近些年,SaaS行业越来越“卷”,客户的需求越来越难以满足,同时对产品付费意愿也长期处于“低迷”的状态。
导致SaaS行业增长缓慢的原因是复杂多元的!
除了绝大多数b端商户已经习惯了“免费”的蛋糕,同时经济周期的影响,导致大家对于数字化方面的投入预算也确实捉襟见肘。
早期的SaaS产品,在解决基础MIS问题方面的确有很大优势,但是对于行业属性比较强的需求,由于很难做到事务流程和业务逻辑的标准化,导致客户需求众口难调。
实际情况是,SaaS在面对真正痛点问题,解决的效果“隔靴搔痒”。厂商想形成规模化复制,但是客户希望量身打造。
于是,有足够预算的客户干脆从头定制一套私有化软件;预算不足的,干脆削减掉数字化的开销,找一些免费工具凑合用。
付费功能和免费功能的效果差异太小,让软件采购方很难决策。
于是,为了更好的生存条件,IT厂商都在急忙寻找新的突破方向。
聚焦更细分的业务是一种可行的思路。
把行业级SaaS下沉为业务级SaaS,是大多数SaaS厂商的常见做法之一。另外,还有一种方式就是拥抱AI。
AI+SaaS不苛求于从流程上解决业务问题,而是在“点”上进行传统的人力替代!
SaaS使用方式定位的变化,使其自身功能属性更加灵活。
AI+SaaS将会充当一个Copilot(智能助手)的角色,从不同维度强化和放大人的产能。
解决效率的问题,而不是连接的问题——这是未来SaaS产业突破的一个“不容忽视”的大方向。
AI+SaaS的目的是构建一个高速运转的数据价值链,从数据的源头获取,到最终的数据产品输出,整个链条上每个环节都是“人-机”交互的过程。
这几年随着大语言模型、隐私计算、多模态等AI技术的快速发展,企业对AI的关注度不断提升。
尽管如此,整个市场的AI渗透率还远未达到饱和!
大多数传统行业甚至都不知道自己和AI有关,再或者,另一个极端就是对AI抱有“悲观”情绪,缺乏彼此磨合的耐心以及互相融入的积极性。
尤其是一些强经验主导的产业人员,比如医生、教师、专业技术工等,通常会先天地排斥这些未来可能替代自己的“坏家伙们”。
此外,企业主在选择AI工具替代的时候,除了成本因素以外,最大的担心就是“业务失效”。
因为一旦算法出现问题,现场的业务人员是完全不具备“纠错”的技能基础的!
于是,辅助AI工具干活的可能并不是一个业务人员,而是一个工程师。
我曾经在一个无人咖啡厅,看到一个工程师在用电脑监控一台自动打咖啡的机器人运行,当机械臂失效的时候立刻切换到人工遥控模式。
想来比较值得玩味的是,一名软硬件都精通的算法工程师的人力成本可能远高于一名咖啡店的服务生。
在另一个业务中,我们希望能够给一家护理机构提供基于大语言模型的智能客服应用,以替代传统的人工客服。
在确认实施方案时,老板最大的顾虑是机器是否会错过任何一个可能进行“推销”的商业契机,因此坚持保留一个人工客服作为“兜底”。
由此可看到,AI做不到100%的有效,哪怕是一些非常基础的、循规蹈矩的工作内容。
准确率始终是阻碍AI+SaaS大踏步替代传统业务的影响变量。
再高深的技术,对于业务方来说都不重要,只要能达到业务效果,至于是不是AI都无所谓。从这个角度上来说,AI+SaaS是个新方向,但并不是新赛道!
对客户来说,SaaS始终就只是SaaS。