为物联网/人工智能项目寻找投资商的优秀方式

作者: Adam Dunkels 2019-12-02 09:17:21

 解决一个问题,并验证,而不是描述

许多物联网项目的演示方式,大大降低了投资者和客户的吸引力。这将导致项目永远无法启动,即使启动了,也很可能会失败。

我们开发出一个五步系统,以帮助客户刺激人们对物联网项目的投资热情。获得投资将使项目更有可能启动并成功。

在开始之前,先介绍一些背景术语:

  • 物联网(IoT):部署在物理世界以收集数据或控制某物的无线硬件和系统。
  • 人工智能(AI):对物联网收集的数据进行处理的软件总称。
  • 投资者:在项目初期,每个人都是投资者。不只是货币投资者,创始人、员工、早期客户、同事、老板和家庭成员都是投资者。

1、解决问题

在2019年,物联网/人工智能项目层出不穷,这些项目或者很新颖,或者只是某些技术的概念验证。

通过解决特定问题,并将您的项目作为该特定问题的解决方案,您的项目将立即脱颖而出。

这将使您的产品更容易销售给第一批客户:他们所面临的问题正好是您可以解决的。

这看起来很简单,但这一步往往比看起来要难得多,特别是对于产品导向型的人来说。

通常情况下,激发项目初始兴奋的想法并不是一个针对单一高价值问题的明确解决方案。兴奋往往来自于一次性解决很多问题的潜在可能性。这很好,但请您遴选出最重要的问题,并将您的项目描述为该问题的解决方案。

请做好准备,通常需要迭代几次才能解决一个足够有价值的问题。您如何确定一个问题是否足够有价值?量化!

2、量化您的解决方案

这是您判断问题是否值得解决的一个步骤。

量化意味着用数字来描述问题及其解决方案。具体来说,这意味着要找出以下两个问题的答案:

  • 由于步骤1中您要解决的问题,目前已经浪费了多少钱?
  • 由于您的解决方案,将能省下多少钱?

通过弄清楚当前在要解决的问题上花了多少钱,您将明确其重要性。如果这是一个低价值的问题,那么您应该返回第一步并将注意力放到另一个问题上(来源物联之家网)。重复这个过程,直到您找出目前浪费资金最多的问题。

通过计算出您的解决方案将为客户节省多少钱,您将立即了解您自己可以从这个产品中赚取多少钱。同样的,如果这个数目比较小,则可能要返回第一步去找另一个问题。

但是,如何量化您的项目所能带来的收益呢?这是一个合理的问题,通常值得考虑客户通过您的产品能够获得的潜在收益。但是,说服人们他们会赚钱比说服他们将省钱要困难得多。

3、简单化

对于以产品为导向的人来说,很容易陷入功能陷阱。请您远离这个陷阱。

如果这个陷阱来自于早期客户的反馈,则这个陷阱就特别邪恶。问题在于,当潜在的客户说:“我们喜欢它,但在决定采购之前,我们可能需要X和Y功能。”对于许多产品人员来说,这是添加其他功能的信号。

相反,您应该将此类反馈视为,您可能没有为这位潜在客户提供足够有价值的问题的解决方案。显然,如果您的解决方案解决了一个重要问题,客户会立即承诺购买,而不是要求其他功能。

简单化是可靠解决方案的标志。

4、构建并验证,而不是描述

在物联网市场,每个产品都需要实物演示。该演示将测量物理世界中的某些东西,或控制物理世界中的某些东西。通常两者兼有。

对于以产品为导向的人来说,诱惑就是构建一个完整的Demo用于演示产品的所有奇妙功能。请抵制这种诱惑,这很昂贵,而且无论如何都不大可能使人们感到兴奋。

相反,构建实物Demo以验证问题与解决方案,并以演示为契机,向人们展示您的解决方案将为客户节省多少钱。

具体而言,这意味着:

  • 在后端AI中,计算您的解决方案迄今节省了多少钱。
  • 估计未来将节省多少钱。
  • 不要害怕在向客户演示的屏幕上直接显示货币金额,并随着更多数据的流入实时更新。毕竟,这应该是客户最感兴趣的项目。

为了让这一步骤更容易,您构建的Demo应越小越好,仅保留必要的硬件和软件。尽量利用现成的硬件,因为自定义硬件难以构建,而且容易出错。

将开发工作专注于解决方案的量化效果上,而不是炫耀功能。如果您感觉有必要炫耀功能,那可能需要重新思考您正在解决的问题。

5、美化

即使Demo的目的是为了验证问题与解决方案,您也必须让Demo看起来不错。

而且这里说“看起来不错”,指的是用户可以看到的软件,而不是硬件。让硬件看起来不错是很难的,耗时且昂贵。让软件看起来不错则很容易,快速而且无需花费太多。

我们的经验是,当产品能够解决客户宝贵的问题时,他们对硬件的外观是相当宽容的。但软件必须看起来不错:客户对此极少宽容。

这里有些小技巧,可以让软件看上去更好些:

  • 使用单页Web应用程序来展示Demo。
  • 采用现有的设计框架进行演示。
  • 不要过度使用图表。相反,应专注于单一指标——通常是客户将节省的资金数量。
  • 挑一张漂亮的照片做背景:Unsplash 就是一个非常好的资源库!
AI 人工智能 物联网
上一篇:金山云欲做智慧城市建设合伙人 构建以人为本智能城市生态体系 下一篇:Reddit网友吵爆!算力和数据真能解决一切?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载