本文來自微信公眾號(hào)： 葉小釵 ，作者：葉小釵
之前做了一個(gè)比較典型的項(xiàng)目，幾乎是現(xiàn)在所有創(chuàng)業(yè)公司都可能涉及到的模塊，簡(jiǎn)單來說就是薅平臺(tái)流量：
他的具體形式就是幫一個(gè)公司做短視頻、文檔等內(nèi)容，然后在不同的平臺(tái)投放，最后獲取流量，這里涉及了廣告投放也涉及了自然流，所謂自然流最容易想到的就是AI爆文。這里給大家介紹最簡(jiǎn)單的邏輯：
比如，我是賣化妝品的，我會(huì)在小紅書上保有100個(gè)賬號(hào)，每天只寫一篇文章，然后再按各種維度、標(biāo)題AI生成100篇文章，目的也很簡(jiǎn)單：大力出奇跡，我要用戶一搜關(guān)鍵詞就能找到我。
而后就會(huì)進(jìn)入用戶留存資料環(huán)節(jié)，所有的投放其實(shí)都是為了將公域流量變成私域流量。
變成私域流量后，就會(huì)有一連串的銷售行為，這里又會(huì)涉及到AI提效的地方：
整個(gè)全案設(shè)計(jì)難度不低，這里簡(jiǎn)單舉兩個(gè)AI提效的小例子：
第一，有個(gè)模塊是用戶會(huì)上傳自己的身份證，然后之前是由客服手動(dòng)謄抄，而這塊用OCR+AI能很快解決，這里至少節(jié)約了2個(gè)人力；
第二，電銷體系的線索分配邏輯很復(fù)雜，他們可能會(huì)將線索直接給銷冠，按銷售效果分配；他們也可能將線索直接發(fā)群里，誰先搶到給誰；
因?yàn)榫€索量太大（數(shù)千）原來是有個(gè)5人天天做線索分配，而后這個(gè)板塊完全由AI處理了，節(jié)約了5個(gè)人力。
這個(gè)AI項(xiàng)目屬于流量運(yùn)營全案設(shè)計(jì)，其實(shí)是個(gè)比較復(fù)雜也很重的項(xiàng)目，其實(shí)大家也看出來了，AI可能也就占了他篇幅不到30%的部分，而這可能就是AI在企業(yè)應(yīng)用中真實(shí)的占比。
以下是當(dāng)時(shí)做這個(gè)AI項(xiàng)目的一些認(rèn)知，也同步分享給大家。
unsetunsetAI項(xiàng)目認(rèn)知unsetunset
對(duì)于一般企業(yè)來說，做AI應(yīng)用的第一步就是找場(chǎng)景，這里有個(gè)口訣大家可以記下：找預(yù)算、分模塊、能用AI就AI。
翻譯一下就是，什么花錢先做什么；具體做的時(shí)候?qū)I(yè)務(wù)的全景圖梳理出來，能用AI做的部分全部AI化。
其中梳理業(yè)務(wù)全景圖其實(shí)也就是整理SOP，這里也就涉及了AI應(yīng)用最難的部分了，可能有些顛覆大家認(rèn)知，降本增效類AI應(yīng)用，真正的難點(diǎn)是梳理SOP（或者叫工作流）。
也告訴大家一個(gè)秘密：就我服務(wù)的10幾家公司，80%的公司是沒有能力梳理出業(yè)務(wù)的SOP的...
而這也是AI Coding、扣子、Dify、FastGPT這些AI工具去不到的地方，也就是我們前面所說的行業(yè)KnowHow。
并且，在很多公司真正阻礙AI應(yīng)用大幅提效的多半也不是技術(shù)問題，他有可能是很莫名其妙的問題，就我實(shí)際經(jīng)歷的包括瀏覽器不行、顯示器不行，員工不會(huì)用等...
這里有個(gè)重要AI應(yīng)用認(rèn)知要與大家分享，這個(gè)看起來很可笑，但他是我這兩年AI項(xiàng)目最終得到的經(jīng)驗(yàn)，也是我身邊看到的人容易在AI應(yīng)用上會(huì)經(jīng)歷的一個(gè)心路歷程：
第一，AI什么都能做；
第二，AI什么都不能做；
第三，好像還是能做，或者這個(gè)為什么不用AI做；
第四，好像還是不能做，或者這個(gè)為什么不能用AI做；
第五，貌似換個(gè)方式能做，或者如果怎么樣就可以用AI做；
這里要表達(dá)的點(diǎn)是，AI確實(shí)有些強(qiáng)大了，但他依舊有自己的局限性，想要把他用好，一定要多花功夫，嘗試不同的方法組合。
unsetunset結(jié)語unsetunset
當(dāng)時(shí)還為這個(gè)項(xiàng)目提供了AI客服功能：
這個(gè)功能的提出大幅提升了客服團(tuán)隊(duì)效率，100人的團(tuán)隊(duì)能完成200人的工作。但，這里也遇到了非常典型的Case：
AI客服或者AI醫(yī)生或者AI應(yīng)用，他很可能做不到100%，這個(gè)時(shí)候怎么辦？
還是這個(gè)項(xiàng)目，當(dāng)時(shí)跟老板聊的是按項(xiàng)目受益的20%付款，算下來也有小一百萬，但最終企業(yè)老板只給了20萬。
原因是系統(tǒng)運(yùn)行一個(gè)月出了一個(gè)事故，其實(shí)這個(gè)事故也不是我們引起的，是那天云服務(wù)器底層出了問題，導(dǎo)致系統(tǒng)掛了3小時(shí)(云廠商還不承認(rèn)，氣死！)。
這里非常尷尬而真空的時(shí)間段就出現(xiàn)了，高峰期的3小時(shí)產(chǎn)生了5萬多的訂單量，公司處于束手無策的結(jié)果。
最終雖然系統(tǒng)很快恢復(fù)了，但公司需要面臨平臺(tái)的高額懲罰，可能是罰款、可能是降低流量權(quán)重，如果非要換算成錢的話，可能3小時(shí)事故造成的累計(jì)損失得有200多萬吧...
這里大家就要思考一個(gè)問題了：AI確實(shí)可以大幅度的提升效率，原來我們需要100個(gè)客服，可能后面只需要10個(gè)了，但AI項(xiàng)目突然抽風(fēng)了呢？你一時(shí)間又要去哪里找90個(gè)客服呢，企業(yè)錯(cuò)不錯(cuò)得起？
而就目前來說，AI很難做到100%不出錯(cuò)，或者100%替換，我們替換了一個(gè)人80%的工作量，這個(gè)人依舊會(huì)存在的，而這個(gè)情況可能會(huì)長(zhǎng)時(shí)間存在。
這也是AI應(yīng)用的一個(gè)難點(diǎn)，也就是我們前面所說的，能不能100%穩(wěn)定，或者100%一致！
綜上，AI應(yīng)用最開始以為是技術(shù)問題，做到底卻發(fā)現(xiàn)是工程問題、項(xiàng)目管理問題...