第十一章 复盘与资产沉淀
11.5 案例:Airbus 与 Morgan Stanley 全景
承前:前四节把复盘和资产沉淀的方法讲完了,这一章还欠两样东西:一是把整套方法放到真实世界的完整案例上验证——一个项目从进场到沉淀的全生命周期到底长什么样;二是 To B 售后的商业逻辑——项目验收之后,生意才刚开始。本节用两个标杆案例(Airbus Skywise、Morgan Stanley AI 助手)做"六格全景卡"分析,最后讲 CSM、续约、增购、NRR、转介绍这套 To B 复购经济的语言。
11.5.1 为什么选这两个案例
第 1 章讲 FDE 是什么的时候,Palantir 是这个角色的发明者;讲到这里,我们选另外两家做全景案例,因为它们恰好覆盖两种典型形态:
- Airbus Skywise(与 Palantir 合作):"行业平台"形态——从单客户定制项目滚成整个行业的数据/预测平台,是资产沉淀做到极致的样子。
- Morgan Stanley(与 OpenAI 合作):"深度嵌入"形态——AI 助手嵌入理财顾问日常工作流,靠评估体系和私有知识管理做到极高渗透率,是"验收之后持续运营"的极致。
两个案例一个是 B 端工业数据、一个是金融服务,正好和青禾沙盘(零售)形成三个行业锚点,方便你做 11.4 节的迁移对照。
11.5.2 六格全景卡:把项目拆成六个阶段
先给出分析工具。把任何一个 FDE 类项目拆成六格:
六格全景卡
┌─────────┬─────────┬─────────┐
│ ① 进场 │ ② 需求 │ ③ MVP │
│ 怎么进的?│ 痛点是什么│ 第一版多大│
├─────────┼─────────┼─────────┤
│ ④ 变更 │ ⑤ 验收 │ ⑥ 沉淀 │
│ 变了什么?│ 谁签字的?│ 留下什么?│
└─────────┴─────────┴─────────┘六格的价值是强制完整性:讲案例时漏掉任何一格,故事就会变成幸存者偏差的宣传稿——只讲需求多痛、效果多好,不讲变更多惨、验收多难。下面两格两格地走。
11.5.3 Airbus Skywise:进场→需求→MVP
① 进场。 航空业的背景:飞机运营数据分散在航司、供应商、制造商三方,传感器数据、维修记录、飞行日志格式各异,"数据孤岛"是这个行业的老毛病。Airbus 联手 Palantir 发起 Skywise,定位为"航空业的开放数据平台"(据 2017 年发布时报道,口号就是让航空数据生态共享)。进场形态和 FDE 项目同构:不是航司自己攒团队,而是厂商的部署工程师带着平台进场。
② 需求。 核心痛点是预测性维护——飞机零部件在坏之前预警,减少非计划停飞。一架停飞的宽体机一天损失以十万美元计,这是能算清账的北极星指标(对照青禾的复购率)。需求侧的关键结构问题和青禾一模一样:数据不在一起(三个部门三个会员数 ↔ 航司/供应商/制造商三方的数据),且各方对共享数据都有顾虑。
③ MVP。 不是"航空业全部数据上平台",而是从单一痛点切入——特定机型的特定部件数据汇聚+故障预测模型,在首批合作的航司上验证。注意这和第 4 章 demo 策略的对应:MVP 的任务是兑换信任,不是炫耀平台能力。
11.5.4 Airbus Skywise:变更→验收→沉淀
④ 变更。 平台化过程中的真实变更:从"给一家航司做预测维护"扩展到"多航司数据互通",必然涉及数据主权、商业敏感数据隔离的规则变更——各方原始顾虑的显性化。这类变更没有戏剧性的对抗,但每一轮都需要重新对齐利益结构,和青禾 W7 干系人换血的逻辑相同:变更的本质是权力与利益的重新分配,技术只是载体。
⑤ 验收。 工业场景的验收比零售更硬:预测模型要以非计划停飞的减少、维护成本的可归因下降来结算。行业数据显示 Skywise 逐步接入了大量航司与运营商(据 Airbus 公开披露,平台注册参与的航司/运营商以百计),从"单一项目验收"滚成了"行业持续运营"。
⑥ 沉淀。 这是本案例的教学核心:Skywise 把每个客户的部署经验持续回流入平台——数据模型、行业本体、分析组件——形成网络效应:越多航司加入,数据越全,预测越准,新航司接入价值越大。据 Palantir 投资者关系公告,双方战略合作多次延长扩展。这就是 11.3 节"三层资产回流"放大到行业级的样子:青禾项目里你写的补丁说明,在 Skywise 尺度上就是平台的一个新模块。
11.5.5 Morgan Stanley:进场→需求→MVP
① 进场。 Morgan Stanley 是 OpenAI 最早披露的金融业深度客户之一。理财顾问(Financial Advisor)行业背景:每个顾问要服务数百个客户,客户资料、市场研报、内部政策文档浩如烟海,顾问大量时间花在"找信息"而不是"给建议"上。
② 题求。 注意需求定义的精确性:不是"用 AI 做投资决策"(监管红线,风险大),而是知识助手——让顾问用自然语言查询内部知识库(研报、政策、客户组合背景),秒级返回带出处的答案。这个选型和第 3 章"需求定义"的纪律一致:FDE 要选"痛得真、风险可控、可验收"的切口,而不是技术上最性感的。
③ MVP。 从助手检索场景起步,核心工程难点不是模型而是语料治理:十万级内部文档的清洗、权限分级(顾问只能看到自己权限内的内容)、答案必须带引用来源——对照青禾的语义层与审计字段,一一对应。
11.5.6 Morgan Stanley:变更→验收→沉淀
④ 变更。 关键变更在"深度":从检索助手演进到会议助手(Debrief,自动生成客户会议纪要与后续行动项)。据 reruption 等行业案例汇总,这一演进推动了采用率跃升——98% 的理财顾问团队在使用(Morgan Stanley 与 OpenAI 官方均有披露)。变更的驱动力是顾问真实工作流:检索只是工作流的片段,会议才是顾问一天的骨架。
⑤ 验收。 据公开报道,Morgan Stanley 的验收方式不是"顾问说好用",而是用 AI evals(评估体系)量化驱动——OpenAI 官方案例标题就是 "Morgan Stanley uses AI evals to shape the future of financial services"。顾问采纳率、答案准确率、检索命中率被持续评估。这是第 7 章"评估驱动"在真实世界的最高规格实践:评估不是上线前的一次考试,是上线后的常驻运营机制。
⑥ 沉淀。 Morgan Stanley 沉淀的是私有知识资产:内部语料经治理后成为组织的长期资产,顾问的使用行为反哺语料优化。对照 11.3.5"拒绝比同意更有价值":顾问不用的功能、检索失败的问题清单,正是他们迭代 Debrief 方向的依据——会议纪才是顾问离不开的东西。
两案例对青禾的迁移一句话:Skywise 教你"沉淀要滚成平台",Morgan Stanley 教你"验收之后靠评估持续运营"——而青禾沙盘教的"复购率北极星+审计+灰度"正是两者的微缩版。
11.5.7 To B 售后:CSM、续约、增购、NRR、转介绍
最后一个知识块:项目验收后,To B 生意怎么继续。这套词汇是你和销售、客户成功团队协作的必备语言。
- CSM(Customer Success Manager,客户成功经理):验收后接管日常客户关系的角色。FDE 和 CSM 的分工:CSM 管健康度、续约、增购信号;FDE 管技术演进、重大问题、二期方案。你要做的是把移交做好(11.2 的 F6 疫苗)并保持"技术暗线"畅通。
- 续约(Renewal):合同期到时的再签约。续约率的死敌是 F6 无移交——系统离了你就不转,客户体感是"被绑架",续约谈判反而被动。
- 增购(Expansion/Upsell):现有客户买更多席位、更多模块、更多场景。增购的最强弹药是验收报告里的数字:青禾复购率 +2.1pp 的归因报告,就是"门店排班 Agent 也值得试"的敲门砖。
- NRR(Net Revenue Retention,净收入留存):存量客户在续约+增购−流失后的收入留存率。NRR > 100% 意味着不签任何新客户收入也在增长——SaaS 行业公认的健康线在 100%~120%(各阶段基准见参考链接)。FDE 的交付质量是 NRR 的底层输入。
- 转介绍(Referral):满意客户把产品介绍给同行。To B 高客单产品的获客里转介绍占比极高,而青禾这种"联合复盘会"式的收尾,正是转介绍的孵化器——客户在复盘会上重新体验了一遍你的专业性。
沙盘终章剧情:验收后一个月,青禾数字化总监打来电话:"复盘会效果很好,董事会问我们下一步做什么。你们能不能来讲讲二期?"——你带着三样东西去:11.3 的行业模板(证明你有现成加速器)、W8/W9 的产品化进展(证明产品在进化)、复购率归因报告(证明一期账算得清)。二期提案的范围:从复购建议扩展到全生命周期会员运营 + 三家试点门店的全自动化。而你不知道的是:同行业的另外两家连锁零售,已经通过青禾的转介绍开始接触你们的销售。项目的终点,是下一段生意的起点。
11.5.8 要点总结
- 六格全景卡(进场→需求→MVP→变更→验收→沉淀)强制案例分析的完整性,防幸存者偏差。
- Airbus Skywise:单客户定制→行业平台,资产回流的极致;网络效应让沉淀层越滚越厚。
- Morgan Stanley:需求选"痛得真、风险可控"的知识助手切口;98% 顾问团队使用,靠 evals 评估体系持续运营而非一次性验收。
- To B 售后五词:CSM 管日常、续约靠移交质量、增购靠验收数字、NRR>100% 是健康线、转介绍靠复盘式收尾孵化。
- FDE 在售后的角色:移交做干净,技术暗线保持畅通,验收报告变成增购弹药。
参考资料
- Morgan Stanley uses AI evals to shape the future of financial services — OpenAI 官方案例,98% 理财顾问团队采用与 evals 驱动运营的一手来源
- Morgan Stanley AI: 98% of Advisor Teams on GPT-4 — Morgan Stanley 助手演进(检索→Debrief)的案例汇总
- Palantir and Airbus Extend Strategic Collaboration — Palantir IR 公告,Skywise 战略合作扩展的官方披露
- Airbus launches Skywise – aviation's open data platform — Skywise 发布报道,"开放数据平台"定位与行业痛点背景
- What Is Net Revenue Retention (NRR)? — NRR 定义与行业基准
- What Is a Good NRR for SaaS? — 不同阶段 SaaS 的 NRR 健康线参考