AI产品是如何炼成的？客户，客户，客户，实践才能出真知

 

尽可能亲临一线，了解到真实需求。

尽可能帮助售前、商务、交付，把项目落地。

尽可能关注客户在上线运营以后遇到的困难和诉求。

最核心的是，

我们不能是坐在家里闭门造车的人，

我们要走到前面，从“实践出真知”。

不管是在前线，还是在后方的“小黑屋”，

洞察客户需求，助力客户价值，

让创新技术与客户需求

融合化学反应。

这才是追一的产品之魂。

内外兼修，

不断进化，

成为真正的“AIForce”。

本期访谈嘉宾

本期主题：围绕客户需求，追一产品的进化与实践之路，以及对智能交互的未来判断。

进化：从单品爆款到AIForce

围绕企业智能化升级，追一产品体系如何进化？

首先核心聚焦的场景是智能交互，帮助客户实现他的客户服务、维护、留存、盘活和价值挖掘。围绕这个核心，我们的产品在自动化、人机协同、数据发掘的维度上，不断延伸。

2017年以前，产品以Bot在线机器人为主，核心是在智能客服的场景，闭环帮助客户解决问题。

2018年以来，在产品体系上面发展、进化的速度明显快于前两年。2018年一年开发出See、Pal、Call、Learn几款产品，延伸到培训、运营分析、营销等场景中，如同雨后春笋一般快速建设、验证、打磨、成熟，逐渐形成AIForce解决方案。

客服中心是企业与客户连接最为频繁的触点之一，在Bot在线服务机器人的基础上，Call语音机器人在自动化、智能化上继续延伸，为行业头部客户提供平台服务，解决催收、营销、呼入客服等痛点场景。See、Pal、Learn，智能质检、坐席智能助理、智能培训，则从企业对内的场景切入，以人机协同的方式，把人的智慧、经验、温情与AI的能力有机结合，大幅提升企业员工的工作效率、专业化水平，减轻工作负荷，更带来工作成就感和归属感。这三款产品的应用场景是多样化的，针对不同的人群和场景，解决客服、营销、销售等多种痛点需求。

在Bot机器人继续保持领先，做深、做透金融行业同时，Call电话机器人和See智能质检、Learn智能培训等创新型产品，也进入了收获期。广发、中信、浦发等陆续中标，比如其中一家银行去年11月上线，12月就购买扩容，因为客户发现整个智能外呼的体系落地很快，标准化很高，跑起来很稳定，以前超负荷的那部分产能，很轻松地化解掉了。

与此同时，我们的创新型产品也都持续实现了标杆落地，还在一期、二期、三期等不同阶段，持续挖掘和服务客户需求。

所以，根本还是围绕客户需求，对外的服务产能、体验，对内的管理、效率，产品会不断地丰富、完善。这个过程中，我们会不断探索，形成一站式的AI解决方案。

对客户来说，AIForce类似是一个office套件，随着客户接入的产品和应用越来越多，基础性的工作可以在AIForce统一管理。当然，到底是一个产品、解决方案还是平台，并不是最重要的。作为一家创业公司，我们不会对某些东西执念，因为客户需求才是产品经理的最终信仰。我们一直在探索实践的是如何以更好的方式、更高质量、更高效地达成客户价值。

实践：从客户中来到客户中去

2B业务很多人觉得难做，从产品角度，如何挖掘客户痛点，真正满足客户需求？

2B的AI落地和2C不太一样，有很强业务属性。做客户需求首先要洞察业务本身，而不是围绕产品本身来做，通过产品经理的分析能力把客户业务转化成产品设计，而且把它的价值体现出来。

这是一个实践出真知的过程。

在AI整个项目周期里，产品都需要积极参与，必须拿一手需求，而不是二手需求。尤其是创新型产品，从前期商务接触、需求探讨、解决方案设计、交付落地、上线运营…尽可能亲临一线，挖掘一手需求，找到客观事实，从客观事实里挖掘更多的事实，捕捉业务的自然规律，而不是坐而论道，在家里听需求。

比如一个项目，有人说策略是不是丰富点、功能是不是增加些，产品经理听到的不应该是陈述观点，而是去到现场，找到事实，挖掘出真正的痛点，把客户的What和Why这两个最根本的东西摸清楚，然后才把How做好。

成立4年来，追一科技已经实施了600多个AI项目，一个一个项目锤炼下来，深切地知道说客户想要的东西是什么，能够有很强的实践导向，这也保证我们能够真正做出价值落地的产品，客户开箱即用，而且挺好用，真的解决问题。

只要不断贴近客户、理解客户、积累客户，我们只会越做越好，形成深厚优势。

如何提升我们的产品创新效率、降低创新成本？

首先，产品创新的前提是基于客户需求推演出价值网络，价值网络决定了团队将提供何种产品与服务来解决客户的问题。

在概念设计阶段，我们不仅调研行业头部企业，也会寻找一些相对激进、愿意共享业务认知的潜力型企业来携手预研和打磨产品。这对市场与产品团队的商业Sense、场景洞察力要求非常高，我们要做到触类旁通、见微知著，通过有限的需求信息来充分推演市场趋势，规划相对普适的产品方案，不错过有潜力的创新机会。

在相对成熟的主流市场中，例如智能客服、智能外呼等人机交互类产品，我们在已有的NLP等技术优势基础上做延续性创新，深挖集成化的业务解决方案，持续为客户降本增效。也有新产品进入新市场与增量细分市场的情况，例如人机协同、多模态、NL2SQL(数据库智能交互)、AML(自动机器学习)等方向，我们会大胆尝试做破坏性创新，寻找老业务场景中的新痛点，尝试预测技术S形曲线下游中的新技术，定义差异化的产品形态来重塑生产关系。

在MVP试错与研发阶段，市场留给我们的犯错机会与研发周期都很少，解决创新效率的关键是平台化的产品技术货架CBB。货架中既包含大型共享模块如ASR、TTS、知识图谱，也包含更细粒度的AI组件与开发工具。例如：某银行的AI反洗钱项目中，客户有极强的创新欲望，业务方面有足够的提效空间，为我们提供了非常好的创新土壤。公司组织了一支攻坚小组奔赴现场，了解反洗钱专家的日常操作，探讨提效方案。算法团队将AI平台当做开发工具，进行半自动化的数据探索、模型调试、效果验证，高效完成新场景的MVP效果验证。产品团队根据技术特性与业务痛点，设计了一种全新的产品形态与可用标准。从产品预研到一期交付，整个周期不到半年。该项目实现了两次零延期交付，为客户提升了10倍以上的案件审核效率。

当然，这些是从概念设计到MVP、研发落地的各阶段产品创新原则，最终落地关键还是团队执行。我们将七成资源投入到核心优势型产品，三成资源投入到创新突破型产品，以稳中求进的方式来平衡成本。通过目标、预算、绩效管理，构建面向产出和能力提升的组织体系，来保障产品创新的平稳落地。

未来：人机协同发光发热

企业服务智能化未来有哪些趋势值得关注？

人机协同一定会发光发热：首先，当下的AI技术尤其是NLP技术成熟度，还只能处理一定场景问题。然后，VIP的服务、差异化的服务，依然需要人。有人的地方，就有人机协同，人的管理成本、培训成本、效率考核等，AI都可以协助。目前的人机协同依然缺乏探索，接下来5年，人们会越来越发现人机协同的重要性，它的落地可能会比全自动要更好，相应的人机协同应用，比如坐席辅助、培训、质检等等，都可以做的更好、更深入。

企业越来越需要一体化解决方案：现在企业在智能化的落地中，发现了原来信息化基础的缺失和短板，很多系统的对接要么做不到，要么效率低下，甚至要手动操作，比如外呼名单导入等等。需要一体化的客户中心解决方案，把业务环节串联起来，这样整个系统才能真正跑出自动化、智能化，但在这之前，信息化和数据基础设施的功课必须补足，不然智能化就是无米之炊。

客服中心将成为数据金矿：现在的客服中心和呼叫中心，更多的还是被动响应，更倾向于处理客户具体、明确的需求，但服务处理后很多信息数据的挖掘、分析远远不够，甚至是“休眠”状态。呼叫中心其实是一个数据中心，是企业与客户交互最频繁的触点和渠道之一，AI技术的落地应用将会打破原来的信息黑盒，挖掘出信息金矿，客服中心逐渐就变成了一个价值中心甚至是决策中心，根本上改变客服中心在企业里面的定位。它应当变成指导主动出击的部门，而不是被动的。

 

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！