Product Manager's Log · 内部产品日志

2

DOZZON三代设备设计手记(基于公开访谈和产品推演还原)

2023年3月
G1代立项:我们到底是在做"咖啡机"还是"交付终端"?

这个问题的答案决定了后续所有决策。如果我们是"咖啡机公司",那就应该追求更好的萃取技术、更贵的咖啡豆、更接近手冲的口感。但市场调研数据让我们清醒:中国自助饮品设备的消费者中,只有约35%的人真正在意咖啡的风味层次,65%的人的核心诉求是"快速拿到一杯好喝的饮品"——不一定是咖啡。

所以我们的定义从一开始就是"自动化饮品交付终端",而不是"自动化咖啡机"。这个定义导致了一个关键决策:设备必须支持多品类胶囊切换。不是只能做咖啡,而是未来可以扩展茶饮、气泡饮、甚至功能性饮品。这个决策在当时被投资人质疑"不够专注",但三年后回头看,它是我们做气泡咖啡和药食同源的前提——如果G1就做成了"纯咖啡机",后面两个品类根本上不了。

关键决策 #1

把设备定位为"多品类饮品交付终端"而非"咖啡机"。这个决策在2023年是反常识的——当时所有友商都在比谁家萃取更好。但我们的理由是:中国43%的潜在消费者不喝纯咖啡(苦味不耐受),这4亿人需要的是"好喝的非咖啡饮品",而不是"更好喝的咖啡"。

2023年9月
G1.5:气泡模块的意外诞生

气泡模块的起源不是市场调研,是一次工程师的"闲得慌"。我们的硬件负责人在调试氮气清洗管路的时候(氮气清洗是我们设备比友商的一个优势,用来排出管路残留液体防止串味),突发奇想:既然管路里有高压氮气,为什么不用这个现成的气路给饮品注入氮气?

他用了一周时间搭了个粗糙的原型——在萃取仓后面加了个旁通阀,让高压氮气在饮品出品前注入混合腔,再通过一个微孔筛网让氮气以微小气泡的形式混入萃取液。出来的第一杯"氮气冷萃"被全办公室传着喝,大家的反应不是"这是个好产品",而是"这口感为什么在市面上没有?"——当团队内部出现这个反应的时候,你就知道方向对了。消费者不会买"没见过"的东西,但会被"熟悉但意外更好"的东西打动。气泡咖啡的核心不是"气泡"(消费者熟悉碳酸饮料),而是"咖啡里的气泡"(一个熟悉的特征出现在不熟悉的载体上,产生惊喜感)。

关键决策 #2

不把气泡模块做成独立产品,而是集成进G1.5。理由是:单独的一台"气泡饮品机"太窄——只喝气泡饮品的人不够多。但一台"既能做咖啡又能做气泡饮品"的机器,消费者会觉得"多了一个选择",而不是"只买了一个功能"。

2024年5月
G2代:为什么不做"更好喝"而做"更智能"?

G2代的规划会上爆发了迄今为止最激烈的一次争论。一派(以CTO为首)认为应该All in萃取系统——把那套萃取参数的控制精度从±5°C提到±1°C,把萃取压力从固定值改成可变曲线(预浸泡→低压→高压→收尾),本质上就是"把咖啡做得更专业、更好喝"。另一派(以CEO和产品VP为首)认为应该押注智能化和多品类——加摄像头、加AI推荐、加IoT平台能力。

我用一句话终结了争论:"更好喝"是一个性价比很差的差异化方向——你技术再牛,消费者在盲测中能分辨出±5°C和±1°C萃取差别的比例不到15%。但"AI体质识别"即使准确率只有65%,100%的用户会记住这个功能并截图发朋友圈。"好喝"的上限是"9分的好喝","智能"的上限是"从来没喝过"——前者的天花板很低,后者的天花板几乎无限。

但我们不是不做好喝。我们做了"胶囊鲜萃"——把陈皮、桂花等原料用最优参数预置进胶囊,消费者不需要懂"陈皮应该90°C萃取15秒",他们只需要知道"这个陈皮味很正"。这个方案把"好喝"的门槛从设备端移到了胶囊端——设备保持稳定,胶囊承当风味。

关键决策 #3

在"更好喝"和"更智能"之间选择了后者。不是不做好喝,而是把"好喝"的责任从设备转移到胶囊——设备做好通用性和稳定性,胶囊做好风味和差异化。

2025年2月
药食同源:一个让所有人都犹豫但没人说"不"的赛道

药食同源的立项过程很有意思。内部讨论了大概三个月(从2024年11月到2025年2月),期间做了至少五轮论证,但全程没有人说"这个方向不对"——所有人犹豫的点是另一个问题:"消费者会把自助机出的药食同源饮品当真吗?"

我们做了两轮用户调研来回答这个问题。第一轮是定性访谈(40位目标用户),问他们"如果一台自助机可以出陈皮、枸杞、桂花的饮品,而且用的是真实原料,你会买吗?"——大部分人的回答是"如果真的好喝就会买",而不是"我不信任自助机做养生饮品"。这个结果让我们松了一口气。第二轮是定量调研(800份问卷),结果显示72%的受访者"愿意尝试自助药食同源饮品",其中"如果价格在15元以内"是关键的触发条件。

确定了需求之后,真正的难点在供应链。药食同源的原料不像咖啡豆——咖啡豆是全球大宗商品,渠道成熟、品质稳定、供应充足。五年新会陈皮的年产量是有限的,宁夏枸杞的优质产区面积就那么几万亩,金桂干花只有每年九月到十月能采收。这些限制意味着药食同源系列很难像咖啡那样做到无限扩展——它能"做"(证明商业模式),但不能"无限做"(有原料天花板)。我们当前的目标是:用有限的原料量,打出最强的品牌差异化。等我们把药食同源做成了DOZZON的标签之后,再去谈上游的规模化种植合作。

关键决策 #4

药食同源立项风险主要在供应链信任和原料天花板两端。前端的消费者信任问题通过"原料溯源标签"(杯身标注产地)缓解,后端的原料限制通过"限量供应+季节限定"来管理预期——消费者接受"陈皮拿铁售罄了"远比接受"陈皮拿铁不好喝"容易。

2026年1月
G3代规划中:我们观察到三个信号

G3还在规划阶段,但我们已经从IoT数据和用户反馈中提取了三个关键信号,它们将直接影响G3的产品定义:

信号一:用户对"定制化"的期望值在快速上升。数据显示,使用过AI体质识别的用户,其月均消费频次比未使用的用户高出1.9次。但这些用户中,有约40%的人在反馈中表达了同一个意思:"你能识别我的体质,但你知道我喜欢什么口味吗?"——体质识别是单向的"我给你推荐",用户想要的是双向的"你先了解我的身体、也了解我的口味,然后推荐一个两者都匹配的选项"。

信号二:三伏天药食同源销量峰值是平时的2.3倍。这个数据说明药食同源饮品有极强的季节性。目前的应对是"三伏天多备货",但长期来看,我们需要一个"季节性胶囊自动切换机制"——设备根据季节和时间自动推荐对应的品类,而不是让消费者自己在菜单里找。

信号三:约18%的用户会带朋友来买。微信小程序的"分享"功能点击率中,有18%的分享导致了新用户注册和首单消费。这18%的"社交裂变"如果能被产品化(比如"带朋友来买、两人都打折"),将是一个非常低成本的增长引擎。

3

  1. 不要做消费者"需要学习"的功能——AI体质识别有人质疑"不够准",但它不需要消费者学习任何东西。
  2. "好喝"不是卖点,是底线——你可以用陈皮做卖点、用气泡做卖点、用AI做卖点,唯独不能用"好喝"做卖点(因为那是及格线)。
  3. 胶囊风味 > 设备参数——消费者永远记不住你的萃取压力是多少bar,但能记住陈皮味很正。
  4. 每次迭代只做一个"让用户发朋友圈"的功能——G1是"自助机能做拿铁",G2是"这个机器会AI面相",G3必须有一个同级别的功能。
  5. 克制运营,别做"推送狂魔"——IoT平台能支持每秒推100条通知,但每台机器每天最多推1条(且必须在用户消费时段内)。
  6. 硬件做好通用平台,软件做好千人千面——机器应该能做世界上任何饮品(通过胶囊),但推荐给每个人的应该是"适合你的那一杯"。
  7. 品质退让一条线,就不做了——如果哪天陈皮拿铁的原料被换成便宜的替代品,那这个产品线就该砍掉,而不是"凑合着做"。
  8. 永远不要让用户等超过60秒——出品时间超过60秒会遭遇"自助设备死亡线":使用者会不耐烦、后面排队的人会离开。
2026年5月
补记:一次让我反思的用户投诉

今天收到一条客服转过来的用户投诉,原文大概这样:"你们的机器昨天在我办公室楼下出的陈皮拿铁,温度明显不对,不像平时那么烫。你们是故意的吗,还是机器坏了?"

我们查了后台的IoT日志,发现那台设备的萃取温度当天的确从预设的90°C漂移到了82°C——原因是管路里的一段密封圈老化了,氮气压力不足导致热水注入温度下降。这个问题从技术上已经通过"管路自检+自动补偿"修复了,但让我反思的不是技术问题。让我反思的是:用户已经对DOZZON的形式品控建立了稳定的预期——在他们心里,这台机器"应该"出那个温度、那个味道。一旦偏差,他们能立刻感知到并投诉。

这件事让我重新审视了一个问题:我们到底是在卖"便利"还是卖"品质"?如果只是便利,用户应该对温度偏差没那么敏感——毕竟"方便的饮品嘛,随便喝喝"。但用户的反应告诉我,他们对DOZZON的期望是"品质级"而不是"便利级"。这是一个好的信号——意味着品牌已经跳过了"能用就行"的早期用户阶段,进入了"品质敏感"的核心用户阶段。但这也是一个巨大的压力——你必须有组织能力来守住这个品质预期。

我统计了一下IoT数据:全量设备中,萃取温度偏差超过±3°C的事件大约每天发生0.3%——看起来不多,但换算成20万台设备,就是每天大约600台机器的出品温度不在理想范围内。这600次"不完美"的出品在全球范围内几乎不可能通过人工巡检发现,只能依赖IoT自动监控和远程调参。我们的运营团队目前在推进一个"无人值守品质闭环"的项目——机器的每个品控参数实时上报、异常自动告警、部分问题远程修复、需要人工介入的自动生成工单派发。这个项目如果落地,DOZZON的品控能力将拉到一个传统服务行业不可能达到的精度。