今天小编分享的教育经验：SaaS+AI，工具如何真正驱动业务增长，欢迎阅读。
内容来源：本文转载自微信公众号网易数智（gh_e7a580122517），笔记侠经授权转载。转载请联系原公众号授权。
责编 | 若风 排版 | 五月
第 8234 篇深度好文：7438 字 | 19 分钟阅读
商业思维
笔记君说：
2015 年 10 月，网易数智发布第一款产品，正式踏上了 ToB 商业化之路。从那以后，我们每年举办不同主题的科技峰会，分享最新的行业体感和洞察；访谈各界企业领导者，记录他们的创新与创业经历；走过大大小小的城市，在一场场城市论坛中与开发者相见；在线上直播间，还原产品迭代的每一个细节… 数不清的科技峰会、跨界访谈、城市论坛、线上直播如长流的细水，影响了超过数百万人。
2017 年，我们将一缕缕细水汇成一个坚定有力的科技活动品牌——MCtalk，意为汇聚深度思维（Mind）、碰撞顶尖创意（Creativity），并持续运营至今。2024 年，我们再度扩充「MCtalk」的内涵，重磅推出《MCtalk • CEO 对话》栏目。
网易副总裁、网易数智总经理阮良将作为主 MC 深度对话 ToB 行业经营者、PE/VC 投资人、各行企业决策者等，就 ToB 从业者所关注的焦点问题发问，就全球科技与创投热点话题追问，就技术之变、行业之变、时代之变等命题展开对话，探寻企业发展规律，响亮地发出网易之声。
这是《MCtalk · CEO 对话》的第 4 期：
1956 年夏天，达特茅斯学院，计算机科学家约翰 · 麦卡锡正在与同事们探讨如何使用机器模拟人类智能的问题，随后第一次提出了 " 人工智能 " 的概念。
自此，AI 便成为了科技界频频提及和探索的焦点，在过去的半个多世纪里，它曾赢得过万众期待的目光，被称作 " 科技皇冠上的明珠 "，也曾被鄙夷地戏谑为 " 人工智障 "，冷眼相待。
直到近几年，当 AlphaGo 以 4:1 比分战胜围棋世界冠军李世石，横空出世的 ChatGPT 对刁钻难题对答如流，Sora 带着直逼现实的虚拟视频扑到人们面前时，人们才惊叹：原来 AI 已经不停歇地发展到了这般水平！于是 AI 的热浪又一次席卷全球，点燃了所有人的热情与期待。
SaaS 被认为是 AI 能最先落地并产生实际效益的领網域之一，正经历着从传统工具到智能化服务的转变。一方面，SaaS 存在的初衷就在于简化和优化业务流程，AI 能够自动化很多重复性任务；另一方面，SaaS 模式具备高度的灵活性和可扩展性，天生具备快速集成 AI 的基因。
如果说传统 SaaS 軟體是一把镰刀，能像收割杂草一般，帮人们处理千头万绪的工作，那 AI 加持下的 SaaS 就是美国中央大平原上一台高度先进的机械化农业设备，不仅与人紧密共生，还在引领一场效率革命，为企业带来前所未有的生产力提升。
本期《 MCtalk · CEO 对话 》特邀有赞创始人兼 CEO 白鸦先生。作为一家深耕于零售科技 SaaS 服务的企业，有赞多年来帮助了无数重视产品和服务的商家 " 做好了生意 "，在 SaaS 场景落地方面有着深刻的洞察和理解。
随着 AI 价值涌现，白鸦正在带领有赞积极探索 AI 技术在 SaaS 的应用。本文，网易副总裁、网易数智总经理阮良对话有赞创始人兼 CEO 白鸦，聊聊 AI 时代下的 SaaS 行业之变、组织经营提效之道、人才能力更新之法。
要点速览：
从中国的数字化需求来看，SaaS 行业并未处于寒冬，越来越多企业遵守商业纪律
理解客户是最重要的组织能力，AI 将 CEO 和消费者连接起来
AI 能把 SaaS 軟體从不值钱的生产工具更新为值钱的生产资料
当下大模型的两大价值：无限的创意供给＆替代标准化的重复性劳动
SaaS 要以工作流的方式交付可用的结果，SaaS + AI 意味着百倍以上的效率提升
客户是否愿意为你买单是衡量 SaaS 軟體价值的唯一标准
拥抱 AI 的初始阶段，只需要让少数有信仰的人先投入进来
AI 时代需要具备 " 宽能力 " 的人才
一、SaaS 行业并未处于寒冬，
越来越多企业遵守商业纪律
阮良：这两年我们看到大家对 SaaS 行业的看法呈现出了两极分化的态势，有充满希望的积极声音，也有行业寒冬的悲观论调。
有人认为，SaaS 行业正在经历一段寒冬期。数据显示，2023 年 SaaS 市场整体的投融资交易数量呈现出下降趋势，报道的融资事件减少了 58%，融资金额减少了 37%，平均每笔交易金额减少了 33%。
数据反映出的是市场对于 SaaS 领網域投资的谨慎态度，以及可能存在的市场泡沫消退的现象。去年上半年，一篇《中国市场不需要 SaaS》的文章广泛传播，加深了行业从业者们的悲观情绪。
但是也有观点认为，细拆融资轮次和结构，天使轮、战略投资和 A 轮融资出现的频次在变高，表明市场对早期阶段的 SaaS 项目依然有浓厚的兴趣和信心。
另外，随着企业数字化转型进程的不断深入，越来越多企业开始寻求 SaaS 化解决方案，以提高效率和降低成本，这些 SaaS 方案广泛出现在了零售、直播、电商、营销、财税、人力资源等场景，多元化的应用场景表明 SaaS 在垂直领網域的渗透提升，价值获得了越来越多认可。
有赞在国内 SaaS 行业耕耘了多年，所以也想听听白鸦总是怎么看待这些论调的，从你的经验和体感来看如何？
白鸦：其实我并没有觉得过去两年是寒冬。我去观察美国市场，会发现过去两年从业务角度看恰恰不是寒冬。
从一个经济谷底慢慢缓过来的时候，企业会意识到，我们不仅要发展和增长，还要管理好现金流和支出预算，于是很多企业降低了自研的、定制化的比例，更多地开始采购符合自身需求的、按年付费的 SaaS 軟體。另外，阮良刚刚提到的一点，人们在国内互联网上的消费越来越多，疫情也进一步培养了人们线上生活的习惯。
当很多工作线上化之后，企业采购 SaaS 軟體进行沟通管理、线上做生意等需求就产生了。所以从中国企业数字化的需求来看，过去两年 SaaS 的机会是在增加的。
只是从资本角度来说，可能确实经历了一些降温，但这个降温也是和前几年资本过热相对比而言的。过去资本投资 ToB 很热的时候，大家完全不管商业纪律。所谓的商业纪律，我认为是要看投入回报，看商业化场景，业务能健康发展；而前几年的现象是，资本很充沛，投资人能一直为企业输血，企业自身不具备造血能力，收入增长带来的也是亏损的增长。
阮良：特别赞同。从商业纪律角度来看业务，实际上这两年更多的是一种回归理性，对行业来说整体是向着更好在发展的。虽然有时候看到一些同行业务停止运营也会唏嘘，可能过去确实是日子太舒服了，大家都一味地盯着所谓的销售额增长，没有遵从商业纪律。
去年我参加了一场活动，在场的企业家们都提到了如何应对新时代的危机感，我就以网易为例做了展开。网易是国内最早的一批互联网企业之一，经历 20 多年发展后，在 2023 年收入依然创造了新高，市值又回到了中概股的第四。
我觉得比较重要的一点就是刚刚白鸦总提到的商业纪律，网易一直都在非常严格地坚守商业纪律，关注利润，关注现金流，注重成本控制，不会无限制地对产品进行扩张，所以我们做 ToB 也是这样的风格，尊重客观的市场和企业发展规律。
白鸦：是的，顺着阮良话题我也延伸一下。大家都知道，有赞是一个商家服务公司，我们为很多来自社交电商、新零售、教育等等领網域的客户提供了 SaaS 产品及解决方案，帮助商家解决在推广获客、成交转化、客户留存、复购增长、分享裂变的问题。
我们服务了很多商家，发现所有优质商家在过去三年发生了两个非常明显的变化。
第一，过去追求营业额更大，现在追求利润更大，越好的商家越这么干，营业额已经没有那么重要了，利润才是更重要的，回归了基本的商业规律，所以需要我们 SaaS 服务商多去从这个角度下功夫。
第二，更关注老客户的复购率了，商家们发现拉新实在不划算，ROI 越来越低，好的商家转而去看 LTV/CAC，把精力放在老客户的复购上。把老客户复购率拉一倍，利润自然就出来了；把营业额拉一倍，利润反而变低了，这是很有可能发生的。
阮良：没错。老客户复购增加一倍，前端的营销费用是没有提升的，利润自然就出来了。我们也服务了很多线下连锁商超，客户都会提出 " 将沉默会员激活，增加老客复购 " 的需求，甚至宁可关闭一些门店，也要让会员更加活跃。
二、理解客户是最重要的组织能力，
AI 将 CEO 和消费者连接起来
阮良：不得不提的另一个话题是 AI，特别是去年大模型这么流行之后，很多企业都把 AI 融入到了产品层面或公司运营层面。
在网易数智，有一块业务叫做七鱼智能客服，传统的智能客服通过 NLP、ASR 等 AI 技术为基础，帮助商家提升客服效率，优化客户体验。大模型横空出世后，我们将大模型用在了很多原本 AI 做得不够深的地方。
举例来说，好的客服团队会以日为部門，将所有的接待记录整理成一份总结报告提交至客服系统中，用于日后客服工作的精细化管理。
这项工作对客服人员来说其实非常繁重，现在有了 AI 接入客服軟體后，它能自动将一天会话总结摘要提交。这只是很小的一方面。
另一方面，我们在为品牌商家搭建智能客服知识库时，在冷启动阶段，原本我们需要派 AI 训练师将相似问答的知识库建立起来，这项工作非常耗费精力。现在有了大模型之后，冷启动知识库的搭建变快，这些相似问题答案建立的时间大幅缩短，还能扩展出更多的相似问题，能更有效的提升客户提问的解决率。
这对中小规模商家来说感知没有那么明显，但对大型商超来说效果立竿见影，因为大商超产品类别很多，所对应的智能客服要掌握的知识也更多，解答问题的速度越快，商家的成本就越低。甚至 AI 能够兼顾客户提问的情绪，提供比人更好的回答语气。
更重要的是，AI 能将 CEO 和消费者连接起来。基于上述的工作，我们通过 AI 衍生出来一项新的服务，叫做客户之声。我们会发现，当组织规模越来越大，客户数越来越多，就会不自觉地离客户越来越远，传递客户声音的链路就变得很长。
虽然我们销售团队一直在定期做项目复盘，但是做得并不好，一方面，销售本身任务重，工作繁忙，难以兼顾；另一方面，每个销售个体看到的都是单点客户，复盘可能会存在片面的情况。
好的一点是，我们的销售行为、服务行为都是在线上的，客户联络和流转都是数据化的。因此，我们利用 AI 和所有系统数据去提炼全盘信息：最近客户在关心什么？哪些功能被咨询的最多？客户喜欢我们什么？不喜欢我们输单是因为什么？基于这些最真实的、来自客户的声音指导和反哺于产品服务进化，把产品做的更好。
而且用 AI 做这些事，时间周期可以间隔得更短，我们能更实时动态的了解客户，真正将我们的管理层与客户产生连接，而不只是获取被层层总结过的信息，或是通过员工的层层汇报和转述才能听到。
最终将这部分实践经验商业化，提供给我们的品牌客户，让他们也能通过 AI 去听到消费者的声音。这时的 AI 就不只是个生产工具，而是有价值的生产资料了。
白鸦：是的，理解客户是有赞重要的组织能力。有赞从前年开始在内部提出了一项 " 奔现计划 "，就是自上而下所有的管理者都要定期去给销售拎包，陪着销售去拜访客户，离客户要近一些，这已经成为有赞的组织习惯了。我认为这也是很多公司需要去培养和形成的一个组织习惯。
三、当下大模型的两大价值，
无限的创意供给＆替代标准化的重复性劳动
白鸦：回到大模型的价值，我认为当下主要体现在两个方面：无限的创意供给、替代标准化的重复性劳动。
无限的创意供给是指，当我对某些事情产生了一些想法，并想基于这些想法落地一些具体的创意时，大模型可以提供更多的创意供给。我能够选择好的创意方向，并要求 AI 继续朝这个方向去优化创意，最终慢慢打磨成产品。典型的诸如独具一格的营销文案、非常有冲击力的营销海报等等。
在一定的方法论和确定性的标准下，AI 可以替代人工完成标准化的重复性劳动。就比如阮良刚刚提到的客服场景，在过去，我们有了一套几万组问答的知识库之后，为什么还要人工来回复客户呢？因为用户的语气不同、语言组合方式不同，需要人腦将答案换一种方式表达出来，在这一方面，大模型完全可以做得非常好。
再比如 UI 设计，当一套产品的 UI 风格确定了之后，每一个界面设计都是在那个风格标准下的重复劳动。以及测试或者开发的过程，将 AI 融入原来的业务逻辑和算法中，它就可以输出确定的结果。
阮良：而且往往这些重复性的劳动还非常耗费时间。有人可能担心，通过 AI 替换这部分重复工作，会直接把岗位消灭掉。但其实不是，我们可以把人力把资源释放出来，做更有价值的事情。
想起前段时间，我们销售同事为客户汇报项目阶段性进展，项目数据都是系统中现成的，去摘录下来并汇总成 PPT 格式就是比较重复繁杂的工作，他就自己做了一个小工具去拉取现成数据，按相对固定的方式自动形成 PPT，然后才以人工介入优化，减少了非常多的时间。
四、借助 AI 工具提升系统性思考的能力，
让人类做更多创造性的工作
白鸦：正确使用 AIGC 工具，借助这些 AI 工具系统性思考，让人去做更多创造性的工作。我有一个建议思路，大概抽成了四步走：点燃自己、系统性地整理信息、验证想法的有效性、形成可实现的计划。
点燃自己：这是前提条件。不断感受自己内心，对这个想法是不是真的有热情，在遇到困难时是否有解决和应对的勇气。唯有热爱、愿景，才能唤起源源不断的能量和动力。
系统性地整理信息：梳理自己的思考和相关信息，整理的过程不要先去找工具，重在思考这些信息之间的内在关联，通过一定逻辑把信息串联起来，这个思考过程很重要，是认知的成长。随后再考虑借用 AIGC 工具，GPT 背后是一个极其庞大的数据库和一套简洁的算法，用好提示词可以把数据范围收缩到你想要的大小，提供更准确的答案。
验证想法的有效性：有了思考框架之后，很多东西依然是假设的，需要通过更详尽的资料数据或亲身调研等等，将没有把握的猜测假设一一验证。
形成可实现的计划：将验证后的信息整理成完整的计划和方案，计划必须是可实现可落地的，并确定计划中决定成败的关键环节，可能这些关键环节中依然有假设，但一定要让大多数环节有把握，减少不确定的关键环节数量。
不过工具只能是工具，可以作为启发，但无法替代你直接交付结果，创造性的工作还是需要人去完成。
五、SaaS 要以工作流方式交付可用的结果，
SaaS+AI 能带来百倍以上的效率提升
阮良：从行业维度来看，虽然现在 AI 跟 C 端场景结合，场面上可能更 " 热闹 "，但实际上在 B 端场景落地会更快、更接地气，SaaS + AI 能创造出真实可见的价值，释放更大的潜力。
白鸦：是的。客户是否愿意为你买单是衡量 SaaS 軟體价值的唯一标准。某种程度上，我认为 SaaS 公司的运营就是最佳实践的运营，就是把从客户身上看到的最佳实践提炼出来，形成标准产品和解决方案，让更多客户能够实践起来，提升整个社会效率。
换言之，SaaS 公司的使命是以工作流方式为客户交付可用的结果。如果只是给客户生成一堆创意、一堆方案，让客户自己去选，这些都是中间过程而非 SaaS 的价值，并没有帮客户解决最终问题。
举个例子。很多 SaaS 工具在上线之后经过版本更新、功能迭代后变得很强大，但功能强大不代表价值提升，因为軟體越来越难用了，越来越无法为客户交付有效的结果了，但在融合 AI 之后这些问题就能迎刃而解。比如在活动促销季，AI 能够理解活动方案细则，自动获取数字化系统中的数据，为商家提供可行的促销提案；根据商家需求和商品库存情况，自动推荐合适的折扣和优惠；根据不同顾客的喜好，给出针对性的投放策略，生成对应的运营方案等等。
只要商家确定方案，AI 就可以给出具体的做法，并完成执行过程的跟踪，这就是有价值的。SaaS + AI 带来了百倍以上的效率提升。
六、拥抱 AI 的初始阶段，
只需要让少数有信仰的人先投入进来
阮良：刚刚聊到了很多 AI 的价值、在客户服务交付方面的提效，其实在组织内部应该也产生了一些影响，包括组织变革、人才需求等方面。
以网易为例，我们一开始提出要积极拥抱 AI，部分同事一开始会有些抗拒，认为 AI 是来替换我的工作了，即使不完全替换掉也会让我的价值变低。网易最大的群体是工程师，我们从工程师切入进行了软硬兼施的尝试。
软的一方面是，邀请一些主动开放、对 AI 态度更积极的工程师加入 AI 相关项目组，从项目实践和氛围中感受 AI 的价值，大家会发现相比于之前埋头敲代码带来非常大的效率提升，增加了对 AI 的认同。
硬性的一方面，我们内部会定期进行 AI 技术和课程培训，并要求所有工程师参与考试，及时补足技术上的短板。总的来说，AI 时代组织对人才的要求产生了很大变化。
白鸦：大的感受是一致的，一是员工已经习惯了原有的思考和工作模式，不愿意走出舒适区，二是拥抱变化还可能会对自己的既得利益产生影响，因此抗拒变化。
哈佛大学的社会工程学上有一条 "3.5% 定律 "，一项社会运动要发起成功，只需要 3.5% 的人真诚参与其中就可以。因此对于拥抱 AI 这件事，不需要组织内很多人进来，只需要 3.5% 的人真心去做就可以了。
太多人参与进来，阻力会变大，因为组织内会有 1/3 的人不愿意革新，1/3 的人害怕被 AI 颠覆丢掉工作，企业内部做 AI 创新可以采取临时和灵活的组织形态。
有赞成立了一个 " 赞 AI" 部门，这个部门只有两个半全职人力，其中的半个就是我本人。找一间能坐下几十人的办公室，不同产研团队轮流来做 AI 专题项目，每个项目都是临时的项目组，干完一个项目干下一个，又拉来一群不同的人组建不同的 AI 项目团队，期间会有人抗拒，也会有人主动报名加入，等到这些 AI 明星项目产出效果了，越来越多人愿意参与进来了。
但自始至终，全职推动项目进度的只有这两个半人，所以我认为拥抱 AI 的初始阶段，只需要让少数有信仰的人先投入进来。
七、AI 时代需要 " 宽能力 " 的人才
白鸦：从这些临时的 AI 项目组中，我们发现人的能力边界在拓展，因此我们提出了一项叫 " 宽能力 " 的人才标准。
所谓的宽能力，就是你能基本了解你岗位上下游的工作职责，在必要时候能够帮忙补一下上下游的工作，用合理的 AI 工具把工作衔接完成的更好。
阮良：是的，我们也发现了这点。比如有些工程师原来专注于做后端开发，现在产生了一个前端页面的需求，但临时项目组往往资源有限，前端资源排期要等很久，怎么办？
以往的话，可能只能继续等，等着等着项目就被搁置掉了，现在借助一些 AI 工具，他也能简单地把前端的活干了，比如产品经理也能兼顾一些营销物料的设计工作，不用苦苦等待设计师资源。
回过头发现，AI 使个人的能力变宽，工作产出更高效了。因此，我认为在未来的 AI 时代，具备 " 宽能力 " 的人才必然是更加稀缺、更有竞争力的。
最后，再次感谢白鸦总的时间，也真心希望在 AI 跳板的加持下，2024 年整个 SaaS 行业能变得更好。
白鸦：谢谢阮良。很高兴能一起交流。
* 文章为作者独立观点，不代表笔记侠立场。
分享、点赞、在看，3 连
