AI news

最近半年读到最好的 AI 产品文章

By AI产品阿颖1 viewsSource: AI产品阿颖
最近半年读到最好的 AI 产品文章

今天读了 Aha(原 Head AI)的两篇博客文章,我强烈建议所有做 AI 工具或者 AI ToB 产品的同学都读一读。https://aha.inc/university?universityType=Aha+insights&utm_source=inf001这里有他们对 AI 产品边界的理解,也有很多工程和系统层面的实操细节。

The full text has not been translated yet. The Chinese original is shown below.

今天读了 Aha(原 Head AI)的两篇博客文章,我强烈建议所有做 AI 工具或者 AI ToB 产品的同学都读一读。

https://aha.inc/university?universityType=Aha+insights&utm_source=inf001

这里有他们对 AI 产品边界的理解,也有很多工程和系统层面的实操细节。

对我来说,这是最近半年里最有价值的一篇 AI 应用构建经验文章,读完收获非常大。

最近半年读到最好的 AI 产品文章

1

Aha 是一家做达人营销的 AI 公司。我最早听到这个产品,是和字节团队的一哥们聊天的时候,他说他们某个 AI 产品出海用的就是这款产品

达人营销我还算了解,我有朋友就在 TikTok 上做类似的生意。

他每天的工作就是根据品牌方的需求,匹配对应的达人做投放。其实说白了有点像一个营销代理公司。

品牌方给一个需求过来,他会根据需求去匹配对应的达人。其实就是帮甲方做一整套达人营销的解决方案。国内也不少公司在做类似的业务。

听起来高大上,但工作真的非常琐碎。

拿 AI 产品类的投放来说,有的达人专注做科普讲解,有的做 AI 行业资讯,有的做工具测评,还有的偏向深度分析和方法论。

每类账号的内容风格、受众构成都不太一样。他需要根据甲方的营销目标,找到合适靠谱的达人。

现实的情况是,只要手头没有对应达人的联系方式,那就得去社媒上逐个私信。一条一条发,等回复。

对方回你了,又得开始问价格、谈价格、对档期。接着签合同、对接内容细节,来回沟通好几轮。

达人发来内容初稿,还得不断调整、修改,来回沟通,完事之后还有付款、对账、复盘。

整条链路,几乎每一步都得人盯着。

我朋友跟我说,他们能用 AI 自动化的部分,早就做完了。剩下的活都非常依赖人工。

ChatGPT、Gemini、Claude 之类的 AI 工具还没强到可以直接私信达人,也没办法和达人确定档期和价格。

我也感觉,他们这业务挺重的。几乎每一个环节都需要人来推动,而且经常是三四方一起沟通。只要有一处卡住,比如价格、档期、素材,整个流程就会一路往后拖。

这些事儿吧,说难不难,但确实繁琐,需要有耐心的人干。

2

Aha 这产品挺有意思。

最近半年读到最好的 AI 产品文章

他们非常激进,现在已经能把刚才我提到的那整套繁琐的达人营销流程,全都从头到尾自动化了。

用户只要把产品链接丢进去,系统会先做一轮快速解析,把产品的卖点、目标人群、可能触达的受众都整理出来,用户也可以随时按自己的理解改一改。

接着根据这些条件,系统会自动去匹配最合适的一批达人。

换句话说,最关键、最耗人的那一环,AI 能直接接住。既省人力,也省时间,而且根据他们的介绍,AI 找出来的达人,往往比人工量更大,也更精准。

因为 AI 背后都是大数据和算法,肯定比人小范围搜到的信息更多,更准确。

找到达人只是第一步。

Aha 还会自动联系达人,继续推进沟通,确认细节。

真的,用户要做的,就是输入产品链接,然后在中间几个节点做好确认和把关,剩下的系统的全部搞定。

我录了个 Demo 视频,大家可以看看。注意,它目前只支持 X、YouTube、Instagram、TikTok、LinkedIn 这些国外的社交媒体。

再往后,如果完成支付的话,Aha 就会开始逐个联系博主,确认细节了。

最近半年读到最好的 AI 产品文章

非常惊艳。我觉得 Aha 是一个很有代表性的 ToB 型 AI 的产品样板。

他们在博客里把背后的思考和技术细节写得很完整。

其中有一篇文章是 Aha 创始人 Kay 写的。她说,当 AI 介入之后,达人营销这件事会发生三大结构性变化。这个观点对我很有启发。

最近半年读到最好的 AI 产品文章

3

我一个个展开。

首先是匹配。

过去我们找达人,基本靠人工翻标签、看粉丝数、看账号定位。但这些方法都太粗糙了,而且很费时。

举个例子,一个做科技测评的达人,粉丝可能是学生、喜欢数码的爱好者,不一定会为 SaaS 产品付费。

但一个做效率工具、独立开发者内容的达人,粉丝往往是开发者、产品人、运营,这些人和产品目标用户就更接近。

也就是说,表面看两个达人都在发 AI 内容,粉丝却完全不一样。

用他们博客的话讲:给产品找合适的达人,这是一个语义问题,而非分类问题。不要问 “谁发内容”,要问 “谁的受众像我的用户”。这决定了转化的基线。

最近半年读到最好的 AI 产品文章

Aha 怎么做的呢?

它们会把品牌的需求变成一串可计算的语义画像,然后再从 500 万达人里找语义最接近的一群人。

大概分三步。

第一步:让 AI 先理解产品和目标用户。

用户把产品链接丢进去后,系统会让大模型看一遍产品的介绍、功能、定价、痛点,然后自动生成一份目标用户画像。

比如偏开发者、偏出海团队、偏办公场景,甚至会连内容语气、风格偏好都推出来。这一步形成一个产品是谁、用户是谁的语义向量。

第二步:在几百万个达人里做语义召回。

系统不是看达人的简介有没有写 AI、科技,而是从内容文本、评论氛围、粉丝地域、粉丝构成等维度判断:这个账号的受众像不像产品的目标用户。

这就是他们说的粉丝像不像,而不是达人像不像。

比如,有些账号看起来在美国,但粉丝 80% 在东南亚。这种账号标签再好、内容再对,也会被直接过滤掉,因为粉丝不对,就意味着投放浪费。

这就是语义匹配比标签匹配稳得多的原因。

第三步:精排,用大模型逐个判断。

召回之后,系统会让 LLM 像一个有经验的达人营销专家一样,一条条过:

1、内容的表达方式能不能自然嵌入产品

2、粉丝是不是目标用户

3、互动是不是正常(而不是买量、刷评论)

4、最近内容表现稳不稳

5、账号有没有水分

6、不是简单看粉丝数,也不是看播放量,而是真的看 “内容有没有价值”和“粉丝是不是你要的人”。

这就是语义。它可以借助 AI,真正判断这个账号值不值得合作。

人能做这样的判断不?当然能,只是时间成本太高了。就拿我来说,在 AI 行业这么久,我多少已经有一些经验。

但让我快速判断某个号的情况,我觉得至少也得十分钟才能得出相对客观的结论。

4

其次是定价。

刚刚提到的达人匹配解决的是找谁,定价解决的是花多少钱。

这件事在达人营销领域一直是个老大难。人工谈价非常耗时,而且结果常常不透明。

同一个达人,找不同代理、不同窗口,报出来的价格可能完全不一样。更别说有些账号买了粉丝,有些账号最近内容下滑,有些账号市场需求突然上涨等等,这些都会影响价格。

Aha 的做法是把定价这件事结构化了。

他们的博客里讲得很直白:价格应该由数据来决定,而不是由双方的主观判断来决定。这个逻辑我挺认同的。

最近半年读到最好的 AI 产品文章

定价模型看四类核心因素。

第一,受众价值。

粉丝是什么人,直接决定账号的价值。比如学生和泛娱乐受众的价值最低,其次是普通白领,再往上是开发者、专业人士、商业决策者。不同的受众画像,价格差异会非常大。

第二,地域权重。

同量级曝光,美区粉丝的价值往往是部分亚非区域的五到七倍。这一点我以前从来没有被量化过,看完博客才意识到这个差异是真的明显。

第三,内容表现。

系统会看达人最近二十条内容的自然播放和商单表现,判断这个账号是不是在一个上升周期里。如果最近内容表现不稳定,定价自然会被压低。

第四,供需强度。

有些垂类非常稀缺,比如效率工具、开发者工具,这类达人在全球范围都不算多,只要需求稍微增加,价格自然会上浮。

把这些因素放在一起,系统会给出一个相对公允的价格。这个价格不是瞎算,而是由模型读数据、算差异、综合权重之后推出来的。

我看到这里的时候,觉得蛮有意思。本来人工谈价是一个非常靠经验的事情,但拆开来看,影响价格的因素其实没那么玄乎,只是人工很难同时把这么多变量放在脑子里。AI 可以。

当然,系统不是为了压价,而是为了让价格更透明更公允,减少无效沟通。买卖双方都用同一份参考标准,就不会出现反复拉锯的情况。

博客里提到,一个几天的谈价过程,有时候几分钟就能完成了。

他们甚至把这套东西写成了一个完整的动态定价引擎。记得博客中有句话是这么说的:

让价格不再依赖个别谈判或主观判断,而是成为一个既具备专家经验稳定性,又能随市场供需实时波动的函数。

最近半年读到最好的 AI 产品文章

系统不是一次性定死一个价格,而是一直在更新。达人最近的表现、这次营销活动的需求、行业的整体热度,都会影响结果。

平台每天都有新的合作发生,系统会从这些数据里学习,把价格调得更贴近当下的市场情况。

这部分,强烈推荐大家看看他们的博客,有很多细节的实战经验。

最近半年读到最好的 AI 产品文章

5

前面讲的是怎么找到合适的人,怎么付一个合理的价格。

但整条达人营销链路真正让人头大的,是所有事情加在一起的执行复杂度。

这条链路里,到处都是需要人盯的细节。

建联、催回复、确认报价、确认档期、对稿、改稿、催交付、补素材、对账、付款,只要有一个环节慢一步,后面所有事情都得等。

很多团队永远追不上进度,不是因为人不够,而是因为链路太散太碎。

Aha 最酷的地方,是把执行这件事做到了几乎完全自动化。

用户确定好达人画像之后,系统开始从大规模的达人池匹配,并进行自动化建联谈价。

最近半年读到最好的 AI 产品文章

它会根据需求信息的语义,自动生成邀约内容,批量外发。不是简单撒网,而是给每个达人发合适的那种邀约。

发送之后,确认好价格,愿意合作的达人,就会推送到操作看板。

而且每个确认合作的达人,都有明确的 CPM/CPC 预估,以及人群画像等数据指标,方便品牌再次把关审批,确认最终合适的人选。

最近半年读到最好的 AI 产品文章

确定合作的达人之后,系统会自动跟进后面的所有环节。

内容制作做到哪一步了、修改有没有完成、是否已经进入待发布阶段,系统都会实时记录。

最近半年读到最好的 AI 产品文章

无论你同时推进的是五个达人还是五百个达人,它都会把每个人的状态排好队,自动往前推。

用户打开后台,一眼就能看到每个人卡在哪、走到哪,不会再被无数邮件和私信淹没。

另外,合同签约这部分,Aha 做的是把过去需要来回发 PDF、确认身份、确认授权的流程,拆成一个标准化的自动化链路。

系统会先做双方的身份验证,确认达人账号、支付方式、申报主体都真实有效;接着由 AI 发起合同,自动填好合作条款、交付标准、付款节点,并在达人和品牌方确认无误后完成电子签署。

签署后的文件会自动归档,和整个合作的进度、交付记录关联在一起,方便后续对账和审计。

可能有的人看到这里,会觉得是不是有些理想化。把钱支付完,万一后面达人不履约怎么办?是不是会打水漂?

我一开始也有这方面担心。后来仔细看了一下,他们的逻辑其实和淘宝很像。

合作一旦确认,款项会先进入 Aha 的托管账户。达人必须按要求完成内容、通过平台的质检流程,系统才会推进结算。这套流程其实在电商行业已经被验证过很多年。

如果达人不按时交付、内容质量不达标,或者有刷量等异常行为,系统会自动把单子卡住,不会流转到付款环节。所以,整体看,流程还是蛮安全和可靠的。

这套流程和产品的设计思路,挺震撼的。

我想这就是效率革命的意义。不是把人替换掉,而是让重复的部分全部交给程序,让人从催人、盯人、找人的工作里退出来。

这类事情,AI 天生更擅长。

机器不会忘,流程不会乱,只要状态清晰,就能在后台一直跑。

人只在重要节点做决策。确认名单,确认价格,确认内容。剩下的,系统可以替我们一直往前推。

匹配由 AI 做,定价由模型做,执行由系统做。人真正需要做的,是判断,是策略,是创意。

我非常喜欢的 AI Video 产品 Vizard 也是 Aha 的用户,他们说,Aha 把大部分需要人手反复处理的活儿都接过去了,团队在营销上的日常投入一下子小了不少。

过去可能需要一个月才能完成的工作,现在几天就搞定了。

最近半年读到最好的 AI 产品文章

6

写到这里,我觉得 Aha 提供的,不只是一个产品案例,而是一套 Agent 的思考方式。

达人营销这条链路本来特别重,信息分散,节奏混乱,靠人力堆上去也只能做得差不多。

Aha 的做法是把这条链路拆开,让匹配、定价、执行这些最耗人的步骤变成可以计算、可以追踪、可以复盘的系统能力。

他们在博客里反复强调一个观点:

AI 不会代替人,但会把那些七十分以内的重复劳动全部接走,让人把时间花在最后那三十分的判断和创造上。

这句话我挺认同的。

从匹配的语义召回,到定价的动态模型,再到执行的自动外发和全链路追踪,本质上都是在把一个过去完全靠人力堆叠才能规模化的行业,慢慢变成一套可以沉淀的增长方法论。

这个过程不会一蹴而就,但方向已经很清楚了。

我觉得这对做 AI 工具、做 Agent 产品的团队,都有参考价值。

真正的突破,不是做一个更聪明的对话框,而是找到一个足够具体的场景,把整个链路从头到尾重新跑一遍,把可重复的地方抽出来,让系统越来越能自己做事,让人越来越能做对的事。

就像前两天段永平在采访说的,做对的事,和把事情做对。人负责前者,AI 负责后者。

这也是为什么我会觉得 Aha 的文章值得一看。如果你有时间,我还是建议把那两篇博客完整读一遍。

https://aha.inc/university?universityType=Aha+insights&utm_source=inf001

里面还有很多工程细节和判断边界,比我这里写的更丰富。看完之后,你大概就能明白,为什么这么多海外团队会选择用它,也能看到 AI 在业务端到底能走到什么程度。

也许会给你带来一些新的灵感。

文章来自于微信公众号 “AI产品阿颖”,作者 “AI产品阿颖”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)