 SaaS 的产品。所以在海外做 AI 类产品的时候会面临的一个问题，就是可以在原有的 SaaS 基础上去叠加生成式 AI 的能力。这一块比较典型的应用，比如最早的 Notion，它原来是生产力 SaaS 的一个典范，在很早期的时候就推出了 Notion AI 的功能，在原有的整个 block 文档的基础上，方便用户快速地借助生成式 AI 的能力去做生成，包括去做一些总结和分析。像类似的比如 craft，微软的就更不用说了，都是在很早期就集成了对应的 AI 能力，这个相当于是一个 Copilot。
在这种分类下面另外一种情况就是 AI Native 的一些应用，这个更多讲的是 Agent 的概念，这类的产品相当于是把原来的 SaaS 做迭代。最近看到 Foundation Capital 和 a16z 都提了一个概念」Service as a Software，大家都知道 SaaS 讲的是「Software-as-a-Service」，即用软件及服务。未来生成式 AI 类的产品可能可以做到，原来需要到别人软件上去操作，去实现整个的 pipeline，可以直接用 Agent 去代替，把服务变成软件或者说 Agent。这是 AI Native 一些应用类的产品，这种划分形式的具体差异或者表现方式会体现在进入市场的策略上。
第三种分类，是根据 B 端和 C 端这两个方向。B 端类还是原来的 SaaS 类的应用，比如 SaaS+AI，或者是做 AI Native 的一些 Agent 的应用，但主要是面向 B 端的场景。C 端类的应用可以分成两个：一个是 C 端偏生产力方向的应用，比如比较火的 SpeakAI 等等，做 C 端教育类的更多的是帮助学生提高效率，或者是帮助个人去找工作等等。另一个是 C 端娱乐项的，比如 Midjourney 很多人会用它去生成各种各样有意思的图片，还有像 PhotoAI，比如拍一个照，可以根据它的 AI Filter 去生成各种各样的头像图片；还有前段时间比较火的 Remini 等等。还有陪伴类的，比如 Character.AI，还有 Replika 等等，这些都是 C 端娱乐项的一些应用。
第四种分类，是根据软硬件区分，绝大多数产品都是软件类的，还有是 AI 硬件的赛道，比如前段时间比较火的 AI Pin、Rabbit R1 和 Meta 的眼镜等等。
夏淳博士认为 Leo 的这四个分类非常精辟，而且思考的方向和投资不一样的地方，是真的从赚钱的角度去思考，投资是从花钱的角度思考。TSVC 基金投资的方向第一是算力的芯片，第二是模型，还有一个比较冷僻的方向是 AI 的安全方面。安全在英文里面有两个概念，safety 和 security 这两者还是有区别的，TSVC 投资的这三个领域非常小众。那么刚才 Leo 说的是 TSVC 另外两个投资的大方向，一个是应用类，另一个是 Agent，这两个方向本质上都是偏应用，最接地气挣钱就快，尤其回应我们的主题，泡沫之后如何生存，而且活得好，首先能站得住，再把钱赚了，不要被打倒，等做大了以后躺赢了的过程。
Leo 表示，其实海外在过去将近两年的时间里，有非常火的一个独立开发者的群体，独立开发者顾名思义，是一个或者是两个单独的开发者组成的一个团队，这种情况做出来的应用肯定是拿不到融资的，从第一天开始就要想自己怎么去赚钱。独立开发者与之对应的在 AI 类的产品有一个概念叫 AI Wrapper 套壳应用。这也是过去一年多时间大家讨论得比较多的，那 AI Wrapper 套壳应用它究竟有没有价值？比较明显的是很多的独立开发者都通过 AI Wrapper 套壳应用赚到了钱。
这里举个例子，比如最早 ChatPDF 和 ChatBase，还有一个同类产品 PDF.ai。这三款产品都是独立开发者在大模型的基础上，叠加了 RAG 外部知识库的能力快速做出来的产品。Chatpdf 和 PDF.ai 这两个是用户可以上传一些文档，或者放进一些网页，就可以快速地从里面进行对线 年二三月份开始兴起的一种产品类型。还有 ChatBase 同类的一款产品叫 SiteGPT，他们更多面向的是 B 端的小 B 场景，用户可以把他们的网站或者一些文档放过来，把它包装成一个 Chatbot 放到网站的右下角，其实是代替原来的网站人工客服的场景和产品，这一类是率先赚到钱的应用。比如 ChatBase 在发布一年时间左右就到了 300 万美金左右的 ARR，以及 PDF.ai 其实也有几百万美元的 ARR 了。
Leo 认为，在 AI 客服场景，目前来讲是能够形成闭环的场景，这里指的闭环是指用户能够真实地通过使用这个产品得到对应的价值。大家都知道 Intercom 是比较知名的一家原来做客服，包括整个产品 Onboarding 流程的一套 SaaS 产品。同时也推出了 AI 客服能力，在收费模式上非常有意思。它目前 AI 客服的功能，收费方式是给 B 端客户提供客服，B 端客户给 C 端用户使用客服功能，如果 C 端用户使用后这个 AI 成功解决了问题，才会收取费用。如果终端用户的问题没有被解决，不满意这个结果，就不会去收 B 端用户的费用。这种按效果付费的方式可能是对传统 SaaS 类产品订阅制方式的一种变革。
另外还有一类比较火的赚钱的应用是图片、视频类相关的。图片类的，比如海外有一位非常知名的独立开发者 Pieter Levels，他推出过一款叫 PhotoAI，还有一款叫 InteriorAI 的产品，这两款产品都是几百万美金左右的 ARR，像 PhotoAI 最高达到两三百美金的 ARR。这些产品本质上虽然是图像类生成的模型，但也都是套壳。其实现在海外有很多开源的图片生成的模型，他们能直接用的就是这类模型，但是面向具体用户的时候会做一些产品上，比如能够更快地帮助用户生成自己对应想要的头像。包括 InteriorAI 主要在家装室内设计这块，可以快速地用 AI 帮助用户生成对应室内设计的设计图等等。这些产品的特点，是能够非常快速地给到用户对应的价值，真正地完成了闭环，所以他们都能够很好地从给用户提供的价值里面去赚取自己相应的收益。这是 Leo 目前看到的一些已经在赚钱的应用。
接下来会再详细讲一讲目前观察到在赚钱的，也是比较有前景的一些场景，而不仅仅停留在一些 demo 或者没有办法闭环。一个场景是 AI 视频，这个视频并不是指类似于像 Sora 或者 Runway 这种直接通过 Prompt 去生成的，更多是指用 AI 来做视频剪辑，这一块比较典型的产品有比如大家熟知的华人团队做的 Heygen 和 Opus 这两个产品，还有最近新一轮融资的 Captions。同时 Leo 跟国内的一些创业者接触，发现目前有大量的国内创业者也是在做 AI 视频剪辑的领域，这些应用的特点是实现了闭环。它做的事情就是把长视频剪短视频，主要面向的是一些博主，自媒体的群体。包括像一些公司，以及像我们今天的访谈有一个多小时的长视频，可以用像 Opus 这类工具快速地把它剪成短视频，可以拿到 Tiktok，Youtube 或者 Reels 这些短视频平台快速地做分享，去涨粉。一个长视频可以生成 20—30 个短视频快速的带来流量，这个其实就已经闭环了。
那 Heygen 的闭环点在于，最早可以通过数字人的形象快速地去做产品宣传的视频，现在也在往视频剪辑和制作的方向进一步延伸。Captions 从名称就可以看出，早期做得更多的是加字幕等等这样的功能，目前也是在往更广的 AI 视频剪辑的品类去做延伸。包括像视频的 Dubbing 这一块，比较典型的应用是 Rask，比如现在的访谈是中文的，它可以快速地借助 AI 的能力转化成英文，西班牙语等等，可以做多语言的分发。这些都是能够给生产力工作者极大地提高工作效率的一些产品，都是有闭环的，而且整体的数据和赚钱应该都跑得不错的。
第二类，是一些 AI 生成图片类的产品。像刚刚提到的 PhotoAI 可能是属于 C 端的，主要是面向 C 端人群，但 InteriorAI 包括一些做商品图的，比较典型的就是 PhotoRoom，他在过去一年的数据跑得非常不错，而且也是实实在在给很多的商家带来了很大的便利。包括刚刚提到 InteriorAI，原来可能需要找不同的摄影师，给商品放在不同的场景里去做拍照，电商上面不同商品需要呈现不同的方式，现在用了这样的产品，可以快速地实现不同的商品图。而且 PhotoRoom 这个产品深入研究过认为挺有意思的，它没有像很多 AI 生成图片类的产品，提供非常多的生成类的能力，主要会聚焦在 background 的 remover 的一个场景里面，而且会把背景去除做得非常的细分，做了很多的产品矩阵，这也是很重要的一点。能够围绕着某一类人群，某一个场景去做非常细分的产品功能，真正地可以基于这类人群，基于相应的场景去做得非常出色的能力，真正能够把整体的生态闭环，只要能够给这类人群带来相应的价值，那你的产品一定是能够收获到很多对应的收益。
第三类，我比较看好 AI 音乐和语音类的产品。一类，像 Suno 音乐生成不用多说，整体的增长速度非常快，是 AI 生成音乐音频的场景。还有一类，比如 SpeakAI 主要做的是 AI 口语学习，整体的数据跑得非常不错，并且也拿到了比较大的融资。另外一类，根据语音去做转写，在转写的基础上，再去做分类总结和分析这类产品，比如独立开发者做的 TalkNotes 的产品，前段时间顺利变现卖了 20 万美金。
还有一些会议的场景，一个叫 Krisp 的产品，在 22 年的时候 Leo 曾经写过一篇分析 Krisp 产品的文章。当时生成式 AI 还没有火，主要基于原来的 AI 技术做的会议降噪，比如像今天的会议假设是在一个非常嘈杂的环境里面，就可以用 Krisp 去做环境的降噪。但是在这波生成式 AI 起来之后，已经打通了线上会议的场景机械阀门隔膜阀，所以它也有自己对应的客户。这个之前提到的，原来有 SaaS 的产品类型，在此基础上有了生成式 AI，增加了 AI Meeting Assistant 的能力，进一步升级了整个产品的功能，可以更好地帮助用户做会议内容的转写，能够快速总结会议纪要转换成后续的文档等等。这些功能其实跟原来做场景的用户是相吻合的，可以从原来单一的降噪工具的品类，拓展到 AI Meeting Assistant 整个全品类的产品应用，同类产品还有 Otter 以及 tldv 等等，这个场景也是能够很好地闭环，并且能够给用户带来价值的。
还有一类，是 CastMagic 的应用，它做的事情，可以把音频或者播客或者视频类的内容，快速地转写成文字类的内容，比如今天整个线上会议的访谈内容，可以快速地去生成对应的文章，进一步的分发，而不需要再去人工手写。这也是最近看到 a16z 发表了一个产品图，把这一块的场景称之为 scribes 这样的一个 AI 应用场景，他们非常看好这一场景对应的应用产品。
第四类，应该也是大家讨论比较多的 AI 陪伴类的，因为 Character AI 留存整体用户使用时长的数据都非常不错。虽然前段时间有传出 Character AI 融资困难，但从目前整体接触到的一些国内出海的团队，包括海外的一些产品来看，这个场景变现还是非常不错的。另外一类应用，是在具体的非常 niche 的一些场景里面去做深，或者是针对某个人群去做的应用，一个是我前几天刚分享的一个 case 叫做 Cal AI，他做的主要功能是快速地帮助一些想要减肥的人群，去拍一个照就可以识别出对应食物的卡路里是多少，帮助自动做记录。这个 app 到目前差不多三个月时间，在最近 30 天的收入达到 25 万美金，整体的增速是非常快的，而且这款产品的开发者是一个 17 岁的独立开发者，所以说也是英雄出少年，很有意思的一个案例。
另外还有在 AI 法律，医疗健康，AI 找销售线索，还有 AI 教育等等这些细分领域，陆续都有一些脚踏实地的产品出现。最近红杉资本投的叫 Clay 的一个 AI 帮助找销售线索的一款产品，它整体过去一年的增速是借助了生成式 AI 的能力，快速地帮助用户找到对应的潜在的销售对象，也是实实在在的闭环，而且能够快速地看到这款产品给用户带来的价值。AI 教育提到 Speak AI，包括还有一款产品叫 Praktika，这款产品也是做口语学习的，收入也有 2000 万美金左右。这类产品可能在宣传的时候并没有特别去讲自己是 AI native 或者怎么样，但是实实在在地用 AI 的能力，快速地帮助用户解决了某一个问题，所以这些产品都能够找到属于自己的闭环。
一类，主要面向外部的搜索，比如说 perplexity, 然后还有另一款叫 Liner 这样的一个应用。他们主要是面向外部的，类比 Google 想要做的是搜索引擎。外部搜索这块整体的声势浩大，但不清楚是不是泡沫。
另一类，是面向企业内部的，比如 Hebbia, Glean 这两款主要是企业内部的搜索，最近一年都有融资，Hiber 最近刚完成了 1300 万美金的融资，他们相应的 ARR 也都不错，也是实实在在地帮助企业解决了内部一些非结构化数据，快速地找到包括去做总结这样的痛点。所以从提到的这五类比较看好的产品类型，一直在强调几个点：
第一点是闭环。闭环的意思是，用户真正能够通过使用这款产品得到相应的价值，能够形成一个正向的闭环。很多 Demo 型的产品看着 Demo 很厉害，但是用户使用之后会发现达不到想要的效果。比如现在想让 Agent 帮人去学习，或者想要 Agent 帮人直接去卖货，或者去做各种各样的营销活动，就不需要人工去做营销了，这类产品讲的概念很好，实际上达到的效果并不理想，这就没有形成一个好的闭环，给用户带来的价值其实是有限的。比如之前看到过一些自动化帮人做推特营销的，用了这个产品之后一个月的粉丝量也没增长多少，用户的付费和留存率就会很差。但是刚刚提到的也是做营销类的，长视频剪成短视频，快速地帮助生成 30 个短视频并分享，流量和粉丝的效果都不错，这样就会持续地去做相应的付费，所以闭环这个点非常重要。
第二点是去做一些 niche market 的产品，特别是在今天这个时代流量相对来讲会比较贵一些。另外一点，海外本身的市场更偏专业和细分。那你去做好 niche market，比如刚刚提到的 PhotoRoom，其实并没有像很多 AI 做图片剪辑的产品提供很多的功能，它就是做好了 background remover 相关的功能性，所以整体的 ARR 就做得非常高了。这是总结观察下来正在赚钱的一些产品，以及对应的一些特点。
夏淳博士表示，Leo 真是太厉害了，好像带着大家立刻去逛街，整个 AI 的大商区到底有什么内容一目了然，这是极好的一个体验，所以激发了他的一个思考，这些应用是怎么从金融市场出现的？正好最近夏淳博士和李开复老师一起在聊灵异大模型怎么变现的问题。大家有一个共识，像 AI 新技术来，首先变现都是在我们自己相对熟悉的领域，这有点像逛商场，大家司空见惯的是服装店，百货店，还有很多餐厅都是我们特别熟悉的类型。尤其像刚才 Leo 提到的很多生产力应用，还有一些 2B 解决痛点马上就能赚到钱。但同时像我们基金就特别在意有一些未来感，能够有新体验的，就像到一个商场，又出来一个之前没见过的东西就很惊喜。比如一家体验馆，利用光学的原理能看到深渊，能看到一些稀奇古怪的现象，再来收取费用，同时也在卖一些周边。关于这点夏淳博士也有体会，分享他最喜欢的案例，在移动互联网以后 Twitter 的出现，现在大家觉得稀松平常，但是在 2007 年的时候在第一代的 iphone，它的出现完全是一种新物种，所以我们从投资角度也特别期待看到一些新物种。
Leo 在这方面如果看到一些也早点告诉我们基金，也可以第一时间找到很有意思的项目去投。因为它的优点在于都是赚钱，已有的市场做多了以后很快就变成红海，还得在原来的这些红海里面跟过去老玩家抢生意，但是如果是一个新物种就是蓝海，像 Twitter 一开始大家还没弄明白，用的人也不多，像 Instagram 也是这么起来的，一开始大家还不懂的时候就占领整个市场，所以也有这种现象。
44:28 下面分享如何去赚钱，是 go to market 和 product market fit，那么估计也会有这种类型，因为有的是开拓新的市场，有的是在老市场里面怎么去开出一条新的路。尤其我们从投资角度，在 A 轮之前看到的是最重要的，决定生死能不能进到市场，否则永远都是概念不能落地，下面请 Leo 来分享一下。
Leo 说他擅长运营和增长相关的工作，在 Go-To-Market 方面，他将其划分为有预算与无预算的两种策略。具体而言，一种是 Organic Growth，而另一种则更多地偏向于投放形式。他个人在 Organic Growth 方面有着较为深厚的经验。Organic Growth 可以进一步细分为几个主要方面。首先，social media 是一个重要的渠道，例如 Twitter 和 LinkedIn，后者对于面向 B 端销售尤为重要。此外，Instagram 作为 AI 生图类产品的重要展示平台，同样不容忽视。同时，短视频平台如 Tiktok、instagram 的 reels 以及 YouTube Shorts 等也占据着重要地位，这些平台都是 social media 领域的关键渠道。除此之外，Reddit 作为一个具有 16 亿月活跃用户的平台，其影响力不容忽视。通过寻找不同的 Subreddits，它可以在早期阶段就精准地定位到目标用户群体。
在探讨 Reddit 上的 Subreddits 时，其细分程度之详尽值得一提。例如，存在专门针对那些从不吃玉米的人群设立的 Subreddit，以及特别喜爱西瓜的人群所聚集的 Subreddit 等。这一特性体现了 Reddit 作为一个社区平台的多样化，使得用户能够精准地定位到特定的用户群体。对于室内家装设计师等特定职业或兴趣领域的用户，他们可以寻找到对应的 Subreddit，从而在其中寻找潜在的早期用户。Reddit 作为这样一个平台，为用户提供了广泛的交流渠道。此外，social media 的范围广泛，包括 Product Hunt 等平台，其本质上也聚集了产品的早期接受者，因此可以归类为 social media 的一种。
第二个渠道即为 SEO，SEO 的重要性不容忽视，尤其是对于独立开发者或预算相对有限的人群而言。SEO 的本质在于通过搜索引擎中获得精准的潜在用户，其机制基于用户输入的查询信息，进而匹配并提供相关产品或信息。因此，开发者需要写博客文章或优化产品关键词，确保用户在搜索解决方案时能够直接找到您的产品。根据 Leo 的经验，通过 SEO 吸引的用户往往具有更高的转化率，因为他们本就有明确的需求和问题。因此，SEO 是一个至关重要的渠道。以 Zapier 为例，作为一个 API 连接器，它通过大量的程序化 SEO 策略实现了显著的流量增长，当用户在搜索如何连接不同应用时，往往能够找到 Zapier 的相关教程页面。
第三种渠道，作为前述两种方式的延伸，即为内容营销（Content Marketing）。无论是 SEO 还是 Social Media，其核心均在于内容的输出。只有当所输出的内容被更多人看到并认为有价值时，才能带来更好的曝光和传播效果。在社交媒体营销或内容营销中，关键在于将产品从单一节点的传播转变为多节点的传播。原本，通过公司或个人账号发布内容属于单一传播方式。然而，要实现更广泛的影响，需要促使更多人自愿分享您的产品。例如，HeyGen 在 Twitter 上的成功，以及 Opus 等等类似案例，均展示了这一点。当大量用户使用 HeyGen 制作视频并在社交媒体上分享时，视频中的水印引起了更多人的兴趣，进而促使他们搜索并尝试该产品，形成了分享和传播的良性循环。类似地，国内某热门相机应用也通过生成带有水印的图片，引导用户搜索并尝试，实现了产品的快速传播。
从本质上讲，社交媒体的一个显著优势在于，它能够将单节点的信息传播模式转变为多节点的传播网络。一旦达到这一转变点，加入该产品的用户增长速度将呈现指数级增长。这是因为在单一节点阶段，用户的增长通常呈线性趋势，然而随着节点的增多，这些多节点将进一步吸引更多的新用户，从而形成指数级的增长态势。因此，能否通过内容营销实现病毒式传播，成为这一过程中至关重要的核心要素。以上是 Leo 认为在 Go-To-Market 上的一些策略。
针对如何克服同质化问题，我们可能需要真正从用户需求的角度出发进行细分。以 Chatbase 这款应用为例，它虽然是一个典型的 AI Wrapper 套壳，但其整体发展却相当出色。最近，他注意到 Chatbase 的创始人在 Twitter 上分享，他们的产品流失率已控制在 4% 至 5% 左右，这一低流失率反映出用户的高留存，说明该产品在市场上表现优异。对于这款 AI 产品而言，尽管一开始人们认为其没有太高的技术壁垒，容易复制，但它成功地抓住了用户的需求，并根据用户反馈进行持续的优化与改进。这种对用户需求的深刻理解和不断打磨，使得 Chatbase 取得了良好的市场反响。
此外，值得一提的是，海外市场上流行一种名为「build in public」的增长策略。它属于社交媒体增长策略的一种，主要通过公开分享产品最新数据来吸引公众关注。当公众看到这些数据后，会对产品的产生过程和特性产生好奇，进而产生学习意愿，并自发地帮助传播。这种方式有助于形成病毒式传播，促进产品的快速增长。典型的实践包括 Copy.ai、Chatbase 以及像 Pieter Levels 这样的著名独立开发者。
