2019年，我担任AI公司atSpoke（后被Okta收购）的销售团队负责人兼增长策略负责人。该公司利用人工智能增强传统IT服务管理和企业内部沟通。
早期阶段我们的转化率很高：只要销售团队能与潜在客户交谈且客户体验了产品，通常就会成为付费用户。核心痛点在于如何吸引足够多的优质线索。
传统SaaS需求生成策略在此失效。投放广告或围绕“AI”构建社区既昂贵又只能吸引缺乏购买力的爱好者；为“自动路由请求”等新概念购买搜索关键词无效，因为无人搜索；而使用“工作流”等通用术语则会直接陷入与ServiceNow、Zendesk等巨头的竞争。
作为B Capital Group平台团队成员，在为成长期科技企业咨询时，我发现几乎所有AI、机器学习（ML）及高级预测分析公司都面临类似困境：健康的管道线索生成是行业痛点，但相关解决方案内容稀缺。
以下是阻碍AI和ML公司需求生成的四大关键挑战及应对策略。虽无捷径可走，但这些建议将助你构建有效的营销策略。
挑战一：AI和ML类别仍在定义中
Salesforce的故事值得重提。1999年成立时，“SaaS”尚不存在，媒体称其为“在线软件服务”。Salesforce通过聚焦传统软件痛点、发起“软件终结”抗议活动，并由CEO反复强调“软件即服务”，最终创造了该品类。
AI和ML公司面临同样动态。“决策智能”等具体领域尚未形成清晰类别，甚至“AI/ML”本身也与BI、数据、自动化等领域高度交叉。
这意味着不能依赖用户在搜索引擎输入特定解决方案名称（如“标签质量”）。成功关键在于保持“类别创建”模式：
- 聚焦问题陈述：文案应高度关注痛点而非解决方案。例如Hypersonix提问：“因传统分析团队决定促销策略，你损失了多少钱？”买家未必知道解决方案，但深知痛点。
- 语言严谨性：刻意创造并重复使用新术语。Segment（“客户开发平台”）、Clari（“收入智能”）及Salesforce（“SaaS”）均是典范。
- 关联知名类别：早期信息传递需链接广为人知的类别。如atSpoke初期主打“从Slack提交工单”，尽管后期重点转向自动化和工作流。
挑战二：它是产品，本质却是管道
AI/ML解决方案通常是数据工具链的一部分，将数据转化为洞察或行动，且极少独立存在。由于数据源、架构及输出目标各异，没有两个数据管道完全相同，这导致了高定制化需求和较高的服务收入占比。
BCG数据科学平台产品和工程负责人Allen Chen指出：“软件开发生命周期界限清晰（如Github到CircleCI），但AI/ML领域界限模糊。因此，即使你的产品只占完整解决方案的10%，也不得不围绕整个生命周期进行讨论。”
这对营销构成难题：提出简洁价值主张极难，广告易变得冗长复杂，违背KISS原则。
应对策略包括：
- 极致简洁：如C3.ai在旧金山广告牌仅写“这就是企业级AI”，以此提升品牌知名度，引导感兴趣者访问网站了解深度内容。（注：C3.ai 2021年花费5300万美元获40家新客户，说明管道挑战普遍存在。）
- GTM早期排除管道复杂性：专注解决方案体验。如Google使Tensorflow教程具交互性；其他公司可创建沙盒环境，让数据科学家直接在Jupyter Notebook中运行Python代码。
挑战三：领域既新又拥挤
Crunchbase数据显示，ML领域初创及相关企业超9,000家。Firstmark Capital的MAD全景图显示该领域呈爆发式繁荣，且多家公司已规模化运营。
此外，PyTorch、Tensorflow等开源库由巨头支持且免费，已成为开发者技术栈一部分，构成直接竞争。
应对策略：
- 高度垂直化：“AI/ML”术语对买家已无吸引力。必须选择细分领域和问题陈述，定制行业营销信息。Splunk曾开展数百个针对特定行业的营销活动（如故障日志文章）。
- 避免与开源正面竞争：提供高阶价值主张，而非试图替代数据科学家的基础工具。正如Chen所言：“不要试图说服数据科学家认为你的产品比PyTorch更好。”
挑战四：利益相关者众多，优先级各异
AI/ML公司需同时向业务所有者、数据科学团队和开发者等多方营销。这些买家日益精明：业务方要求明确的产品价值关联（约85% AI项目未产生实际影响）；技术人员则看重快速实施和平滑集成。
应采取多管齐下的方法：
- 针对业务买家：基于问题陈述提供有意义的价值主张。
- 针对技术利益相关者：提供免费工具和文档。
DataRobot不仅按解决方案和行业划分网站，还按“业务分析师”、“软件工程师”等角色进行细分，值得借鉴。
结语
AI/ML营销可能遵循DevOps、CRM等成熟类别的发展轨迹：类别更清晰，但竞争更激烈，买家更专业。战术上需采用利基营销信息、投资品牌建设并专注于优化。
尽管环境复杂，但这反而为营销策略带来自由。你的公司有机会定义未来赢得的市场空间。
免责声明：Mike受雇于B Capital，后者在DataRobot、Hypersonix、Clari和Labelbox中持有财务权益；Mike个人持有Splunk的股票。