白鴉對話網(wǎng)易阮良丨SaaS+AI，工具如何真正驅(qū)動業(yè)務(wù)增長

1956 年夏天，達特茅斯學(xué)院，計算機科學(xué)家約翰·麥卡錫正在與同事們探討如何使用機器模擬人類智能的問題，隨后**次提出了“人工智能”的概念。

自此，AI 便成為了科技界頻頻提及和探索的焦點，在過去的半個多世紀(jì)里，它曾贏得過萬眾期待的目光，被稱作“科技皇冠上的明珠”，也曾被鄙夷地戲謔為“人工智障”，冷眼相待。

直到近幾年，當(dāng) AlphaGo 以 4:1 比分戰(zhàn)勝圍棋世界**李世石，橫空出世的 ChatGPT 對刁鉆難題對答如流，Sora 帶著直逼現(xiàn)實的虛擬視頻撲到人們面前時，人們才驚嘆：原來 AI 已經(jīng)不停歇地發(fā)展到了這般水平！于是 AI 的熱浪又一次席卷全球，點燃了所有人的熱情與期待。

SaaS 被認為是 AI 能*先落地并產(chǎn)生實際效益的領(lǐng)域之一，正經(jīng)歷著從傳統(tǒng)工具到智能化服務(wù)的轉(zhuǎn)變。一方面，SaaS 存在的初衷就在于簡化和優(yōu)化業(yè)務(wù)流程，AI 能夠自動化很多重復(fù)性任務(wù)；另一方面，SaaS 模式具備高度的靈活性和可擴展性，天生具備快速集成 AI 的基因。

如果說傳統(tǒng) SaaS 軟件是一把鐮刀，能像收割雜草一般，幫人們處理千頭萬緒的工作，那 AI 加持下的 SaaS 就是美國**大平原上一臺高度先進的機械化農(nóng)業(yè)設(shè)備，不僅與人緊密共生，還在**一場效率**，為企業(yè)帶來前所未有的生產(chǎn)力提升。

本期《 MCtalk · CEO 對話 》特邀有贊創(chuàng)始人兼 CEO 白鴉先生。作為一家深耕于零售科技 SaaS 服務(wù)的企業(yè)，有贊多年來幫助了無數(shù)重視產(chǎn)品和服務(wù)的商家“做好了生意”，在 SaaS 場景落地方面有著深刻的洞察和理解。

隨著 AI 價值涌現(xiàn)，白鴉正在帶領(lǐng)有贊積極探索 AI 技術(shù)在 SaaS 的應(yīng)用。本文，網(wǎng)易副總裁、網(wǎng)易數(shù)智總經(jīng)理阮良對話有贊創(chuàng)始人兼 CEO 白鴉，聊聊 AI 時代下的 SaaS 行業(yè)之變、組織經(jīng)營提效之道、人才能力升級之法。

內(nèi)容速覽

● 從中國的數(shù)字化需求來看，SaaS 行業(yè)并未處于寒冬，越來越多企業(yè)遵守商業(yè)紀(jì)律

● 理解客戶是*重要的組織能力，AI 將 CEO 和消費者連接起來

● AI 能把 SaaS 軟件從不值錢的生產(chǎn)工具升級為值錢的生產(chǎn)資料

● 當(dāng)下大模型的兩大價值：無限的創(chuàng)意供給＆替代標(biāo)準(zhǔn)化的重復(fù)性勞動

● SaaS 要以工作流的方式交付可用的結(jié)果，SaaS + AI 意味著百倍以上的效率提升

● 客戶是否愿意為你買單是衡量 SaaS 軟件價值的**標(biāo)準(zhǔn)

● 擁抱 AI 的初始階段，只需要讓少數(shù)有信仰的人先投入進來

● AI 時代需要具備“寬能力”的人才

SaaS 行業(yè)并未處于寒冬

越來越多企業(yè)遵守商業(yè)紀(jì)律

 阮良  這兩年我們看到大家對 SaaS 行業(yè)的看法呈現(xiàn)出了兩極分化的態(tài)勢，有充滿希望的積極聲音，也有行業(yè)寒冬的悲觀論調(diào)。

有人認為，SaaS 行業(yè)正在經(jīng)歷一段寒冬期。數(shù)據(jù)顯示，2023 年 SaaS 市場整體的投融資交易數(shù)量呈現(xiàn)出下降趨勢，報道的融資事件減少了 58%，融資金額減少了 37%，平均每筆交易金額減少了 33%。數(shù)據(jù)反映出的是市場對于 SaaS 領(lǐng)域投資的謹慎態(tài)度，以及可能存在的市場泡沫消退的現(xiàn)象。去年上半年，一篇《中國市場不需要 SaaS》的文章**傳播，加深了行業(yè)從業(yè)者們的悲觀情緒。

但是也有觀點認為，細拆融資輪次和結(jié)構(gòu)，天使輪、戰(zhàn)略投資和 A 輪融資出現(xiàn)的頻次在變高，表明市場對早期階段的 SaaS 項目依然有濃厚的興趣和信心。另外，隨著企業(yè)數(shù)字化轉(zhuǎn)型進程的不斷深入，越來越多企業(yè)開始尋求 SaaS 化解決方案，以提高效率和降低成本，這些 SaaS 方案**出現(xiàn)在了零售、直播、電商、營銷、財稅、人力資源等場景，多元化的應(yīng)用場景表明 SaaS 在垂直領(lǐng)域的滲透提升，價值獲得了越來越多認可。

有贊在國內(nèi) SaaS 行業(yè)耕耘了多年，所以也想聽聽白鴉總是怎么看待這些論調(diào)的，從你的經(jīng)驗和體感來看如何？

 白鴉  其實我并沒有覺得過去兩年是寒冬。我去觀察美國市場，會發(fā)現(xiàn)過去兩年從業(yè)務(wù)角度看恰恰不是寒冬。從一個經(jīng)濟低谷慢慢緩過來的時候，企業(yè)會意識到，我們不僅要發(fā)展和增長，還要管理好現(xiàn)金流和支出預(yù)算，于是很多企業(yè)降低了自研的、定制化的比例，更多地開始采購符合自身需求的、按年付費的 SaaS 軟件。另外，阮良剛剛提到的一點，人們在國內(nèi)互聯(lián)網(wǎng)上的消費越來越多，**也進一步培養(yǎng)了人們線上生活的習(xí)慣。當(dāng)很多工作線上化之后，企業(yè)采購 SaaS 軟件進行溝通管理、線上做生意等需求就產(chǎn)生了。所以從中國企業(yè)數(shù)字化的需求來看，過去兩年 SaaS 的機會是在增加的。

只是從資本角度來說，可能確實經(jīng)歷了一些降溫，但這個降溫也是和前幾年資本過熱相對比而言的。過去資本投資 ToB 很熱的時候，大家完全不管商業(yè)紀(jì)律。所謂的商業(yè)紀(jì)律，我認為是要看投入回報，看商業(yè)化場景，業(yè)務(wù)能健康發(fā)展；而前幾年的現(xiàn)象是，資本很充沛，投資人能一直為企業(yè)輸血，企業(yè)自身不具備造血能力，收入增長帶來的也是虧損的增長。

 阮良  特別贊同。從商業(yè)紀(jì)律角度來看業(yè)務(wù)，實際上這兩年更多的是一種回歸理性，對行業(yè)來說整體是向著更好在發(fā)展的。雖然有時候看到一些同行業(yè)務(wù)停止運營也會唏噓，可能過去確實是日子太舒服了，大家都一味地盯著所謂的銷售額增長，沒有遵從商業(yè)紀(jì)律。

去年我參加了一場活動，在場的企業(yè)家們都提到了如何應(yīng)對新時代的危機感，我就以網(wǎng)易為例做了展開。網(wǎng)易是國內(nèi)*早的一批互聯(lián)網(wǎng)企業(yè)之一，經(jīng)歷 20 多年發(fā)展后，在 2023 年收入依然創(chuàng)造了新高，市值又回到了中概股的第四。我覺得比較重要的一點就是剛剛白鴉總提到的商業(yè)紀(jì)律，網(wǎng)易一直都在非常嚴(yán)格地堅守商業(yè)紀(jì)律，關(guān)注利潤，關(guān)注現(xiàn)金流，注重成本控制，不會無限制地對產(chǎn)品進行擴張，所以我們做 ToB 也是這樣的風(fēng)格，尊重客觀的市場和企業(yè)發(fā)展規(guī)律。

 白鴉  是的，順著阮良話題我也延伸一下。大家都知道，有贊是一個商家服務(wù)公司，我們?yōu)楹芏鄟碜陨缃浑娚?、新零售、教育等等領(lǐng)域的客戶提供了 SaaS 產(chǎn)品及解決方案，幫助商家解決在推廣獲客、成交轉(zhuǎn)化、客戶留存、復(fù)購增長、分享裂變的問題。

我們服務(wù)了很多商家，發(fā)現(xiàn)所有**商家在過去三年發(fā)生了兩個非常明顯的變化。**，過去追求營業(yè)額更大，現(xiàn)在追求利潤更大，越好的商家越這么干，營業(yè)額已經(jīng)沒有那么重要了，利潤才是更重要的，回歸了基本的商業(yè)規(guī)律，所以需要我們 SaaS 服務(wù)商多去從這個角度下功夫。

第二，更關(guān)注老客戶的復(fù)購率了，商家們發(fā)現(xiàn)拉新實在不劃算，ROI 越來越低，好的商家轉(zhuǎn)而去看 LTV/CAC，把精力放在老客戶的復(fù)購上。把老客戶復(fù)購率拉一倍，利潤自然就出來了；把營業(yè)額拉一倍，利潤反而變低了，這是很有可能發(fā)生的。

 阮良  沒錯。老客戶復(fù)購增加一倍，前端的營銷費用是沒有提升的，利潤自然就出來了。我們也服務(wù)了很多線下連鎖商超，客戶都會提出“將沉默會員**，增加老客復(fù)購”的需求，甚至寧可關(guān)閉一些門店，也要讓會員更加活躍。

理解客戶是*重要的組織能力

AI 將 CEO 和消費者連接起來

 阮良  不得不提的另一個話題是 AI，特別是去年大模型這么流行之后，很多企業(yè)都把 AI 融入到了產(chǎn)品層面或公司運營層面。在網(wǎng)易數(shù)智，有一塊業(yè)務(wù)叫做七魚智能客服，傳統(tǒng)的智能客服通過 NLP、ASR 等 AI 技術(shù)為基礎(chǔ)，幫助商家提升客服效率，優(yōu)化客戶體驗。大模型橫空出世后，我們將大模型用在了很多原本 AI 做得不夠深的地方。

舉例來說，好的客服團隊會以日為單位，將所有的接待記錄整理成一份總結(jié)報告提交至客服系統(tǒng)中，用于日后客服工作的精細化管理。這項工作對客服人員來說其實非常繁重，現(xiàn)在有了 AI 接入客服軟件后，它能自動將一天會話總結(jié)摘要提交。這只是很小的一方面。

另一方面，我們在為品牌商家搭建智能客服知識庫時，在冷啟動階段，原本我們需要派 AI 訓(xùn)練師將相似**的知識庫建立起來，這項工作非常耗費精力。現(xiàn)在有了大模型之后，冷啟動知識庫的搭建變快，這些相似問題答案建立的時間大幅縮短，還能擴展出更多的相似問題，能更有效的提升客戶提問的解決率。

這對中小規(guī)模商家來說感知沒有那么明顯，但對大型商超來說效果立竿見影，因為大商超產(chǎn)品類別很多，所對應(yīng)的智能客服要掌握的知識也更多，解答問題的速度越快，商家的成本就越低。甚至 AI 能夠兼顧客戶提問的情緒，提供比人更好的回答語氣。

更重要的是，AI 能將 CEO 和消費者連接起來?；谏鲜龅墓ぷ?，我們通過 AI 衍生出來一項新的服務(wù)，叫做客戶之聲。我們會發(fā)現(xiàn)，當(dāng)組織規(guī)模越來越大，客戶數(shù)越來越多，就會不自覺地離客戶越來越遠，傳遞客戶聲音的鏈路就變得很長。雖然我們銷售團隊一直在定期做項目復(fù)盤，但是做得并不好，一方面，銷售本身任務(wù)重，工作繁忙，難以兼顧；另一方面，每個銷售個體看到的都是單點客戶，復(fù)盤可能會存在片面的情況。

好的一點是，我們的銷售行為、服務(wù)行為都是在線上的，客戶聯(lián)絡(luò)和流轉(zhuǎn)都是數(shù)據(jù)化的。因此，我們利用 AI 和所有系統(tǒng)數(shù)據(jù)去提煉全盤信息：*近客戶在關(guān)心什么？哪些功能被咨詢的*多？客戶喜歡我們什么？不喜歡我們輸單是因為什么？基于這些*真實的、來自客戶的聲音指導(dǎo)和反哺于產(chǎn)品服務(wù)進化，把產(chǎn)品做的更好。而且用 AI 做這些事，時間周期可以間隔得更短，我們能更實時動態(tài)的了解客戶，真正將我們的管理層與客戶產(chǎn)生連接，而不只是獲取被層層總結(jié)過的信息，或是通過員工的層層匯報和轉(zhuǎn)述才能聽到。*終將這部分實踐經(jīng)驗商業(yè)化，提供給我們的品牌客戶，讓他們也能通過 AI 去聽到消費者的聲音。這時的 AI 就不只是個生產(chǎn)工具，而是有價值的生產(chǎn)資料了。

 白鴉  是的，理解客戶是有贊重要的組織能力。有贊從前年開始在內(nèi)部提出了一項“奔現(xiàn)計劃”，就是自上而下所有的管理者都要定期去給銷售拎包，陪著銷售去拜訪客戶，離客戶要近一些，這已經(jīng)成為有贊的組織習(xí)慣了。我認為這也是很多公司需要去培養(yǎng)和形成的一個組織習(xí)慣。

當(dāng)下大模型的兩大價值：

l 無限的創(chuàng)意供給

l 替代標(biāo)準(zhǔn)化的重復(fù)性勞動

 白鴉  回到大模型的價值，我認為當(dāng)下主要體現(xiàn)在兩個方面：無限的創(chuàng)意供給、替代標(biāo)準(zhǔn)化的重復(fù)性勞動。

無限的創(chuàng)意供給是指，當(dāng)我對某些事情產(chǎn)生了一些想法，并想基于這些想法落地一些具體的創(chuàng)意時，大模型可以提供更多的創(chuàng)意供給。我能夠選擇好的創(chuàng)意方向，并要求 AI 繼續(xù)朝這個方向去優(yōu)化創(chuàng)意，*終慢慢打磨成產(chǎn)品。典型的諸如獨具一格的營銷文案、非常有沖擊力的營銷海報等等。

在一定的方法論和確定性的標(biāo)準(zhǔn)下，AI 可以替代人工完成標(biāo)準(zhǔn)化的重復(fù)性勞動。就比如阮良剛剛提到的客服場景，在過去，我們有了一套幾萬組**的知識庫之后，為什么還要人工來回復(fù)客戶呢？因為用戶的語氣不同、語言組合方式不同，需要人腦將答案換一種方式表達出來，在這一方面，大模型完全可以做得非常好。

再比如 UI 設(shè)計，當(dāng)一套產(chǎn)品的 UI 風(fēng)格確定了之后，每一個界面設(shè)計都是在那個風(fēng)格標(biāo)準(zhǔn)下的重復(fù)勞動。以及測試或者開發(fā)的過程，將 AI 融入原來的業(yè)務(wù)邏輯和算法中，它就可以輸出確定的結(jié)果。

 阮良  而且往往這些重復(fù)性的勞動還非常耗費時間。有人可能擔(dān)心，通過 AI 替換這部分重復(fù)工作，會直接把崗位消滅掉。但其實不是，我們可以把人力把資源釋放出來，做更有價值的事情。想起前段時間，我們銷售同事為客戶匯報項目階段性進展，項目數(shù)據(jù)都是系統(tǒng)中現(xiàn)成的，去摘錄下來并匯總成 PPT 格式就是比較重復(fù)繁雜的工作，他就自己做了一個小工具去拉取現(xiàn)成數(shù)據(jù)，按相對固定的方式自動形成 PPT，然后才以人工介入優(yōu)化，減少了非常多的時間。

借助AI工具提升系統(tǒng)性思考的能力

讓人類做更多創(chuàng)造性的工作

 白鴉  正確使用 AIGC 工具，借助這些 AI 工具系統(tǒng)性思考，讓人去做更多創(chuàng)造性的工作。我有一個建議思路，大概分成了四步走：點燃自己、系統(tǒng)性地整理信息、驗證想法的有效性、形成可實現(xiàn)的計劃。

● 點燃自己：這是前提條件。不斷感受自己內(nèi)心，對這個想法是不是真的有熱情，在遇到困難時是否有解決和應(yīng)對的勇氣。唯有熱愛、愿景，才能喚起源源不斷的能量和動力。

● 系統(tǒng)性地整理信息：梳理自己的思考和相關(guān)信息，整理的過程不要先去找工具，重在思考這些信息之間的內(nèi)在關(guān)聯(lián)，通過一定邏輯把信息串聯(lián)起來，這個思考過程很重要，是認知的成長。隨后再考慮借用 AIGC 工具，GPT 背后是一個極其龐大的數(shù)據(jù)庫和一套簡潔的算法，用好提示詞可以把數(shù)據(jù)范圍收縮到你想要的大小，提供更準(zhǔn)確的答案。

● 驗證想法的有效性：有了思考框架之后，很多東西依然是假設(shè)的，需要通過更詳盡的資料數(shù)據(jù)或親身調(diào)研等等，將沒有把握的猜測假設(shè)一一驗證。

● 形成可實現(xiàn)的計劃：將驗證后的信息整理成完整的計劃和方案，計劃必須是可實現(xiàn)可落地的，并確定計劃中決定成敗的關(guān)鍵環(huán)節(jié)，可能這些關(guān)鍵環(huán)節(jié)中依然有假設(shè)，但一定要讓大多數(shù)環(huán)節(jié)有把握，減少不確定的關(guān)鍵環(huán)節(jié)數(shù)量。

不過工具只能是工具，可以作為啟發(fā)，但無法替代你直接交付結(jié)果，創(chuàng)造性的工作還是需要人去完成。

SaaS要以工作流方式交付可用的結(jié)果

SaaS+AI能帶來百倍以上的效率提升

 阮良  從行業(yè)維度來看，雖然現(xiàn)在 AI 跟 C 端場景結(jié)合，場面上可能更“熱鬧”，但實際上在 B 端場景落地會更快、更接地氣，SaaS + AI 能創(chuàng)造出真實可見的價值，釋放更大的潛力。

 白鴉  是的?？蛻羰欠裨敢鉃槟阗I單是衡量 SaaS 軟件價值的**標(biāo)準(zhǔn)。某種程度上，我認為 SaaS 公司的運營就是*佳實踐的運營，就是把從客戶身上看到的*佳實踐提煉出來，形成標(biāo)準(zhǔn)產(chǎn)品和解決方案，讓更多客戶能夠?qū)嵺`起來，提升整個社會效率。

換言之，SaaS 公司的使命是以工作流方式為客戶交付可用的結(jié)果。如果只是給客戶生成一堆創(chuàng)意、一堆方案，讓客戶自己去選，這些都是中間過程而非 SaaS 的價值，并沒有幫客戶解決*終問題。

舉個例子。很多 SaaS 工具在上線之后經(jīng)過版本升級、功能迭代后變得很強大，但功能強大不**價值提升，因為軟件越來越難用了，越來越無法為客戶交付有效的結(jié)果了，但在融合 AI 之后這些問題就能迎刃而解。比如在活動促銷季，AI 能夠理解活動方案細則，自動獲取數(shù)字化系統(tǒng)中的數(shù)據(jù)，為商家提供可行的促銷提案；根據(jù)商家需求和商品庫存情況，自動推薦合適的折扣和優(yōu)惠；根據(jù)不同顧客的喜好，給出針對性的投放策略，生成對應(yīng)的運營方案等等。

只要商家確定方案，AI 就可以給出具體的做法，并完成執(zhí)行過程的跟蹤，這就是有價值的。SaaS + AI 帶來了百倍以上的效率提升。

擁抱 AI 的初始階段

只需要讓少數(shù)有信仰的人先投入進來

 阮良  剛剛聊到了很多 AI 的價值、在客戶服務(wù)交付方面的提效，其實在組織內(nèi)部應(yīng)該也產(chǎn)生了一些影響，包括組織變革、人才需求等方面。

以網(wǎng)易為例，我們一開始提出要積極擁抱 AI，部分同事一開始會有些抗拒，認為 AI 是來替換我的工作了，即使不完全替換掉也會讓我的價值變低。網(wǎng)易*大的群體是工程師，我們從工程師切入進行了軟硬兼施的嘗試。軟的一方面是，邀請一些主動開放、對 AI 態(tài)度更積極的工程師加入 AI 相關(guān)項目組，從項目實踐和氛圍中感受 AI 的價值，大家會發(fā)現(xiàn)相比于之前埋頭敲代碼帶來非常大的效率提升，增加了對 AI 的認同。硬性的一方面，我們內(nèi)部會定期進行 AI 技術(shù)和課程培訓(xùn)，并要求所有工程師參與考試，及時補足技術(shù)上的短板?？偟膩碚f，AI 時代組織對人才的要求產(chǎn)生了很大變化。

 白鴉  大的感受是一致的，一是員工已經(jīng)習(xí)慣了原有的思考和工作模式，不愿意走出舒適區(qū)，二是擁抱變化還可能會對自己的既得利益產(chǎn)生影響，因此抗拒變化。

哈佛大學(xué)的社會工程學(xué)上有一條“3.5% 定律”，一項社會運動要發(fā)起成功，只需要 3.5% 的人真誠參與其中就可以。因此對于擁抱 AI 這件事，不需要組織內(nèi)很多人進來，只需要 3.5% 的人真心去做就可以了。太多人參與進來，阻力會變大，因為組織內(nèi)會有 1/3 的人不愿意革新，1/3 的人害怕被 AI 顛覆丟掉工作，企業(yè)內(nèi)部做 AI 創(chuàng)新可以采取臨時和靈活的組織形態(tài)。

有贊成立了一個“贊 AI”部門，這個部門只有兩個半全職人力，其中的半個就是我本人。找一間能坐下幾十人的辦公室，不同產(chǎn)研團隊輪流來做 AI 專題項目，每個項目都是臨時的項目組，干完一個項目干下一個，又拉來一群不同的人組建不同的 AI 項目團隊，期間會有人抗拒，也會有人主動報名加入，等到這些 AI 明星項目產(chǎn)出效果了，越來越多人愿意參與進來了。但自始至終，全職推動項目進度的只有這兩個半人，所以我認為擁抱 AI 的初始階段，只需要讓少數(shù)有信仰的人先投入進來。

AI時代需要“寬能力”的人才

白鴉：從這些臨時的 AI 項目組中，我們發(fā)現(xiàn)人的能力邊界在拓展，因此我們提出了一項叫“寬能力”的人才標(biāo)準(zhǔn)。所謂的寬能力，就是你能基本了解你崗位上下游的工作職責(zé)，在必要時候能夠幫忙補一下上下游的工作，用合理的 AI 工具把工作銜接完成的更好。

 阮良  是的，我們也發(fā)現(xiàn)了這點。比如有些工程師原來專注于做后端開發(fā)，現(xiàn)在產(chǎn)生了一個前端頁面的需求，但臨時項目組往往資源有限，前端資源排期要等很久，怎么辦？以往的話，可能只能繼續(xù)等，等著等著項目就被擱置掉了，現(xiàn)在借助一些 AI 工具，他也能簡單地把前端的活干了，比如產(chǎn)品經(jīng)理也能兼顧一些營銷物料的設(shè)計工作，不用苦苦等待設(shè)計師資源。

回過頭發(fā)現(xiàn)，AI 使個人的能力變寬，工作產(chǎn)出更高效了。因此，我認為在未來的 AI 時代，具備“寬能力”的人才必然是更加稀缺、更有競爭力的。

*后，再次感謝白鴉總的時間，也真心希望在 AI 跳板的加持下，2024 年整個 SaaS 行業(yè)能變得更好。

 白鴉  謝謝阮良。很高興能一起交流。