今年是人们切实感受到AI成为自己第二肌肤的一年。
今年AI在C端井喷式刷屏。往大了说萝卜快跑的落地，让C端用户真正触达到“自动驾驶”的技术，往小了说，各种短视频“与60岁的自己对话”、“老照片动起来”的玩法爆火，AI已经渗透到人们的日常消费娱乐之中，不再是概念化“技术”而是实际体验的“产品”。
那么医美呢，医美+AI在当下又该如何玩转对C端的赋能？
医美AI花期已至
国内医疗AI在20世纪80年代才开始起步。直到21世纪10年代，以BAT为首的互联网巨头不断布局AI大数据领域，流量与数据大爆发下，各种AI模型从原始积累到逐渐成熟。
这期间，医疗机构的数字化变革也趋于完善，越来越多的数字化技术运用于各医疗机构的运转，医疗AI也在此时逐渐成型，随着大范围AI技术股的逐步问世，医疗AI领域迈入发展的快车道。
9月份举办的2024腾讯全球数字生态大会上，腾讯健康表示如今医疗AI及相关产品已落地超过1300家机构，涵盖医院、药械企业、科研院校、医疗科技企业等。
在这股浪潮之中，医美AI也开始逐渐崭露头角。
2024年1月31日，医疗美容领域首个医生人工智能“张欣刚AI”正式面世，该模型有着GPT木本的医学问答能力、医美科普咨询问答能力等，支持微信、抖音等平台的24小时问诊求助。
在今年7月份，新氧发布了国内首个AI医美行业大模型。新氧CEO金星表示“与通用大模型相比，新氧AI医美大模型依托新氧过去10年的医美行业数据沉淀。对用户需求的理解更为深入，基于模型开发的应用更专业、严谨、有针对性。”
基于医美行业大模型，新氧探索医疗美学方案设计、客服等场景下的AI应用。目前，AI智能客服已服务于140家医美机构，累计承接用户咨询超过65000例，可为机构单店每年节约6万元成本，AI客服回复能力、医美知识深度、定制化能力、用户意图分析等综合能力评分接近人工水平。
除此之外，还有像貌美AI、美智顾问等医美AI产品，仿佛医美的花期已至，争相盛开。
聚焦当下：
前端获客场景的短线落地打法
医美AI虽然花开遍地，但想要结出硕果，还需要根据自己的行业特点，找到适合自己的发力点。
医美行业的痛点有哪些？获客成本必定是在前列的关键词之一，有数据统计医美机构的毛利率普遍达50%左右，但是很多医美企业的利润率却不足10%、甚至亏损。纵观一众医美上市企业年报，其居高不下的销售费用占比就很直观了。
获客是医美领域的核心追求点之一。无论是被315点名下架的医美直播，还是如今进军本地生活大开“拼多多”模式的低价竞争，本质都是在寻求流量、寻找客源。
所以说比起虚无缥缈的AI医生辅助做手术，AI对医美的赋能当下更适合把目光放在前端获客上。
国内的医美市场有很大潜能，有资料显示，截止2022年中国医美项目渗透率为4.5%，而同期日本为11.3%、美国17.2%、韩国22.0%。渗透率低也意味着市场上有大量存在医美需求的用户没有接触或者说没有选择医美服务，这些才是医美AI当下需要赋能改善的。
大量有需求的用户为何不选择接触医美？原因多种多样，有的因为不在乎、有的因为囊中羞涩、有的害怕遇到不正规机构等等，但其中很大一部分人是因为对医美的不了解，缺乏对医美或者对自己需求的正确认知。
恐惧源于未知。
医美AI可以有效直接的缓解这方面压力，各种医美AI模型不仅可以24小时不间断提供医美科普，让用户获得更专业的医美认知，还可以根据大数据的经验积累，为用户量身打造医美服务选项，对前端获客进行赋能。
最近国家卫健委官网对于全国政协委员肖苒《关于规范医美直播业态的提案》进行答复，表示要持续规范医疗美容行业、鼓励有资质的专业人员开展权威健康科普。
这本质上也表现出监管也在积极寻求解决方法，帮助医美行业进行正规合法的流量获取，所以说AI以前端获客为发力点符合当下的业内态势。
技术冰山：
后端服务场景的长线资源整合
倒不是说后端的技术研究不重要，最近中国科学院院士、深圳医学科学院创始院长颜宁就表示“借助AlphaFold，我们能够预测众多蛋白质的结构，其作用几乎堪比最优质的数据库——PDB蛋白质结构数据库（Protein Data Bank, PDB）。至此，我们意识到，众多蛋白质结构与未知功能之间的内在联系仍待挖掘。这标志着结构生物学已由一门基础性、验证性的学科，演变为更具探索性的发现类学科，完成了革命性的转变。”
医美AI为后端研发的助力不可忽视，但这是一个需要企业长期持续发力的点，且短时间内很难有回报，它更适合规模化企业的长远布局，而不适用于解决当下大多数中小型医美企业面临的痛点。
以技术为主导的产业往往更像是冰山，其90%的主体都在水平面之下，我们观察到的仅仅是其展现出来的一角，他们大量的研究投入在水面以下，这些东西难以数字化的呈现出来，也无法为大多数用户所认知与理解。
要知道百度从2013年发力人工智能，可直到今年萝卜快跑的局部落地才让C端看到比较有触感的技术成果，且尚未形成大规模普世性的商业落地。
一项新技术在科学研究、技术发展、商品化的三步走中，竞争本身就会逐渐从更看重技术能力的形式竞争转化为更看重商业竞争力的应用竞争。去年还在畅聊未来、科技的AI股从业人员，今年眼里只剩下增值与创收。
医美AI减法：
以“看”得见的认知优势入局
医美AI当下的核心是做减法，减少用户触达医美的壁垒，减少医生获取信息的损耗。
其实今年AI模拟60岁自己、AI让老照片“活”过来等玩法的火爆，本质上就是C端与AI技术的一次零距离接触，发挥的是AI的模拟推演计算能力。而医美AI的进一步落地，就是要从用户端与医生端的认知入局。
1、让用户看的见：
一方面是让用户看得见医美行业。
这也就是上文所述的医美AI智能模型，打造完备的个人医美顾问。
另一方面是让用户看得见医美服务后的自己。
医美活动中，很多C端用户的负面舆论就是实际效果与自己的预期不符导致的。很多不良医美企业的夸大其词式营销，加之大部分用户并不具备完备的医美知识，很容易被这些宣传或者自己的猜想拉高心理阈值，导致对整体医美服务的不满。
而AI算力下的模拟推演能力，可以模拟用户医美活动后的效果概况，将未知转化为已知，打造透明的服务体验，实际效果才是最好的下单催化剂。
2、让医生看的见：
一方面是医生培养AI指南。
信息大爆炸时代，个体的信息收集、整理再到知识的吸收转化过程很漫长，尤其是医美这种医疗领域，更看中医生的知识、经验累积。通过AI赋能，将信息→知识的这个过程加速，让医生更便捷的获得知识面补给，从医生端的知识技术提升去改善医美服务质量与体验。
另一个是电子AI病历。
医美本身就是一个忌讳“过度”的医疗服务，很多极端爱美用户甚至会为了让医生同意做某项目而隐瞒过往医美病例。而电子AI病历则可以通过对用户过往的治疗历史与现状进行分析，一方面杜绝过度医美的风险，另一方面更方便定制个性化的医美服务。当然在此之前要解决个人信息安全问题。
总的来说，医美AI在当下的落地实效要从前端入手，既要技术的深研究也要技术的浅运用，登高而招，臂非加长也而见者远，站在AI的肩膀上，医美才能行的更稳，走的更远。
（转载自微信公号医美圈）
本文作者可以追加内容哦 !
