一个产品判断公式
我很喜欢俞军的用户价值公式，因为它足够简单，也足够刺痛产品经理的自嗨：
用户价值 = (新体验 - 旧体验) - 替换成本
这不是一个精确计算公式，而是一个判断框架。它强迫我们从用户视角看问题：你做的新功能，到底让用户比现在好多少？这个提升，是否足以覆盖用户迁移、学习、信任和习惯改变的成本？
如果答案是否定的，即使功能很完整、技术很先进、团队很努力，用户也未必会用。
三个变量：新体验、旧体验、替换成本
这个公式最关键的是三个变量，每一个都容易被低估或误判。
很多 PM 会高估新体验，低估旧体验和替换成本。最典型的想法是：“我们这个功能更先进，用户自然会来。”现实通常没有这么温柔。
三个典型场景
用这个公式看产品增长，会更容易理解为什么有些产品爆发很快，有些产品明明体验更好却推进很慢。
| 场景 | 公式表现 | 产品启发 |
|---|---|---|
| 快速增长 | 新体验巨大，替换成本极低。 | 用户几乎不用学习和迁移，就能获得明显收益。 |
| 慢热或失败 | 新体验不错，但替换成本很高。 | B 端系统、企业工具、知识库迁移经常卡在这里。 |
| 市场空白 | 旧体验接近 0，只要新体验为正就有机会。 | 关键是找到旧方案极差或根本不存在的场景。 |
这也是为什么 B 端产品不能只展示“新系统多好用”。如果旧系统里有历史数据、组织习惯、审批流程和培训成本，新体验必须大到足够抵消这些摩擦。
放到 AI 产品里，替换成本更复杂
AI 产品里，用户价值公式依然成立，而且“替换成本”变得更关键。
首先，AI 的新体验不是固定值，而是一个分布。同一个问题，模型可能今天答得很好，明天因为上下文、检索结果或 Prompt 变化而表现不稳定。因此 AI PM 不只要提升平均质量，还要关注最差情况的兜底。
其次，旧体验常常被团队低估。用户现在可能是百度搜索、问同事、翻内部文档、打电话找客服，甚至凭经验处理。旧体验未必优雅，但它熟悉、可控、可解释。
最后，AI 产品有三类特殊替换成本：
- 信任成本：用户需要时间验证 AI 输出是否可靠。
- Prompt 学习成本：用户需要学会怎样提问，才能得到稳定结果。
- 上下文迁移成本：切换工具可能意味着丢失历史对话、记忆和个性化配置。
用 AI 问答产品举例
如果做一个企业知识库 AI 问答产品，不能只说“它能秒级回答”。更完整的分析应该是：
所以这类产品的核心竞争力不只是“有 AI”，而是“可信的 AI”。引用来源、低置信度提示、转人工入口、Bad Case 反馈、回答评分，这些设计本质上都在降低替换成本。
从公式倒推产品策略
当用户价值偏低时，PM 可以从三个方向倒推策略。
- 提升新体验：优化回答质量、速度、界面体验、个性化能力和任务完成率。
- 重新暴露旧体验的问题：用场景化演示让用户意识到旧方案的低效、不可追踪或不可规模化。
- 降低替换成本：提供一键导入、平滑迁移、默认模板、引用来源、培训引导和人工兜底。
不同产品的杠杆点不一样。B 端产品通常优先降低替换成本；C 端产品更依赖新体验的惊喜感；新兴 AI 工具的核心瓶颈往往是信任成本。
用户价值不等于商业价值
用户价值为正，只说明用户愿意用，不代表公司能可持续赚钱。一个产品真正成立，需要同时满足：
产品成立 = 用户价值 > 0 且 商业价值 > 0
AI 产品尤其要注意这一点。因为 AI 的 Token、检索、推理和工具调用成本会随使用量增长。用户越爱用，成本也可能越高。AI PM 不能只优化用户价值，还要关注单次服务成本和商业模型。
总结
用户价值公式最重要的提醒是：好产品不是“功能更强”，而是“用户真的觉得值得切换”。
在 AI 产品里，这个判断更关键。因为 AI 往往带来很强的新体验，但同时也带来信任成本、学习成本和上下文迁移成本。真正能落地的 AI 产品，不只是让用户惊艳一次，而是让用户愿意把原来的工作方式迁移过来。
欢迎通过邮件和我交流：shaoyanyan91@163.com
本文整理自个人 AI PM 知识库，并结合 AI 问答、企业知识库与产品落地实践补充。