看两个现象：
上周和一个做电商的朋友聊天，他正在研究干果的市场趋势，聊天中他说现在AI搜索用处不大，我问为什么，他说：
“我想知道上个月哪些干果卖得好，抖音上有哪些真实的用户评论，未来的销售趋势是什么样的？然而，经过AI搜索后，我得到的只是一堆关于整个行业的调研总结，这些信息不仅不够深入、不够精准，帮助也并不大。”
当时我也没太注意，可昨天又发生了。
一位做医疗行业培训的朋友在谈及微信上的工作流程时表示，自己经常要查阅大量的学术报告；大部分报告都是从知网等平台下载，然后豆包AI帮他做本地化的总结和提炼，选取重点内容。
同时我也使用 Quark、知乎直答等垂直 AI 搜索工具，但问题在于这些工具只能找到一些博主写得不错的问答，而当我想更深入地了解问答背后的知识时，就卡住了。
其实我想要更多其他维度的内容，比如案例分析，数据解读等，但是AI搜索只能给出概括性的结论，有点让人失望。
因此，这两次无意识的对话让我意识到，AI搜索要真正满足用户需求，必须找到特定的场景。
1. 什么是具体场景？如何理解AI的使用场景？
我们要看任务下用户的行为，我们从早到晚的活动都是围绕着完成具体的任务而展开的，用户使用产品和服务的时候，根本目的也是为了完成任务。
昨天有朋友跟我讲他如何使用AI搜索。
他每天的工作就是监测品牌声誉，利用AI搜索工具设置一些关于品牌名称和相关话题讨论的提示，然后用它们捕捉每天网上关于该品牌的评论，最后利用这些信息做成每日报告，反馈给领导层。
也就是说，他把AI搜索作为一个信息聚合工具，对当天的重要反馈和评论进行索引和总结。
有些人会根据主题来使用AI，比如面对高考，很多家长不知道该如何填写孩子的申请表，不知道该如何选择专业。
这时候就会用到AI搜索来获得帮助，AI搜索就像是一个专业的咨询师，可以根据家长和学生提供的具体信息（兴趣爱好、学科优势、未来职业规划等）进行综合分析，然后做出有针对性的选择。
从这种行为来看，用户主要关注两个方面：一、功能性；二、实用性。
所谓功能性，是指AI完成搜索任务后，能够进一步根据结果生成思维导图、制作图标、提供多维度数据对比工具，甚至实现中英文互译等。
实用性就是以知识答案为切入点，去解决具体的问题，其实每个问题都是一个场景，问题的聚合代表着大量资源的挖掘。
前段时间看了徐峥导演的《逆袭人生》，想写一篇文章。
在写作过程中，我想在网上查一下关于徐峥的各种资料，用AI搜索了很久，但最后只能找到一些其他媒体的资料，其实我希望当我问AI的时候，它能帮我搜索、总结，然后用工具做成表格，直接用。
最近各家公司都在发财报，要是能让AI搜索帮我找到瑞幸咖啡2024年中报，跟2023年数据对比，做个毛利、净利的表格就好了。
显然，目前的AI搜索产品还无法做到这一点。
也就是说，大家都把重心放在AI搜索、AI汇总上，限制了产品经理的思维，没能从任务视角出发，用问题、主题去索引信息源，再进行汇总，然后再用工具把它们串联起来。
叫“Where”（知识从这里开始），我觉得这句话很适合用来形容AI产品的宗旨，意思是AI帮助我们从知识的起点出发，解决实际的问题。
二
把用户任务放在第一位思考很重要，不信的话，冷静下来想一想，任何AI搜索产品的主要目的是什么？
说白了就一条：利用AI的力量，帮助用户找到自己真正需要的内容，让他们获得更加精准的信息。
过去使用传统搜索引擎时，很多用户的需求都得不到很好的满足，如果我们想找到一个答案，可能要把问题分成A、B、C三个部分，然后一个一个的输入到搜索框里。
搜索引擎利用爬虫技术在网络上抓取信息，然后按照自己的逻辑进行排序，列出结果，我们把这些信息拿来自己进行分析、总结，最后用来支持决策。
但有了AI搜索产品，一切都变得简单了，你不再需要经历A、B、C三个步骤，只要问一个问题，AI就会直接理解你的意图，把问题分解，找到相关的网页，然后大模型再把信息进行分析，最后直接整理成结构化的结果给你。
但问题是，简单的列出A、B、C是不够的。我们希望在列出信息之后，能够用工具进一步分析、总结，最后生成报告。这才是关键。
这个过程就像建筑师设计房子一样：
首先画出草图（提出问题并进行拆解），然后找到合适的材料（收集并分析信息），最后，仔细地选择材料并确保每一步都非常精确，这样你就可以建造和完成房子，确保它既坚固耐用，又美观。
但问题是：现在AI帮我们收集、分析信息，却没有给用户选择素材的权力，也没有提供足够的工具，只是直接进行汇总，这跟以前有什么区别呢？
所以，AI搜索在创造新的需求之前，必须先满足传统搜索没有解决的需求，也就是在这个过程中被忽略的需求。
虽然看上去AI降低了搜索产品的门槛，但实际上很多产品都很类似，像知乎直答的AI版，它们的主要任务就是简化搜索流程，将不同渠道的信息汇聚在一起。
所以，当我说AI搜索走错了方向的时候，很自然地就会出现很多人在尝试一段时间之后又回归传统搜索引擎行为的情况，因为传统搜索引擎提供的信息更全面。
显然，如果想让用户把AI搜索变成真正提高效率的工具，就必须深挖、满足传统搜索技术没有满足的需求，这是刚需。
三
因为所有AI搜索，本质上都是在解决三类问题：
第一类是填空题，这时候用户心里其实已经有一个疑问了：“这是什么？”
比如他们想查看最新的新闻，或者想知道某个明星最近在做什么，或者想知道某个公司去年赚了多少钱，传统的互联网搜索可以很好地解决这些问题。
第二类是证明型问题。此时用户已经有了自己的想法，可能会说“我认为是这样，因为……”他们需要大量的事实来支撑这个观点。
这种情况就好比你的老板给你一个想法，你得找证据来证明它是对的。这个任务听起来简单，其实相当困难，需要投入大量的人力、物力和时间。
例如：
如果我要证明某个公司的某个观点，我必须查找这家公司过去几年的各种数据和资料。就像我要写徐峥的《逆袭人生》，本质上就是一个证明题。如果我想通过数据来证明我的观点，我必须找到准确的数据。
事实上，AI搜索产品正在尝试解决填空题和基础证明题，所谓基础证明题就是有明确标准答案的题目，但处理复杂证明题的能力还有待提升。
我认为最难的是论述题（）。
什么是论述题？这种题型就像：“我不知道，你能帮我上网查一下吗？”这种题型和前两种题型的区别在于，它更像语文和数学。
数学有明确的正确和错误答案，而语文没有。高级证明和讨论，如写论文，没有固定的正确和错误答案，分数是由老师主观给出的。
寻找论文题目相当复杂。你要寻找对一个问题的各种观点，没有绝对的对错。搜索之后，你需要集思广益，最终总结出答案。
可以看出，这三类题目的难度都是随着级别而增加的，要答好“高级证明题”和论述题，不仅需要工具，还需要人的参与。
这意味着什么？
在现实世界中，复杂问题非常常见，因为无论在工作还是生活中，很多问题并没有绝对的对与错，往往是因为不同的人有不同的价值观和观点。
我们人类是有点懒的，总是希望AI能一次性帮我们解决这些复杂的问题。但是用过几次之后，我们发现AI并没有那么厉害，所以我们就很少使用它了。
还有，要回答这些问题，比如我找了很多证据，哪一个最可靠，哪一个最有力，你都要一一去筛选；就像写论文一样，为了支撑一个观点，你得查很多资料，去思考如何才能表述清楚、简洁。
现在，它还不能解决高级证明题和论证题，比如你问它一个问题，它回答，你说错了，它马上就改成你想要的答案，特别是文科类的。
四
那么为什么大型语言模型不能处理这种问题呢？因为大型语言模型是根据前一个单词来推断下一个单词的，而且它们是在猜测高频词。
但问题是，出现频率最高的单词不一定是最好的答案。有些单词或句子出现频率很低，但可能是关键见解。
例如：
好的学术论文可能没有多少人阅读或使用，但如果你想深入研究一个问题，这些论文就特别重要。法律、医学、政策研究和市场分析方面的专业报告也是如此。具体内容通常不那么受欢迎，但对决策却极为重要。
还有一点，AI不太擅长分解复杂的问题，我们要把问题分解成非常小的部分，一步一步地去寻找答案。所以，对于证明问题和复杂的论证问题，我们必须让用户参与进来。
其流程是：用户经过AI搜索之后，选取优质语料，剔除不精准信息，扔进工具里，自己进行总结，最终得到满意的答案。
这是一个简单的例子：
你想研究全球变暖对北极熊生存环境的影响，一般的AI搜索只能给你一些基本的信息和新闻报道。
但作为一名研究人员，你想找到相关的学术论文和详细的环境研究报告。然而，在第一个搜索结果中，你会发现很多过时或不相关的内容。
此时，为了得到真正有用的数据，你必须逐一筛选出那些包含严谨的科学研究和具体的数据分析的文章；这一步完成后，你就可以把选好的数据扔到分析工具中，或者用某些功能做成图表或者PPT，插入到页面中，最终生成你需要的报告。
前段时间热榜上有位AI大神做了一个AI搜索引擎的Demo，代码只有500行，我也试用了一下，不仅响应速度快，回答的问题也符合最新时事。
那么，AI搜索产品想要脱颖而出，最关键的条件是什么？
一方面是数据，特别是垂直细分的数据，垂直细分的数据应该通过特定的场景、话题、主题，引导用户去分享、去参与提问。
另一方面，想要应对低门槛的挑战，必须努力打造自己的产品特色，AI搜索产品是用户需求驱动的，而不是单纯的技术驱动。
用户价值可以用以下公式来表达：用户价值=新体验-旧体验-迁移成本。试想一下，如果一个AI搜索工具可以提供比传统搜索好得多的结果，但同时又非常简单易用。那么用户自然会更愿意转向这个新工具。
最近我读了很多关于大型模型的文章。你在哪里找到的？
主要有两个地方，一个是技术社区，另一个就是知乎上专门写这方面内容的博主，每次我搜索这些内容的时候，几乎都能找到我需要的内容，所以，现在对它的依赖已经比较大了。
这就是用户价值。
因此从这个角度来说，国内AI搜索产品的发展路径不能完全模仿国外，一周前有外媒平台发表了一篇文章，介绍了目前的情况。
文章提到，首席商务官表示，谷歌每月处理 2.5 亿个问题，增长速度惊人，尽管谷歌仍是搜索市场的领头羊，每天处理 85 亿个查询，但其增长速度也非常快。
它希望打造一个知识平台，成为生态的入口，定位为LLM+搜索引擎的中间状态，融合了两者的优势，更注重搜索体验的产品力而非基础模式。
对比国内的搜索环境，传统搜索引擎早已占据了通用搜索场景，如果新型AI搜索产品的知识库不够大、效率不够高，在填空题和基础证明题上还举步维艰，那么将难以在市场上脱颖而出。
因此，国内各家AI搜索产品公司都必须找到自己独特的发展路径，或许只有深耕特定的垂直领域，借助AI的优势提供更精准、垂直细分的内容，才有机会分得一杯羹。
总结
前往场景任务。
场景和任务中还有许多未开发的金矿，未来AI搜索要么成为工作流的一部分，要么走向UGC+AIGC路线，但后者需要庞大的知识体系，花费更多金钱去搭建，难度更大。
本站候鸟号已成立2年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论