78% Wanted This AI Feature. Almost Nobody Used It - Supriya Subudhi, Bumble
三句話摘要
AI產品的A/B測試為什麼不能照搬傳統產品管理邏輯——正面結果只是旅程的開始,不是終點。 AI產品成功的關鍵不是A/B測試何時轉綠,而是你能否在答對五個問題後仍然有信心推出——用戶真的會用嗎、真實輸出質量如何、成本結構是否可持續、優質模型成本你能否承擔、法規合規範圍有多廣。 講者首先揭露核心矛盾:用戶在調查中表達需求與實際使用行為存在巨大落差。Bumble用戶研究發現78%的人希望獲得約會檔案改進建議,但功能上線後實際使用率僅10-15%。這說明openness to AI無法預測實際採用率,必須將AI整合到用戶既有的應用流程中,而非孤立的獨立功能。
重點整理
講者首先揭露核心矛盾:用戶在調查中表達需求與實際使用行為存在巨大落差。Bumble用戶研究發現78%的人希望獲得約會檔案改進建議,但功能上線後實際使用率僅10-15%。這說明openness to AI無法預測實際採用率,必須將AI整合到用戶既有的應用流程中,而非孤立的獨立功能。
其次,正面的平均數據會掩蓋長尾問題。當AI照片反饋功能告訴已經在微笑的用戶「多笑一點」時,整體數據依然向好,但這暴露了模型的根本問題。需要深入檢視真實輸出、建立合理護欄(如不建議改變膚色、身高等用戶無法控制的特徵),並用evals工具驗證不同用戶群體的實際體驗。
第三,生成AI的成本結構與傳統機器學習截然不同。選用最佳模型的成本是簡單方案的10倍,且隨著用戶增加而持續攀升。需要明確為何使用AI(短期營收 vs 長期品牌價值),據此判斷值得投入多少預算。
最後,法規合規性成為全球推出的硬約束。同一功能在美國測試成功,也可能無法直接推向其他國家或地區,需要提早考慮多國合規策略。
實用技巧與重點
- 具體數據與案例
- Bumble月活躍用戶:2千萬
- 調查意願度:78%用戶表示想要AI反饋
- 實際採用率:10-15%
- 最佳LLM成本:是簡單方案的10倍
- Meta Muse AI:僅在美國和加拿大推出
- 功能規格
- AI照片反饋功能:用於改進約會檔案的圖片
- 集成點:用戶上傳圖片時詢問、未匹配時推薦檢視反饋
- 必需設定的護欄
- 禁止建議改變膚色
- 禁止建議改變身高
- 禁止針對用戶無法控制的特徵提建議
- 評估工具與方法
- Evals工具:用於檢視真實輸出質量
- 長尾分析:按用戶群體(性別、語言、國家)分別評估
- 成本-效益測試:快速重複測試不同模型和提示版本
結論
AI產品成功的關鍵不是A/B測試何時轉綠,而是你能否在答對五個問題後仍然有信心推出——用戶真的會用嗎、真實輸出質量如何、成本結構是否可持續、優質模型成本你能否承擔、法規合規範圍有多廣。
完整解析
Supriya是Bumble的產品經理,該公司是擁有2千萬月活躍用戶的約會應用。她分享了開發AI照片反饋功能的經歷,揭示了為什麼AI產品的A/B測試與傳統功能測試有根本區別。
故事始於一個看似清晰的機會。用戶研究一致表明,約會應用使用者不知道自己的檔案是否足夠吸引人,渴望獲得改進建議。當提示人們AI可以提供此類反饋時,78%的人表示他們會喜歡這個功能。然而現實截然不同——功能上線後,實際使用率僅10-15%。這個落差揭露了產品管理的第一課:openness to AI不等於actual adoption。解決方案不是構建獨立的AI工具,而是將其織入既有流程。Bumble改變策略,在用戶上傳圖片時主動詢問是否要反饋,在用戶遇冷時推薦檢視反饋改進檔案,採用率才顯著提升。
第二個挑戰涉及如何評估成功。A/B測試顯示使用反饋的用戶確實調整了更多檔案,平均指標向好。但細看數據,AI在犯明顯的錯誤——告訴已經在微笑的人要多笑。這說明平均值掩蓋了問題。Supriya引入兩個概念:首先是guardrails(護欄),AI不應建議用戶改變膚色或身高等無法控制的特徵。其次是evals工具,能夠檢驗真實輸出、按不同用戶群體(性別、語言、地理位置)分層評估質量。成功指標從簡單的green vs red轉變為深度檢視長尾表現。
第三個挑戰是成本。使用最佳LLM的成本是簡單方案的十倍,加上evals運行成本,完全無法承受。這涉及一個更深層的決策:為什麼要用AI?Amazon推出購物助手可能是為了長期品牌價值和用戶粘性,值得更高投入;短期則著眼於購買轉化和收入增長。理解這一點才能做出合理的預算決策。Bumble的解決方案是回到數據驅動,快速測試不同模型和提示版本,最終以最便宜的可行方案達到良好效果。但這也暴露了一個風險:成功的A/B測試結果可能反映的是所用模型的品質,而非功能本身的可行性。
最後一個挑戰是地域與法規。Meta的Muse AI僅在美國和加拿大推出,正是因為AI法規在全球差異巨大。Bumble在美國測試成功的功能,面臨推向其他國家時的法律和合規障礙,無法直接複製。這要求從產品概念初期就納入法規思考——是優先在一個國家做到極致,還是投入額外成本開發多國版本?這不再只是技術或產品問題,而是戰略選擇。


