面向企业客户的高端专业服务公司有一项明显优势：可以利用专业知识收取高额服务费用。但它们也有一项不那么显眼的劣势：如果一家咨询公司或律师事务所想让营收翻倍，就要雇用多一倍的咨询师或律师。咨询公司、律所、广告公司等专业服务公司，随着规模扩大，毛利率很难超过40%。与此形成鲜明对照，谷歌和Adobe等提供产品的公司因成本结构不同，能够实现60%到90%的毛利率。
现在，具备创新精神的服务型公司发现，在自动化的基础上，将部分工作产品化，它们就能够像谷歌和Adobe一样，在扩大规模的同时提升利润率，并且以低于竞争对手的价格为客户提供更优质的服务。
然而，开发可以嵌入服务的产品，挑战显而易见。对于专业服务公司，产品的性质和在价值主张中的角色，与制造企业完全不同。因此，在设计、管理和变现产品时，专业服务公司必须采取不同做法。
发现产品化机会
制造企业开发新产品，一般聚焦外部客户的需求。专业服务公司则在内部探索新产品的可能性。它们寻找的并非未满足需求，而是寻找机会，将获得成功的服务自动化。
EXL是一家运营管理和数据分析公司，我曾以董事身份为该公司提供10年咨询。EXL提供的一项服务，是为医疗保险公司分析索赔申请，特别是涉及虚报的超额索赔。多年前，这项服务是人工作业，由EXL员工查验索赔单，寻找错误索赔类型、代位赔偿、支付错误以及非受益性服务项目等导致超额赔付的问题。他们会调查可疑的索赔申请，并努力追回多付的费用。
处理过数百万件索赔申请后，EXL开始发现超额赔付的某些规律；特定事件类型、诊断类型、医疗机构、患者和地域等要素，经常与骗保或错误索赔申请相关联。利用这些发现，EXL开发出一项工具，可以查找和分析索赔申请的特定属性。这种工具给每项索赔申请打分，预测虚报的可能性，并标出可疑者，准备进一步评估。
通过将这项服务产品化，EXL得以显著增加处理索赔申请数量，降低成本，追回更多款项，减少超额赔付。EXL的分析工具曾在3年内为一家客户追回5000万美元，避免约2000万美元超额赔付。
发现服务中的规律后，你可以评估哪些任务最适合开发为自动化产品。为此，你须依据两个因素对任务进行分类：执行任务的频率，以及完成任务所需知识或智能的复杂度。例如对于广告公司，为新营销活动培养创意人才属于复杂任务，为某品牌优化搜索引擎营销属于简单任务。
执行频率高、复杂度低，满足这两项标准的任务易于产品化。这是因为算法善于完成大量的重复性工作，从而实现自动化。工作量对于持续改进算法也很重要；输入的数据越多，算法学习得越多，准确性就越高。
与此不同，小工作量任务提供的数据不足以支持自动化；而由于需要战略决策，高复杂度工作很难自动化。如果专业服务公司将这两类任务自动化，只会得不偿失。
开发产品
专业服务公司的优势在于，它们知道自己卖的是什么以及卖给谁。这些公司不是从零开始创造，而是将某种东西转化为另一种东西，即把单纯的服务转化为包含产品的服务。
此举深刻改变了产品的开发和改进方式。在开发的早期阶段，产品型公司设计多种原型，并请客户试用，以确定价值主张的主要构成。成功的专业服务公司并不尝试找到受欢迎的产品特性；它们的目标是，在原型的基础上不断提升产品的精确度、成熟度和复杂度。此类提升通常由产品自动收集和分析数据的能力驱动。因此服务型公司的开发方法，是利用技术创造能够自我完善的“智能”产品。
业务涵盖审计、咨询、税务的顶尖专业服务公司德勤，是很好的例子。德勤的Argus工具运用机器学习技术和自然语言处理，分析审计业务相关的电子文档。和人类每次互动，处理每个文档，Argus都能进行“学习”，因此发现和提取关键财务信息的能力逐渐增强。发布数个月内，Argus已被1000余名审计师用于分析超过3万份文件。
如果嵌入服务的产品采取软件形式，其改进将比独立产品更频繁，后者的改进主要通过发布新一代产品或模型实现。如上所述，工具不断向用户学习并适应用户，因此在原型、成品和不同代际产品间严格划界，可能是一种误导。
这种渐进的产品改进方式可能有更广泛的商业价值。随着产品的基本功能逐渐复杂化，其依托的技术也可拓展到其他用途。例如，德勤正将Argus平台应用于咨询业务。
不过须注意，嵌入的产品不能替代服务，而是强化服务的价值主张。Argus强化了德勤的审计服务，但并不是其替代品。例如，如果某家客户要求建立网络安全的成熟度模型，德勤的审计师就必须与公司进行战略讨论，提出指导原则、政策和工具。这类工作需要复杂的分析和决策，超出了Argus这类嵌入式产品的能力。
出于类似原因，高接触类型的专业服务公司很少使用自动化产品（如LegalZoom、TurboTax等开发的基础法务和会计工具）。专业化知识、战略思考和复杂决策是高价值服务的必备元素，因此在提供这类服务的公司，人才的作用远大于产品。而且专业服务公司最好能面对面服务客户，因为它们通常就是这么做生意的。此外，为保护核心技术和竞争优势，最好别让产品离开公司地盘。
专业服务公司有时可能认为，将工具作为独立产品出售比较有利。但开发产品后，公司总要继续提供服务。因此我们下面来考察产品化的最后一个阶段。
将产品变现为收入
要让产品开发成为一笔值得的投资，你必须找到捕捉其价值的方法。如果你的公司提供的服务效率和质量显著提升，那么继续按时间或材料收费就没有意义。如果服务产品化的目的是超越线性增长，你就必须改变收费模式，否则服务收入有可能减少。
按工作量收费和按工作成果收费，这两种变现方式分别对应自动化带来的生产率提升，以及数据分析带来的智能提升。部分服务自动化后，生产率提升带来工作量的增加，为将新增工作量变现，公司必须将收费模式改为按工作量收费；同样，引入数据分析能提升决策质量，为将服务质量的提升变现，公司应开始按工作成果收费。换言之，公司依序从按投入量（时间和材料）收费，转变为按工作量收费，再到按工作成果收费。这一进阶过程需要时间和信任。在每个阶段，你都需要累积经验和成熟度，来建立正确的收费结构；说服客户接受新收费模式前，你需要和对方建立信任。在实践中，这个过程可能需要几年时间。
在从按时间收费向按工作量收费过渡的过程中，一定要算清楚账。先以按时间收费的模式考虑营收，算出自动化给成本和利润率带来的变化，再相应调整收费。做这些计算可以防止收费过高造成客户不满，或收费偏低导致利润率达不到标准。
来看一个例子。假设你的公司为客户审阅法律协议，收费标准为每小时200美元；审议一份协议需要10小时，共收费2000美元。现在假设你将审阅流程自动化，审阅一份协议只需2小时，效率是之前的5倍。但客户肯定不愿意付5倍的价格，即每小时1000美元。更好的方法是标出审阅一份协议的费用，并提供量大折扣。这样，你可以为客户审阅两份协议，收费3500美元，低于此前的4000美元。客户对费用降低感到满意，双方都获益。
将数据分析带来的价值变现，专业服务公司则需要从按工作量收费转向按成果收费。相比为工作量定价，为工作成果定价更难，因为它既需要定量统计，也需要定性评估。专业服务公司必须设法定义价值、衡量价值，并找到驱动价值创造的源头。
因此，要想说服客户接受按结果收费，你可能需要具备咨询和创意能力的高水平销售人员或产品专家。而且，由于此类谈判具有战略意义，应与客户公司的高层决策者沟通，而不应和习惯按初级方式（即时间和材料）购买服务的员工谈判。最后，应该与信任你、且准备尝试新服务方式的客户合作，试验新产品和收费方式；要向对方说明，你也会将新产品和收费方式应用于其他客户。
人员和流程
成功开发产品并嵌入服务，不仅需要非常完善的流程。公司文化和员工思维方式必须转变，组织架构也要调整。以下是成功的3个必备条件：
设立专门负责产品开发的部门。如同产品型公司建立创新部门孵化创意，服务型公司也需要组建专事产品开发的内部团队。这类团队应有一定自主权，有自己的预算、人员、目标和评价标准。但它应和业务部门保持联系，因为产品创意通常来自后者。对于产品创意，业务部门和创新部门应建立双向交流渠道，后者则得到授权孵化创意。
跨部门协作。产品开发团队应包括具备3方面专业技能的人员：具体业务、IT和定价。你需要相关业务领域专家来提供关于客户、工作流程和业务规律的一手信息；IT专家负责为服务引入自动化和智能，并确保新产品与现有体系兼容；你还需要商业分析师来为服务恰当定价。
改变绩效评价体系。不过多关注客户满意度、流程效率等传统服务指标，而使用创意和原型数量、自动化程度等产品指标。
除必要的组织变革外，考虑将产品嵌入服务的公司还必须认识到，这项工作成本高昂。服务产品化可能也会让很多员工感到恐惧。智能自动化所带来效益的反面，是公司不再需要那么多流程管理者。当机器能够取代人工作业，公司很自然会减少岗位数量、提高工作要求。
对此很容易得出结论，认为智能自动化把人和机器对立起来。但我认为并非如此。算法是由人类创造和改进的；没有人类的控制引导，技术毫无用处。未来职场并非人和机器竞争的场所，而是人和机器共存的舞台。还应当指出，智能自动化会为员工带来更有意义的工作，为公司提供盈利能力更强的商业模式。
专业服务领域必将被数据分析和自动化改变。这对服务型公司是好消息，它们能够运用服务产品化的力量，脱离线性增长的限制。但或许还有一个更迫切的原因，让它们将产品嵌入服务：越来越多客户要求它们这样做。按照本文描述的做法，专业服务公司将能提升盈利能力，并在市场上获得竞争优势。 （王晨| 译 刘铮筝| 校 钮键军| 编辑 齐菁丨缩编）
莫汉比尔• 萨乌内是凯洛格商学院（Kellogg） 麦考密克基金会（McCormick Foundation）教席技术系主任、该校技术与创新研究中心主任。他为文中提到的两家公司Littler和EXL提供咨询服务。
本文有删节，原文参见《哈佛商业评论》2016年10月《增长新路径 服务产品化》。
作者：莫汉比尔•萨乌内（Mohanbir Sawhney）
转自: https://www.hbrchina.org/2016-11-12/4735.html
