新加坡政府做产品，竟把转化率做到7倍：一场AI从业者该看的反直觉实验

你可能不信：把产品思维、A/B 测试和大语言模型用到政府系统里，转化率能提升 7 倍，甚至直接“救命”。在 Figma Config 2024 的这场演讲中，新加坡政府的一支小团队，展示了他们如何用科技公司的方法，重塑“最难做产品”的地方——政府。

最反直觉的一件事：政府，反而成了最激进的产品实验场

“政府做不好产品”几乎是所有科技从业者的共识。但 Zul 一上来就抛出一个大胆设想：如果政府也像顶级科技公司一样做产品，会发生什么？

他来自新加坡政府的 Open Government Products（OGP），一个“在政府里像创业公司一样运作”的团队。他们只有不到 200 人，却在 5 年里交付了 30 多个全国级产品：两周上线的疫苗预约系统、全国统一的路边停车 App、覆盖所有公立医院的病人管理系统，直接省下 8500 万美元。

最反直觉的是：这些并不是靠更大的预算、更复杂的流程完成的，而是靠更小的团队、更快的实验、更激进的取舍。OGP 的目标很明确——证明政府也能做出好产品，然后把这套方法复制到整个政府体系，甚至其他国家。

一次几乎失败的疫苗产品，暴露了所有“好心办坏事”的假设

真正让这场演讲“有料”的，是一个差点失败的真实案例。

在新冠疫苗大获成功之后，新加坡在其他关键疫苗上却表现糟糕：只有 12% 的老年人接种肺炎球菌疫苗，女性 HPV 疫苗接种率甚至不到 20%，在高收入国家中排名垫底。问题不在认知，而在体验——预约麻烦、信息不透明、排队时间长。

OGP 用 4 个人的小团队，4 个月做出了诊所端 + 患者端的预约系统。然后他们做了一件“看似正确”的事：给老年人寄实体信件。

结果惨不忍睹。目标是 5 个月 5 万次预约，第一个月只有 50 个。

接下来发生的事情，任何 AI 或产品从业者都会会心一笑：他们像一家标准硅谷创业公司一样，拉数据、看回放、做转化漏斗，然后承认一句最难的话——“我们的假设是错的”。

老年人并不喜欢实体信件：信件容易被忽略，看起来不够官方；更致命的是，信里有二维码和网址，对老年人来说几乎是使用门槛。

真正拉开差距的，是一连串“微小但致命”的实验细节

真正让转化率起飞的，不是一次大改版，而是一连串极其具体的实验。

他们先换掉媒介：从实体信件改成 SMS，转化率立刻提升。接着，他们开始测试内容本身。

OGP 做了一个很多人都会猜错的实验：同一条短信，三种语气——友好、恐吓、极简。团队原本以为“吓一吓老年人”会最有效，结果恰恰相反：友好语气的转化率比恐吓高出 15%。

他们甚至继续往下拆：
- 发送时间：上午 10 点前发送，平均转化率高 20%
- 发送日期：周一到周三，比后半周高 3–5%

这一整套 build–measure–learn 的循环跑下来，最终结果是：整体转化率从 3.5% 提升到 27%，整整 7 倍。

如果你是 AI 从业者，会意识到一个熟悉的模式：这和你调 prompt、调用户路径、调触发时机，本质上一模一样。区别只是——这里的每一次优化，可能意味着少一次肺炎、少一次癌症。

大语言模型不是噱头，而是“政府级体验”的放大器

演讲中一个容易被忽略、但对 AI 从业者极其重要的细节，是 OGP 如何使用大语言模型。

在他们的年度 Hackathon 中，有团队专门解决一个看似“非技术”的问题：老年人看不懂政府信件。很多老年人会把英文信件堆在一旁，等家人来帮忙，甚至因此错过缴费或重要通知。

解决方案很直接：拍一张信件照片，用大语言模型进行识别、简化和翻译，转成更适合老年人的语言。技术并不炫，但影响巨大——它让原本需要“等人帮忙”的流程，变成“我自己就能搞定”。

这正是一个值得 AI 从业者反思的点：LLM 在这里不是用来炫技，而是被嵌进一个真实流程，直接降低了公民与政府系统之间的摩擦成本。

真正的“护城河”：把政策官嵌进产品团队

OGP 最独特、也最难复制的一点，并不是技术，而是组织设计。

每个 4–10 人的小团队，除了 PM、设计师、工程师，还有一个“政策官”。这个角色不是审批者，而是直接嵌在团队里，负责拆墙。

一个典型例子是医院的病人管理系统：过去，病人每换一家公立医院，就要重复提交一整套经济援助材料。产品团队发现这是糟糕体验，但问题根源在政策。

政策官做的不是“绕规则”，而是直接推动规则本身的修改——把“通用同意”设为默认：只要病人同意过一次，信息就可以在公立医院间共享。

这对 AI 和产品团队来说，是一个极具启发性的信号：真正限制系统上限的，往往不是模型能力，而是制度接口。

总结

这场演讲真正击中人的地方，不在于“政府也能做产品”，而在于它证明了一件事：当产品方法、数据实验和 AI 被放在“高影响场景”里，回报的量级会完全不同。对 AI 从业者来说，值得问自己的问题是：如果同样的模型和能力，不只是用来提高点击率，而是用来减少一次排队、一次误解、一次延误，会发生什么？也许下一波真正有分量的 AI 产品，不在消费级应用里，而在那些一直被认为“做不好产品”的地方。

关键词： 政府产品， 大语言模型， 用户研究， A/B测试， 公共科技

事实核查备注： 需要核查的关键事实包括：OGP 团队规模（<200 人）、产品数量（30+）、节省成本（8500 万美元）、疫苗转化率从 3.5% 到 27% 的数据、SMS 发送时间与转化率提升比例、OGP Hackathon 每年举办及 70% 产品来源于 Hackathon 的说法。