真正的壁垒,是竞品抄不走的那部分
技术能被追上,深场景里的 know-how 没那么容易被复制。
这是"产品判断链"系列的第 8 篇。前面我们把技术、用户、任务、价值都接通了:从现实出发,抓住主要矛盾,用优势划边界,选定入口用户,定义清楚用户任务,再把技术能力翻译成用户听得懂的价值。
走到这里,产品的"骨架"已经立起来了。但骨架不等于壁垒。这一篇要讲一个最容易被技术团队忽略、却最可能决定长期成败的东西:know-how。
它不性感,不像"模型又强了"那样让人兴奋,在早期讨论里几乎从不出现。但偏偏是它,决定了你的产品是被用一次就丢,还是被反复用下去;是半年后被竞品轻松抄走,还是抄了表面也抄不走里子。
早期产品最容易忽略的,就是 know-how
技术团队聊产品,话题很容易停在技术和功能上:模型能不能再强一点、这个功能要不要做、那个参数怎么调、延迟能不能再压低。这些讨论有价值,也很具体,团队聊起来很有掌控感——因为这些都是团队擅长、能拍板、当场就能验证的东西。
但有一个东西,几乎从不出现在早期讨论里,它却往往真正决定产品能不能持续被使用——行业 know-how。
为什么它总被忽略?因为它不在团队的舒适区里。技术问题可以坐在工位上推理、调试、跑实验;know-how 问题必须走出去,跟真实用户聊、看真实平台、拆真实案例,又慢又脏又不确定。技术团队天然倾向于做前者,回避后者。于是产品越做越精致,离用户越来越远。
那 know-how 到底是什么?先说它不是什么。
所谓 know-how,不是泛泛的行业知识,不是百科上能查到的东西。“短视频平台有抖音、快手、视频号"“有声书可以在喜马拉雅、番茄听书发布”——这些是公开信息,查一下就有,不构成任何壁垒。know-how 是用户在真实场景里完成任务的隐性规律:
用户在真实场景里,到底怎么完成任务、怎么获得收益、怎么判断好坏、怎么形成习惯、怎么规避风险、怎么传播、怎么复用。
举个对比。“创作者在听书平台发作品”不难查。难的是去问一位作者:上一期按什么规则结算?哪种收听计入?能不能看一眼那期适用的说明?再问,是赶更新占时间,还是重录跳戏的章节最费劲?前面问收入如何发生,后面才有机会弄清该改哪道工序。
这些东西,没写在任何说明书里。它藏在大量真实用户的行为里,得一点点挖出来。它是隐性的——很多时候连用户自己都说不清楚,只是"习惯这么做”。这也是它难被复制的根本原因:竞品就算把你的产品界面一像素一像素抄过去,也抄不走藏在功能背后的那套判断。
没有 know-how,会发生什么
一个缺 know-how 的产品,会出现一组很典型的症状。这些症状单看都不致命,但凑齐了,基本说明团队还没真正理解用户:
- 功能做了,但不是用户的痛点。团队凭直觉觉得"用户应该需要这个",做完上线,没人用。
- 效果不错,但用户不知道拿去干嘛。声音生成得很惊艳,用户听完说"哇好厉害",然后关掉页面,再也没回来——因为他不知道这东西能解决自己的什么问题。
- 配置项做了一堆,但不是用户真正需要的那几个控制项。把专业软件的参数一股脑搬过来,结果小白用户被吓退,真正高频的那一两个调节反而藏得很深。
- 产品有尝鲜价值,但没有长期留存的理由。这是缺 know-how 最隐蔽的症状:新增数据很好看,留存曲线却一路下滑,因为产品满足的是好奇心,不是真实任务。
- 投资人问起商业闭环,团队只能讲概念,讲不出真实路径。“我们帮创作者变现”——怎么变?哪个平台?分成多少?用户现在靠什么挣钱、卡在哪?答不上来。
这些症状的共同根源,都是不懂用户在真实场景里到底是怎么干活、怎么赚钱、怎么判断好坏的。
注意一个反直觉的点:这些症状跟技术强弱没关系。技术越强的团队,反而越容易凑齐这套症状——因为技术强会带来一种错觉,觉得"我效果这么好,用户肯定买账",于是更不愿意走出去做那些慢工出细活的场景调研。技术是产品的必要条件,但从来不是充分条件。
声音 AI 团队的例子:不懂怎么赚钱,就没法定产品形态
这一点在声音 AI 团队身上特别明显。
他们手里的技术不弱:声音更拟真、情绪和语气维度更丰富、音色标签更细、还能做音色克隆和微调。按理说这是一手好牌。但牌再好,也得知道这局是怎么赢钱的——他们如果不知道创作者到底如何靠声音挣钱,就根本无法决定产品该长什么样。
一连串关键的产品决策,全都卡在这个 know-how 缺口上:
- 有声书作者上一次交稿,报酬按交付、收听还是另有约定?他花时间最多的是长文本分段、角色管理还是失败重试?不要拿某个平台的一种合同代替所有创作者。
- 短视频用户,需要的是声音克隆,还是能快速生成有传播点的特色音色?这同样是个变现问题:短视频创作者要的是账号辨识度还是单条爆款?如果他靠的是"人设音色"撑起账号,那克隆和稳定就重要;如果他靠的是单条内容的传播点,那"这个声音够特别、够上头"就更重要。
- 旅行博主不用 AI 配音,是不像本人、情绪不对、调教太慢,还是受众不买账?这是四个猜想,不是四个调查发现。让他拿上次弃用的一条片子讲:哪一句听着不对,改了几次,最后用什么发布?四种答案要查四件不同的事。 若是调教太慢,就陪他从头配一遍,看看反复返工的是哪一步;若是受众不买账,就请他找出那条片子收到的具体反馈。
- 普通用户觉得声音好玩,会不会第二次回来?“好玩"是尝鲜价值,“回来"是留存价值,两者之间隔着一个真实任务。搞不清这个,新增数据再好看也是虚的。
- 陪伴场景的用户,需要的是知识回答,还是短句回应、语气词、停顿和"被认可"的感觉?这是表达层面的 know-how,后面会专门展开。
这些问题,没有一个能靠技术推理解决。你坐在办公室里想破头,也想不出旅行博主到底为什么不用 AI 配音——因为这个答案不在代码里,在博主的真实工作流和真实受众反馈里。
必须回到真实用户、真实平台、真实内容生产流程里去,把答案一个个挖出来。在这些答案到手之前,做长文上传还是短句生成、要不要声音克隆、要不要情绪调节、要不要自动分发,都是在猜。而猜错的代价不是改个参数,是几个月的开发投入打水漂。
know-how 怎么变成产品:从用户中来,到产品中去
那 know-how 怎么获得、怎么变成产品的一部分?
这里可以借用一句很老但很准的话:从群众中来,到群众中去。它的内核其实是一套认识方法——把分散在大量个体身上的零碎经验收集起来,提炼成规律,再带着规律回到实践里去检验和应用。这套方法用在产品上,几乎是天作之合。我把它概括为"从用户中来,到产品中去,再回到用户中验证”,分成五步:
- 从用户真实行为中收集材料——观察、访谈、拆解真实案例。不是问用户"你想要什么功能”,而是看他真实在做什么、卡在哪、绕过了什么。
- 从个案中提炼共性规律——一个用户的做法是个案,几个人都这么做,值得追问他们是不是接了同一类活,再找个不同场景试试。
- 把规律整理成 SOP、标签、模板、评分标准——把隐性的东西显性化,让它能被复用、被传授、被写进产品。
- 把这些规则做进产品——让产品自带这些规律,用户不用自己摸索,一上手就走在对的路上。
- 再回到真实用户任务中验证——看这些规律是不是真的有效,无效就回到第一步重来。
这是一个闭环,不是一条直线。第五步的验证结果会反过来修正前面的判断,循环往复,know-how 越攒越厚。
这条路径里,最容易被跳过、也最关键的,是第二步和第三步:提炼和显性化。
很多团队做到了第一步就停了——访谈了一堆用户,记了几十页笔记,然后呢?然后就把笔记里出现频率最高的需求挑出来做掉了。这不叫提炼,这叫记录。
用户反馈不是照单全收。 这是这一步最重要的纪律。一个用户说"我想要 A",另一个说"我想要 B",第三个说"我想要 C",你不可能三个都做,做了也是个四不像。
更关键的是,用户说的"我想要什么",常常不是他真正需要的东西。这里要分清两个层次:用户能准确描述他的问题和痛点(“我每条视频都要自己录三遍旁白,太累了”),但他往往描述不准解决方案(“所以给我一个能调一百个参数的录音棚”)。如果你照着他要的解决方案做,大概率做错;你要做的,是透过他要的方案,看到他真正的问题,再用你的专业判断给出更好的解法。
所以提炼的动作是:从大量个别反馈里,剥掉具体的方案诉求,看到背后共同的任务和约束,再把这个共性组织成产品能力。比如十个短视频创作者,有人要"快",有人要"特别的音色",有人要"不像机器人",提炼之后你会发现,他们共同的任务是"用最低成本做出一条受众愿意看完的、有辨识度的内容"——这才是要做进产品的东西。
这才是产品能力,而不是需求记录员。一个团队是停在"记录员",还是走到"提炼者",基本就决定了它能不能攒出壁垒。
know-how 有六种类型
提炼也得有抓手,不然容易挂一漏万——只盯着流程,忘了风险;只想着功能,忘了用户怎么判断好坏。为了不漏,可以按类型去盘 know-how。一个场景里,至少有这六类 know-how 值得搞清楚:
| 类型 | 需要搞清楚什么 |
|---|---|
| 流程 know-how | 用户完成任务的步骤 |
| 商业 know-how | 用户怎么赚钱,预算从哪里来 |
| 判断 know-how | 什么结果算好,什么结果算差 |
| 表达 know-how | 用户接受什么文案、语气、交互方式 |
| 分发 know-how | 用户在哪里传播、发布、复用 |
| 风险 know-how | 哪些边界不能碰 |
拿声音 AI 团队套一遍,这六类立刻变得很具体:
- 流程 know-how:有声书创作者从拿到文本到发布上架,中间有哪几步?哪一步最耗时、最想被替代?
- 商业 know-how:他靠平台分成、广告还是接单挣钱?分成按什么结算?预算从哪来、舍不舍得付费?
- 判断 know-how:一段配音,什么样算"能用",什么样算"废了"?是音质、情感、还是和画面的贴合度?
- 表达 know-how:陪伴场景里,AI 该怎么说话用户才觉得舒服?这一类下面单独讲。
- 分发 know-how:内容做完发到哪个平台?导出要什么格式?平台对 AI 配音的规则是什么?
- 风险 know-how:声音克隆涉及肖像和声音权,逝者声音涉及伦理,哪些边界碰了会出事?
其中对声音陪伴产品来说,“表达 know-how"尤其关键,也最容易被技术团队当成"不重要的软东西"忽略掉。
它要回答的是一连串非常细的问题:AI 该怎么开场——是热情地"嗨你来啦”,还是平静地"在呢,怎么了"?用户开始倾诉时怎么回应——是给建议,还是只接住情绪?什么时候该追问让对话继续,什么时候该闭嘴只共情?一句回复多长合适——太长就有"念稿"的助手味,太短又显得敷衍?要不要加"嗯"“这样啊"这种语气词、要不要留停顿、要不要有一点点犹豫感和笑声,好让它听起来像个会喘气的人,而不是一个反应过快、有问必答的机器?
这些都不是技术问题,是表达规律。它们的反面就是"助手味”——豆包、ChatGPT 那种有问必答、条理清晰、永远正确但永远不像人的回复方式。陪伴产品最大的敌人恰恰是这种"助手味":用户深夜打开它不是来问问题的,是来找个人说说话的,结果对面像个客服,那这个产品就死了。
把这套表达规律一条条整理成 SOP 做进产品,产品才会"像个人",而不是"像助手"。而这套 SOP,恰恰是竞品最难抄的——它没有 API,没有参数,全是大量真实陪伴对话里磨出来的细节判断。
用户反馈和场景规律,不是一回事
这里要插一个容易混淆的边界,因为它直接关系到"提炼"做得对不对。
用户反馈是原料,场景规律是产品。两者隔着提炼这道工序,不能划等号。
- 用户反馈是一手的、个别的、带情绪的、常常指向具体方案的。“这个音色太假了"“能不能让它说话别那么快"“我想要个东北话的”——这些都是反馈,是原料。
- 场景规律是经过归纳的、跨用户成立的、指向问题本质的。“低端用户对音质瑕疵容忍度高,但对’像不像真人’极其敏感,所以投入应该花在自然度而不是发烧音质上”——这是规律,是提炼后的产品判断。
混淆这两者,会犯两类错误。一类是把个别反馈当规律:一个声音大的用户喊得凶,团队就改了,结果发现只有他一个人这么想,白改。另一类是把规律当个别反馈忽略:明明十个用户用不同的话说了同一件事,团队却当成十条零散需求记在表里,没看出背后的共性,错过了真正该做的东西。
判断一条反馈值不值得变成产品规律,有个朴素的检验:它在多少个独立用户身上重复出现?它背后是真实任务还是一时情绪?把方案诉求剥掉之后,剩下的问题是不是普遍成立?过得了这几关,才配从"原料"升级成"产品”。
know-how 怎么沉淀成产品资产
挖出来、提炼好的 know-how,如果只留在某个人脑子里、某次会议的记忆里,那它还不是资产,是随时会蒸发的东西。
这里有一个被严重低估的风险:know-how 会随员工离职而流失。那个跑遍了短视频圈、最懂创作者怎么变现的业务同学走了,他脑子里那套场景理解也跟着走了;那个最会调陪伴话术、知道什么时候该共情的运营走了,那套"手感"也带走了。团队辛辛苦苦攒了半年的认知,可能因为一两个关键人离职就回到起点。这就是为什么 know-how 必须从"个人经验"沉淀成"组织资产”——只有显性化、文档化、做进产品的部分,才真正属于团队、抄不走也带不走。
所以挖出来的 know-how,要沉淀成具体的、能复用的产品资产。常见的沉淀形式:
- SOP(标准作业流程)——比如那套陪伴对话的开场、回应、追问、共情规则。
- 标签体系——比如对"好声音"的多维度标注:音色、情绪、适用场景、辨识度。
- 模板库——比如不同场景的文案模板、声音风格预设。
- 评分标准——比如一段配音"能不能用"的量化判断维度。
- 推荐规则——比如根据用户目的自动匹配音色和情绪的逻辑。
- 提示词——比如把表达规律固化成的生成指令。
- 用户案例库——比如"某博主用这个音色做了什么、效果如何"的真实案例集。
- 运营手册——比如怎么找好声音、怎么做音色标注、怎么收集反馈。
- 风险边界清单——比如哪些声音不能克隆、哪些内容不能生成。
这些东西看起来不性感,没有"模型又强了"那么让人兴奋。开会的时候,“我们这周新增了 50 条陪伴话术 SOP"远不如"我们模型延迟降了 30%“听起来带劲。但恰恰是前者,构成了竞品抄不走的部分。模型延迟竞品三个月就追平了,那 50 条话术背后的判断,竞品得自己重新趟一遍坑才攒得出来。
为什么 know-how 是真正的壁垒
回到这篇的标题。
技术可以被追赶。这是《你的优势不是用来扩张的,是用来划边界的》里说的“先发优势不等于长期壁垒”。模型接近以后,用户还会不会因为你懂他交稿的步骤而留下?
但深场景里的 know-how,没那么容易被复制。因为它不是一行代码,而是大量真实反馈、失败经验、用户行为和业务理解的集合。它的积累没有捷径——必须真的去服务用户,真的踩过坑,真的把一个个"为什么用户不买账"的问题挖明白,时间和试错是省不掉的。
这就是冰山的比喻。竞品看得到你产品水面上的功能——界面长什么样、有哪些按钮、生成效果如何,这些一看就懂、照着抄就行。但它看不到水面下那些 SOP、标签、判断标准、案例库、风险边界——而那才是产品真正立住的根基。水上的冰是技术和功能,水下的冰是 know-how,水下的体积往往是水上的好几倍。竞品把水上那一角凿走了,发现产品还是立不住,因为支撑它的那块大冰还在你这儿。
很多产品表面上是技术竞争,本质上是场景理解竞争。
两个团队拿着差不多的模型,做出来的产品天差地别,差的就是对场景的理解深度。谁更懂用户怎么完成任务、怎么赚钱、怎么判断好坏,谁就更知道该把技术用在哪、该做哪个功能、该忽略哪个参数,谁就更有机会把技术变成产品壁垒。技术决定你能做到多好,know-how 决定你知不知道该做什么——后者才是更稀缺的能力。
判断标准
know-how 这一步够不够,有个很直接的检验:
如果团队说不清用户怎么完成任务、怎么判断好坏、怎么获得收益,就不应该急着做复杂功能。
可以拿声音 AI 团队当尺子量一下:说得清有声书创作者靠什么结算收入吗?说得清一段配音"好"和"差"的判断维度吗?说得清旅行博主到底卡在哪一步吗?说得清陪伴用户深夜想要的是什么回应吗?
如果这些问题里有一半答不上来,那就说明 know-how 还没补齐。这时候去堆功能,堆出来的大概率不是用户要的——你只是在用确定的开发动作,掩盖不确定的认知缺口。正确的做法是先停下开发,回到用户里把这些问题挖明白。
小结
真正的壁垒,是竞品抄不走的那部分。
know-how 是用户在真实场景里完成任务的隐性规律——怎么干活、怎么赚钱、怎么判断好坏、怎么规避风险。它不是百科知识,是藏在行为里、常常连用户自己都说不清的东西。缺了它,功能会做错、效果用不上、商业讲不清、留存留不住。
获得 know-how 的路径是"从用户中来,到产品中去,再回到用户验证”,关键在提炼和显性化——用户反馈是原料不是成品,照单全收只会做出四不像。按流程、商业、判断、表达、分发、风险六种类型去盘,再沉淀成 SOP、标签、模板、评分标准这些产品资产,才不会随人离职而流失。界面改版容易照着做,为什么这一句台词要重录、谁来听第二遍,往往得跟着创作者交过稿才摸得着。
到这里,判断链的"想清楚"部分基本走完了:现实、矛盾、优势、用户、任务、价值、know-how。接下来要进入"动手验证”——但动手之前,得先有产品原则来约束取舍,然后用 MVP 去验证真假。而 MVP 这个词,被误解得太深了。
下一篇,我们讲:MVP 不是做少一点,是用最小代价验证最大风险。
这是"产品判断链"系列的第 8 篇。上一篇:《用户听不懂"技术很强",只听得懂"对我有什么用"》。下一篇:《MVP 不是做少一点,是用最小代价验证最大风险》。
本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。