文｜適道

你可以決定自己的選擇，但你無法決定選擇的后果。

這一連串由后果導致的后果就是“二階效應”(Second Order Effect)。正如描述奧本海默的那句話：“如今我已化作死神，世界的毀滅者。” 

在經濟世界中，“二階效應”指：某個經濟系統中，參與主體的選擇和行為所產生的影響，進一步影響其他主體的選擇和行為，由此產生正向反饋，導致最終的經濟結果，遠大于各個選擇和行為的簡單疊加。典型的“正反饋”就是“收益遞增”。

根據經濟學家W. Brian Arthur的觀點：如果一個系統只存在負反饋，系統很快就會收斂到均衡狀態，表現出“死”行為。例如“收益遞減”——市場競爭動態平衡，每家企業依據自身競爭力，獲得相應的市場份額； 

如果一個系統只存在正反饋，系統會偏離均衡，表現出難以預測的爆炸性行為。例如“收益遞增”——互聯網時代，網絡效應大殺四方，贏家通吃一切。 

一項新技術的出現會改變原本經濟系統的結構。如果改變的結果足夠重大，我們就會說：“Aha! 一場顛覆性革命出現了！” 

正反饋和技術組合理論，揭開了“二階效應”背后的秘密。眼下，人工智能做為“吹皺一池春水”的新技術，正在改變原本的經濟系統，一系列由人工智能引發的“二階效應”又蘊藏哪些錢景？ 

近期，a16z發布了一篇文章AI’s Second Order Effects 作者指出：雖然AI 能夠為現有企業節省很多成本，但 AI 的“二階效應”會催生更多經典的軟件公司和市場。在新的市場中，AI 本身不是主要產品，而是在 AI 的幫助下，一些夾在“薄利多銷”和“高客單價”之間“死亡地帶”的產品將重獲生機。

01 500美元的產品還有活路嗎？

文章給出了一個有趣的思維實驗。

前提：一名“銷冠”一年可以賣出50 個小部件，年收入 10 萬美元，且不接受降薪。

情景：一家公司有一款非常棒的小部件產品需要出售。

矛盾：人們不會自己發現產品，且潛在客戶每年最多只愿意付 500 美元。

提問：這家公司將如何發展？

作者給出的答案是，這家公司根本不可能存在。

對于20美元的產品，例如Dropbox、OpenAI、Midjourne，你可以試試PLG產品驅動增長；對于100萬美元的產品，例如Workday、ServiceNow、Databricks，你可以采用外部銷售策略。

對于一個500美元的產品，你會因為毛利問題陷入“死亡地帶”，僅是推銷成本就不是小數目。

如今，成本問題正在被AI工具解決，一大類非 AI 公司和產品重獲生存空間： 

AI幫你銷售小部件。

AI為你的小部件提供24*7售后支持。

AI幫你留住小部件用戶。

在風險投資里，我們總是問自己“為什么是現在？”——對于Uber ，答案是智能手機的普及；對Workday，答案是云服務的普及；對于 Adobe，答案是 GUI PC 的普及。 

對于上述“500美元”產品，“為什么是現在？”的答案就是當下。 

02 營銷目標變成“伺候”AI 

文章點到為止，并未指出“AI二階效應”將引發何種營銷革命。但根據美國MarTech 之父Scott Brinker對于“AI二階效應”的預測，營銷和銷售場景將發生徹底改變。

1、消費者將進一步無視“推送”內容

因為垃圾郵件過濾器作用增強，所有的超個性化信息不會顯著提高銷售效率，反而會降低效率。

2、可信的消息源將變得更有價值

擁有認證會員的社區將彌足珍貴。如果你擁有私域，不過度依賴于外部發現和算法，將具備前所未有的影響力。

同時，基于“信任危機”的AI產品開始嶄露頭角。例如，一款檢測AI生成圖像的工具Nuanced，旨在幫助各類企業，如約會應用、廣告平臺、新聞網站和線上商城等，區分“人造”內容和“AI造”內容。

3、用好專有數據，成為一流的營銷渠道

過去二十年間，人類創造了浩如煙海的信息。但即便擁有訪問權限，你也經常被信息量壓垮，無法找到想要的信息，也無法消費它們。同樣的事情也發生在公司內部數據庫。它們就像《奪寶奇兵》最后一幕里那個巨大的倉庫，凡人休想在深淵里找到什么東西。

現在，GPT-4吸收了互聯網上所有的長尾內容，并在一分鐘內回答你提出的幾乎任何問題。

由此產生的“二階效應”：每個人都將擁有強大的“大腦”，分析能力被大規模地平權化。

區別在于，不是每個人都能喂給“大腦”相同的數據。因此，利用專有數據將成為一流的營銷渠道，這也是營銷人員的好機會。

4、API服務將成為一流的營銷渠道

換個說法：如何在正確的時間向AI Agent提供正確的數據？這是讓買家與賣家“保持一致”的關鍵。

比爾蓋茨曾提過一個場景：“如果你想計劃一次旅行，AI Agent不僅知道你旅行的時間，還會基于對你需求的了解，給出建議的旅游地點。當被詢問時，AI Agent也會根據你的興趣和冒險傾向為你推薦可以做的事情，預訂你喜歡的餐廳。”

舉個不太準確的例子。早期，如果你想來一場深度個性游，需要付費、花時間告訴旅行社具體需求，讓他們做一個策劃。這時候，營銷目標是吸引你走進旅行社，并選擇他們的方案。當下，很多人會選擇自己去小紅書等社交媒體整合別人的攻略，DIY一份旅行策劃。此時，賣家的營銷目標是吸引你點進某些旅行帖子，并安利一些產品，大到機票、住宿；小到防曬霜、充電寶等等。

我們延伸比爾蓋茨的設想，如果AI Agent替消費者做了旅游策劃，那么賣家的營銷目標也將發生變化：你要“討好”的不是客戶，而是客戶的AI Agent。

Scott Brinker指出，20年前，Inbound Marketing（集客營銷）革命開啟，你可以通過“知識分享”幫每一位潛在客戶解決疑問，達成銷售目的。如今，我們正處于“生成式集客營銷”革命的邊緣——處理AI Agent的集客請求，幫助它們完成人類控制器分配給它們的目標。

大膽想象，“AI toAI”會成為新的B2B——成為電子商務的巨大組成部分。 

結語

目前為止，AI Agent的大量項目還在水下，甚至與自動化較高的Copilot 混淆。二者的最大區別在于“自主規劃”能力：Copilot需要由人類來指揮完成目標任務；Agent則直接面對目標任務，具有自主記憶、推理、規劃和執行的全自動能力。

終極形態的AI Agent只需要人類給出一個起始指令和結果反饋，AI自己完成任務拆分，工具選擇，進度控制，實現目標后自主結束工作。

不過，即便Scott Brinker提出“AI Agent營銷策略”只是一個方向，但“AI toAI”已經得到了來自ChatBot應用的初步驗證。

例如，在YC W24亮相的Lumona就是一款產品搜索引擎，能夠從用戶信任的創作者那里獲取高質量的產品推薦——通過Reddit和YouTube評論為護膚品搜索提供支持。

進一步，如何利用AI“喂給”AI更多“500美元”產品的“好”數據？在這個方向上，又將出現何種產品？我們將繼續觀察。