AI产品经理的关键性产品思维

产品思维是一个很大且很细的课题,是所有产品经理都会去思考的问题,本文对自己做产品的一些xí惯进行沉淀,总结为自己的产品方fǎ论,并希望与大家一起讨论分享~~

一、关于AI产品设计的关键性思维

1、用户思维

不论是之前的X产品经理还是这两年X的AI产品经理,用户思维应该是始终坚守的原则;关于产品的用户思维,通常会兼顾以下三个方面:

(1)系统/功能的完整性

在完成需qiú分析后,虽然每次都是遵循MVP原则实现小步快跑,尽早交付,但是都会考虑整个产品的完整性。

举例 1:曾经一位客户希望我们X类似美图秀秀的人脸美颜和人脸属性的能力,开始以为客户是有人脸检测和人脸识别的能力的,但是X仔细沟通后才发现他们并没有这块技术;对客户需qiú做去伪存真后,我们X了包hán人脸检测、人脸属性、人脸美颜功能的本地SDK和基于云端X的人脸识别。

举例2:这是在做平台产品时发生的一个失误,万幸的是该功能主要zhēn对管理员,所以未发生不愉快的事情,主要是在管理员进入X管理功能后,缺少回到前端页面的功能,唯一的途径方式是XURL直接跳转或者先跳转到个人工作台再跳回其他功能;之所以发生这种情况,后续做复盘时总结认为是未对功能关联性考虑和未充分体验不用用户角sè的功能需qiú。

(2)逻辑合理性

每个产品经理在做产品设计时,都会经历折磨人的Xliú程设计,AI技术作为基础能力,常常扮演的角sè是对传统产品的liú程优化,提高原产品的作业效率。这时候如果原产品本身就涉及多个系统的交互,则需要分析在哪个环节可以加入AI能力可以使得Xliú程更加合理。

举例:这也是一个实际案例,当时在一个客户XAI分析能力时,由于客户是借助了外部的BI系统,因此存在三个系统的交互;我们发生了以下对话(非原话):

我:原则上希望是哪个系统调用AI能力,则将结果返回给哪个系统,这样更加清晰。

客户:可是我们X系统没有数据分析啊,所以你们能否直接将结果给到BI系统呢?

我:是否可以这样,我们将结果给到你们,你们再跟BI系统交互呢?

X以上的对话,我们发现至少有两条路径可以实现该最后的X,分别是图1和图2,虽然liú程看似差不多,但是X系统不具备数据分析能力,如果强行将AI分析结果给到X系统,将涉及到X系统的较大改造。但是图2中AI平台X的接口只需要X一个透传字段即可完成;因此,最终图2的逻辑更加合理,并以图2的逻辑设计Xliú程。

(3)产品美观性

好玩好用的产品如果没有一个靓丽的外表如果能第一眼X眼球呢?产品的美观性虽然更多的是UI考虑的,但是产品经理也有义务提高审美,以此提高产品的用户体验;这点不再过多解释,因为从X产品开始,产品美观性就一直被强调!

2. 场景思维

如果大家多关注X市场就可以发现,当前AI产品任职要qiú越来越高,为啥?因为AI产品急需要落地变现,而落地的前提是需要找到合适的应用场景。

(1)行业定位

选择场景,先需要定位期望产品赋能的行业,一般可以从以下两个方面考虑出发:

首先,明确该行业是否具备变革的基础;变革基础可以是硬件的数字化基础,或者用户xí惯。

举例:比如AI行业比较热门的行业有安防、物liú、零shòu、泛娱乐、金融;其中安防和物liú大多都具备着摄像头硬件基础,所以在具备优秀AI能力前提下,不考虑技术架构,无非是算力资源和带宽资源的平衡。

而泛娱乐和金融行业是从用户xí惯来说比较容易切入的,对娱乐而言,用户对出错的情况忍受程度更高;对金融而言,原本线下金融X行业就liú程繁琐严格,此时在某个环节加入AI能力反而会降低用户cāo作难度,即使需要用户配合某些cāo作,一般也不会太引起用户的反弹情绪。

零shòu,当下我将其定位为反面案例,至少从当前看新零shòu更像是一地基máo,新零shòu的目的是希望可以线上线下互通,实现“X千面”的X,但是线下场景需要首先具备数字化基础,才能谈智能化。可从囯情来看,X大多便利店为老婆X店,商超X太长,数字化基础均较为薄弱,如果强行推动智能化,需要高昂的改造费用,所以新零shòu感觉一直进展缓慢。

其次整理出该行业的曰常工作项目,再对各工作项目梳理Xliú程,最后思考有哪些环节点即场景能用AI技术取代或优化。这样的思路遵循“工欲善其事必先利其器”战略,可以帮助产品更精准的找到可落地场景,其实这点也充分说明了产品最终的核心竞争力在于对X知识的熟悉程度。

(2)跨界探索

AI产品虽然形态各异,但是基于的AI技术往往有时是相同的,因此场景思维还需要产品经理能够将已经落地的产品中所包hán的AI技术提炼“跨界”寻找新的场景,达到延续产品生命,或者焕发产品第二春的目标。

举例:如广告投放场景,一般我们常常看到的都是投放在一些媒体网站,搜索引擎或者当前头条、百度的信息liú。但是最近发现百度在广告投放场景来了一场“新瓶装老酒”探索。

众所周知,短X应该是当前最火的场景之一,刷短X不刷评论区貌似是缺少乐趣的,所以刷评论区也是短X中的高频场景,而百度将广告伪装成评论投放到了评论区,并且做了智能投放管理:

  • 不是所有的短X评论区都有广告;
  • 同一个广告重复打开评论区,可能会有不同的广告或者无广告;
  • 其次部分广告可以跟短X内容相关。

伪装+智能投放管理尽可能减少了用户抵触心理,举例【我理解的】百度该广告投放场景的前世今生,从以下结果来看,两者的广告投放模式实际无多大的新意,但是百度在场景上做了新的探索尝试,提高了百度广告的生命力,增加了百度广告的盈利潜力;

前世:百度贴吧中帖子和评论区的广告

今生:短X评论区的广告

3. 数据思维

不论是X产品还是AI产品,数据思维都是产品经理需要具备的,X数据收集处理分析驱动产品的价值验证、功能优化和X决策,AI产品的数据思维需要考虑到以下两点:

(1)X数据

AI产品也需要采用类似数据埋点的方式去收集产品投放前后的X指标差异,比如:GMV差异、X率差异、转化率差异。首先为了验证产品是否对X产生了价值,用一个cū略的公式表示AI产品的X价值,其次是为了分析产品的哪些品功能存在优化空间,最后还可以驱动X决策,例如例如推荐系统在电商商品推荐和广告推荐中的应用。

AI产品价值=(提高的时效*时效成本+GMV提升)-(AI硬件资源成本+研发成本)

(2)数据沉淀

AI产品除了收集X指标数据指导产品是否需要优化,还需要进一步做好训练数据沉淀工作。AI技术在投入试点到成熟X,训练数据一直都是必不可少的,尤其是X场景的数据对算fǎ迭代更是起到“致命”的作用。

因此,如果能够源源不断的回收实际场景数据并且清洗标注,就可以提升算fǎ准确率指标,最终提高产品使用效果,例如:可以考虑X以X程来实现。

结语

产品在推动落地的过程中,所涉及到的产品思维都是互相交叠的,很难说只关注其中一点即可,还是需要产品经理能够多综合思考,以此提高产品的可用性和健壮性~~

收藏 (0) 打赏

以上内容不错,打赏支持一下!

打开微信/支付宝扫一扫,即可进行扫码打赏哦,分享从这里开始,精彩与您同在
点赞 (0)

声明:本站所有教程资源,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

雄发创业网 自媒体是如何赚钱的 AI产品经理的关键性产品思维 https://www.xiongfawang.com/2761.html

常见问题

相关文章

AI产品经理的关键性产品思维-海报

分享本文封面