AI应用层创业是否延续工具出海的路径？｜出海同学会No.92期干货
在移动互联网端，AI应用与Prompt创业生态正在飞速繁荣，而行业也不断产生不同观点的激烈碰撞。许多投资方认为Prompt及现有的AI ToC应用护城河较低，而Open.ai，微软等巨头手握行业基础资源给应用层创新的空间进一步挤压。这一系列的debate似曾相识，在早期工具类出海的时代，有许多存在与巨头平台与出海创业者之间异曲同工的质疑与讨论，但是行业中仍旧诞生了许多工具类出海的代表巨头以及杀手级应用。他们中的许多在未来走向了矩阵化、游戏/内容化、社交化、SaaS化的路径。
AI应用开发者是否应该借鉴早年工具出海的路径? GTM与成长范式应该如何调整？工具类企业是否应该全面开展AI化？我们这一期与Linkloud携手，邀请了工具出海的行业先驱以及现下活跃在第一线的AI创业者，在文娱内容APP板块，来聊AI应用层创业与工具出海的对比与借鉴。以下是此次内容的可公开部分。
- 本期课代表同学 -
STUDENT ON DUTY
北京快用云科 联合创始人 阎志涛
Dreamore CEO 陈心悦
Linkloud 联合创始人 Ada
Monica 运营合伙人 杨慧杰
某互联网出海企业代表 Eileen
某资讯出海平台代表
SHAREit 战略负责人 王文臣
SHAREit 战略 张凯雄
TuringNet CEO 洪军
小影科技 CFO Leo Liao
小影科技 增长负责人 周蕴怡
（*按公司名数字-字母序）
部分同学因公司PR保密不能露出外发内容
我们同样感谢他们的精彩输出
要点问题
Part 1：
工具类出海的发展与破局的回顾
目前AI应用层创业的现状
工具类出海巨头的AI化尝试
工具型AI产品出海策略和相似性与差异性
AI与应用工具合作的机会在哪里？
Part 2：
从工具到AI应用 GTM将如何调整
如何利用新渠道获取用户洞察？
如何验证AI应用层的需求？
AI+文娱领域如何进行海外拓展？在落地多模态模型方面面临哪些挑战？
AI应用在出海过程中采取哪些营销策略？
Part 3：
成长范式将如何调整？
AI应用的北极星指标是哪些？
如何优化海外客户端的ROI？
如何在合规前提下提高变现效率？
AI应用如何建立竞争壁垒？
工具类出海的发展与破局的回顾
SHAREit，王文臣
去年我们做过一次复盘，梳理了一个十几年中国企业工具产品出海和在国内发展的战略棋盘，将系统、生活、效率三大类工具产品的发展路径基本都囊括其中。
大家刚开始做工具产品的时候，就是切中了某一类用户的一些痛点，好的工具是用完即走的，大部分工具产品粘性比较弱，有DAU，但是时长很差，所以大家都在有限的时长里，做新的探索，有了时长之后就有更多变现的可能性。
大家发展会有几个方向。首先，出海是很多厂商的选择，因为工具产品全球的用户需求相对一致，有的产品也遵循时光机原理，做的深的厂商也会深入做本地化。我们本地的用研团队会定期调研本地用户的需求，围绕用户的反馈，迭代产品的功能和体验。此外，基本所有工具产品都在探索延伸和转型，转型也有三大方向：
第一是内容链接，往产品里面放内容，当时我们有个内容中心，里面有各种新闻、短视频，网文。我们也尝试过做内容的全链路，比如内容的发现，内容的传输存储，内容的消费，都是围绕内容方向来做。
第二个是连接人，在工具产里面加上社交属性，来提高整粘性，提高产品的网络效应，有不少产品也在做相关的尝试。
第三个是连接服务。比如卖货做电商，无论是虚拟商品还是实物电商。这是大家在破局探索里的几个方向。
我们在以上方向都做过尝试，结果上可以大幅提高APP打开率，维持DAU以及在某些地区的健康增长，比如东南亚的H5游戏，非洲的音乐播放器等等，当然和AIGC的功能我们也在做尝试。
大家发展到最后，成功的工具要么成为入口型的工具产品，要么成为帮用户解决问题任务型的工具产品，我们算是半入口型的产品，越来越用户来SHAREit不仅仅是为了传输这个功能。
小影科技，Leo Liao
小影科技在国内出海的企业里算是最早的一波了，但实际上道路也很坎坷。2012年-2016 年用户增长很快，拿了三轮融资，但是基本上没有什么商业化，广告也很难变现。
2016年以后开始做一些工具的泛化，比如直播和内容等，当时想在工具商业化不够的情况下，去做第二增长曲线，最后大部分都主动关停了，工具企业在做创新的时候，必须接受失败是大概率的事实。2017、2018年开始，我们的主营业务开始尝试订阅变现，一直到现在，形成了不错的财务结构。
我们内部会特别在意，项目立项时候是否考虑了长期商业可持续性，如果一开始就没有明确的商业化前景，或持续需要公司砸钱，或需要后续剥离出去靠融资支撑，这种case在我们就会比较难做。
某资讯出海平台代表
我觉得中国人创业做针对欧美市场的出海工具，优势很大，我们做事快、灵活、比欧美本地同行，创新的速度快。现在我所接触的工具，是tab into 到现有的一个工作流里面去，比如，前两天碰到一位Hollywood 的大导演，他们觉得 AI 是在现有的电影创作或者视频创作的功能里，改善其中一个步骤的工具，不要自己杜撰新的需求。
目前AI应用层创业的现状
Dreamore，陈心悦
我们做了一款产品叫Dreamore，用AI帮助用户解梦,一开始我们就做了收费。最近在探索心理健康方面的一些应用场景。大模型是有一定的解释人梦境和心境的能力。
用户来的时候是有很高的 intention 过来的，可能昨天梦到一个特别奇怪的东西过来解梦，我们做的事情就是把解梦的结果展示一半，另外一半需要用户付费看。用户会花1.99买个Token看完剩下的内容。
目前我们是充值制度，用户需要花几天去买 Token 才能继续使用产品，目前有 10 万用户左右。也在用开源模型积累户数据，现在已经有上万个梦的训练模型，看看能不能为用户提供一些额外的价值。
TuringNet，洪军
我们最早把APP当副业来做，比较务实，主要以变现为目的，前前后后加起来做了十多个。AI方面，我们最早的做了一个类似Remini的用AI的修图工具，这几天Remini冲上美国App Store榜单第一，这个产品之前是北京大觥科技团队做的，他们本来是想做一个算法卖给Vivo的，结果没做什么营销，上架后表现非常好，一个月就有几百万美金的收入。
我们的APP也获得了一点流量，但没有火起来。然后基于类似的技术我们做了一些用AI生成NFT的APP，这些APP在NFT大火大的2021年表现还不错，获得了不错的收益。2022我们看到GPT技术在2B市场上表现不错，然后做了一个类似Copy。AI的移动端产品APP: AI Writer，接着又做了 AI 生成数字人、AI生成Voice，一直在这条路上探索。
海外有几家不错的做APP矩阵的公司，AIBY、Codeway、APP Nation、Vulcan，大家可以学习一下。
北京快用云科，阎志涛
工具做复杂了，很难让用户用起来，我们借鉴国内的一些出海的工具，比如PDF，用户上传一个东西处理完就能走，在海外看到很多即来即走的工具，就决定把我们的数据处理工具拆成一堆在线小工具，让用户过来之后能够直接上传，这是当时想转型的原始想法。
但做的时候，发现工具出海面临的问题，流量哪来，我们开始想是不是应该做SEO内容引流，工具过来的用户意图非常明显。ChatGPT出来之后，我们就决定用ChatGPT来写内容，和在线的小工具结合在一起，我们管它叫 aha page，用户查到内容就可以直接上传使用。
从春节前开始尝试，最早没把应用嵌入进去，只是把内容做出来，被google搜索引擎收录了，春节前后做了10多个页面，流量增长的特别明显，从每天不到10个的点击，增长到上百的点击了，翻了10倍。
春节后开始决定把这件事情自动化，调用ChatGPT 的API自动生成内容，再调我们自己的 API 自动生成应用，做了一个规模化的内部工厂，然后再集成到飞书机器人里边，这样大家有任何想法，直接在 notion 的表格里把keyword 加进去，工程师把对应keyword的，类似 SQL 的语句自动生成，再调用ChatGPT的API生成文章，再调用内部的生成工具小程序，拼装成一个页面发布到google搜索引擎收录。
春节之后，我们整个平台拆成了 200 多个在线小工具，再加上多语种的翻译，生成了 3000 多个页面。这中间我们主要的工作是去看页面怎么能够被Google 更好地收录，多语种语言怎么切换，都在解决 SEO 相关的技术问题，解决完之后效果非常显著，四个月的时间，从不到 10 的点击，到现在2000 多的点击，这是一个典型的结果。
SaaS 企业基本不太懂 SEO ，也没有做内容营销，我自己在网上调研中国出海的企业，就在微信公众号发了一篇推文，工具帮你生成 SEO的友好文章，我把我们内结果的图贴了出来，当时还是翻十倍左右的图，结果很多人在后台留言说他们有兴趣用。
我们就决定转型了， 3月底工具上线， 4 月份差不多有 10 个左右的付费客户，线上也有自然流量过来的付费客户，剩下就是怎么能让 AI 生成内容更符合 SEO 优化的要求，团队的精力就是围绕AI生成营销内容。
后来扩了一个生成落地页，也做了一堆 AI 生成关键词研究，AI帮你开脑洞的免费小工具，小的免费工具矩阵，加上收费的AI 生成营销内容，7 月份新增注册用户有 1000 多个，付费转化率在 1% 到 2%。
Monica，杨慧杰
我们做 AI 工具出海4个多月了，是一个浏览器插件叫Monica，基于ChatGPT的接口帮助用户在网页上快速地调用 ChatGPT 的回答能力，以及针对特殊的场景，比如划词翻译，或者划词改写、Email回复等场景，做定制化的植入。出海我们优先想到的是把AI和插件做结合，到目前为止Monica的用户有小100多万。
过去七年，我们一直是在做国内的工具，最早做的一款比较不错的工具产品叫做壹伴，它是一个浏览器插件，我们当时发现浏览器插件的形态，天然会有很高的用户留存率，用户打开电脑，更多的时候是在浏览器里进行工作，浏览器插件的权限能够在用户可以接触到的几乎每一个网页，去做一些能力开发，去跟网页发生一些耦合，所以留存率和效用比较高，这就一开始在国内得到的经验。
如果拉长时间线来看的话，早期用户的付费率是低的，因为一开始我们没有做很多商业化的事情，所以我非常赞同小影科技同学的看法。
我们现在做很多东西都非常关注ROI，围绕 ROI做尝试和优化。举个例子，比如，我们观察到国外是在注册流程里引导用户付费，一般来讲用户还没有开始用，直接在注册环节加付费引导，会有一点激进，但是这就是很多国外产品的实践。在国内也得到了一样的结论，国内的插件就是在注册环节要用户付费。
提问：浏览器插件的付费率怎么样？比如人均客单100元，付费率大概是多少？
国外插件我们还没有优化到最佳的状态，一些策略还没上。依照国内的经验，人均客单价 100 块钱左右，注册环节的付费率达到2% 到 3%。一般来讲能让用户年付费，就不要月付费，月度留存率没有年付费的高。
从工具到AI应用，GTM将如何调整？
TuringNet，洪军
做国外应用市场的话，我总结了三点成功经验：
第一，要有先发优势，比如在某一个新的AI技术出现的时候快速进场。我之前在Google工作和AI算法有关，对AI算法趋势比较关注。一般新的AI技术突破会按照这个节奏：最先会有一些大公司的论文或者研究院校的论文出来，紧跟着GitHub上会有一些相关的项目，接下来应该会出现一些应用，这些应用往往能获得比较好的技术红利。
我讲几个例子，最早图像识别刚出来的时候，有几款APP已经在 App Store 上非常成功了，用拍照识别题的项目PhotoMath抓住了这个机会，单IOS APP 一个月就有几百万美金的收入。另外一个产品叫 PictureThis，功能非常垂直，拍照识别花草，现在也是月收入几百万美金。Remini是抓住了图像增强的红利，最早是小团队为了Demo 自己的算法才做了APP，APP 没有做过任何推广，全靠美国的摄影发烧友们帮忙推广，后来他们的 APP 卖给了一个意大利公司，我觉得他们早期非常非常成功，就是通过抓住算法的优势。LensaAI主要是抓住了AI多模态模型的趋势。
第二，要有长期性，现在 AI 迭代速度越来越快，没几年都会有新的技术出来，之前积累的经验可以快速复用到新的产品中去。上面我们讲到LesnaAI为什么可以快速抓到AI多模态的机会，其实他们做AI APP非常早，他们在2016年上架了一个利用AI Style Transform技术的APP - Prisma，当时已经火了一波。他们不断迭代产品，持续跟进技术的变革，Stable Diffusion出来之后，快速拥抱使用，据说最高的时候一天有几百万美金的收入。
第三，往矩阵化方向发展，同时做很多APP，互相导流。比如APP Nation，去年基于Stable Diffusion做了一个生成图片的APP，产品流量很一般，相对于每个月几百万美金收入的APP来说流量比较小。他们看着ChatGPT 出来之后，赶紧做了一个新的APP叫Genie。最早做Genie是为了给图片生成的APP导流，结果没想到Genie借助 ChatGPT 红利起来了。
他们团队做的 APP 非常多，在投流方面非常有经验，抓住机会快速地把流量做起来了，在 ChatGPT 出来的前四个月，排名都是最好的。
SHAREit，张凯雄
过的大半年时间，我们公司有三个业务部，在做四个方向的AI，其中图片是两、三个月的时间做到了百万用户，付费率也可以。整个过程中战略部是帮助业务部做市场洞察，特别在 GTM 策略方面，刚才洪军老师说到的Codeway、Lensa AI 的 GTM 策略我们都仔细看过，总结起来分两大类。
第一类是传统的买量，通过AdMob或其他程序化的广告平台，买量是有窍门的。Codeway最开始做 ChatGPT 包壳的时候，试了很多的素材，最后发现恐怖题材类的视频投的特别好，一个恐怖的人在那说，我可以满足你所有的愿望，你只要跟我对话，我就能告诉你一些别的平台没有的，从而引发用户的猎奇心理。
Codeway当时投下来效果最好，一直列在广告平台上面，当时是3 月份的时候看到Codeway投的这个素材，4 月份再回过来看的时候，其他竞品都在抄这个素材。所以我理解的是，素材效果在买量上也有一定的影响因素。
AI 对于大家来说其实都是新的，还没有渗透到互联网以外的人群，所以不管是美国用户也好，东南亚用户也好，他们看到偏猎奇类素材的时候，是有新鲜感的，是愿意去下载的，转化率也特别好。
第二类是非程序化广告，现在有非常多的 APP 是从 TikTok 导流过来的，比如去年 Lensa AI 那一波，它只有一个核心功能叫做 AI Avatar，用户上传自己 10- 20 张的肖像图，AI 用Lora返回一些虚拟的自己，仅仅这个功能，让他在 11 月份的时候就赚到了 5000 万美金。
Lensa AI 也是通过 TT 火的。当时他们做 GTM 策略的时候就发图片、整合成视频，放到TT上面，Tag就是Lensa、AI、Avatar，Avatar正好碰到了去年阿凡达 2 上映，所以还蹭到了阿凡达的一波量。
Lensa AI 在 TT 火了之后，其他大的图片厂，比如美图或者国外picsart，还有腰部的faceplay 都跟着做这个功能，但他们都没有吃到高峰期的这波螃蟹。AI Avatar 的mem 属性只有两个月，其他的大厂研发出来了之后，也凉掉了。
我的意思是说，现在很多AI应用，他们的买量、 GTM 策略，除了程序化广告平台，还更多的偏向了 TT 生态，用户在 TT 看到之后就会在评论区留言，问这款 APP 可以哪里下载，或者这样的效果可以在哪个APP 实现。
除了 Lensa AI 图片类的，我们还可以看到Character AI 或者国外最近很火的Chai：Chat with AI friends这一款偏娱乐的聊天APP，很多用户也是从 TikTok 导流来的。所以我觉得现在如果要做一个 AI 应用产品的话， TT 也是非常非常重要的潜在 GTM 渠道。
小影科技，周蕴怡
工具型产品出海和 AI SaaS 有一些区别，有一些小小的经验跟大家交流一下。我们去做 SaaS也是学习者，目前了解下来，不是偏Sales类的SaaS产品，是更偏 PLG的产品，跟工具型产品的出海有很大的相似点。对用户的理解，切一个场景，然后围绕目标用户去选择渠道，底层逻辑和To C 泛娱乐工具的出海非常像。
我们研究硅谷的或者华人出海团队的SaaS产品，都有遵循非常标准的GTM的方式。我想推荐一下Linkloud，Linkloud在这个赛道上面属于连接了非常多的专业公司、团队，在交流的过程中可以学习到很多。
出海工具型的产品，有很多的营销费用是花在投流上，但也诚如刚刚分享的同学说的那样，很多获客不在于投流本身，反而在于内容营销，尤其是在社交媒体上起到的效应，是能够帮助产品快速涨起来的。
在出海音视频 AI SaaS 赛道，我们观察到目光除了放到TikTok， 之外还有像Meta seed reels、YouTube seed Shorts也有很多空间可以挖掘
原先在国内不太留意的小渠道，也蛮有效果的。这个创意来自于一家公司叫heygen，他们最早期做用户研究的时候用到了一个渠道叫Fiverr，有点类似海外的猪八戒，上面可以招到一些Part time 的SEO写手，视频剪辑的freelancer，他们的做法是把自己的产品包装成可以接单的freelancer，通过这个方式打磨早期产品。
愿意花钱去找freelancer一定是有真实需求的，所以他找的非常精准，我们觉得非常妙，坦诚说我们也在做这一类的尝试，效果也确实非常的不错。
工具型产品的出海和AI SaaS，或者说 AI工具出海，在营销上底层的关键点都是「构想我们的核心用户是谁，会在什么场景下需要用到我们的产品，以及分析该类用户可能处在哪些渠道」。早期更围绕这些人可能在哪些地方，做更加有针对性的GTM，捞取天使客户上会更为精准。而到了 ROI 可以更清晰算出来的阶段，投流就是可以撬动流量增长的杠杆了。
提问：AI方面的应用与传统应用之间有没有一些不太一样的拓展渠道？例如？
本质上我们打的还是C，不是以前的小C，可能是大C小B，这些人会有比较明确的获取信息渠道。
比如泛娱乐工具出海，Twitter 不会太多关注，但是现在做一些 AI产品的时候，发现Twitter上聚集了大量对这一块信息非常感兴趣的人，可能是AI工具开发者，可能是想蹭这一波热度的自媒体。这个圈子里面做一些build in public 的事情，能够很精准的找到早期尝鲜者。
再有一个渠道是 Product Hunt，属于 SaaS 产品发布绕不开的，上面聚集了很多对新兴的技术、新兴的产品场景应用极度感兴趣的一群人，跟 AI 赛道相关的，他们都会留意、愿意尝试。另外一拨人，不是用Product Hunt 作主要的早期引流，是希望在Product Hunt上面树立产品的影响力，后期放在官网或者用于营销具有很强的背书效应。
Monica，杨慧杰
我们早期的增长得益于我们收购的一个小工具，它是一款基于搜索引擎的AI增强插件，这款产品作为开源工具，有着很不错的用户增速。所以一开始做业务冷启动的时候，我们就开始从这款工具进行导流的测试和优化，所以Monica一开始很顺利地度过了很多产品作为艰难的冷启动期。
提问：买量、社媒、活动运营、自然流量，您认为哪种增长方式最有效？
TuringNet，洪军
我是技术出身，肯定会关注新技术，不会去硬拼流量。技术发展速度非常快，领先优势只有3个月，甚至更短，如果不抓住 3 个月快速把产品做出来，后面的流量成本会非常贵。比如，最早的时候可以1美金，用 ChatGPT 关键词获取一个用户，现在10 美金都获取不到一个用户，这个时候不拼ChatGPT了，就会布局到下一个产品，比如做克隆语音、生成数字人等，我觉得要保持快速迭代的能力，我们公司基本上能保证在一个月之内上一个新的APP。
某互联网企业，Eileen
AI 不是一个新的技术，过去几年音视频AI发展得很快，各种各样的应用都有。但是今年有一个特别大的区别，之前是用户找市场，现在是市场找产品，这是一个特别大的风向转变，市场需求节奏和以往有很大的差异，这是一个观察。
我一直在基础技术云和 ToB 的领域，有一个点是可以分享的，如今我们在看 AI 的赛道的时候，它的核心差异，是在原有的ToB 或ToC 市场基础上叠加了一部分技术市场，技术市场在赛道里的影响力很大，技术市场里的人群在原先的消费者市场、业务市场、服务市场里是不存在的。所以如果团队里有技术比较强的同学，能把对于技术市场的观察加进来，对于后续的增长或方向的判断是非常好的一个策略。
做工具未来的壁垒在哪里这个问题提供一个观察，部分美国 ToB 的企业，存在以 ToC/ToD （从做工具开始）的方式进入市场并构建竞争力，然后逐渐向 ToB 深水区去发展的路径。有可能跟 ToB 市场进入门槛高、用户习惯发生了变革等挑战或者机会因素有关， 另外 ToB 业务的客户粘性、商业模式、业务持续性好这些点的确比较吸引人。
提问：如果把 AI 应用放在 ToB的话，客户对大模型的数据来源会有安全合规层面的顾虑吗？或模型的私有化部署？
会有的。首先第一点是合规数据隐私，在此基础上才是服务的问题。
业务有两种选择，如果业务离核心业务数据比较远的话，不一定要仿制一个自己的模型，可能大语言模型就能够支持。但如果离业务的核心数据比较近，或者拿到用户的核心数据，再去做反向的优化，就会有私有部署的需求。
如何在合规前提下提高变现效率？
小影一直在积极地拥抱中国A股市场。A股的合规是最严的，其次是港股，再是美股。我们在过往的合规里面遇到过很多挑战，一方面是对业务侧的挑战，另一方面是需要第三方中介机构出具一些非常直接结论的挑战，如果没有业务侧的合规支撑，让机构发表意见是一个非常难的事情，我们在各方的合力下把合规做到了比较高峰的状态。
这样的状态一定程度上也抑制了部分发展。比如有些明确能赚钱的事情，我们不能做，有些数据拿了对我们的业务分析很好，但不能拿。我们的经验和思考给大家做参考，站在我们的角度，合规是一定要去接受的现实，国内和国外在个人信息的保护、数据安全等合规方面会越来越严，这是大趋势，这确实会增加企业的部分成本。
如果企业愿意把这块做扎实一点，可能已经赢掉 50% 的企业，起码在风险事件发生的时候，大家是安全的，这是我们的一个认知。
合规投资这块我总结了三个方向可以去做。第一，最重要的事情是内部的法律团队建设。数据安全的相关讨论和建设是需要花资源的，到一定阶段后，建议大家把法务配置的标准稍微拉高一些。
第二，在外部专业团队的合作方面也要砸资源。在数据安全、个人隐私保护、算法备案等领域，有非常多的头部律所团队；也有很多做内容安全审核、APP安全审核的团队，该合作还是要合作起来。建议大家去做一个合作伙伴库，关键时刻外部伙伴的一些建议或许可以帮助你。
第三，从业务一线到 CEO 都要逐渐建立个人对合规的认知和理解。部分情况下，合规是发展的、是有灰度空间的。比如法规刚出来时要求 100 分，行业现状是 50 分，竞争对手包括监管对你的预期是阶段性做到底线60 分、未来逐渐完善到90分，那么对灰度空间的理解和对业务的把握就非常重要。这个不可能完全依靠法务团队或者外部的律所，一定是依靠 CEO 或者依靠最核心的业务负责人。
这三步都做好，企业的合规建设和安全度一定是行业里面的前30%，这是值得投资和布局的。
提问：如何建立竞争壁垒？
TuringNet，洪军
第一个是用户留存，有用户留存新品出来的时候，可以给他们推荐，海外用户一款产品用的好，他会觉得你其他产品也好。我们最近打算在每个APP里面加一个AI toolbox，推荐APP，流量都可以再次复用。
另外一个天然的壁垒就是排行在前面，广告成本就会低，用户搜索你排在前面，不需要在技术上获得优势，在流量上就有天然的优势。
我们做了四个 AI 方向的产品，有三个还在非常初期的阶段，其中一个是做出了图片，当时没有特别的做获客，是用户通过邀请裂变成爆款的，不到一个月的时间有了 10 万用户，到现在两个多月将近 100 万。
我们目前的看法是先把产品做出来，通过现有知识积累做获客，有了用户之后再想怎么做变现。AI每天日新月异，指标今天定下来可能明天就会变，对于我们来说，现在最看重的指标还是看用户以及留存。
核心竞争力是很多小点加起来的，每一块都比竞品做得好一丢丢，加起来是一个非常强的壁垒，我是这么理解的。
AI应用的北极星指标有哪些？
第一，很多用户一开始没有追求变现、用户数增长、DAU、 MAU 这些。举个例子，比如说图片生成，追求的是核心用户，每天生产 100 张，用他的工具生产了多少张，等于是核心用户的重要度。
第二，一般是直接面对To C，成熟的产品经理可以反推他们的运营情况。比如有 10 万 DAU 了，每天用一张，大概量级就可以推断出来。
本期笔记整理员：出海同学会 KK
—往期相关精选文章链接—