夜雨聆风做 AI 工具，选专业小B，别选C端。
就这么简单。
这不是理论推演，是跑出来的结论。
我已经落地了三个产品：运动处方智能体、营养师配餐智能体、获客海报工具。客户全是专业小B——运动康复师、注册营养师、健康管理师。
为什么不做C端？
因为我踩过坑。
我踩过的 C 端三个死穴
早期做线上脑卒中患者的居家康复，觉得场景刚需、社会价值高、医生也认可，怎么看都是好生意。真正做了才发现，三个死穴：
第一，获客难。
患者从住院到出院到转院，过程中你根本 hold 不住。人在医院的时候，决策权在医生手里；出了院，你找不到他；转了院，信息断了。成交的窗口期极短，错过就没了。
第二，用户主动性差。
这个最要命。
很多患者得病之后整个人是丧的，不想动，不想练，不想做任何需要坚持的事。你把工具给他，他不用。不是工具不好，是他没有使用的意愿。康复这种事，不主动就没效果，没效果就更不想动——恶性循环。
第三，体验差。
手机屏幕太小。康复动作需要看清楚细节，手机上看不清，平板又不是人人有。用户体验打折扣，留存就上不去。
三个问题叠加，闭环做不通。
但有一个例外：手部康复
后来我们发现了一个有意思的例外：手部康复。
这个细分场景付费率最高，为什么？因为手部康复患者自己就能操作，不用家属帮忙，手机放在桌子上对着练就行，场景天然适配线上。
但这只是极窄的特例——大部分康复场景做不到这么适配。
C 端不是不能做，是场景必须极窄极精准。但大部分 AI 工具面对的 C 端场景，窄不了，也精准不了。
所以结论很简单：
除非你能找到一个窄到只有一种用法、精准到用户不用想的场景，否则别碰 C 端。
那小B为什么能跑通？三个原因
第一，小B能识别价值。
你把配餐智能体给一个注册营养师，他一看就知道这东西替他省了多少时间——原来翻 Excel 找营养数据手动配餐，一个餐单半小时；现在 AI 生成第一版，他微调五分钟就能发给客户。省了 25 分钟，他算得清这笔账。
你把同样的工具给 C 端用户呢？他只会说"这个 App 不错"，然后该不用还是不用。因为他没有"配餐"这件事的效率痛点，他只是"想吃得健康一点"——这个需求太模糊，转化不了成付费。
第二，付费意愿强。
小B是花钱买效率，ROI 算得过来。一个运动康复师，用运动处方智能体给客户生成方案，原来要花一小时，现在十分钟。多出来的 50 分钟，可以多接一个客户。一个月多接多少客户，他自己算得明白。
C 端用户呢？他算的是"这个 App 值不值 30 块钱一个月"。算的不是效率，是心情。心情这东西，随时会变。
第三，需求明确。
小B知道自己要什么。营养师要的是"快速出餐单"，运动康复师要的是"按标准流程生成运动处方"，健康管理师要的是"帮客户生成活动海报获客"。需求具体，产品就能对准。
C 端用户往往不知道自己要什么。你问他"你想不想更健康"，他说想；你给他一个健康管理工具，他用两天就不用了。不是工具不好，是他的需求本身就不够硬。
但这里有个坑：不是所有小B都识货
如果对方的认知水位跟你差距太大，他根本看不懂你的工具在干什么。
这时候怎么办？别试图教育他——教育成本太高，你教不起。
你要做的是把认知降维，做成具体的产品丢给他。他不需要理解背后的逻辑，只需要知道"输入这个，得到那个"，会用就行。
那么到底怎样选客户？
诚然小B也有问题——市场天花板低，客户分散，单个客户付费能力有限。
但至少，他识货。
识货的人，你总能想办法把生意做成。
所以，选客户的标准到底是什么？
不是"市场大不大"。C 端市场大吧？但你吃不到。
也不是"技术难不难"。技术难度跟商业可行性是两码事。
标准只有一个：他能不能识别你的价值。
能识别→他会付费，因为他在算 ROI。
不能识别→免费也不一定用，因为他不知道这东西对他有什么用。
这个判断框架可以用在所有 AI 工具的选方向上——
先判断做不做：
- 目标用户是谁？ → 小B 还是 C 端
- 他有没有效率痛点？ → 有，就能算 ROI；没有，就是在卖心情
- 他能不能说清楚自己要什么？ → 能，需求明确，产品好做；不能，你做出来的东西他不一定用
再判断怎么卖：
- 他的认知水位够不够？ → 够，直接卖工具；不够，降维成产品再卖
前三个问题决定做不做，最后一个问题决定怎么卖。
做 AI 工具，先找识货的人。
识货的人在哪，生意就在哪。
参考资料：
1. ACSM / 美国运动医学学会运动处方框架（运动康复师专业人群依据）
2. 中国营养学会注册营养师培养与执业范围（营养师智能体的合规边界）
3. 作者亲身参与的脑卒中居家康复 C 端产品失败复盘 + 三款小B AI 工具设计原型
