分类 闲言碎语 下的文章

“生产-交付”模型如下图,整个过程中会产生各类数据,业务类型不同,每个节点产生的数据类型也不同。通过这个细化这个模型,可以从更小的颗粒度上,发现和定义基础数据,为理解和处理业务流做准备。
生产-交付模型全图.png

需要强调的是:先有模型,后有数据

通过某个模型来抽象业务,做出假设,才可能通过收集数据来描述和改进业务。“生产-交付”模型是抽象业务的一种方式,串联和并联节点,形成可能接近真实业务的架构。

简言之,数据完整性是相对模型来说的,数据来源于模型。

将视线关注到一个小的节点,可以看到下面的结构:
生产-交付模型节点.png

外部数据

即是原料,输入生产过程

生产过程包括:

  • 人工处理,过程数据如操作时长,经常用于人效管理
  • 规则自动化处理,这里的规则是泛指既定的处理流程
  • 模型处理,主要指较难解释的机器学习结果及近似黑盒的外部服务,通常与计费有关

这三种处理模块并不一定全部需要,根据实际需要删减

交付结果

主要是综合结果,可能包含一些容易被非财务角色忽视的财务相关数据,比较合适的方式是形成快照存储,方便回溯。

每个节点都可以预置一组校验规则,相当于生成环节的质检,保证输入和交付都是合法的。

前言:

在开车使用导航途中想到的一个方法,可能并不新鲜。利用导航 APP 的大量数据,基于统计计算出城市各种路口红绿灯的间隔时间,修正到达目的地的预估时长,帮助规划更合理的导航路线,降低用户在路口等待时的焦虑。

更好的方案:红绿灯接入智慧城市相关系统,开放实时数据给导航 APP,这应该是大趋势,北京部分红绿灯是可以在导航 APP 看到红灯剩余时长的。

基于统计的思路:

地图数据已经包含红绿灯的位置信息,假设大量使用导航的车辆经过红绿灯,遇到红灯的车辆直行方向会停止,绿灯亮起时会启动。因为车辆数量足够大,可以获得全天不同时段的数据,帮助识别是否存在根据路口繁忙程度规则调整时长的红绿灯。

考虑到交通高峰期,收集到的数据将极大偏离真实时长,可以将拥堵时段和非拥堵时段的数据分别处理。

采集到车辆的停止时间和启动时间,计算时长,记为 T1。此时获得多个 T1,如果将这些 T1 的值标注在一个时间轴上,会呈现出相对均匀的分布,然后在大于某个时长值的时候,标注点突然急剧减少(这些是过红绿灯时走神,启动慢的车辆),排除这些干扰时长值后,收集到的 T1 时长里的最大值,就接近真实的红灯时长,按照人们的设定习惯,时长应该是 5 的倍数,做出修正,大于计算所得的 T1 的最近的,5 的倍数的那个时长,就是真实的红灯时长。比如计算得到的 T1 是 43 秒,那么真实的红灯时长应该是 45 秒。

同理可以处理得到绿灯时长。

这样,我们就通过统计得到近似真实的红灯亮起时间,红灯时长,绿灯亮起时间,绿灯时长。

使用场景:

  • 在车辆行驶到红绿灯时,展示给驾驶人,形成等待预期,增强驾驶人的掌控感
  • 帮助自动驾驶系统,调整车速和转速
  • 提高行驶预估时间的准确率

使用“生产-交付”为基础的思考模型,建立一个从“原料”到“交付物”的多节点业务流,关注每个节点的阶段性交付物,发现 AI 潜在的应用领域,挖掘单品型或上下游主题型的创业机会。
img

每个节点都有自己的输入和交付物,都可以从外部环境或其他节点获得输入,多个节点串并联组合成完整的交付过程。因为一个创新产品产生的创业机会可能兼具四种环节的变更,总结为:

新原料 + 新工艺 + 新流通 + 新场景/体验 = 新消费

01.模型应用的结论演示

将模型应用到出行领域和 AI 企业领域,综合政策层面的大趋势和行业存量项目,可以梳理得到单品型和主题型的创业机会,下面是举例说明。

- 单品型:可充电立体停车场制造
- 主题型:围绕 AI 企业的能力交易类服务

简述:

1、可充电立体停车场

“新基建”的投资中涉及充电桩业务,鼓励新能源汽车消费,立体停车场融合充电桩,可以在城市中心地区同时增加停车位和充电位,而且可作为购车和车后市场的流量入口及使用数据采集入口,为车联网类 AI 提供巨大商业机会。停车场作为排他性稀缺资源,有相对稳定的现金流,具备资产证券化基础。

创业团队考虑背景:立体停车场供应链、电力设施供应链、O2O 地推、政府关系等。

2、围绕 AI 企业的能力交易类服务

能力交易类服务是指在 AI 开发企业和 AI 消费企业之间的类交易中介服务(有利于投资机构发现早期项目),帮助补充自身能力的短板,可以有两个视角,分别侧重供给和消费。

- AI 开发企业的销售:可能是其他科技领域的销售 freelancer 进入 AI 领域 、跨行业跨语种的数据交易、算力交易、垂直领域的算法模型交易等
- AI 消费企业的买手:可能是专注于 AI 或工业转型的咨询公司

创业团队考虑背景:交易型SaaS、售前咨询、集成方案提供商等。

02.“生产-交付”模型

“生产-交付”模型是以终为始的逆向分解过程,将交付的消费者的商品向前分解成基本要素,替换/重组部分要素,形成新业务流,最后改变交付商品。

1、交付物基本要素的变更

形象化理解就是产品的“配方”发生变更,使产品获得新特性或革新生产流程,形成规模及成本优势。通常形式有重组节点、替换要素、增减要素。

如通过创新传感器,获取新维度数据,会影响整个业务流,部分原有环节被删除、部分环节重新组合、部分环节被替换为新的。

可以理解为回答“what”的问题。

2、要素生产工艺改进

与交付物要素变更的区别是生产流程中各节点位置、组合、节点输入输出物不发生变更,在节点内改进工艺,通过规则或算法实现自动化,加速节点生产。

产业垂直的 AI 服务,通常是以自动化降低成本,提高效率的方式渗透到传统产业中去的。如客服机器人、工业机器人、AI 芯片、计算机视觉、AI 辅助设计、 内容型 AI 等。

可以理解为回答“how”的问题。

3、 要素的配置及流通效率改进

核心价值实际上是“去库存”,加速流通,减少浪费,重点关注 AI 在要素标准化上的应用。基于极细颗粒度的标准化,才能发挥 AI 在实时调度方面的优势。

如潜客挖掘、物流调度、数据驱动的流程优化、柔性供应链、金融科技等都在这个范畴。

可以理解为回答“where、when、number”的问题。

4、交付物的消费对象/模式变更

更多表现为消费市场/场景的变化,即是 AI 产品在人群、空间和时间上的消费变化,本质上是产品或方案的复用。

如 AI 翻译是内容在不同人群的消费、技术/服务出海是产品在不同地域的消费、AI 驱动的教育可以是内容在碎片化时间里的消费。AI 可以为内容消费提供更个性化的体验,尤其是游戏领域。

可以理解为回答“who / why”的问题。

03.结论的模型应用过程

1、单品:可充电立体停车场

1.1、分解“出行”这个交付产品的基本要素:车、油、路、人
1.2、要素颗粒度细化:车、油、加油站、路、停车场、人
1.3、替换部分要素:车、电、充电桩、路、停车场、人/货
1.4、删减部分要素:车的使用权、电、充电桩、路、停车位、人/货。
1.5、增加部分要素:车的使用权、电、充电桩、路、立体停车场、人/货
1.6、重组要素:充电桩 + 立体停车场 = 可充电立体停车场
1.7、工艺改进及效率优化:采集用电数据、停车位置、车型等数据用于调度,可切入购车及车后市场;资产证券化提供金融支持
1.8、消费变更:分时租赁 + 新能源 + 立体停车 = 出行需求供给侧撬动消费
1.9、趋势支撑:新基建鼓励充电桩建设和汽车消费

2、 主题:围绕 AI 企业的能力交易类服务

2.1、将“AI”视为交付物,分解为“数据、算法、算力、售前服务、售后服务”
2.2、删减部分要素:将“售前能力”分离到 AI 开发团队之外,形成销售能力外包的服务,抽象出能力交易服务主题,衍生出算法能力交易(如算法科学家 freelancer 服务)等单品
2.3、要素配置优化:交易服务主题衍生出AI 开发企业的闲置的算力交易、脱敏数据交易、标注团队能力交易等单品,单品再使用“生产-交付”模型进行分解处理

04.“生产-交付”模型分析创业机会的其他要点

1、 单品切入,同主题扩充

AI 单品应可被单一客户重复消费,并在一定周期内不被新技术淘汰,同时具备一定排他性,该周期即是同主题扩充的时间窗口。如充电式立体停车场可以扩大稀缺资源停车位和充电桩的供给,在一定周期内都是独占的,充电标准相对稳定,后期扩展到“出行”这个主题下的其他领域,融合进 AI 主题。

AI 集成方案型的创业机会通常在要素变更主题下;技术工具型的创业机会通常在工艺改进主题下。

2、选择容错性较高的细分市场,降低交付难度

容错性较高有不同的解释角度,一个角度是指细分市场的玩家,自身有较好的风险承受能力,愿意尝试新方案,这与单品的价格并没有高度关联。以 Airbnb 为例,客单价较酒店低,但早期提供房源的业主,都是风险承受能力较强,愿意尝鲜试错的高收入人群(这个例子来自公众号 Roc的增长实录)。另一个角度是指有大趋势或政策,分摊了风险,使市场里的玩家可以重复试错。

细分市场的意义是垂直领域的 AI 交付质量更好,成本相对通用 AI 低,便于小团队投入。

3、团队具备销售能力

准确说是具备“向外求”的生意能力,创业项目也是一个“生产-交付”过程,销售能力是完成交付必要的要素之一,销售能力可以放在团队内部,也可以放在外部,但一定要拥有且可控。

识别 AI 类产品的销售能力,可以从以下几个维度来看:

3.1、行业业务流的颗粒度和关键指标理解
3.2、发现客户的基本方法,尤其关注陌拜的方法
3.3、职业经历中,销售成果是否依赖所处企业的垄断优势

00.前言

撒钱模块嵌入到各类高频用户行为中,成为当前拉新的重要手段。将其 SaaS 化,是一个有趣的话题,考虑到很多区块链游戏玩法的内核,与撒钱 SaaS 的玩法是一致的,更严格的分层,可以参考区块链的六层(数据层、网络层、共识层、激励层、合约层、应用层)结构。

01.为什么选休闲游戏

选休闲游戏作为样本,原因如下:

1、高频,每一局时间短,撒钱刺激更有效
2、游戏变现能力强于资讯、小说、短视频等内容消费
3、游戏厂商广告投入大,供给侧有保障

SaaS 基本结构如图:

make-money-SaaS

02.撒钱 SaaS 的基本商业逻辑

从不同角色在商业循环中的不同作用和目的来说明:

1、工具开发者:提供基于合约层的积分场景工具,获得分成
2、工具使用者:使用积分工具,获得裂变能力,积累用户
3、各类服务商:提供变现能力,消化用户
4、终端用户:消磨时间,获得收益并消费

一句话逻辑:降低撒钱功能开发成本,改变流量流向,从中获利
一句话玩法:中小开发者接入 SaaS ,用广告商的钱发给用户完成裂变,反馈给广告商流量

03.重点模块能力

账号系统,适合有统一账号体系的大玩家启动
支付能力,考虑到微信支付和支付宝体系,获得低费率是重要的
负载能力,当产品获得撒钱裂变的能力后,可能出现短时间内的增长
合理的API设计,场景多样化

实际上还是广告联盟的玩法,只是增加了撒钱能力。对于 SaaS 来说,积累下的账号有机会归于统一品牌,无论从用户数据、现金流水、分发能力上看,都是变现的优质原料。

04.YY一个轻量级休闲游戏的样本

第一阶段:启动

制作一个类似 flappy bird 的游戏,用广告商的钱撒钱,玩游戏看广告领钱

第二阶段:平台化,撒钱模式下的4399

增加俄罗斯方块、吃豆子、贪吃蛇等游戏,向休闲游戏平台演变,依旧撒钱

第三阶段:消费闭环

增加社交属性,增加电商模块,实现现金在应用内消费

第四阶段:强化ID

参考各类“特权黑卡”的玩法,强化用户账号的折扣作用,实现高粘性

05.其他可能应用

除游戏外,还可以用于作业、聊天等相对高频的行为中,总之是奖励用户行为,鼓励迁移,再利用各类特权抬高外流成本。