AI如何赋能知识付费

这周末，“未来硅世界”邀请了星灿CEO王旭老师（视频号名称：大帝旭聊知识付费商业（欢迎关注））作为主分享嘉宾，来分享了AI与知识付费机构运营的那些事

这场直播原定90分钟，但因干货过于充实，足足延长到3小时，超时近一倍，大家仍意犹未尽

除了超时，还有一个很有意思的数据，主持人元子说，从晚上8点开始，到快11点时结束的时候，直播间的在线人数只掉了9个人，所以真正的干货，还是会很让人喜欢的

在认识王旭老师之前，我也在做一个教师工具产品，调研到“园钉”非常厉害，估值也很高

于是就问大尤：认识园钉的CEO吗？

大尤说：认识，哪天一起认识下。

之后，在大尤的组织下，就有了与王旭老师的第一次聚会

那天聚完后，第二天，我就直接登门拜访，去他公司，向他请教，那次他对我分享了很多关于园钉这个产品的思路，尤其是变现模式上的一些创新和注意事项

再之后，我们进行了多次高密度的交流、学习与资源共享，成为了很好的朋友

与旭哥交流，有一个最突出的特点：信息密度极高。经常在短短的对话中，就能获得很高密度的信息。

这周一，旭哥刚好也来了下我的办公室，聊了会儿，不到30分钟，感觉就跟聊了3个小时一样

当然，他本人还有很多优秀的特质：真诚、喜欢创新、乐于助人、喜欢分享

后来，向阳也问了我一个问题：旭哥身上，有什么特质，是你非常欣赏但你自己又做不到的

这个问题非常好

在我看来，总结起来可能主要是两点

第一，是对方向的判断和快速决策能力，尤其是很多商业上的判断和新的策略与现有业务的融入上。例子：从去年开始，他就已经通过AI去改造目前的各个业务场景，并且很快取得了一些好的成绩

第二，是对关键细节的持续把控能力，三个关键词：关键细节、持续、把控能力，这三个关键词少了任何一个，团队的执行力就会大打折扣。举个例子，有一次，我们俩出差去承德，在高铁上，他给我演示他对投放数据及各个关键指标的分析，他说，这些数据和复盘，他每天都要参加

创业十年，他也做过不少的项目，尤其是这两年，在AI浪潮下，做了不少有意思的实践。

通过AI的赋能，部分业务与管理场景的变化：

通过AI+数字人的模式实现批量化短视频生产，日产能提升10倍
私域销售人效，行业传统销售的人效是8-10万/月，AI赋能后的销售平均人效为40-50万/月，销售人效提升5倍
管理效率大幅提升，AI实现了对组织的整体管理标准化的赋能

一些核心观点分享：

最开始对AI的定位，并不是仅仅提升业务，而是优先希望通过AI提升管理效率，其次是提升业务效率，也就是人效；最后是运营和产品的弹性能力。
AI对整体的组织赋能，这个切入视角非常不一样，这也决定了为什么王旭老师会从一开始就认为，AI必须是一号位工程
对于AI赋能业务，核心逻辑是：先有业务层面的专业化SOP，再有AI的杠杆放大
如何理解这些直播平台？产品本身决定了平台的特性，不同的平台特性决定了其用户的行为模式不一样，而产品则是由创始人个人性格决定
AI对业务的赋能，其实体现在方方面面，串联起了整个业务工作流，不仅仅提升人效，更是提升了整个业务管理的精细化程度
一个好的IP可遇不可求，AI只能放大IP的能力，但无法替代AI的核心特质，包括：持续的内容生产能力（好的课研）、对运营及平台策略变化的变通与吸收能力（也就是学习能力）、毅力、坚守初心与良好的身体素质，以及镜头表现力和观众缘，这些能力及特质，仍然是一个好的IP的核心竞争力
AI对公司的价值，目前虽然难以量化，至少在这三个层面的改变是非常显著的，一是管理效率提升，二是业务效率提升，三是产品与服务的弹性能力提升，是一种非常立体的价值与生产力赋能

多年前第一次请教王旭老师关于MCN及IP运营的一些逻辑，也做了一些记录，现在看，原则与底层逻辑，仍然适用：

如何理解短视频？

对于知识主播，短视频的作用主要是吸引精准用户并点击到直播间，所以短视频本质上是投放逻辑，为直播间导流。

因此，考核短视频主要的思路是，从短视频浏览到直播间的点击率，也就是这个短视频会吸引多少用户到直播间

无论是知识主播还是任何主播，短视频的基本逻辑都是“先有趣、再有用”，有趣用户才会看，在有趣的内容中再找到有用的知识点，就足够了。

核心原因是，抖音、快手本质上是一个娱乐平台。

短视频的类型，人设、故事案例、大招

短视频爆粉容易出现泛粉，会大大降低直播间的指标数据，所以如果是做精准的知识IP，就尽量不要做短视频爆粉。

如何理解直播间？

可以理解为是庙会的摊位，所有的直播间构成了一个庙会，你的直播间是这个庙会的摊位，所以人来人往，你要做的，就是吸引、信任然后转化。

因此，直播间的核心就是留人+销售。

短视频的脚本、选题方向可以有很多，但直播间最终慢慢沉淀的内容就一套，这一套经过数次打磨迭代，每一句话都是经过精心设计，以保证用户随时进来都能有很强的吸引力。

如何理解短视频和直播间的关系？

短视频和直播间是两套逻辑，短视频好不一定直播间效果就好，短视频不好不代表直播间效果就不好

但精力一定是要放在直播间，因为知识产品的成交基本上是通过直播间达成

如何理解数据分析的意义？

由于抖音本质上是算法和数据在分发流量，所以一定是通过实时数据拿到相对客观的实时反馈，然后持续迭代，而不是感性的判断

数据是最客观的反馈

数据分析主要短视频、直播间两个场景，短视频主要看短视频本身的完播和互动指标，然后就是看短视频为直播间导流的效率指标

直播场景核心是看留人指标和销售指标。

如何理解1%的销售转化率？

一个知识直播间，卖几百元的课，从场观到转化，如果能达到1%的转化率，就是非常好的转化率了。

如何理解直播间的新投放逻辑？

传统的投放逻辑是通投，拉全整个时间段投放，然后看ROI，这种逻辑已经落后了。

更高级的投放逻辑，是通过投放撬动自然推流，基本逻辑是根据直播间当前的实时数据指标，如果发现有某个指标数据下降，再通过投放去补足这个短板指标，然后整体指标达标后获得自然流量的下一轮推荐，而不是赌这次投放会带来多少单次收益。

这种投放思路，会对投放计划的实时性要求很高，所以需要提前进行预设，准备好几百条投放计划，一旦哪个直播间数据指标发生变化，就直接启动对应的投放计划即可，然后再随时关停。

如何理解场控？

直播场控的意义，和执行导演的意义一样，需要随时根据实际发生的情况进行调整和协调，这是一个非常重要的工作。

直播场控需要对数据指标的标准及意义了如指掌，并都有对应的应急方案，这样才有可能保证每场直播尽可能的稳定。

如何理解平播及跑通标准？

平播就是1000粉丝后，就开始直播，这个阶段是不用挂车卖课的，直到数据指标达到平均停留时长3分钟，同时在线人数超过100人，这个时候就可以开始挂小黄车卖课。

在达到这个3分钟、100人标准之前，主播和运营要做的就是持续迭代每次的直播内容、节奏和话术，最终找到适合主播的直播策略。

如何理解私域？

私域是公域的补充，在前期起号的阶段，先不碰私域，核心还是把内容做好，这是硬功夫，也是基础能力，内容做好的标准就是能留住人，能撬动更多的公域流量。

如何理解黑粉？

黑粉其实在前期起号的阶段是有用的，因为他们会帮助你提升账号的数据指标，系统是没法判断黑粉的评论是好是坏，只知道这条内容是不是受欢迎。

如何理解抖音的算法？

抖音的算法，是分发的逻辑，总的流量是基本上不变的，谁的内容更受用户喜欢，算法就让谁的内容火，这是抖音的基本算法逻辑。

但是算法是没法根据语义去判断这条内容值不值得推，只能根据用户的反馈来判断，用户的反馈就是3S完播、整体完播、互动等数据。

抖音在1000W播放量之前，都是机器在推，所以，内容要迎合算法，思考如何提升这几个跟推荐有关的指标的数据。

根据这个逻辑，就会有很多的套路，比如把最精彩的部分放在前3s，当用户看完这3s，第一个非常重要的3S完播指标就达成了。

这种套路一般娱乐主播会最先创新，因为这个行业最卷，然后这些创新套路再复制到电商等行业，最后才是知识主播对这些方法进行体系的总结。

所以创新要快，就可以多去关注娱乐主播或电商主播，然后把一些好的技巧复制过来。

抖音平台本身对知识直播间的定位和期望是什么？

就是销售直播间，核心看留人+销售，一定不是干货，这符合抖音的娱乐属性的调性。

如何理解短视频、直播间和交付的课程的关系

短视频和直播间一定不是纯讲干货，基本逻辑是短视频做吸引力，直播间做影响力，最终的系统干货放在课程里。

的

如何理解自己是不是在忽悠家长这种心态？

核心是你对自己的课程是不是有信心，你最终交付的课程质量是不是OK，所以课程质量非常重要。

有了这个基本的认知，短视频和直播间无论怎么销售，其实本质上都是在帮助用户。

如何理解前三个月的培训+试跑阶段？

本质是一种驾校学习的逻辑，新手司机需要的过程是从理论到陪练到上路，一个老师变成主播，需要学习理论，再练习，最后才能上手。

老师最开始需要练就的能力，是刷抖音，要以工作、专业的心态去刷抖音，去学习每一个短视频背后的逻辑，这是最先需要塑造的基本能力。

传统的在线教育会销课和短视频直播间的区别是什么？

短视频直播间人来人往，停留时间极短，因此需要不断的打磨脚本，直到有能力保证，每一秒种随时进来的新人，对你当前所说的这句话都能理解并感兴趣，那就OK了。

如何理解课程配套实物包？

一方面是价值感更高，实物是有价值的，二是可以方便后面做私域运营。

对于实物包，一般物流+供应链成本不超过课程总售价的10%。

如何理解高颜值知识主播？

如果面向的群体是妈妈为主，那么高颜值知识主播就容易会减分，对妈妈群体会产生一定的“入侵感”

所以，如果本身颜值高，那么就尽量素颜一些，在做直播和短视频的时候。

对于一路顺风成长起来没有反差的精英如何立人设？

核心还是有干货。

没有反差，一路牛，也是有吸引力的人设，说明从小到大的学习内容，是非常多的，是足够有这个资格去教学的，就可以了。

不一定非得有反差。

如何理解老师、主播、销售三个角色的差别？

老师不一定是好的主播，也不一定是好的销售，但短视频和直播间，需要的好的主播。

主播包含了销售、影响力、高认知等要求。

如果老师要变成好的主播，先要有销售心态，再是其它能力的持续补充。

解决问题的关键人才

指出问题，总是容易的

但我更喜欢这类人：发现问题并推动去彻底解决这个问题，而且一次又一次，这才是真正难得的人才

指出问题，这是最浅的层次，在很多时候，甚至还会有抱怨的情绪，它最容易，因为人天生就容易看到缺陷和问题
发现问题，这里的发现，主要是指看到更关键的问题所在，找到真正的根本原因，而不是表面现象，这需要有一定的专业洞察与深度思考
解决问题，在这个过程中，往往需要调动各方资源和力量，不是修修补补，而是要追求彻底解决，对认知、对组织能力、对执行能力，都有了更高的要求
持续解决，真正的人才不是偶尔表现出色，而是能够持续输出高质量的解决方案，这也意味着他们需要强大的学习能力，旺盛的行动力与韧性，系统性思维等

我把第四种人，理解为解决问题的关键人才

从专业能力看，这其实就是典型的”T型人才”，既要有专业深度，又要有跨界视野

只有这样，才能在发现和解决问题时真正做到位

T型人才+持续解决，构成了真正的关键人才，一个团队、一个公司，有这样几个关键人才，往往就能让整个公司变得不一样

大多数人停留在”指出问题”的层面，只有少数人具备并愿意付出持续解决问题所需的全部素质

共勉，如果身边有这样的人，需珍惜且给与极大的支持

GEO内容方法论

以下为六个方法论总结，每一个方法都从信息论层面进行相应的阐释与说明：

这个方法论核心是通过操控或影响熵值与信号强度，最终让内容在AI搜索和推荐中更容易被识别、提升权威性与可读性

说明：

关于熵值，如果全篇内容都是高熵，比如全是新名词、罕见组合、复杂数据等等，会加大AI的理解难度，难以被快速提炼和调用
反之，如果全篇内容都是低熵，比如平铺直叙、常见套话，则毫无差异化，无法在AI排序里脱颖而出
所以，如果从信息论+传播学+AI模型的工作机制来看GEO这个事，就需要一边提升熵值，一边降低熵值，最终取得一定的动态平衡

1. 使用具体数据和统计

基本逻辑：专业性、可信度

信息论：可提高词元分布的不可预测性，从而增加信息熵。作为强信号，增加强可信度信号的数量和质量，比如使用引文、数据、统计数字

2. 引用权威研究或报告

基本逻辑：权威性、可信度

信息论：通过引入独特且权威的命名实体（研究机构、作者），增加信息熵

3. 使用清晰的标题和子标题

基本逻辑：结构化、可读性

信息论：可以有效地将文档划分为低熵的主题集中的子集，从而最大化结构信息增益

4. 采用列表、表格和要点

基本逻辑：结构化、易于解析

信息论：可以进一步细化内容结构，使得局部信息块的熵值显著降低，同样有助于提高最大化结构信息增益

5. 提供原创见解和独特分析

基本逻辑：经验、专业性

信息论：引入新颖的观点和不常见的词语组合，显著提高信息熵，使其与通用语料有显著差异

6. 避免行话和模糊表述

基本逻辑：清晰度、可读性

信息论：在段落级别，确保核心信息明确，避免歧义，有助于降低局部子集的熵值，从而对结构信息增益产生积极影响

大网站的GEO机会

大的网站，因为其历史权重、历史数据积累，在AI搜索时代，有全新的机会

大网站，一般来说，本身就会很容易成为AI搜索平台的主要信源，成为一个重要的信源的意义，和成为百度的新闻源意义一样
大网站历史沉淀的数据，可以通过GEO代码的优化和内容的GEO改造，会很容易形成AI搜索的高质量引用源，并影响AI搜索的结果
这种曝光的位置与机会，可以类比为百度的阿拉丁效果，或者百度的纯文字版“品专”
通过这种千万级的内容页面GEO全面改造，理论上就有千万级的长尾词在AI搜索这个场景下进行进一步的曝光
这个机会点相当巨大，尤其是对于大型传统互联网站点，以58同城为例，传统的SEO年贡献营收假如有上亿元，通过全站GEO站内改造与系统性的优化，GEO带来的营收有望创造同等量级的新增收入
原因是因为，GEO在很大程度上可以平替百度大量需要花钱才能获取的商业流量与高价值长尾流量，且改造成本极低

混战下的胜算逻辑

最近在和好友交流一个话题：早些年，很多行业在一段时间内，都有大量的公司在进行竞争，比如早些年的网址导航站、软件下载站、团购网站、信息推荐类APP

一个好的机会，大家都会看到，然后就是一窝蜂的上

不过结局一般就是，最后只能剩下1-2家，剩下的绝大部分会全部倒掉

所以，我其实关心的问题是，对于最后胜出的公司，它做对了哪些事？对于绝大部分失败的公司，它做错哪些事？这些事有哪些共性？

现在大量的AI应用公司产生，如果未来与之相关的公司，能胜出的，会是什么样的公司？

如果没有胜出，会是什么原因导致？

和两位好友讨论交流后，刨除这个过程中的运气要素，得出的结论基本上主要体现在两点：一是是否真的懂技术、理解技术并坚持在技术上的投入，二是认知能力与格局

长期主义、重视技术及技术积累、把一个单点功能做到极致、有成本意识

而做错了的事情，则对应：短视、不重视技术、没有构成自己的护城河、铺张浪费

定价的三个原则

一个好的定价框架，既能让客户满意，同时还能让企业的收益最大化

在给非标产品定价时，我往往会在三个层面进行权衡与平衡：成本、行业价格锚定、用户心理预期

这个定价框架，本质上是在构建一个多维度的决策模型

成本决定了底线在哪，行业锚定让我们了解了市场的共识区间，用户心理预期则决定了实际的成交可能，但这里用户的心理预期是比较容易受到影响的

比如，一个新的SaaS产品定价：

从成本角度考量，一年基本成本在10万，这是定价的底线

从行业价格锚定，同行产品基本在50万-100万

从用户心理预期，这个跨度往往会更大，不同类型的企业心理预期会存在很大的不同，同时也跟市场供给、需求刚需程度、价值量化程度等都有很大的关系

但它也有较大的局限性

比如在一些全新的产品，可能没有行业锚定价格可以参考；在很多非标产品的定价上，成本反而是最不重要的因素

这需要我们对产品、对客户的理解有更深的认知

实际操作中，这三个原则往往是动态平衡的

成本可以通过规模效应降低，行业锚定会随市场变化调整，用户心理预期也可以通过营销和品牌塑造来引导

定价看似是个数字游戏，实际上背后反映的是对商业本质的理解

掌握了成本、行业锚定、用户预期这三个基本逻辑，至少能保证不会犯大错

真正的高手，则会在这个框架基础上，找到打破常规的创新点

毕竟，最好的定价，往往是让用户觉得”物超所值”，让竞争对手觉得”看不懂”，而自己还能赚到合理利润的那个数字