從Bessemer投資案例，我發現了提升用戶留存的7種路徑

過去一年，AI產品徹底火了。

但也出現了另一個問題。雖然ToC AI產品用戶增長很快，但用戶留存很差。無論是用戶留存率和參與度指標，這些AI產品都遠遠弱於互聯網產品。

換句話說，客戶流失是困擾AI企業的最普遍問題之一。而且，隨著AI領域的競爭越來越大，用戶流失的傷害，正在成為AI企業維持增長的重要阻礙。

對比ToC市場，AI在ToB領域的滲透要更為緩慢。雖然目前沒有足夠的數據，來證明在ToB AI產品的留存問題。但參考ToCAI應用，類似的風險仍然存在。

目前，部分ToBAI應用公司已經開始通過一系列的產品策略，來提高用戶的留存。本文試圖通過Bessemer（美國SaaS領域最專業的投資機構之一）投資組合里的七個案例，來揭示ToB AI應用提升用戶留存的7種不同路徑。

過去的一天，國內外AI行業還有哪些熱點？讓烏鴉君帶你一起看看吧。

/ 01 /

融入現有的工作平台

ToB AI初創公司必須從某個環節切入。通常，公司最初會以單點解決方案進入市場，並逐漸發展成平台。

話雖如此，作為單點解決方案，有時很難切入現有工作流程，進而造成用戶流失。所以，我們現在已經看到有ToB AI初創公司通過和其他平台合作，通過更緊密的集成來增加用戶粘性。

Bessemer投資組合公司Sixfold就是這方面的典範，這家公司是AI保險領域的龍頭。

通常，承保人在保單管理系統(PAS)中工作，該系統幫助他們對保險單進行評級、報價並與保險代理人簽訂保單。

Sixfold的設計巧妙，可以作為API或插件嵌入到承保人現有的PAS中，保險公司無需徹底改造舊系統或重新構建應用程序，就可以與Sixfold的副駕駛進行交互。由於Sixfold可以無縫集成到現有的日常工作流程中，承保人可以非常輕鬆地體驗Sixfold強大的AI功能。

/ 02 /

縮短用戶的使用路徑

當ToB AI應用與用戶有簡易的交互方式，自然留存率會更高。

隨著產品使用路徑的延長，用戶使用率和參與度指標往往會下降，比如當用戶需要登錄多個頁面，或者更長的點擊路徑，才能實現某一功能。

為了緩解這種情況，許多ToB AI應用公司讓其產品可以在用戶日常使用的工作平台中出現。以下是四個成功的案例：

● Databook的個人AI銷售顧問可以通過Slack和微軟的 Copilot for Sales 等組織通信工具訪問，這樣銷售代表就無需在平台之間切換。

● Rilla是外部銷售虛擬跟車服務的領導者，它提供了一款由人工智能驅動的跟車服務移動應用程序，專為經常外出、不坐在辦公桌前的現場銷售團隊打造。

● 審計和財務專業人員可以通過插件在Excel中直接訪問Datasnipper的智能自動化平台。

● Scribe提供瀏覽器擴展，這樣用戶就可以在工作時自動創建和查看分步指南，並根據上下文在任何應用程序中使用。Scribe 的Sidekick位於用戶的面板上，可直接顯示與他們正在處理的任何頁面或應用程序相關的 Scribe 內容。

/ 03 /

專注可見工作成果的交付

企業場景下，員工通常需要做一些產生具體內容的工作，比如製作分析報告或者PPT。ToB AI應用提升用戶粘性的有效辦法是，利用AI來生成這些核心工作流程的結果。

Bessemer投資組合公司EvenUp就是這一策略的典範。

簡單來說，就是利用AI幫助律師進行案件的索賠工作，主要聚焦在個人傷害索賠這個領域，其中索賠函是提起人身傷害索賠的核心但耗時的部分，包括審查各種醫療文件和案件檔案來生成醫療摘要以及損害估計。EvenUp利用AI，結合其專有的和解數據庫，自動創建索賠函，

借助這一功能，EvenUp有助於釋放寶貴的時間，讓律師可以接手更多案件，花更多時間與客戶相處，而不是手動起草信件。此外，由於EvenUp獨一無二的數據庫可以找到相關的高額和解先例，其人工智能生成的信件包含獨特的增值數據點，有助於為律師帶來更多收入。

/ 04 /

構建跨場景的產品體系

為用戶提供更多價值

在滿足細分場景需求後，ToB AI應用仍然需要更多功能的延伸，來提升用戶粘性。

在這方面，Bessemer投資組合公司DeepL就是最好的例子，這是一款在線翻譯工具。現在，DeepL已經將其產品套件擴展到翻譯之外的其他產品，包括去年年初推出的AI伴侶產品DeepL Write。

DeepL通過產品擴張為用戶提供更廣泛的價值，最終提高企業的防禦能力。本質上，每一次相鄰場景的產品擴張，都會增加原有場景的用戶粘性。

/ 05 /

利用專有數據來創建護城河

隨著ToB AI應用公司在業務層的延伸，他們不僅加強了用戶粘性，也帶來了一種新的可能，即向上遊數據層延伸。

這種變化有助於提高防禦能力。例如，EvenUp對不同醫療系統和醫院如何創建醫療賬單有豐富的經驗。基於這些場景的經驗，他們的AI可以不斷提高準確解析賬單信息的能力，以便為他們的模型提供起草催款信的能力。

在另一個例子中，Databook使用專有數據（包括聯繫人數據、戰略重點和技術圖表）來增強公共數據（例如10-K、年度報告和收益記錄）和客戶數據（例如需求和案例。為了增強這些數據護城河，他們隨後將其輸入LLM，為客戶提供強大的帳戶情報洞察。

Bessemer投資組合公司Shift Technology也是利用獨特數據技術構建競爭優勢的典範。

Shift利用數據來驅動AI，實現保險決策的自動化。從第一原則的角度來看，更好的數據可以為更好的決策提供參考。

因此，他們的平台承擔了很多資源密集型的工作，即將保險公司數據（例如保單和索賠數據）與最佳外部數據源（例如政府記錄和公開的社交媒體）進行關聯，從而形成一個用於風險檢測和索賠自動化的單一、強大的統一數據集。

/ 06 /

延伸單個產品的功能

如今，企業面臨著數據源和格式的激增，因此當ToB AI應用領導者考慮產品擴展時，提供多功能產品通常是將平台功能擴展到相鄰領域的另一種有效方法。

Bessemer投資組合公司Jasper就是一個很好的例子。

Jasper的AI解決方案，最終用於營銷人員基於文本的GenAI功能創建長篇博客文章。一般來說，一旦帖子由AI生成並由營銷人員完成編輯，接下來就該去尋找合適的配圖。因此，Jasper收購了Clickdrop，以加強其Jasper Art產品，使用多模式功能（文本和圖像）來滿足營銷人員的所有需求。

另一個榜樣是Bessemer投資組合公司Coactive.ai，這家公司用以數據為中心的方法幫助企業從所有類型的視覺內容（包括影片和圖像）中獲取業務分析報告。

以前，視覺數據一直是沒有被充分利用的資源，因為處理非結構化數據的工具很少。現在Coactive能夠分析所有的視覺數據，讓用戶能夠在單一平台內充分發揮這些內容源的潛力。

/ 07 /

創建平台，生成網絡效應

在開發者SaaS平台和PLG領導者中，我們已經看到如何創建網絡效應飛輪是推動用戶粘性的有力方式——無論是在定價策略、上市方式還是產品內部功能方面。

網絡效應也適用於新興的ToB AI應用。以Bessemer投資組合公司Fieldguide（為諮詢和審計而構建的 AI）為例，其平台架構戰略性地構建了從業者和麵向客戶的界面，以推動和最大化網絡效應。

簡單來說，Fieldguide把過去零散的需求全部放到了一個平台，從測試和控制到客戶請求、報告編寫和分析等等。這樣一來，團隊能夠輕鬆協調和共享文檔，形成組織內部的信息網絡。

此外，企業員工還可以邀請他們的客戶來訪問Fieldguide平台，客戶就可以以精簡直觀的方式響應證據請求、協作處理文檔並隨時瞭解參與進度。客戶可以方便地查看分配的信息，例如請求、任務和評論，而無需搜索電子郵件或進行手動編輯。

Fieldguide的成功之處在於，它創造了一個雙邊交互的平台。這種雙向互動促進了信息共享，提高了參與度，推動了採用率，並最終隨著時間的推移擴大了網絡內所有參與者的價值。

/ 08 /

總結

這些案例研究說明了產品策略如何在減少ToB AI應用的用戶流失方面發揮關鍵作用。所有這些示例的一個共同主題是，ToB AI應用公司必須構建深度貼合用戶需求的產品，因為每個行業或角色都有特定的工作流程和細微差別。

歸根結底，應用層公司處於如此獨特的地位，因為它們最接近終端用戶。這是挑戰，也是一個機會。

編譯／林白