AI赋能的瓶颈在哪里？和Capgo AI创始人聊聊AI产品的问题和前景
43:09 Share

哈喽 欢迎来到这一期的出海和吼人出海和吼人是一档由千岩传媒制作的播客节目我们专注于海外文化创业动态和科技趋势通过对话聊天的方式呈现与之有关的故事和观察这个 AI 其实就是一个记忆抽群的小孩所以你不要企图他对任何的事情有一个什么判断最好的公司其实都是 Founder 为了解决自己的一个痛点搭住的一个公司

哈喽大家好欢迎收听这一期的出海火火人这一期呢我也还是和 Lisa 一起主持那这一期呢我们邀请到的嘉宾是益晨他是 Capco AI 的 CEO 益晨呢他是哈佛威商学院的 MBA 曾经在 CityAlmanac

感谢 Eric 感谢 Eric

对那其实我补充一下就是一方面其实我们也都比较了解 capgo AI 了这几年也就是说今年来讲就看到 capgo 的流量不管是在国外还是国内尤其是在 linkedin 上我看到一成自己做的那个流量啊关注度都非常非常好

而且我们其实也很荣幸我们就 Tapco 其实也是我们签员的客户然后我跟逸臣是在同样的时间段在美国读 MBA 然后也都是在那个读 MBA 之后开始了创业的经历

首先还是要再恭喜逸晨其实我觉得到今天 Capgo 取得了非常好的成就当然我也相信你对自己的要求肯定也是非常高今天非常开心我们能一起分享一下逸晨对于 Capgo 的想法创业动机以及未来的一些展望吧好 感谢 Lisa 我非常幸运跟 Lisa 合作你们的这个 marketing 和整个 KOL 的服务都做得特别的棒

谢谢,突然间还硬广了一波,也不是故意的。我们从开始,因为刚才大概比较简单的介绍了一下 Capco AI 的情况,那也想听听奕辰去介绍一下,比如说简单介绍一下 Capco 和你自己,包括你当时为什么会去想到去创业选择了这个,你可以讲一讲当时你是怎么做的这样的一个选择?

好的 没问题首先从 SpriteSheet 来讲就是电子表格 SpriteSheet 我觉得是我个人最喜欢和影响我最深的一个应用因为我原来是做投行的其实投行百分之六七十的时间是在电子表格里搭模型或者做运算或者处理数据然后我做投行的时候我就觉得有一个很大的痛点就是

我需要这种手动的 manually 的去这个爬数据就比如说我要去财报里爬很多非结构化数据比如说 500 个公司他们海外现金有多少他们 CEO 的收入是什么这些数据我们当时分析师需要一个一个财报去 control f

然后我当然觉得如果 AI 可以自动化这些就好了但当时因为这些是非结构化数据其实没有办法去读但 ChatGPT 出来之后就觉得一下子 ChatGPT 可以阅读非结构化数据

然后同时呢我就觉得电子表格跟 AI 会是一个特别棒的结合是因为我们做手爬数据跟数据分析处理基本上都是在电子表格里 Sprite City 里做的所以我当时就觉得 OK 我想结合电子表格跟 AI 做一款产品其实很多程度上也是满足我自己以前在 banking 或者以前自己在做 BD 这种手爬数据跟分析数据的需求所以这是一个当时想做的开端嗯

OK 好酷好酷其实对我经常会忘记了就是一成其实之前是一个投行男因为一成一直以来认识一成觉得你是一个特别怎么讲特别 ground to earth 然后特别怎么讲反正就特别接地气然后就很难感觉到你之前做了那么多年的投行可能真的是就是要不然就是你本来就是为了创业而生的要不然就是创业可能也改变了你

我同意是我觉得我在投行的时候我跟大多数做投行的性格跟喜好跟别人也不太一样所以我当时也觉得可能我长期适合做产品

你觉得哪里不一样?我觉得最大不一样是我原来做投行的时候我周围的那些分析师他们会因为做一些项目做一些 deal 感觉特别大的成就感就比如说说我帮谁谁谁并购了我帮谁谁谁发了个债是我帮谁谁谁上市了我其实就没有觉得做 deal 给我特别大的成就感

因为我当时觉得我不做别人也做对吧反而我当时搭了很多内部工具然后我能帮别人计算帮别人做这个 simulation 帮别人做自动化搭完之后我觉得我的成就很大是因为我觉得他按照我的想法做了一个工具之后可以反复被附用

它的影响更大所以我觉得是很多价值啊和喜好的东西啊是不一样的所以我觉得后来发现我更多的是一个 builder 而未必是一个传统意义上的这个投行的人那你觉得是因为就是 MBA 让你有了就是开始主动的去自己创造这样的一个勇气吗就是其实那你为什么没有更早的从投行出来

对因为我觉得 MBA 对我的一个契机是它可以在更大范围内让我找我自己最适合的东西因为当时本科其实大家毕业之后对自己喜欢什么其实也不太了解然后当时我发现一些优秀的人去做投行我就想那我也去做投行做着做着可能会发现自己的一些喜性就比如说我喜欢搭建一些东西我喜欢做一些创新的东西但如果没有 MBA 这个平台我多半会在金融领域找

跟创新跟搭建有关的工作但是 MBA 就给我的一个可能性就是我可以跳出金融领域去寻找可能我最适合的东西所以我也通过 MBA 开始进入了科技领域所以对我来说也是一个转换行业帮助很大的一个经历

挺好的,在此顺便提一下,那个益晨确实是毕业于哈佛 MBA,然后我觉得可能之前你的简历就真的是非常精英吧,不管是投行还是说到哈佛去,以及到现在开始自己创业,我相信可能对你来说应该是非常神奇的经历吧。

那你也多介绍一嘴 Capgo AI 就是介绍一下比如说现在的用户的情况社群的情况主要大家用咱们这个工具是解决什么问题明白

其实 CAPO 它本身上是一个电子表格加数据然后你可以用表头自然语言很简单很傻瓜化的去拉出大量的数据就比如说你第一列是有 50 个公司然后你想知道这 50 个公司 CEO 叫什么你想知道他们 CEO 多大哪个学校毕业的或这个公司什么时候成立的

或者公司最近提了关于哪些 AI 相关的东西你可以用自然语言一键的就相当于把整个表格填满相当于我们做了大量的并行搜索我们连接了大概十几个不同的数据库包括整个的互联网然后用户用我们的核心方法其实是在用我们一些企业主用我们在寻找他们的前代客户寻找客户的方式就是说当你有一个 list 的时候其实你需要筛选

就比如说我假如说是个卖这个健身仪器的我想我只想卖给比如说超过 30 人的健身房这些健身房需要交瑜伽对吧然后呢最好呢他们的 founder 呢也是 30 多岁然后呢跟我年龄相似所以通过我们的表格可以大量的从网上从数据库拉这些数据然后用户可以更好的去这个筛选他们最好的客户

当然我们还有一位客户其实是咨询公司就是他通过我们来做这个市场调研他们可能以前进入任何市场之前需要做很多这种 desktop research 然后现在就用我们的工具做了这可能是第二类然后更长期我们的一些 power user 其实是用我们的表格搭了一些很个性化的工作流就比如说他

先拉出一些关于假如说好多公司的这个最近的行业数据然后呢包括呢他的一些假如说对这个利率的上涨的影响然后他再根据这两个呢再用下一个 column 呢写一个假如说分析相当于把我们的表格当成一个 step by step 的一个 AI agent 来搭建自己的这样一个工作流啊

所以这是最常见的三类用户听起来其实嗯就是我觉得首先非常有趣就是我听起来就好像也很有画面感就是我能想象到那个画面其实就是呃就类似于你在表格里面比如说你写了一个列表就是说呃左边是什么啊比如说上市公司 CEO 啊

一二行业然后右边你就你就开始往下拉然后他就会把这些人的什么名字啊年龄啊什么的就是按照你的想象其实有点像魔法哈我觉得看着感想象起来很有画面感嗯

然后我也在想这个好像跟你因为我记得你刚刚也提到其实你做这件事情的初衷是因为你从金融行业出来你觉得你很需要一个这块的调研的一个工具因为你花很多时间在表格上面但是现在听起来好像其实它实际的用法可能没有很金融我能这样理解吗就感觉就像一个 general 一个比较普遍化的一个分析师助理调研助理有点这种感觉的

对啊是这样的我们一开始 OK 就是啊我们解决的痛点是手爬数据跟数据分析然后呢让用户可以一键的很容易的拉各种各样的数据啊一开始呢我们想解决金融领域的这个问题但后来发现了手爬数据的痛点在所有领域在大量领域都存在就是对金融领域可能是手爬数据为了更好的分析对小企业主呢可能手爬数据是为了更好的找客户啊

我们一开始的确想 target 金融领域但后来发现的问题是金融领域的特点是一旦涉及 AI 他们有比较多的 compliance 跟 AI data security 的问题对于小企业去进入这个市场就会产生难度因为大企业满足这些 compliance 更容易

所以我们就转变了我们就说 OK 那我们当时在 Protocop Launch 了然后拿了一个当日第一当日第一之后来了很多人是小企业主然后他们也付费了所以我们就意识到说 OK 可能小企业主做这个 go to market 的这个找数据找客户信息是我们最好的一个用户的这个 use case 所以也是我们短期的 focus 的点

但长期我们想 focus 在所有的 knowledge worker 就想很快的 expand 到其他的 vertical 在把我们这个 vertical 先站住之后了解了解那就是说其实可能最开始是从这个金融行业出发但现在可能到了一个所谓的因为现在这个称呼很火啊现在很多人在讲这个 BDR SDR 就是有点到这个其实是 Sales and Business Development

销售和商务扩展这块的应用会更普遍一些是吧对的这也是 AI 这一轮的一个非常有意思的特点就是说做商业化最快的公司基本上是以或者很多是以销售 marketing 为切入点的核心的原因是因为这两个领域 budget 比较多而且小公司比较多所以它的 adoption 容易快一点

因为所有公司都有销售跟或者 marketing 的需求然后最后是这两个领域的容错率高一点就因为 AI 有些时候会犯错如果你金融领域犯一个错会挺严重的但是你销售领域你 code email 写一个错那最最坏是毁掉一个 potential 客户对吧但当然如果你 time 很大也不是很大的问题所以他们容错率会高一点所以 AI 的初期 adoption 在 marketing sales

领域 monetization 就是商业化是做的可能最相对来说比较容易的想问一下这个错误率听上去其实会是一个对于 specialty 来说还是尤其对于很多行业的 specialty 来说会还是一个比较关键的一个问题你想问问就是说这个错误率可以展开讲讲吗以及说它来源于哪里没问题错误率其实来源于

OK 我认为两个核心点第一个是大家可能听说很多的 hallucination 对吧就是说你问你如果直接问 Chad GPT 一个问题很多时候呢 Chad GPT 呢他的答案中的有一部分或有一小部分呢是他编出来的

但是呢他最恐怖的一点呢是他自己不知道自己哪部分是变的这点是他不如人的对吧就人很多时候靠谱的人就是知之为知之不知为不知对吧他会说是这点我不确定

这是 AI 一直存在的一个尤其是 LM 一直存在的一个问题而且这个问题其实限制了它在很多领域的 adoption 就是因为它 hallucination 然后我们解决它的方法是一般的行业中一个叫 RAG 是什么就是说你让 Chad Gbidi 回答一个问题的时候你先把答案告诉他让他在里面挑这样

这样呢他犯错的可能性就小很多而不是你直接问他一个问题就比如说我问他说那个中国古代有哪些朝代对吧你直接问他他有可能能编出一个朝代来但是呢如果你把古代朝代的所有信息的相关的 pdf 全给他让他去找他的准确率会高很多

当然当你给他太多东西的时候他准确率还是也会出错比如说你让他读一个三万字的 pdf 或者一千页的 pdf 让他找假如说 20 个信息他还是会变

所以这是它的一个问题所以说核心的就是说你得给它背景信息而且给它的不要太多然后越好的模型它和文森也会相对来说越少可能假如说你只给它一个 300 次的 contact 让它找一个东西它可能 99.9%的情况下都是准确的所以这也是一些行业上的一些技巧

还有一类 AI 错呢在 AI 搜索中是特别常见的是我管它叫张冠历代就是说它有些时候因为缺乏一些背景信息所以说它

不知道到底哪个信息是你想要的但人也会有这个问题只不过人很多时候有很多背景信息就比如说我现在问你说苹果的大小那他有可能认为是水果的大小也有可能认为是公司的大小对吧所以很多时候人是有背景信息的就比如我们现在在聊公司我不可能突然问你一句水果的大小

但很多时候 AI 没有所以也不能怪 AI 很多时候是因为人的确没有提供足够的背景但可能人很多时候没有意识到自己没提供足够的背景所以这种情况下 AI 特别容易掌管理贷我觉得这是两类就是最容易出错的可能性

了解那其实你说到这一点刚刚你也提到就是因为这个 AI hallucination 其实限制了 AI 在挺多领域的应用其实你这么一说我感觉确实就是尤其这种对准确率要求挺高的产品或者技术这块可能 AI 反而还有一段路要走那具体一诚你在这个行业里面能不能给我们讲讲还有没有类似的这样的例子

我觉得是有的其实我觉得 AI 客服也有同样的问题就是我现在用一些软件的时候它会是 AI 客服很多时候我会要求跟人聊因为他给我答案我其实不太确定到底是不是对呢就是说当你问一个答案他可能在自己的知识库里没有的情况下你不确定他是会说他不知道还是他会根据他以前的一些其他信息然后再自己加点东西编一个对

就是说听着挺可怕的对吧我现在想觉得艺人描述这个让我觉得也挺疾悲发凉的比如说跟那个 AI 客服聊天就你真的不知道他在编的第一你不知道他什么时候在编然后这个东西想一想感觉还怪可怕的

而且我真的发现这个事情就是说其实上一周我还去了迪拜参加一个 AI 行业的一个大会然后请了一些那种 founders 包括一些大企业里面正在试图用 AI 的一些 leaders

商业领袖然后他们其中反正我忘了其中一个人就说这个 AI 其实就是一个记忆超群的小孩所以你不要企图他对任何的事情有一个什么判断然后我大概 get 到的一个 insight 就是说

很多大公司都已经在用 AI 了但是更多的是那种消费者感受不到的这个地方比如说他们可能航空公司里面空姐空哥们可能之间会用一些就是公司内部的交流会用一些就 AI 辅助的一些东西

然后甚至说公司一些部门的应用可能是财务或者扫描一些什么东西或者说读取一些文本他们会用这个但是他们现在是不会觉得不 OK 就是说现在不能说是让你接触到消费者的这端有这样的体感就是可能就是这个容错率的问题可能你就说作为一个很大的航空公司 OK 你这个 AI 你可能可以是 99%的时间你都是

但是你就 1%的错误对他们来说是这个损伤绝对大于他们获得的好处的我觉得可能这个也分行业但是我觉得可能目前我感受到的可能 2C 的这块的我觉得我确实我也不 OK 对我的直观感受是就是说如果当用户对准确的要求特别高的时候其实好的产品做的是他会提供特别详细的这些 source

就是比如说美国有款软件叫 Hibia 其实我们也有类似的功能就是你可以从大量的 pdf 里面拉各种各样的数据就比如你可以跟 10 个财报一起问说这些公司这个月怎么评价了这个利率上升

然后它每一个网格产生的结果它都会给假如说背后所有的 source 就是这些信息从哪来的的原文其实我后来发现这一点对于对精度要求高的用户挺重要的

其实这个很有意思就是我觉得就是对于金融这块的应用可能它的不信任感来自于两个方面一方面是就是对于编造的数据结果这个不准确度带来的这种恐惧而且可能潜在的很大的这个影响然后另外一方面其实是对就是数据安全的这种担心

当然我只是我觉得这个跟金融行业那个还不太一样金融行业这个就我就觉得我的公司我做这个做这块做的这么好那不就是因为我们的头脑聪明吗我们分析的方式读书一格然后我们的数据来源也厉害对吧那我这个甚至有一些数据可能都是我想办法搞过来的对吧那我怎么可能会把它就分享给一个 AI 呢我怎么知道后台我的数据安不安全对吧我觉得就是金融行业在这块可能会比别的行业还更敏感一些

对其实所有行业跟数据相关就你要上传公司本身数据库都会很难一是可能有各种 compliance 第二很多行业的数据库就是它的最核心的秘密对吧或者它最核心的竞争优势所以这些点所以我们一开始一开始想做的时候是让用户自己上传各种各样的这个内部的财报数据后来

我们现在做小企业主找客户的时候其实我们都是连接的外界数据库了相当于是谷歌啊并啊包括 Linkin 啊这样的话用户就没有这个担心因为他觉得啊反正也本来就不是我的数据对吧像我你是帮我做外部数据的搜索这一点也会让 Adoption 变得容易很多相比让他上传内部数据哎

一成能不能分享一下就是在 target audience 转变的过程当中这些小企业主这一类的小币有没有一些用户画像上的 insights 因为其实从出海上面来说这一块算是现在出海比较想去做的一块用户客群对的因为 2B 在海外的话基本上就是你要不然做大客户你要不然做中型或者你做特别小的 SMB

SMB 其实也分类就是我一般把 SMB 我的分类是 knowledge worker 就是在 LinkedIn 上能找到的人和在 LinkedIn 上找不到的人因为 LinkedIn 上找不到的人的 SMB 基本上都是假如说做 knowledge worker 就是说做比如说 sales marketing 然后就在电脑面前的人但美国还有的 SMB 是那个奶茶店

咖啡店理发店这是另外一类你可能在 LinkedIn 还找不到他们

线下的对然后基本上来说我觉得做小客户的好处是就是硅谷这几年有一个这种做 2B 的这个打法叫 PLG 叫 Polar Light Growth 它本质上是用 2C 的方法去做 2B 市场它的核心的想法是你先触达到一些企业的员工或者小企业主让他们先用上用完了之后呢你

你呢在 identify 其中比较好的用户你把他们变成 enterprise 用户相当于你把企业里的一些基础的员工变成了你的销售但他们先用完之后他们推荐给自己的老板

然后这其实也是我们现在做的一个方法就是 PLG 我们其实是用 marketing 的方法就之前跟你们合作的叫 KOL 的方法来触及到这些小企业主然后他们可能一开始就是一个普通的付费用户如果我们发现他是一个大企业或者中型企业我们再会跟他去 follow up 说我没有 enterprise version 你要不要 upgrade

这其实也是 Zoom 当时的一个打法跟 Dropbox 的一个常见打法这个确实强到我们公司其实从我们做管理者的角度来说我们非常希望就是同事能够去发现提高效率的工具但我们自己可能有的时候也并不一定会直接去找像比如说我们现在用的

我们在 marketing 里面 mark tech 里面用的一些工具其实都是呃我们同事自己自己去找出来然后比较好用的这样子然后去更然后哎如果真的几个几款产品比较下来比较好的话那我们就会同意说那我们一起来采购一下嗯

对然后因为这个就是这个 bottom up 是我们自己的这个增长方式但还有一类就是我们用户用我们的方式很多是 top down 就是他用我们来找客户去发邮件给出海的公司发邮件然后呢他们呢是假如说用我们的工具找到邮箱地址找到客户信息然后呢给他们发邮件之后呢希望 book 一个 meeting 一个 demo 对吧来展示

这种情况它的好的点就是说它比较适合一些可能管理者需要用的软件然后它的难的就是说很多时候它的因为很多时候这种 open source 包括 freemium model 你不需要做太多的销售但是这种 B2B 你发 email 给 decision maker 很多时候要做更多的一些销售它是一个更长的 process

但它客单价也一般会更高所以说根据不同的产品也有一些 price and cost 到底是 top down 还是 bottom up 嗯然后其实另外一点我们发现的是其实中国公司出海绝大多数走 marketing 路线比较多啊

然后像我们用我们工具的呢就是说基本上是 top-down 走 sales 的路线我重问一下那个 product-led growth 这件事情因为其实最近我发现这是一个非常就是趋势趋势很好的一个词我最近我经常听那个硅谷的朋友就是嘴里头说是这个其实我没有特别了解过这个就因为我大概听下来是你说 product-led growth

产品导向型的增长可以这样翻译它的意思就是说直接让用户用一边用你一边去反馈提高是这个意思

其实不完全是就是 Prototype Growth 其实是当年 Dropbox 成功之后兴起的一个 term 它其实意思就是说我想 2B 但是我自下而上我用 2C 的方式先让公司的低级员工用上用上完了之后他们跟自己老板说你看我们都用这工具要不然咱们买

而不是原来的销售模式像 Salesforce 那种他直接联系老板说你看我们公司多好你要不然积极采购所以他是 2C bottom up 的方式去卖 2B 产品像 Zoom 包括 Google Sheet Google Doc 其实都是典型的 PLG 就是他核心赚钱方法是 2B 但是他从 2C 的方式去渗透到 B 端本账是一个是 PLG 的一个核心

明白了,这就好像对,我 get 了比如说 Google Doc 这个东西其实基本上所有人用 Google Doc 都是因为别人给了你一个 Google Doc 的链接包括 Zoom 也是,其实你是被迫被别人给 onboard 到 Zoom 上面去

那我有几个问题就是一个是说你觉得就是相对于 product-led growth 这种产品导向性的增长还有哪一些你会考虑的增长方式吗对在大类中其实是有这两种就是 PLG 跟 SLGSLG 叫 Sales-led growth 就是说 top-down 就是你联系 decision maker 比如说我想买 LARC 卖给你我直接联系你跟 Eric 我说你要不然集体采购 10 个

或者是我走 PLG 我先让你们免费用然后用着用着你们可能都用了然后我再收费但这两点其实到最后来说会 merge 是为什么呢是因为大多数就是很多 PLG 公司最后也会变成 SLG 是因为有两点第一点是很多时候你需要就是 PLG 到最后承担的时候需要销售加把劲儿

就比如说假如说我发现你们公司有 20 个人都在用我们的假如说用我们的工具了但还没付费对吧然后我的销售就会给你打电话我是说你看你都用了我们还有一些其他的 feature 所以它会从自上而下跟自下而上同时的去加

所以 PLG 的公司做大了之后基本上也会有 SaaS 而且很多时候你想成大单很多时候还是需要 SaaS 来做但 PLG 是一个小公司一开始从零到比如说十到一百的一个比较好的渠道因为很多小公司没有销售的能力而且销售的 cycle 很长所以说中间有一个词叫 Product Qualified

这个 growth 就是说你找你已经用的人然后呢你再去给他们做销售然后 PLG 其实还有一个天生的问题是这个很多公司其实都没有 figure out 就是说因为你的一开始是卖给 2C 就导致你的这个产品定价会比较低比如说你每个 C 就卖假如说每个人卖 20 到 30 到对吧

然后等你要卖给企业的时候你很难提价就你很难说 OK 我一个人要卖 200 刀那企业说你跟你的 2C 没什么区别你怎么一下卖这么多但很多公司它如果一直就自上而下它可以客单价特别的高因为它没有一个 2C 的产品链的 anchor

所以 2C2B 定价也是个非常悬的地方是很多产品你会发现 C 的产品跟 B 的产品没有本质区别但 B 的产品比 C 的产品可以贵 20 倍 30 倍

就像金融界的 Faxi 和 Bloomberg 或者跟 Yahoo Finance 包括做产品的时候 Google Analytics 是免费的然后什么 AmpliQ 比它多个 10%的功能然后一年收个 2 万刀 3 万刀就是它的定价也会受 PLG SLG 的影响所以其实里面要考虑的复杂度其实也挺高的

那我听下来就我感觉其实那个 Capco AI 听起来像是用 product-led growth 的方式去帮助别的企业去做 sales-led growth 对吧就是你是通过其实用你的人的人他是用这种销售拉表的方式呢但是你获取他们的方式是比较 product-led growth 的方式

对的对的是的那也就决定了就比如说而且我还有个感觉就是说其实 product-led growth 其实会对这个公司的要求是蛮高的首先你得有一个很好的 product 对吧然后而且你也得非常非常的标准化你这个得标准化的程度得到了就任何一个普通的消费者他用起来就是他都觉得 OK 他慢慢的才会说去推广给别人就像 Zoom 它非常非常简单上手

所以就不存在任何的这个教学使用门槛就可以去能够有这个 product-led growth 包括 Google Doc 你能做 PLG 的前提是你这产品得非常的简单易用理解门槛低而且有这种就是 viral 的这种潜质但其实这个非常难这个就是我觉得很多人他说自己是 product-led growth 但他其实可能并不一定是

那我听起来我觉得就没有说别人没有把这就发给我他没有这种像 Google Doc 那样对吧你发给我我就马上就用了他其实有一个这个传播的属性在里面你觉得这个你怎么看待然后你觉得你们有没有在利用这个对我觉得你说的特别对就是刚才这点其实特别重要的 insight 就是 PLG 的产品必须他这个产品需要特别容易用特别容易上手

否则的话你是其实需要销售去教别人的一旦你教了之后就变成 sells like girls 了对吧所以说 PLG 一定要简单而且它一定要有一个这个自我传播属性就是说它可以最常见就是这个 share 一个 unique 的 URL 一个链接其实现在我们也有这个功能我们也在推就是说用户可以 share 这个自己的这个表格给别人

这两点其实都特别的重要然后其实还有第三点很重要就是说像你刚才说它最好是个相对独立的工具不要涉及到太多公司最核心内部的东西就比如说就比如说一个功能就比较难辟 LG 就是我看有些公司做这种 AI

这个 database 就是说你可以通过资源源的方式跟公司的数据库做交互就你可以问说啊我们今天 DAU 多少 MAU 多少这样东西比较难是因为你相当于需要跟公司的数据库做整合

那其实需要公司老板同意不是说我一个员工说用就用说连公司数据库就连对吧或者是假如说公司的财务系统报销系统那不是说我这员工说我想用这个工具报销就能报销对吧得老板他决定用那个工具报销

所以也是看这个工具是不是一个独立的能给底下员工直接带来价值的还是说它其实是完成公司的一个核心的 workflow 也是它能不能 PLG 的核心原因所以刚才你说那件都是所以也不是所有工具都能 PLG 的本质上对我现在有时候觉得就是每个人都在说这 PLG 但是其实可能很多人的他的产品其实还不具备这种基础吧

对而且做真正 PLG 能做好的公司特别的少我之前在硅谷那家公司 Almanac 就想做 PLG 但后来还是做 SLG 就 PLG 你那个产品稍微复杂一点 PLG 像你感受就跑不通了因为大量用户他可能就卡在没搞清楚怎么用这块所以很多时候其实是一个非常难的东西 PLG 要做好的话

对还真是其实对这真的非常非常难而且就其实我觉得真正的难是做减法嘛就是你有这么多可以做的功能可以做但你就找到一个就是杀手性就是性质的一个简单的功能把大家全拉进来就是这个真是非常非常难

而且这样一说我觉得你像 Google Doc 包括这个包括其实我记得一成你之前跟我提到就 CalendlyCalendly 我觉得也是一个就是你真的你搞不懂这玩意到底有什么用它到底哪不如别的但是它就是一个分享强制的分享而且它的功能特别简单简单到一点理解门槛都没有然后又做得非常好用所以从这块来讲真的是就做得非常好

因为我发现像 Calendly 包括 Google Doc 包括 Zoom 它其实是这个产品使用的过程中本身就涉及到需要发给别人对吧我觉得这点真的太巧妙了但是其实很多产品它使用的过程中它不涉及到这个其实它可能产品本身不涉及到说我必须把这链接发给别人但是它为了能够有这个病毒市营销的这个东西它可能会制造一些机会

让大家能有这个互发的这个机会比如说他可能就搞了一个互相嘲笑对方互相那个 roast 对对对就类似于就分析一下比如说分析你的社交媒体主页然后生成一段嘲笑你的话对吧然后大家就会疯狂的去转发

然后我最近感觉到就是因为其实真正做到这个 PLG 就是你这产品自带分享属性太难了然后我现在发现就好多人就开始去做后者就反正我还不能做到那但我就搞到搞一些噱头让大家分享我的这一个小页面

就不知道不知道益晨在这方面就是你怎么看待比如说 capgo 在这个这个事情上面的我同意因为我们现在其实也鼓励这个 teams 就是说一个 team 的好几个人可以共同的分享这个 lease 的表格分享给别人

然后呢我们也有一个 unique URL 你可以假如说你把你拉的一个很有意思的表假如说 30 个公司他们的 CEO 啊他们的各个信息啊你可以分享给就是说你可以分享到网上去然后别人也可以直接点一下就跟 Google Sheet 一样啊

我们也想增强分享的属性但其实你刚才说的一点也特别对就是说其实就比如病毒性营销其实它的理论它的方法其实很多人都知道但真正能做好的其实很少原因是因为很多产品它本身就没有这属性对吧

所以说很多时候我觉得增长也是看产品本身的属性如果你本身就有一个分享的属性那就很适合做 PLG 相关的对于我们来说其实也是核心是得真正产生一个比较强的 use case 用户是需要分享的

我们现在其实也在向 Google Sheet 这方面学习就是说它要 share 但如果这样的 use case 很弱的话去 engineer 一个分享其实我觉得效果会相对来说比较困难的因为很少有客户说为了帮你分享对吧它得是对它有帮助它在分享所以我们也在看这样的一些核心的分享的 use case

对对对你说的很对就是这个分享的点得跟你的产品的核心功能是比较相关的其实我确实也觉得因为现在市场上很多人他们就是为了做一波流量而去创造一个 campaign 但实际上这个 campaign 的内容跟它实际的 use case 其实关系不大然后我觉得后面我也很对一成个人也很好奇

因为其实就是从你你其实算是从一个非常非常精英的背景然后现在开始自己去做这个这样的一个小团队的一个创业你觉得你在这个过程中就这整个的这个 journey 这整个的这个旅程你觉得感觉怎么样你就觉得非常骄傲有没有一点后悔遇到遇到什么样的挑战

对我觉得在大机构做过的人做创业的时候我觉得会难免想到大机构的一些好因为你体验过但是大机构的坏你可能就忘了对吧但是大机构的好你做的时候你会觉得我要在大机构周末就是我的对吧老板不找我那我的时间就是我的不像自己创业之后你觉得每时每刻好像都在想工作的事儿

然后大机构你觉得你偷点蓝也没事但你自己的公司你觉得你要不撑着公司就没了你相当于是个顶梁柱你得撑在那所以我觉得其实的确会怀念大公司的一些点

但我觉得自己创业有很多很开心爽的地方在原来大公司也没有其实对我来说最核心的是我可以控制一个产品的方向我可以让这产品搭的是往我的这个想法去走而且我觉得这个产品是有意义的这点对我其实挺重要的所以当时我在选方向的时候其实一直有人跟我说说说哎你你要不做表格或尤其投资人说说你要做这个方向你别做表格你做这方向你要这么做我跟你投

但其实这些点我一直都挺抗拒的因为我想做一个我自己喜欢的产品还是挺重要的否则创业就只剩累了对吧但我对吧就如果做的产品我自己都不喜欢所以这也对我来说创业是一个 minimum 的需求就是我需要自己喜欢我的产品我需要自己用的爽这样我觉得创业我才能觉得有足够的意义跟价值对我来说嗯

对因为我现在也在想就是一个好的 AI 产品的 founder 到底应该是本来就是个马农还是应该是他其实是解决一个现实中的问题然后这个人刚好是足够了解这个问题那 AI 只不过是他解决这个问题中间的一个工具罢了最终还是为了去解决一个他很了解的行业里面的一个很痛的问题我觉得这是最重要的

对对我同因为绝大多数创业公司失败我之前看过一个数据说是因为这个产品没需求其实挺常见的就是其实最常见的是你搭一个很酷炫的东西然后呢大家呢就觉得好像没太大用所以所以其实满足用户痛点是蛮重要的但所以我见过的这个 programmer 出身的人做的好的工具基本上也是 developer tool 因为他熟悉痛点

或者是很 technical 的像 search 这样的对吧就像 google 因为其实 founder 自己熟悉痛点就是 Eric smith 就是之前就是 google 原来那个 CEO 说过一句话说他觉得最好的公司其实都是 founder 为了解决自己的一个痛点搭住了一个公司因为其实你对这个痛点的了解很重要否则的话其实你需要通过很多的 user interview 去了解而且你对行业的整个背景

和具体做的时候的一些前因后果其实缺乏了解的时候很难切中这个痛点这是我的一个感觉

对所以我觉得 Founder 对这个 problem 的了解其实是蛮重要的除非你是完全在解决同样的一个 problem 但你 10 times better 对吧就像 Google 一样对吧就是 OK 我就是解决 sir 但我就是 10 times better 那是另外一个就其实那问题就是 problemdemand 就不是一个问题问题是 performance 上面的点那其实你如果技术上强

那其实也是可以做成的我觉得但大部分的人我觉得可能都没有说到了就是这种技术上一下子给你来个 10 times better 而且我现在我感觉就是我看过大部分的这个 AI 应用公司我觉得它都没有一个很尖锐的点又或者说 OK 每个人都做 workflow 然后每个人都做那个 chatbot

包括我最近去迪拜我天哪我感觉得有十公司得有五个都是 chatbot 然后在国内其实也很有意思我在迪拜看见大部分是 chatbot 然后在国内看见大部分是生成这生成那然后就是还蛮有意思的但是就在这里面就是你会发现如果你不够了解这个问题或者说你没有足够钻研这个痛点你就会出现一个就是区分度不高差异化低的这么一个

一个问题绝对的一是我觉得如果不够了解的话就仍然以为你特别容易早放弃特别容易 pivot

可能你还没怎么 test 出来呢你就变了对吧你就变成了当时混另外一个东西而且另外呢一点是就是行业对于整个 AI 的发展呢或哪些应用有用哪些应用没有用其实也是不停的在变的就比如说其实跟拆 GBT 跟大底座模型它的发展到底能有哪些能力也有关对吧以前一些人就他有这个能力后来觉得他可能没有这能力也不会有

或者是以前的行业觉得有这个需求大家都去做后来发现这需求可能其实不存在其实他也是对他的理解也是在不停的变所以其实一个人对行业的理解包括对技术的一些要求挺高的还有一些运气对吧就是说

其实都加在在里面所以创业也有很多不确定性跟难点但是你现在这个创业下来感觉还是不错的对吧因为我确实感觉到我觉得一传其实还是很厉害的因为你这个项目做的时间也不长然后那个团队也很小

然后而且你心态也非常开放可能最开始你想的跟你现在做的也都不太一样因为你其实你 pivot 你就是你 research pivot 的非常非常快然后到了现在其实就是我觉得也为你感到非常骄傲就 capgo 现在我觉得从用户包括你产生的流量 traction 以及包括我听说就是你的付费率也非常的不错因为现在很多出海的人包括其实我甚至觉得可能在国内也有一个 use case 就是说

国内的一些人比如他做外贸或者说他做一些 2B 的东西他可能会在销售上面会比较头疼然后这种公司通常他也不太会有一个英文很好的一个 research analyst 这样的一个角色所以我觉得就是各位出海的老板到时候听了也可以去尝试一下这个工具

再次感谢就一成今天非常真诚的毫无保留的去分享了自己的这个创业经历还有 capgo 的一些从 capgo 的视角去看待 AI 加上 workflowAI 加上 sales 等等就是比如说 AI 电子表格在各个场景里面的应用感谢感谢 Eric 感谢 Aissa 谢谢一成谢谢谢谢