145
0出海去 AI 主题系列直播，帮助 AI 创业者找到垂直市场的需求。每一期，我们邀请一位行业专家，和 AI 创业者、开发者展开一场跨界对话：
🌱 行业真实的问题是什么？⚙️ 哪些需求能被 AI 工具或 Agent 有效解决？🤝 行业 know-how 如何成为 AI 创业的护城河？
这是非常具体的行业案例，也是一种可以迁移的创业方法论。我们希望借由这次系列直播，帮助更多 AI 创业者了解一个行业如何被 AI 加持，寻找真正可落地的创业方向。
👤 嘉宾：ZHAO，B 端产品经理，互链时空创始成员，工作 10 年横跨工程、地产、金融、汽车和能源 5 个行业。
🌐 世界互联网远没到下半场，To B 创业正当时。
当习惯线上叫车、点评找店，煤炭行业还在线下蹲车、靠口口相传找客户。ToB 数字化推进缓慢，背后是三个现实：谁也不服谁、用户太下沉、行业有门槛。
但机会依然巨大，关键在于打法：
✅ 不做平台，做连接器
✅ UX 对 B 端不是不重要，而是太重要
✅ 从一个客户出发，打磨出能服务 12 万企业的标准产品
📺 这场直播，我们聊聊如何真正打开 To B 互联网的大门。
----
本期出海去播客是 AI 垂直市场系列直播，邀请互链时空的联合创始人兼 B 端产品经理 Zhao，探讨 To B 互联网的创业机会。Zhao 分享了 To B 互联网的定义，案例，以及三大门槛：用户下沉、行业知识难、自建平台多，并提出了相应的破解之道，包括重视用户体验、先做好私有化再奔向互联网、不做平台做连接器。此外，还探讨了 AI 在 To B 领域的应用，如纸质单据识别、仓库 AI 哨兵、企业 AI 大脑等。最后，强调了 To B 互联网不仅能帮助企业增长，更能改善从业者的工作和生活，呼吁关注这些行业中人们的需求和期望。
Takeaways
- To B 互联网不仅仅是为大公司做私有化部署，而是让决策链条长和交易金额大的业务在线化。
- 当前 To B 互联网的拉通程度极低，类似于 1890 年的加利福尼亚西部淘金热或 2000 年的中国电商，存在巨大机会。
- 能源行业寻找拉货车辆仍然需要线下蹲车，获取店铺信息仍靠口口相传，反映出行业数字化程度低的现状。
- To B 互联网存在三大门槛：用户下沉，行业知识难，自建平台多，阻碍了大厂高举高打深入 To B 互联网。
- 破解用户下沉门槛的关键在于重视用户体验（UX），降低用户满足需求的成本，尤其是在用户多使用微信等交互简单的应用场景下。
- To B 企业用户需要 AI 大脑来处理文书工作，但目前缺少交互简单、零门槛上手的 AI 产品。
- 能源行业纸质单据的 AI 识别需求尚未被真正满足，通用大模型虽能达到 90% 以上的识别率，但用户无法接受 95%-98% 的准确率，仍需人工复核。
- 能源行业的仓库需要 AI 哨兵，但现有的周界防范相机存在误报问题，缺乏针对行业个性化需求的定制化。
- 能源行业内部对于同一事物存在多种称谓，如集运站有多种叫法，导致业务沟通摩擦和困扰。
- 提升 AI 纸单识别率的最大难点在于缺乏行业专用数据集和训练量，用户担心泄露商业秘密而不愿提供数据。
Outlines
00:05出海去播客介绍与 AI 垂直市场系列直播开场
02:15To B 互联网的定义与案例
04:14To B 互联网的巨大机会与行业现状
07:18To B 互联网的三大门槛
08:10To B 互联网门槛的具体案例
12:14破解 To B 互联网三大门槛的三个观点
13:07破解用户下沉门槛：重视用户体验
16:42破解行业知识难门槛：服务好一家企业用户
20:18破解自建平台多门槛：做连接器
25:18AI 在 To B 领域可以解决的问题
26:37AI 识别纸质单据的需求与挑战
31:45AI 哨兵在仓库中的需求与挑战
34:01企业需要 AI 大脑的需求与挑战
37:11出海去介绍与 To B 行业用户体验的讨论
41:16To B 行业的用户教育与标准化问题
44:36纸质单据识别准确率与 AI 改造的决心
48:45纸质单据识别的评测标准与数据集
52:20To B 行业的营销与销售链条
54:30To B 互联网产品的营销和销售打法
57:03联系出海去与 To B 互联网市场的感受
1:00:29AI 向善
Q & A
为什么能源这样非常重的大 B 行业，在用户体验上不重视这个事情？还是说当这个行业过于重，过于垂直，过于集中的时候，在他们现在的最佳实践里面，用户体验到底是一种怎样的存在？
还是用吴军产品方法论这本书的作者吴军老师的一句话来回答这个问题。大家就是会有一些人依然认为 UX 也好，UI 也好，交互也好，是在给产品涂脂抹粉。它是一个属于 2C 公司才需要的东西，满足人的情感需要的。那么 To B 作为一个更加冰冷一些的商业世界，我们谈效益，我们谈成本利润收入的时候，大家就会自然的认为这个 UX 并不是重要的事情。
To B 这个行业是不是还涉及到一些原始的用户教育问题？那这个用户教育的问题，是不是目前当我们去撕开 To B 互联网这个口当中最大的障碍或最大障碍之一？
是的，用户教育或者叫用这个行业内，用互联网行业更专一点的一个词说叫启发用户心智是吧？这个其实是一个非常非常重要的，非常非常难的一个事情。我个人的感受是你很难在一到两年的时间里，把一个完全没有互联网渗入的一个行业给它快速的提升上来。它是一个需要三到五年才能，你见到那个苗从地里长出来的一个事情。
如何把纸单识别的准确度提升到能够让最终的使用者，真正相信的程度？
我对这个事情的观点是乐观的，我认为它是值得 AI 创业者们去探索的。因为首先，有需求。有一位用户他跟我讲过这个事情，他只是一家小公司，但是他需要一位员工每个月把所有的时间放在处理纸质单据上，放在录入纸质单据到系统里这件事情上。那么这一个人的用人成本至少是在中国的三四线城市吧，那至少是将近一万块的一个成本。如果他的业务量更大的话，那就是需要更多的人来专职做这件事情。那就是一万乘以 N。
2B 的企业用户跟企业用户之间，他们是否互通？
他们确实在互通，而且他们互通的这个程度非常严重，就是如果大家都在一个区域，都在一个城市的话，你用什么东西了，老板们互相之间一定会知道，你用我没用这不行。
企业用户之间的互通，更多的是出于竞争关系，还是出于大家分享？
竞争。就是如果这东西一开始只有你在用，大家都没有，那我要看一看。如果大家都在用，我还不用，那我一定要用。
如何切入到头几个客户里面？
这个地方就涉及到一个打法的一个选择上。其实我们现在可以看到的这种 To B 互联网产品的营销和销售打法上，大概可以分成三种吧。对，就是第一种是我先从大 B 做起，第二种是我先从小 B 做起，然后相关的组合就是我做大 B 的话可能要先从线下做起，我做小 B 的话可能要先从线上做起。
阿里云它所提供的这个纸单 AI 识别工具，为什么在能源行业里完全用不了？
第一个就是，目前你就拿比方说阿里云它所提供的这个纸单 AI 识别工具，它是有非常多的这种限制和约束条件的。第一个，它需要你预设模板。预设模板的意思就是你这张单据长什么样子的，你要提前预设好，好让我去识别你。第二个，它对于手写的识别能力极差。
为什么海康的界限防范相机在能源行业的仓库里也用不了？
因为他老搞这种狼来了的事情。他没有针对行业的个性化需要去做优化。你把那个海康的挂上去之后，他天天他给你报。有个人有个车有个什么东西从哪过他都会给你报。那么需要报吗？其实是并不需要报的。因为至少在能源行业里，这个仓库里有车，有人有大车，小车去过去，通过去路过是一个非常非常正常的事情。
为什么企业里现在没有 AI 产品能够帮助处理文书工作？
因为缺少一个在宣发上，只给在产品形态上足够简单。一个盒子，像机顶盒一样的盒子，或者一个像机箱一样的一个盒子，交互特别简单，让完全没有任何 IT 知识的普通用户，能够零门槛上手的一个，把大量的文档喂给他，然后就能让他帮你写点东西，帮你找点文档的那么一个 AI。
标准化在 To B 行业中有多重要？
标准化这一块，他其实非常像是当年秦始皇统一六国的时候，需要建立统一的度量，衡是统一的语言。举一个例子吧，就是在大宗，就是在能源行业里面，刚刚提到的这个集运站，其实有人把它称作集运站，有人把它称作煤厂，有人把它称作厂站，有人把它称作输运站，叫什么的都有。实际上就导致行业里内部的人，他在聊业务的时候，互相之间的摩擦跟困扰都是非常大的。彼此不知道互相在说什么。
