爆款AI應用啟示錄
借用Ankie的一句話來形容文風網(wǎng)站：“非典型創(chuàng)業(yè)”。
“非典型”有幾層含義，大學生在校畢業(yè)論文項目，成本低至500元，純粹為愛發(fā)電。
但站在AI應用井噴的關(guān)鍵節(jié)點，研究具有爆款氣質(zhì)的AI應用，或許能成為打開超級APP的鑰匙。
應用的傳播路徑基本形成：在QQ空間和QQ群里醞釀，瞬時爆發(fā)后，流量開始向四處擴散。Ankie認為小紅書之所以能夠成為流量二次爆發(fā)地得益于其開放和推薦機制。
“無論是在QQ空間、微博還是豆瓣，如果你不去主動搜索，或者沒有朋友在用，就不會收到相關(guān)推薦，但小紅書卻能。比如你平時關(guān)注閱讀、寫作方面的內(nèi)容，很大概率就能被推薦到我們網(wǎng)站”，Ankie表示道。
光子星球注意到，小紅書已經(jīng)成為了大模型公司和AI應用的營銷陣地，最大的目的不在于導流轉(zhuǎn)化，而是明晰用戶畫像和獲取垂類領(lǐng)域的數(shù)據(jù)。Kimi在B站、抖音、微博等地大肆投流，但在小紅書則發(fā)起“Kimi居然還能這樣”的話題，希望通過收集prompt和使用場景來進行用戶分層。
Kimi目前上線的“Kimi+”就是用戶細分后的結(jié)果，即把一些最熱門、最常用的功能單獨做成Agent。此外，小紅書上的熱門應用也成了Kimi+“素材來源”，其首頁一段時間內(nèi)就掛著與文風測試網(wǎng)站相似的“文風測試器”功能。
（圖源：Kimi智能助手）
Ankie告訴我們，“上述Kimi玩法來自于我們的文風測試網(wǎng)站”，該說法也得到了Kimi運營人員的證實，曾主動聯(lián)系A(chǔ)nkie詢問是否需要從首頁撤掉。
盡管Ankie放棄了Kimi撤銷“文風測試器”的提議，但絲毫未減弱文風測試網(wǎng)站的爆火程度。在網(wǎng)站基建極其差，動輒就502的情況下，文風測試網(wǎng)站的流量熱度持續(xù)了約三周，流量高峰期日活達到十萬，衰落期降到一萬以內(nèi)。該應用的長尾效應超出了Ankie的預期，直到今天，還有人源源不斷地在小紅書分享測試結(jié)果。
“有些人會重復去測試，特別對于養(yǎng)成寫作習慣的部分用戶，只要寫了新的，就會再重新測試一遍”，Ankie談道。
事實證明，一個好的idea比大模型噱頭更重要。
Ankie在訪談中跟我們復盤成功經(jīng)驗提到了幾點：放棄對大模型的執(zhí)念，能快速讓用戶用起來才是王道。2016年的算法技術(shù)、垂類小模型、作家測試數(shù)據(jù)集，幾乎構(gòu)成了文風測試網(wǎng)站的全部。
在ChatGPT、Kimi等通用對話助手之外，AI應用的價值是更懂場景和用戶。一個案例或許可以側(cè)面印證，起初，Ankie預計用戶對AI測試結(jié)果的信任度在60%-70%，但沒想到竟收到了“被打擊到了”“完全不想再寫作”的反饋。
只有引導用戶打破各種“框”，才能實現(xiàn)破圈傳播和增長。對比下來，在Kimi中生成的文風測試結(jié)果有兩個最主要的問題，測試結(jié)果冰冷且不夠有說服力，生成結(jié)果缺乏分享轉(zhuǎn)發(fā)的欲望，從本質(zhì)上來看，輸入和輸出都沒能逃出問答框。而文風測試網(wǎng)站雖然也是在框里生成答案，但通過各種截圖、網(wǎng)站鏈接的傳播，最后產(chǎn)生了巨大流量。
爆款可復制，AI應用商業(yè)化思考
制造一個爆款AI應用是偶然，那制造一批呢？
王登科證明了復制爆款AI應用的可行性。延續(xù)文風網(wǎng)站調(diào)性（簡潔）、用戶群體（二次元、同人）基礎(chǔ)上，他如法炮制，復制出了OC測試、名家嘴替等AI應用。
作為參考，文風測試網(wǎng)站的全部支出成本在500元。雖然爆款AI應用有周期，但只要能掌握方法論，跳出曇花一現(xiàn)的周期，就可以無限地延長熱度曲線。
Ankie認為目前輕量化的AI應用與網(wǎng)易云H5功能如出一轍，既可以在業(yè)務(wù)研發(fā)過程中進行A/B 測試，收獲用戶反饋數(shù)據(jù)，預測上線效果。也可以通過爆款應用引流到主業(yè)務(wù)上，繼而實現(xiàn)轉(zhuǎn)化。
如此一來，我們似乎找到了一條全新的引流路徑。省去幾十萬的投流成本，以爆款的應用/Agent為餌料，吸引用戶使用，建立一定用戶黏性后，導流跳轉(zhuǎn)到主AI應用上。
導流的效果初步顯現(xiàn)，王登科在《從文風測試到OC分析，AI產(chǎn)品的一波流也有春天》一文指出，“OC成分測試雖然是一個小玩具，但是給團隊產(chǎn)品精準導流的效果好到不可思議。OC成分測試約30萬人的訪問量，帶來數(shù)萬APP的下載轉(zhuǎn)化”。
拆解上面的流程實則有兩波流量，AI應用作為流量接口吸納第一輪“潑天富貴”，導流后的主APP承接第二波空降流量，找尋商業(yè)轉(zhuǎn)化落點。
站在商業(yè)化的角度思考，流量與廣告變現(xiàn)掛鉤，單就上面的流量傳導過程就可以產(chǎn)生兩次廣告收入。最初的應用可視為主APP的功能切片或嘗鮮，所以開發(fā)者在研發(fā)過程中要思考為應用導流，以及與主營業(yè)務(wù)的匹配程度。如果前者是一項AI性格測試，后面導流到了一款寵物應用，就會顯得十分割裂。一旦用戶體驗感受損，必然會影響最后的轉(zhuǎn)化。
Kimi的思路其實沒有問題，比起專門開發(fā)一個網(wǎng)站或應用，現(xiàn)在大火的智能體更適合輕量化的訴求。但就像上文所述，好的想法、垂類的場景數(shù)據(jù)集和具有傳播分享的趣味性，都缺一不可。
觀察市面上AI應用，大部分AI應用仍以付費訂閱制為主，但能一上來就產(chǎn)生付費的寥寥無幾。就現(xiàn)下應用市場來看，日活、月活不過是浮云，訂閱付費率和續(xù)費率或許才是檢驗AIGC時代應用能不能打的唯一標準。
大多數(shù)AI產(chǎn)品為了活下去還是會選擇to B，這種模式在免費應用中尤為常見。通過在應用中展示廣告，AI公司能夠從廣告商那里獲得收入。
另一種是“訂閱收費+分成”機制，有些AI應用會跟大模型廠商進行深度合作，大模型廠商需要通過落地產(chǎn)品案例來證明自身模型能力，AI應用也需要降低調(diào)用API成本。
二者互為導流通道，用戶使用AI應用過程中會消耗token，也會強化對該模型廠商的心智。在大模型廠商的產(chǎn)品入口也能調(diào)用AI應用的相關(guān)功能，為應用引流，最終帶來的訂閱付費轉(zhuǎn)化，將由二者按比例分成。
談?wù)摮墤没蛟S還為時尚早，但王登科和Ankie的實踐為我們揭示了一條可行之路：通過精心設(shè)計的輕量化AI應用，不僅能夠有效吸引用戶，還能在商業(yè)化道路上開辟可能性。
這些應用如同精心編織的漁網(wǎng)，捕捉著用戶興趣和注意力，最終將他們引導至更深層次的產(chǎn)品體驗中，這才是審視爆款應用案例的意義所在。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論