《正路》

推荐一本书：《正路：我在百胜餐饮26年的感悟》

作者是商业传奇人物苏敬轼，一部管理学作品， 在他掌舵百胜中国的26 年中，他和团队见证了改革开放带来的巨大机遇，享受了与时俱进的种种红利。

本书的核心理念：大道至简，一以贯之

简单而深刻：

 1. “道”与“术”的结合逻辑：价值观驱动+方法论落地

 2. 成功不是花招或捷径，而是长期积累、坚持正路的结果

 3. 决策是重中之重：高质量决策=成功的关键。成功来自“高质量+高数量”的决策积累。“道”是方向与信念，比如坚持诚实、追求卓越、以人为本；“术”是方法和工具，例如决策模型、Know-how积累、组织设计、时间管理等

 4. Know-how是企业和团队的核心资产，Know-how不仅是经验，更是能复用、能传承、能指导决策的深度知识。持续积累有效Know-how，并用它做对的决策

 5. 提升决策质量，关键是决策习惯的培养，参考方法：摸清状况—明确目标—提出多个对策—预测后果—选择最佳方案

 6. 管理的本质：管好自己，理顺他人。比起强硬的控制，“成全他人、成就自己”才是有效的管理哲学。素书里也有一条类似的原则：“德者，人之所得，使万物各得其所欲”，到今天，才开始对类似的理念，有了更深刻的理解。

 7. 企业和团队管理文化的核心是：“把对的事情找出来，再把它做对”

 8. 长期主义：把每件小事做好，才有资格谈战略和创新

 9. 时间管理，让自己的待办事项清单(To Do List)永远简短，快快清零

 10. 给年轻人的建议，这一点非常认同：年轻人找工作，应该看重能力的培养，不该只看重钱。头几年赚的钱与一辈子能赚的钱，根本不能比。

做AI产品的盲区

这周和几位不同类型的传统行业的专家做了一些交流，他们在自己的领域，都做到了全国的顶尖水平

有传统咨询行业的董事长，有头部公关公司的负责人，有全国顶级的律师

所以，在他们的领域里，会很容易分享一些颠覆我认知或常识的洞察，让人印象深刻

但让我印象更为深刻的则是，他们都有一个共同的特点之一，就是在AI时代的“产品梦”

这背后的基本判断，我总结下来，就是认为AI的能力，可以把很多他们这个行业的场景，进行颠覆和重塑

这可能是，在AI浪潮下，传统行业专家们普遍产生了一种焦虑和期待交织的心态

这一点逻辑判断应该没问题，但至于“如何构思产品”以及“什么是产品”，看起来，好像并没有那么容易

比如，问及他们对于产品的具体想法时，他们描述时，基本上都无法一句话去描述这个产品到底如何定义，以及到底是什么。只能围绕这个产品说了很多的想法和点子，但就是不知道这个产品具体长啥样，以及如何一句话说清楚

一个更深层次的问题：为什么在自己最擅长的领域反而难以清晰定义产品?

我觉得这可能涉及几个层面：

  1. 思维模式的局限 ，他们习惯了传统服务业的思维方式，更关注”做什么”而非”怎么做”，但产品思维恰恰需要从”怎么做”入手，定义具体场景和解决方案。
  2. 认知盲区，在自己熟悉的领域反而容易陷入经验主义，难以跳出来以用户视角重新思考需求
  3. 能力鸿沟，从专业服务到产品思维，需要一套全新的方法论，产品经理要考虑用户场景、交互流程、商业模式等多维度问题，这些都不是传统行业专家的强项。

提示词服务

一位大哥问，国内有没有做提示词服务的专业公司

我说，应该没有，目前大都以个人为主，且也没有构成一个商业模式

至于原因，我想了想

  1. 国内能把提示词写好的人，不一定就代表他非常理解业务以及这个业务场景下的方法论，所以，一般的做法，是需要先了解具体的业务场景、方法以及标准，然后才有可能写出真正有价值的提示词来解决它，时间消耗的大头反而在前面
  2. 普通的提示词商业价值不大，但有商业价值的提示词，一般人又不具备这个付费能力
  3. 真正有价值的商业级提示词，除了提示词能力和深入了解业务、方法和标准外，“持续迭代”这个事情，也不能落下，没有完美的提示词，只有要求越来越高的提示词
  4. 随着模型能力的提升，对提示词的要求也会越来越高，尤其是一些业务抽象的能力，这又是另一种不同的能力要求了
  5. 另外，在很多有价值的AI商业场景中，比如AI智能体，提示词作为基础能力之一还不够，还需要工具、数据的支持才能解决掉这个问题
  6. 所以，真正要写好有价值的且公司愿意付费的商业级提示词，不仅要懂业务、懂标准、懂各种抽象思维、懂提示词，还要懂各种AI工具及AI产品的设计或底层逻辑，这样的复合型人才，其实是非常少的。而且在前期，也需要花足够多的精力才能搞明白这些逻辑

提示词服务，从各方面来看，作为一个商业模式或者服务性的产品，都不是很好

但如果基于它产品化，就会好很多，比如：

  • 特定垂直领域的提示词服务+咨询

  • 提示词工具平台+专业服务

  • 提示词培训+认证体系

AI产品如何定价

这两周，因为新的AI项目需要，一直在研究和学习AI类产品的定价逻辑

其中一篇分享，质量很高，有不少启发

分享者是Madhavan，帮250多家公司（30家独角兽！）做过定价和变现策略，写过《Monetizing Innovation》，最近又出了本新书《Scaling Innovation》

一些核心观点和思考：

  1. 市场份额和钱包份额，别再只盯着一个。Madhavan说，很多公司其实都掉进了“单引擎陷阱”——要么疯狂扩张，先不管怎么赚钱；要么一上来就想榨干客户，结果把人都吓跑了

  2. AI产品的定价，和SaaS完全不是一回事，以前SaaS可以慢慢摸索怎么收费，AI产品不行，需要一开始就得把定价和变现想明白。比如，有些AI工具一上来就定价很低，$20/月，客户用得很爽，但你想过没有，这其实是在“训练”客户觉得AI就值这么点钱。等你后面想涨价，难度比登天还大。Madhavan甚至说，有些AI IDE类产品，可能已经把自己“定死”了。

  3. 他提出了一个很有意思的2x2定价模型：横轴是“归因”（你能不能量化AI带来的价值），纵轴是“自主性”（AI能不能独立完成任务）。归因和自主性，决定你能赚多少钱

最理想的状态，是高归因+高自主性，比如Intercom的Fin，AI能独立解决客户问题，每解决一次收$0.99。这样的产品，理论上可以拿走客户25%-50%的价值，而传统SaaS只能拿10%-20%。

关键是，AI产品终于可以“量化”自己的价值了，不像以前SaaS那样只能模糊定价。

  1. 定价越简单，客户越愿意买单，Madhavan特别强调“美丽的简单”。

你能不能让客户一听就明白你的定价逻辑？

比如Superhuman的“每天一美元，换四小时效率”，或者Subway的$5大长三明治

定价本身就是个故事，讲得好，客户才会觉得值。

定价复杂，客户就会犹豫、比较、拖延。定价简单，反而成交快，客户也更愿意复购。

  1. 价格谈判时别只会让步。

每次让步，都要同步索取回报，比如你给客户打折，可以要求他们定期做价值评估，帮你内部推动。这样不仅提升了议价能力，还能让客户更有粘性。

  1. 很多AI公司做POC（概念验证）时，只想着证明技术能跑起来。Madhavan提醒，POC的真正目标，是和客户一起共创ROI模型，量化AI带来的业务价值。POC要收费，这样才能筛选出真正有意向的客户，避免被“白嫖”。

  2. 20/80法则，别把最值钱的功能免费送给客户，20%的功能，驱动了80%的付费意愿，而这20%往往最容易做。很多公司一上来就把这20%免费送了，后面再想收费，发现客户根本不买账。Madhavan甚至建议，MVP（最小可行产品）应该改叫“最有价值产品”。

  3. 定价策略要动态调整，但别频繁换模型，I行业变化太快，定价策略要经常复盘。以前SaaS两年调整一次定价，现在AI公司可能半年就要复盘一次。但注意，定价模型（比如从按量计费到结果导向）不能随便换，除非你的产品归因和自主性真的变了。否则客户会很困惑，甚至流失。

好的AI工具推荐

这周大量使用了Trickle.so去实践了一些小工具，体验非常不错

通过自然语言，可以快速把自己的想法变成可见的产品，它的一个核心优势之一，就是内置数据库，且自动部署

在同类型产品中，又进一步大幅提升了体验和交付效果

围绕一个核心场景，把功能做到顶级水平，这应该是AI应用型产品的正解

而这个核心功能，也会影响用户的产品心智及口碑

一个好的产品，用户提及它时，可以一下子说出它最牛的亮点，且愿意因为这个功能而宣传这个产品时，这个产品至少就成功了一半了

以我们自己的一个工具为例，我发现很多老师在使用我们的工具时，也同时在使用竞品的工具，虽然我们的功能有不少重合度

我问了几位老师，他们的反馈是，在“成绩管理”这个功能上，我们做得最好

同理，目前很多AI产品，都能做很多事情，但它们各自，也有自己的相对更擅长的，比如：