但也出现了另一个问题。虽然ToC AI产品用户增长很快，但用户留存很差。无论是用户留存率和参与度指标，这些AI产品都远远弱于互联网产品。
换句话说，客户流失是困扰AI企业的最普遍问题之一。而且，随着AI领域的竞争越来越大，用户流失的伤害，正在成为AI企业维持增长的重要阻碍。
对比ToC市场，AI在ToB领域的渗透要更为缓慢。虽然目前没有足够的数据，来证明在ToB AI产品的留存问题。但参考ToCAI应用，类似的风险仍然存在。
目前，部分ToBAI应用公司已经开始通过一系列的产品策略，来提高用户的留存。本文试图通过Bessemer（美国SaaS领域最专业的投资机构之一）投资组合里的七个案例，来揭示ToB AI应用提升用户留存的7种不同路径。
ToB AI初创公司必须从某个环节切入。通常，公司最初会以单点解决方案进入市场，并逐渐发展成平台。
话虽如此，作为单点解决方案，有时很难切入现有工作流程，进而造成用户流失。所以，我们现在已经看到有ToB AI初创公司通过和其他平台合作，通过更紧密的集成来增加用户粘性。
通常，承保人在保单管理系统(PAS)中工作，该系统帮助他们对保险单进行评级、报价并与保险代理人签订保单。
Sixfold的设计巧妙，可以作为API或插件嵌入到承保人现有的PAS中，保险公司无需彻底改造旧系统或重新构建应用程序，就可以与Sixfold的副驾驶进行交互。由于Sixfold可以无缝集成到现有的日常工作流程中，承保人可以非常轻松地体验Sixfold强大的AI功能。
随着产品使用路径的延长，用户使用率和参与度指标往往会下降，比如当用户需要登录多个页面，或者更长的点击路径，才能实现某一功能。
为了缓解这种情况，许多ToB AI应用公司让其产品可以在用户日常使用的工作平台中出现。以下是四个成功的案例：
● Databook的个人AI销售顾问可以通过Slack和微软的 Copilot for Sales 等组织通信工具访问，这样销售代表就无需在平台之间切换。
● Rilla是外部销售虚拟跟车服务的领导者，它提供了一款由人工智能驱动的跟车服务移动应用程序，专为经常外出、不坐在办公桌前的现场销售团队打造。
● 审计和财务专业人员可以通过插件在Excel中直接访问Datasnipper的智能自动化平台。
● Scribe提供浏览器扩展，这样用户就可以在工作时自动创建和查看分步指南，并根据上下文在任何应用程序中使用。Scribe 的Sidekick位于用户的面板上，可直接显示与他们正在处理的任何页面或应用程序相关的 Scribe 内容。
企业场景下，员工通常需要做一些产生具体内容的工作，比如制作分析报告或者PPT。ToB AI应用提升用户粘性的有效办法是，利用AI来生成这些核心工作流程的结果。
简单来说，就是利用AI帮助律师进行案件的索赔工作，主要聚焦在个人伤害索赔这个领域，其中索赔函是提起人身伤害索赔的核心但耗时的部分，包括审查各种医疗文件和案件档案来生成医疗摘要以及损害估计。EvenUp利用AI，结合其专有的和解数据库，自动创建索赔函，
借助这一功能，EvenUp有助于释放宝贵的时间，让律师可以接手更多案件，花更多时间与客户相处，而不是手动起草信件。此外，由于EvenUp独一无二的数据库可以找到相关的高额和解先例，其人工智能生成的信件包含独特的增值数据点，有助于为律师带来更多收入。
在这方面，Bessemer投资组合公司DeepL就是最好的例子，这是一款在线翻译工具。现在，DeepL已经将其产品套件扩展到翻译之外的其他产品，包括去年年初推出的AI伴侣产品DeepL Write。
DeepL通过产品扩张为用户提供更广泛的价值，最终提高企业的防御能力。本质上，每一次相邻场景的产品扩张，都会增加原有场景的用户粘性。
随着ToB AI应用公司在业务层的延伸，他们不仅加强了用户粘性，也带来了一种新的可能，即向上游数据层延伸。
这种变化有助于提高防御能力。例如，EvenUp对不同医疗系统和医院如何创建医疗账单有丰富的经验。基于这些场景的经验，他们的AI可以不断提高准确解析账单信息的能力，以便为他们的模型提供起草催款信的能力。
在另一个例子中，Databook使用专有数据（包括联系人数据、战略重点和技术图表）来增强公共数据（例如10-K、年度报告和收益记录）和客户数据（例如需求和案例。为了增强这些数据护城河，他们随后将其输入LLM，为客户提供强大的帐户情报洞察。
Bessemer投资组合公司Shift Technology也是利用独特数据技术构建竞争优势的典范。
Shift利用数据来驱动AI，实现保险决策的自动化。从第一原则的角度来看，更好的数据可以为更好的决策提供参考。
因此，他们的平台承担了很多资源密集型的工作，即将保险公司数据（例如保单和索赔数据）与最佳外部数据源（例如政府记录和公开的社交媒体）进行关联，从而形成一个用于风险检测和索赔自动化的单一、强大的统一数据集。
如今，企业面临着数据源和格式的激增，因此当ToB AI应用领导者考虑产品扩展时，提供多功能产品通常是将平台功能扩展到相邻领域的另一种有效方法。
Jasper的AI解决方案，最终用于营销人员基于文本的GenAI功能创建长篇博客文章。一般来说，一旦帖子由AI生成并由营销人员完成编辑，接下来就该去寻找合适的配图。因此，Jasper收购了Clickdrop，以加强其Jasper Art产品，使用多模式功能（文本和图像）来满足营销人员的所有需求。
另一个榜样是Bessemer投资组合公司Coactive.ai，这家公司用以数据为中心的方法帮助企业从所有类型的视觉内容（包括视频和图像）中获取业务分析报告。
以前，视觉数据一直是没有被充分利用的资源，因为处理非结构化数据的工具很少。现在Coactive能够分析所有的视觉数据，让用户能够在单一平台内充分发挥这些内容源的潜力。
在开发者SaaS平台和PLG领导者中，我们已经看到如何创建网络效应飞轮是推动用户粘性的有力方式——无论是在定价策略、上市方式还是产品内部功能方面。
网络效应也适用于新兴的ToB AI应用。以Bessemer投资组合公司Fieldguide（为咨询和审计而构建的 AI）为例，其平台架构战略性地构建了从业者和面向客户的界面，以推动和最大化网络效应。
简单来说，Fieldguide把过去零散的需求全部放到了一个平台，从测试和控制到客户请求、报告编写和分析等等。这样一来，团队能够轻松协调和共享文档，形成组织内部的信息网络。
此外，企业员工还可以邀请他们的客户来访问Fieldguide平台，客户就可以以精简直观的方式响应证据请求、协作处理文档并随时了解参与进度。客户可以方便地查看分配的信息，例如请求、任务和评论，而无需搜索电子邮件或进行手动编辑。
Fieldguide的成功之处在于，它创造了一个双边交互的平台。这种双向互动促进了信息共享，提高了参与度，推动了采用率，并最终随着时间的推移扩大了网络内所有参与者的价值。
这些案例研究说明了产品策略如何在减少ToB AI应用的用户流失方面发挥关键作用。所有这些示例的一个共同主题是，ToB AI应用公司必须构建深度贴合用户需求的产品，因为每个行业或角色都有特定的工作流程和细微差别。
标签： #数据库营销成功案例
评论列表