AI news

AI新闻上线半年后转向:用户不会只为阅读买单 | 对话创始人

By 白鲸出海2 viewsSource: 白鲸出海
AI新闻上线半年后转向:用户不会只为阅读买单 | 对话创始人

去年 12 月,我们曾与 Ancher 联合创始人兼 CEO Vincent Wu 进行了一次深度对话,Vincent 曾任雅虎新闻运营总监、NewsBreak COO,深耕美国新闻近 20年,所以在初期,Ancher 以“Agentic News Reader”为核心定位,以“语义层推荐”作为主要差异化。

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

文章配图

对话嘉宾:Ancher 联合创始人兼 CEO Vincent Wu

对话背景:去年 12 月底,我们曾与 Ancher 联合创始人兼 CEO Vincent Wu 进行了一次深度对话,讨论了他的 AI 新闻产品 Ancher。

而最近,Ancher2.0 即将上线,在这半年中,Vincent 意识到,即便资讯的获取更高效,还是只能给用户带来一个相对浅表的印象,所以 Ancher2.0 将会着重优化资讯的留存环节,通过生成、任务完成、交付成果等方面帮助用户更深度的获取、沉淀资讯。

本次再次对话 Vincent,希望了解一线创业者对行业、用户、产品设计等层面的深度思考,再次深入探究“AI+内容”赛道。

去年 12 月,我们曾与 Ancher 联合创始人兼 CEO Vincent Wu 进行了一次深度对话,Vincent 曾任雅虎新闻运营总监、NewsBreak COO,深耕美国新闻近 20年,所以在初期,Ancher 以“Agentic News Reader”为核心定位,以“语义层推荐”作为主要差异化。

近期,我们再次测试 Ancher,产品形态发生了明显变化,推荐不再是主角,用户需要自己上传视频、播客、文章,系统将其整理成结构化笔记并留存下来,右侧的 AI 聊天窗口可以随时调用这些内容。

文章配图

测试过后,给我们的第一感觉,「Ancher2.0」更像 NotebookLM,不再是一个新闻 App。作为一个深耕新闻多年的创业者,Vincent 为什么会在 Ancher 上线半年左右就“放弃”了新闻方向,做起了知识工具?

带着这个问题,我们再次来到了 Vincent 位于北京中关村的办公室,时隔半年,再次深度对话 Vincent,白鲸出海整理后发布。

“放弃”是为了离用户更近,离变现更近

白鲸出海:上次对话我们核心围绕的是“推荐”,1.0 版本主要解决算法推荐内容与用户真正想要的内容无法对齐的问题,Ancher 要去推用户需要的内容,而不是“喜欢”的内容。但这次试用「Ancher2.0」之后,感觉完全变成了另一种产品,这半年发生了什么?Ancher 1.0 的成绩和用户反馈如何?

Vincent:我们并没有切换方向,打通“资讯-理解-使用”的路径本来就是我们的长期目标,1.0 做的是资讯部分,后面需要做“理解-使用”,这个计划从一开始就有。

文章配图

去年12月摄于 Vincent 的会议室

但 1.0 的用户反馈确实加快了我们的节奏。Ancher 1.0 的成绩还不错,活跃用户在万级,美国用户很喜欢,付费率符合预期,但没有特别高。我们认为背后的原因是Ancher 1.0 只能为用户提供资讯,但用户不会为“阅读”买单,做不到“交付成果”,就没法驱动付费,加上也有用户反馈,功能和内容都融在一个 App 上,感觉太拥挤了。不同反馈加在一起,我们决定在 1 月份(Ancher 1.0 发布 2 个月) 上马「Ancher2.0」研发,把“理解和使用”环节尽快做扎实。

「Ancher2.0」会专注面向内容的理解和使用,Ancher1.0 的 Web 和 App 端会相继下架。资讯推荐环节,未来会其由他产品来承接,但不是近期的重点了。

白鲸出海:上一次我们提到了资讯的理解和使用,但更多是对用户“目的”的理解,将资讯进行处理,使其更值得“分享”。但是,最近您在小红书群里写道,资讯只能对大脑做出比较浅表的刺激,真到使用的时候仍会“书到用时方恨少”,似乎和之前有些矛盾,您有何新思考?

Vincent:其实两者不矛盾,是递进关系。上次我们讨论的理解用户目的、推荐内容,还是在“资讯”的框架里,但这半年下来,我们意识到光做资讯推荐、让用户分享,离用户还不够近,用户愿意付费的不是“阅读、分享一篇好文章”,而是“使用这篇文章的内容,完成了一篇文章/PPT/视频”。

现实中,用户不是没有资讯,而是看到了资讯,但只在大脑皮层留个浅浅的印象,真到要用的时候没法把前几天看到的一篇好文章拿回来,去输出新的内容,“书到用时方恨少”说的就是这个鸿沟。

白鲸出海:日常生活和工作中,确实有“书到用时方恨少”的情况出现,这个问题的深层原因是什么?在 AI 时代又意味着什么呢?

Vincent:AI 时代,信息的来源是多模态、多来源的。首先,大家日常的信息来源可能是视频、音频、图像、文字等各种模态,甚至有可能是线下饭局上的对谈,而且不同的内容还会散布在微信收藏、小红书、推特等各个平台,几乎没法统一管理,加上推荐算法带来的注意力问题,导致用户如果没有特意花精力去记忆,这些信息很难一直留在用户的大脑中,或者说会比较模糊。

另一方面,大部分 AI 产品,包括大模型本身,都也在聚焦“输出”,专注 how to do it,忽视了“输入”,也就是 what to do,加之用户的信息记忆问题,最终导致 mediocre in, medicore out(中庸的输入,中庸的输出),「Ancher2.0」要做的是把用户已有的 know how 整合起来,且能基于已有信息,输出结果。

靠“简单+复利”破局?

白鲸出海:重输入,基于已有信息做更好的输出,在我们的理解下就很像“知识库+Agent”,「Ancher2.0」看上去也确实是这样的结构——主打存储+交付结果。但是近半年来,用 Obsidian 和 Claude Code 做“知识库+agent”工作流已经是很多知识工作者标配的工作方式了,「Ancher2.0」又何区别?

Vincent:Obsidian 加 Claude Code 的工作流确实很强大,但中间的摩擦太多了,用户需要配置环境,然后要将各种格式的内容,转换成 Markdown 格式存储下来。

根据我的观察,在美国,距离 AI 远一些的企业员工,对 AI 其实还很陌生,有一种天然的畏惧感,他们的认知还停留在 AI 可以聊天或者搜索的阶段,所以就算现在 Claude Code 和 Codex 很火,但能真正能用起来的仍然是少数人。

我们希望 Ancher 能服务的,正是这批用户,他们不需要懂 Markdown 格式、不需要配置工作流,随手把内容上传,Ancher 就会帮你处理好。

白鲸出海:目前市场上有大量的成熟产品也在追求存储内容和结果交付,比如 NotebookLM,您怎么看「Ancher2.0」和他们的差异?

Vincent:「Ancher2.0」与这类产品的核心差异不在输入端,而在记忆边界。NotebookLM 的记忆边界是单个 Notebook,用户新建一个 Notebook,AI 就不知道用户的身份、历史行为,关注方向了。而「Ancher2.0」做的是账号层级长期记忆,我们在算法里加了不少逻辑,核心判断是:用户在一段时间内,其实只有几个真正的目标和关注点(Anchor),我们会识别用户的 intent(意图,根据一些用户行为和内容的 pattern),将语义上可能不相关,但是与用户目的相关的旧内容联系起来,在用户需要输出的时候 Call Back。

所以,我们不强调 Day 1 的效果,而是强调“复利效应”。Day 1,Ancher 和其他产品可能差不多,可能还差一些,但到 Day 30、Day 90,用户积累越多,我们对用户的理解越深,交付的结果就越精准。

我自己就有一个真实的体验:看到钉钉前 CEO 离职的消息,当时有感触,想写一篇公众号,就把零碎的想法通过语音输入,存进 Ancher,不需要整理、不需要打标签,AI 把这些碎片理解之后,帮我把零散观点整理成文章,基本一个字没改就发到了公众号上。

白鲸出海:这个理解下来,其实偏向于使用过程中的另一种简单?我们平时也有使用知识库+Agent 的组合,去用的时候为了更好地结果,可能会给他指定一个文件夹去工作,但其实这个上下文并不是关联性最强的,可能还有关联内容散落在知识库的其他地方,上下文关联度不足之外可能也会有大量消耗 token 的情况发生,但我们理解做已有信息的关联,基本上还是靠语义,能否进一步解释一下 Pattern 识别在这里面的补充作用?

Vincent:我觉得,Semantic 解决的是“哪些内容相似”,而 Intent 解决的是“用户真正想完成什么”,这并不是靠不断拉长上下文就能解决的,上下文不是越长越好,而是越准确越好。

一个人在一段时间里,真正重要的目标其实只有几个,比如招聘一个人、准备一场会议、策划一次旅行,Ancher 希望锚准这些目标(Anchor),把分散的信息转化为高质量的输出。

很多内容在语义上其实并不相关,一篇文章、一段播客、一场饭局聊天,甚至一个突然冒出来的想法,都可能散落在不同平台、不同时间,AI 很容易把这些内容都解释成“有关联”,它总能自圆其说,告诉你这个相关、那个也相关。但真正困难的不是判断内容之间有没有关联,而是判断这个人为什么会对某个内容产生共鸣 (resonate),这种共鸣,来自用户这段时间真正想完成的事情,也就是他的 Intent。

所以,当用户真正需要输出时,我们关注的不只是找回历史记录,而是理解他这段时间到底在做什么、已经积累了什么、还缺什么,把真正与 Intent 共鸣的内容重新组织起来,而不是把所有“相关”的内容都堆给他。当然,Intent 的识别不能完全交给 AI。

我们内部确实有一套识别 Intent 的逻辑,但做得非常克制,因为 AI 很容易过度推理。我们更相信人机协作——AI 帮助理解和组织信息,人负责确认真正的目标。

白鲸出海:目前「Ancher2.0」是让用户自己上传内容,没有推荐的板块了,您目前对推荐是什么态度?「Ancher2.0」的强场景是什么?

Vincent:我们认为世界是非常多元的,所以我们不再追求用户只从我们这获取信息了,未来我们可能通过独立产品或者在 Ancher 中融入一些子功能,但我们不再去过分争抢“入口”。互联网时代比拼的是入口,AI 时代比拼的是结果。

强场景方面,太多的知识工作者都和我说过,他们有一个习惯,看到一篇好内容,发给自己的微信、飞书,然后基本上就再也没打开过,我们希望「Ancher2.0」能把这个动作接住,用户把内容发过来,AI 帮你解析、整理,统一存成 Markdown 格式,等用户需要时,就可以通过 Agent、基于已有知识输出各种内容形式。我们服务的不只是传统意义上的内容创作者,而是所有需要通过内容完成目标的人——无论是做销售、融资、招聘、创业,还是建立个人品牌,本质上都是把内容作为实现目标的工具。

文章配图

目前 Ancher 可以生成文字、图片、幻灯片、

HTML 页面、思维导图等多种内容格式

白鲸出海:就如之前所说,初看产品、甚至用户早期使用产品,并无法感受到 Ancher 更优势的地方,我们如何让用户能够愿意从其他产品迁移到 Ancher?如何完成 0-1 的突破?

Vincent:我认为用户习惯的改变需要一次或多次端到端的交付体验,真正解决了问题、他才会留下来。推广上,我们选择了地推的形式,近期会在硅谷有一场线下活动,用 Ancher 帮用户生成一个动态个人主页,把平时积累的内容、思考都在主页中体现出来,然后基于现场生成的个人主页去 Social。

这个活动中,我们想让用户在活动现场就完整体验一次,存内容进去,生成出来,马上能用的体验,线上推广也是一样的道理,有体验、才会有留存。

白鲸出海:成本和变现逻辑上有什么变化?

Vincent:大方向没有明显的变化,但 2.0 的定价会更精炼:免费档进来可以保存,但保存的条数有限制,可能一个月20 条左右;中间档收几美金,可以无限保存,但生成环节,会有 Tokens 限制;再往上走,对应的是需要频繁结果交付的用户,大概 20 美元/月,不限制保存,也有更多的 Tokens 可用于生成,超出部分需要另行内购。

成本上,由于需要交付结果,现在单次任务的成本比 1.0 高,但我们离用户所需要的交付结果,也更近了,用户的付费意愿也会更高。此外,广告这块,我们后续会做一部分资讯的板块,会考虑引入广告,但不是我们主力的变现方式。

AI 时代试错成本低,但不能“乱做”

白鲸出海:除了 Ancher 之外,我们看到团队还做了视频生成产品 BO、LinkedIn 帖文管理工具 Ancher Social 等产品,这些和主产品是什么关系?

文章配图

BO 是 Ancher 团队在 4月份推出的

图像、视频生成产品|图片来源:BO

Vincent:客观上说,AI 时代开发成本确实很低,我也不否认我们在不断试错,但我们不是乱做的。

以视频生成产品 BO 为例,我们在做 Ancher 的过程中发现,有一类用户,像自媒体、教师等群体,他们可能并没有耐心走“存储-整理-输出”的流程,所以我们就为他们先提供一个出口,体验成果交付能力,慢慢培养用户的使用习惯,然后自然地把他们引导到 Ancher 中。

Ancher Social 也是类似的逻辑。很多海外的从业者都有运营 LinkedIn 的需求,但 LinkedIn 运营不在于单篇文章写得好,而是需要经营一个持续的人设,需要用户设立推广的目标,然后围绕目标有节奏地输出内容。这种用户需求正好与「Ancher2.0」“目标导向+输出结果”的产品路径契合,所以我们就先上线了面向垂类场景的 Ancher Social,验证 Ancher 持续帮用户规划、输出的能力,通过实践与反馈,优化我们的核心算法。

白鲸出海:同时开发这么多产品,团队的注意力怎么管控?

Vincent:我们的组织结构比较去中心化,很多时候工程师是端到端负责一个项目的,沟通和协作则主要是用 AI 来做,大大减少人和人之间对齐成本,人跟人的对齐其实是很损耗资源的事情,大公司病很多时候就是这么来的。

而注意力管控这件事,我认为最重要的是所有的团队成员要充分理解和相信公司或产品的远期目标,基于这一点,成员们会主动讨论某个功能做与不做、先做什么后做什么,才能更高效地达成目标。在这种状态下,注意力不是问题,也不容易跑偏。

快速证伪也很重要。我们对于一个新方向,不会先写代码,会先做一个简单的 demo 扔向市场,邀请用户来试用,看录屏,通过这种方式验证产品有没有真正解决问题,如果信号不够强,就快速 Kill 掉。

白鲸出海:此前公司已经有过两轮融资,近期在融资方面有什么进展?如果获得一笔融资,准备优先去做什么?

Vincent:我们现在正在推进新一轮融资,时间上会和 2.0 的发布差不多同步,仍然是美元基金。这轮融资主要用在两个地方:第一是产品稳定性,继续投资技术;第二是线下获客。

现在 AI 产品的线上推广成本很高,注意力被无限分散,很难单靠故事把自己讲清楚。而就像我前面所说,在企业里、社区里,很多人对 AI 的理解还比较浅表,也不知道如何把 AI 用起来,真正提效。根据 NewsBreak 的经验,在市场不成熟的时候,地推的效率是很高的,我们希望先把第一批真正有感触的用户搞定,形成口碑,再结合线上放大增长效果。

文章来自于微信公众号 “白鲸出海”,作者 “白鲸出海”

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)