估值1.1亿美金,利用AI赋能生产力的Mem有什么魅力?

2022 年 11 月 15 日 人人都是产品经理

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

对于Mem这款重塑用户信息搜集和整合的工具,有人认为这就只是一款不一样的笔记应用,也有人认为这会是AIGC时代应用层的典范。对此,本文作者结合个人调研报告,分析了这家公司究竟有着什么样的魅力,一起来看看吧。


作者:深思圈

来源微信公众号:深思圈(ID:gh_352a572cf923)

题图来自Youtube

全文共 6112 字,阅读需要 13 分钟

——————/ BEGIN /—————

最近大量调研和访谈文字方向AIGC的出海项目,正巧今天看到Mem拿到了OpenAI领投的最新一轮2350万美金的融资,总融资额达到了2900万美金,估值则是高达1.1亿美金,而这家公司仅仅只有16位员工。

这也是一家最近很火的公司。

有的人认为这就只是一款不一样的笔记应用,也有的人认为这会是AIGC时代应用层的典范;结合最近我个人的调研报告,决定写一篇关于Mem的文章,一同来分析这家公司究竟有着什么样的魅力。

在2019年夏天,Mem的两位创始人Kevin Moody和Dennis Xu开始向投资人Pitch他们的新应用——一款重塑用户信息搜集和整合的工具,但在当时看起来这就是一款笔记应用,但两位创始人却清楚的知道,这是一个全新的品类和场景。

在两位创始人最初的构想里,这更像是基于你个人数据的Google搜索引擎,帮助你搜集和整理个人的信息数据,并当你需要时从中快速找到想要的。

Mem的产品名称也前后经历了几次变化,一开始叫做NSFW,意思是“Notes and Search for Work“,然后又改名为Supernote,直到最后确定了Mem这个名字,取自Memex,一种1945年科学家Vannevar Bush想象的可以存储人类所有记忆的机器。

从这个名字我们也可以看出Mem的未来愿景,虽热在当下很多人都习惯将它归类为一款AI Note-taking的笔记应用,但实际上Mem更像是一种基于个人信息数据的协议和管道,来将你个人的邮件、日历活动和笔记信息等自动汇集到一起,并利用AI来自动整合这些信息,并在特定的时间点上给你所需要的。

其最终目标在我看来也是AGI通用人工智能的角色,只不过跟Google和Apple等大公司采取的策略不同,创业公司更多从已有的需求切入做应用,并随着技术的发展和成熟,慢慢演化到这一步。

如果这一天真的到来,那Mem很有可能将成为最具生产力和人们日常生活必不可少的工具。

产品介绍

Mem的创始人Dennis Xu说过一段他为什么想要做Mem的初衷,就是因为他觉得现在关于用户个人信息数据都在Google和Facebook这些大公司的服务器中,而不是用户自己的手上,因此用户没有办法很好地利用这些数据来为自己服务,而这恰恰就是Mem想要改变的。

两位创始人Moody和Xu是斯坦福计算机系的同学,后来Moody在Google工作,而Xu则到了Yelp工作。

在2018年的某一天,当Moody在一家餐馆点餐时,他突然想到他之前来过这家餐馆,但是他忘记了当初点了什么菜。这时一个想法不由自主地进入了他的脑海:如果当他走进这家餐馆时,笔记应用可以自动提醒他当初点了什么菜,这该有多棒呀。

也正是基于这样的最初想法,Mem在设计之初就力求精简,让用户能够更简单和快速的记录信息;因此在Mem还没有移动App之前,用户可以通过发短信或者WhatsApp的方式来快速将信息同步到Mem上,这也是Mem最受欢迎的功能之一。

当然,快速记录信息只是最开始的第一步,但通过人主动输入信息还是太慢太久了,因此更进一步Mem要做的就是如何将信息数据从其他平台快速同步整合到Mem上。

下图就是Mem定义的Bowtie(蝴蝶结)模型示意图,左侧是信息数据的来源,比如Google全家桶、Todoist等等,用户可以通过API接口将这些数据同步到Mem上,然后Mem会通过AI的能力将这些非结构化的数据连接起来,变成有意义的结构化数据,并形成用户自己的知识图谱。

而在最右侧,则是将这些经过整合的知识信息输出到其他产品来使用,比如将知识图谱中任务的部分自动同步到你最爱的任务管理器中,将公司和客户数据自动同步到CRM中,将你可能想看的电影自动同步到流媒体中等等。

整个逻辑有点类似之前文章《老虎环球和红杉印度共同投了一家专为PLG服务的公司》中提到的Toplyne,本质上都是将AI的能力运用到信息数据的处理上,从而更好的帮助人实现高效率工作或者生活。

让我们再来深入了解一下Mem的知识图谱,整个知识图谱由一个个Node(节点)组成,每个节点都是一个Entity,这个Entity可以是一条Mem(笔记),也可以是某个具体的日程活动、一个联系人信息或者是一条任务等等。

Mem会通过AI将这些不同节点上的Entity进行分析和连接,比如你在一条笔记中提到了某位朋友推荐的一家餐馆,这两个信息点都会在知识图谱中进行分析和归类,并自动形成关联,当外部条件触发时,这些信息就会自动呈现在用户的面前。

在具体运营策略上,Mem选择Google作为最早的信息输入源,因为海外用户最离不开的就是邮箱应用,无论是日历活动、餐厅预订还是工作信息,收件箱都是第一手的信息源。因此Mem在做得就是开发功能支持用户连接Gmail,将邮箱中的数据同步到Mem中。

当然,一个随之而来的担忧自然就是数据安全的问题,这在Mem成立第一天就作为核心问题被认真对待,但这同样也需要用户给予更多的信任,特别是在当前这种环境下。从技术角度分析,Mem能够做成这件事的根本在于Transformer这种模型的诞生。

在2017年Google Brain和多伦多大学共同发布了题为《Attention Is All You Need》的炉温,这篇论文宣告了Transformer这一通用大一统模型的诞生,在某种意义上代表着AI发展新的范式转移开始出现。

这一模型基于Attention,而不再需要RNN和CNN,使得整个模型可以进行并行化计算,从而减少训练时间。而在功能应用上最重要的改变就是AI可以被训练理解整个文档,而不是拆开一部分一点点来理解。

而Mem也正是基于此,有了让AI来理解和整理所有用户个人信息的想法;在此之前,所有的笔记类应用都只是一个单纯的记录工具,需要用户自己来做整理和归类,而这恰恰就是最耗费时间的地方。

根据Gartner数据显示,专业人员50%左右的工作时间都花在了检索信息上,平均需要花费18分钟来定位一个文件,由于文档存储不规范带来的成本消耗是每人3900美金一年。而接下去Mem的重头戏在于AI Writer的部分,并且是基于你个人信息数据的AI写作助理。

比如一个可能的场景就是当你在写作中提到某个日程安排或者某条视频内容时,Mem会自动将这些信息自动同步到文档中,同时这个AI Writer还具备GPT-3的所有能力,可以将各种网上的信息比如最畅销的10本书等等进行自动搜集和补全。

从当前的Demo来看,产品形态上非常像Every.to创始人最近做的AI写作工具Lex(lex.page),但由于Mem处于信息的输入上游,可以结合用户个性化的数据,给出更好的写作辅导。

从融资上来说,Mem在去年的4月份拿到了a16z领投的560万美金的种子轮融资,在当时a16z的合伙人David Ulevitch把Mem比作是钢铁侠中的Jarvis(AI助理),并认为这将有潜力成为未来互联网的基础设施之一。

创始人Xu想象未来的一个场景是:有一个Sign in with Mem的按钮,当你通过这在方式登录账号后,Mem会将结构化的知识图谱输出给这个平台,并让这个平台自动定制属于你的个性化内容,这将成为一种全新的工作和生活方式。

Mem能够在最近大火离不开Twitter,以及一个专门为Twitter打造的功能——Mem it。在今年6月份,Mem官方发布了这个功能。这个功能主要是用来保存相关推文信息的,用户可以在任意需要保存的推文下面,回复“@memdotai mem it”,Mem的官方Twitter会自动在下面回复一个保存好的可分享信息链接,给出AI的自动总结,并将这条推文保存到用户的Mem账号中,同时Mem还会自动推荐相类似的推文给用户。

官网详解

接着让我们到产品官网看一看,打开get.mem.ai官网后,首先印入眼帘的就是产品定位:Self-organizing workspace,下面一行小字详细解释了Mem是世界上第一个具有AI能力的工作台,提供个性化的内容给到用户,帮助用户更好的挖掘和使用这些信息。

接着往下就是一个CTA(Call-To-Action号召行动)的按钮,并特别强调了Free(免费使用)的特点,并在按钮下方展示了Mem的工作台界面截图,激发用户兴趣,从而提高注册率。

接着往下是正在使用Mem的团队和公司,其中不乏一些知名大公司和创业独角兽,这也能进一步提高用户对这款产品的信任。

接下来的板块是Mem的上手引导,总共分为三部分:

  1. 信息的Input(输入),Mem在这里列举了四种输入方式,包括桌面端、移动端以及自动同步邮件、联系人和会议。

  2. 信息的Process(处理),Mem很重要的特点就是没有Folder(文件夹)这个概念了,就像上文提到的,Mem会利用AI自动处理这些信息,打上Tag,并形成相应的知识图谱。

  3. Output(输出),这一部分属于Mem的付费套餐Mem X的内容,支持查找相似的笔记、智能搜索、写作和编辑等。

再往下一个板块就是Mem刚刚推出的Smart Write & Edit功能介绍了,这一板块很符合Rapid Prototyping快速原型体验这一PLG产品特性。

Mem官方提供了Marketing meeting、Retreat plan和Chemistry notes这三种文本样例,并且用户可以轻松点击右侧的功能选项,来快速体验对应功能的结果,帮助用户感受到产品价值。更多具体介绍可以看下方这个视频:

该功能目前还没有对外开放上线,但用户可以点击“Request access”按钮来申请排队。

紧接着的一个板块是Mem的功能特性列表,里面主要包括了9大核心功能,方便用户更全面的了解Mem。

最后一个板块就是常规的用户评价,不过Mem直接引用了用户Twitter上的推文作为评价,点击之后就可以跳转到对应的推文,更加具有真实性,增强用户信任。

接着来看看产品定价和套餐,Mem采用了Freemium(免费增值)的定价模式,总共有四个套餐:

  1. 免费版

  2. 个人付费版

  3. 团队付费版

  4. 企业付费版

免费版包含无限的笔记、标签和模版,单个文件大小限制在25MB以及5GB的总存储空间,而付费版Mem X套餐价格是10美元/月,在免费版基础上增加了AI的能力,能够自动整理和归类信息,同时取消了单个文件的大小限制,并拥有100GB的总存储空间。

付费团队和企业版则增加了更多存储空间、团队管理能力以及安全性等内容,团队版的定价是15美元/月,企业版则是联系销售,根据具体情况再定价。从定价方案上看,Mem走得也是PLG SaaS的路线,类似Notion这一类产品,从个人用户向团队和企业版进行拓展。

上手体验

最后让我们实际上手来体验一下产品吧。

点击官网右上角的“Start for free“,通过Google账号即可实现注册登录。在完成登陆后会出现提问式的引导界面,来获取用户是怎么了解到Mem、想要用Mem来做什么等基本信息,整个过程特意设计得像是跟AI在对话一样,十分具有未来科幻感。

在完成这一步操作后,就可以看到Mem的工作台了。

工作台的左侧是菜单栏,里面可以看到各种信息归类选项,比如任务、联系人和标签等,下方则是团队、工作流和垃圾箱等菜单。

而在右边页面主体部分就是Mem的工作台了,里面会根据时间线来显示不同的Mem,在最上方则是搜索框,方便用户通过搜索来快速找到想要的信息,而在搜索框下方则是输入框,可以快速创建不同的笔记类型。

对于首次登录的用户,在最右侧还会有Setup初始化设置的引导提示,分别是连接日历、同步邮件和设置模版,帮助用户快速上手Mem的核心功能,并从中导入更多内容到Mem。

这几步操作都是属于Mem Flows的功能,除此之外之前提到的Mem it、Zapier自动同步也是属于Flows的功能。

信息的同步是Mem非常在意并且核心的功能点,因为这直接决定了Mem能够给用户带来的价值多少,内容越多,价值越大,因此Mem的核心目标就是尽可能让用户在平台上沉淀更多的个人信息数据。

最后总结来说,Mem核心目标和雄心无疑是十分清晰的——AI时代的基础设施,以及AGI通用人工智能。

虽然当前来说真正AI发挥作用的功能还只是在Demo和小范围测试阶段,但从长远看,Mem很显然押宝在了AI上,这也是为什么这一轮选择了由OpenAI来做领投的原因。

OpenAI在去年宣布了专门针对AI领域创业公司的基金——OpenAI Startup Fund,由该基金投资的公司可以得到OpenAI最新功能的优先使用权和Azure服务器资源,同时OpenAI也很显然是这一波AI浪潮的引领者,有了这样双重的加持,可以帮助Mem更快实现自己想要的AI赋能生产力的目标。

Mem的发展其实也再一次印证了开放生态的重要性,正是基于海外API众多的开放生态,Mem才能以创业公司的角色就拿到这些重要的用户信息,并在此基础上为自己构建产品形态。

参考材料:

[1]https://techcrunch.com/2022/11/10/ai-powered-note-taking-app-mem-raises-23-5m-openai/

[2]https://techcrunch.com/2021/04/06/note-taking-app-mem-raises-5-6-million-from-andreessen-horowitz/

[3]https://www.theverge.com/2022/11/10/23424972/mem-ai-notes-app-search-google

[4]https://get.mem.ai/blog/building-the-worlds-first-self-organizing-workspace

[5]https://get.mem.ai/blog/introducing-mem-it-for-twitter

—————— / END / ——————

—————— / 好课推荐 / ——————

#入行2年,基本只接需求、画原型,看不到成长?

今晚8点,10年B端老司机@王鹏老师在线分享,带你明晰B端产品经理发展路径,揭秘高效成长的三大破局点,告别野路子。

直播预告:

✅ 工作多年转岗做B端产品,如何顺利拿下offer?

✅ 新进B端产品,不懂业务还没人带,如何快速hold住项目?

✅ 技术占主导的项目团队,B端产品如何翻盘成为团队核心?

前100人免费,还可额外领取《B端产品经理课程知识地图》电子版,名额有限,👇扫码免费报名👇

▼ 点击「阅读原文」了解更多课程详情

登录查看更多
0

相关内容

人工智能杂志AI(Artificial Intelligence)是目前公认的发表该领域最新研究成果的主要国际论坛。该期刊欢迎有关AI广泛方面的论文,这些论文构成了整个领域的进步,也欢迎介绍人工智能应用的论文,但重点应该放在新的和新颖的人工智能方法如何提高应用领域的性能,而不是介绍传统人工智能方法的另一个应用。关于应用的论文应该描述一个原则性的解决方案,强调其新颖性,并对正在开发的人工智能技术进行深入的评估。 官网地址:http://dblp.uni-trier.de/db/journals/ai/
人工智能内容生成(AIGC)报告,43页ppt
专知会员服务
203+阅读 · 2022年12月26日
美陆军2022最新发布《美国陆军数据计划》,17页报告
专知会员服务
155+阅读 · 2022年10月17日
AlphaFold、人工智能(AI)和蛋白变构
专知会员服务
10+阅读 · 2022年8月28日
如何用latext画神经网络?这个PlotNeuralNet能帮到你
专知会员服务
25+阅读 · 2022年1月15日
2021企业数字包容实践与价值白皮书
专知会员服务
26+阅读 · 2021年6月4日
专知会员服务
36+阅读 · 2021年5月21日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
几行代码就能价值千万美金?丨1024程序员节
创业邦杂志
0+阅读 · 2022年10月24日
看完AI画画,我的插画师朋友挺急的
人人都是产品经理
0+阅读 · 2022年9月14日
为什么99%的新消费品牌会死掉?
创业邦杂志
0+阅读 · 2022年4月8日
从1到100,SaaS怎么做增长
人人都是产品经理
0+阅读 · 2022年4月1日
谈融资时,投资人最忌讳的是什么?
创业邦杂志
0+阅读 · 2022年3月26日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
VIP会员
相关VIP内容
人工智能内容生成(AIGC)报告,43页ppt
专知会员服务
203+阅读 · 2022年12月26日
美陆军2022最新发布《美国陆军数据计划》,17页报告
专知会员服务
155+阅读 · 2022年10月17日
AlphaFold、人工智能(AI)和蛋白变构
专知会员服务
10+阅读 · 2022年8月28日
如何用latext画神经网络?这个PlotNeuralNet能帮到你
专知会员服务
25+阅读 · 2022年1月15日
2021企业数字包容实践与价值白皮书
专知会员服务
26+阅读 · 2021年6月4日
专知会员服务
36+阅读 · 2021年5月21日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
相关资讯
几行代码就能价值千万美金?丨1024程序员节
创业邦杂志
0+阅读 · 2022年10月24日
看完AI画画,我的插画师朋友挺急的
人人都是产品经理
0+阅读 · 2022年9月14日
为什么99%的新消费品牌会死掉?
创业邦杂志
0+阅读 · 2022年4月8日
从1到100,SaaS怎么做增长
人人都是产品经理
0+阅读 · 2022年4月1日
谈融资时,投资人最忌讳的是什么?
创业邦杂志
0+阅读 · 2022年3月26日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员