01 先看看国外的SaaS，我羡慕

它还提供了话题在时间线上的变化情况。能回溯很多个月。这个海量的数据量，真的是大写的服。毕竟只是一个第三方服务商，而不是像Google这样的平台呀！

它也预测哪些话题有可能成为下一个爆点话题：

Crayon.co，这个SaaS服务商专门提供竞争情报信息。它怎么做呢？它通过无时无刻不在地监视竞争对手的网站、评论网站、社交媒体、新闻和论坛等多种渠道追踪竞争对手的活动，例如网站主要内容的更新、价格的变动、营销活动、客户评论等。这些追踪几乎是实时的，也就是当竞争对手那里发生了任何新的“事件”，它都会在第一时间通知你。

因为利用了多模态的AI能力，它不仅监视文字，还监视图片和视频内含义的变化。

在监视结果的呈现上，它用一个时间序列的瀑布流的方式展现你的竞争对手的所有的变化情况。此外，它不仅仅只是简单的监视和呈现，它还通过AI进行分析，判断哪些变化更加重要值得你的关注。并且你还可以配置重要性等级，来设定哪些变化直接给你发email通知你。

这个工具没有QUID那么宏大，但是我想说，它真的很实用，也很好用。

这样的工具，可惜，我在国内找了好久，也没有发现。

可能有朋友说，这不就是一个小工具吗？我们随随便便就给做出来。

那好，那我们再看一个SaaS解决方案：Medallia。

Medallia

Medallia干什么呢？它是一个典型的用户体验管理工具（CEM）。这类工具的核心功能，是追踪自己的消费者在营销的全链路中的体验究竟是好，还是不好。如果不好，是哪里不好，以及如何改进。

国内曾经在2018年左右有不少SaaS企业都提出了这个概念，但是今天，CEM在中国几乎没有什么甲方会主动提及。

但是Medallia的CEM不同，它做了很多年，还收购了像Monkeylearn这样在CEM领域很有影响力的企业。

Medallia的解决方案是一站式地解决所有的CEM相关的需求，包括对所有与用户体验相关数据的追踪、管理和分析，例如：用户调研、用户的语音录音（比如用户的咨询电话）、用户的线上行为（网站上的行为、APP行为等）、用户在社交媒体上的发声、用户在内容媒体上的发声、用户的短信或Whatsapp等Messaging平台的发声，还包括来自经销商、IOT、雇员反馈等其他渠道收集到的所有用户的行为数据或反馈。

Medallia还提供对进入竞争对对手的商店、餐厅进行过交易，但未能识别顾客的洞察。

这些信息会在打通用户ID的基础上被整合，并进行包括语义分析在内的各种分析，从而能够以一个非常全面的视角观察与评估每一个用户的体验，并基于此提供优化用户体验的建议。

并且，它现在有了这么多的数据，它还能不断训练自己的AI，去预测一个营销手段，或者一个营销创意、内容、交互方式，在发布之前，用户可能的反馈是什么样，以及可能要做什么样的预案。

这些技术国内没有吗？都有呀！但为什么都成不了气候呢？

比如Medallia的用户线上行为分析，这不就是热图吗，国内之前Ptengine提供了非常好的热图工具，但慢慢主战场也转移海外了。然后做用户语音分析的、做社交内容分析的，比比皆是。国内的多模态AI不差，做视频分析也绝对没问题，但是，却没有出现一家像Medallia这么能够一站式完成CEM的SaaS企业。

又有朋友说，这不就是一个“缝合怪”吗？国内不是做不出，是不屑做！

那再举一个例子，看看通用垂直细分领域，国外的SaaS有多好。

我是做数据的，看看国外的AI数据SaaS，再看看国内有没有。

Julius

我在之前的文章《AI时代的数据工具：取代数据科学家的Julius》中，专门介绍过这个SaaS工具。

我真的很喜欢这个SaaS工具。它是一个通用的AI数据分析工具。

你可以用自然语言直接指挥它，让它处理Excel的数据。——不过这些有些AIGC的通用平台也能一定程度上完成了。

而且我也不需要一个AI帮我做Excel，我自己做也很快。

但它可以做一些相当复杂的数据挖掘建模！

国内没有这样的工具！再看一个我常用的工具。

Exploding Topics

这个工具，我真的觉得特别实用。

它是一个趋势洞察平台，旨在在新兴话题和品牌成为主流之前识别它们。它利用人工智能分析来自网络（包括搜索引擎、社交媒体、论坛、新闻和博客）的数百万个数据点，以发现持续的增长模式并预测未来趋势。

它无时无刻不在分析美国的什么话题、产品、事物开始变得火起来，并且给你提供详实的数据趋势。它还可以深挖在不同平台上，某一个热门话题的声量分布。

还有各种火起来的产品，都是什么。

可惜，我们没有这样的公共可用的SaaS产品，我想付费都找不到！

我真的不想拉踩，但是什么index.ba**u.com，什么某博指数，什么微某指数，在这个工具面前弱爆了好不好！

而国内第三方的类似于Exploding Topics的工具，那就更没有了！

02 我们的SaaS呢？几乎都没什么让人有深刻印象的！

上面举出的这些SaaS工具的例子，在海外大的SaaS生态中，只是数万个成规模的SaaS产品中的九牛一毛。

而且，这些SaaS产品竞相把AI能力植入其中，开始构建一个生态更为丰富、能力更为强大的体系。

国内呢，看来看去，数字营销领域的SaaS只能用苟延残喘来形容。上面这些各具特色的工具无人开发，发现了一个别人正在赚钱的所谓的新概念之后，却一拥而上。

就算AI来了，更多看到的也是给企业做定制项目的乙方，而很少有做SaaS产品的乙方了。

为什么是这样的情况，值得深思。

很多朋友对国内的SaaS，甚至企业服务软件行业的滑落，有很多的解读和看法。

我就不拾人牙慧，重复别人的观点了。我说说我的看法。

03 中国没有SaaS生存的生态环境

类似于Quid.com或者Exploding Topics这样的工具，它们是如何能够提供如此大体量又十分精密的服务呢？

这么问吧！怎么可能搞到如此多的数据，不仅仅是网站，还要涵盖各个类似于中国字节、红书这样的封闭的内容平台？

答案其实出乎意料的简单——花钱买。

对，花钱买。

海外，至少美国，在互联网数据交易和管理是成熟而又务实的。

互联网企业没有封闭自己的数据，它们开放部分数据，并提供API接口。当然，它们也收取费用。

特别隐私的用户数据当然不会开放，但大量的语义级别的数据，是可供交易的。

另外，有一些第三方服务企业（也是SaaS，例如Tealium），也为它们的客户提供跨生态跨平台用户ID打通服务，通过这种方式，互联网大平台也能提供部分经过脱敏的个体级别的用户数据。

有了这些一手来源的数据，很多基于其上的工具和应用就能够极好地提供出来。今天的SaaS如果没有数据，压根就没办法提供什么像样的服务。这一点上，至少在漂亮国，这个问题不严重，数据市场成熟而活跃。并且SaaS之间也互为上下游，我提供的SaaS服务，可能是以你的SaaS服务为一个基础，也可以被其他SaaS所整合。就像Slack、Notion这样的著名SaaS，都是如此。

但，中国呢？中国有数据，却很难用起数据。

平台并不提供数据，所谓能让你花钱获得（使用权）的数据，也不过是一些边边角角。当然，你可以用爬虫抓取，但是，这不仅跟API的效率相差万里，而且还要面对平台的反扒技术与法律风险。

数据交易中心？这里面数据的质量……，我不敢多说，用过的都知道，一用一个不吱声。

所以很多第三方SaaS企业把自己的数据希望寄托在运营商那里，不过老实说，运营商的数据还是非常非常有局限性的。更何况，运营商虽然也想做数据变现，但运营商同样害怕数据法律法规相关的风险。因此，似乎总是在面纱之后一般。

毕竟，“买数据”这三个字，在中国就像有原罪一般！

更何况，哪怕就算真的有数据资源，让你买，我相信绝大部分的SaaS企业也不会花大价钱去买。

Quid.com的年度数据费用是数千万美元，外加可能同样数千万美元的数据托管费用。

中国的SaaS企业不可能有这个老本去花这个钱。不是不愿意花，是如果花了，SaaS服务的定价肯定是客户爸爸们不可能接受的。而且一众竞争对手可能没花这么多钱，也说自己有这么多数据，甚至拥有更多数据。客户爸爸们不想为看不见的、藏在产品界面背后的实力付钱，也没有很强的能力能辨别到底谁有实力。

客户爸爸们也构成了这个死气沉沉的生态的一部分，一个总怕被骗，总希望先小花点钱试试水看看效果再做下一步考量的存在。

但是，如果要真正做好SaaS服务，第三方企业在初期就必须要下血本做高投入才可能实现。一边要投入巨量沉没成本，一边却面对的是对SaaS满腹狐疑，付费习惯羸弱的客户，傻子都知道像美国那样的SaaS在中国绝对不能干。

那就只能堆概念，堆功能，展示五颜六色五光十色的demo！

所以，中国的SaaS工具，尤其是互联网营销和相关数据的SaaS工具，走两条路线，要么给人一种炫目的感觉，但实则很空洞。要么就是非常接地气，解决几个需求点赚把快钱。当然，不是所有的SaaS工具都是如此，但想达到我前面举的这些例子的高度，实在是很有差距。

这一刻，我终于明白，SaaS不是一两个企业的技术突破，而是一个国家整体的互联网生态、数据生态的成熟和相对的开放。是彼此间无形的协作和嵌入。它们既是竞争对手，又是在一个产业上共生的生态链上的各个环节。

但国内呢？SaaS总是想要抱大厂的大腿。

在他们有这个想法的时候，SaaS其实就已经死了。但他们抱不到大厂大腿也会死。只是，换了个死法而已。

-宋星大课堂-

课程详情扫描二维码，备注“宋星大课堂”咨询