中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

AI這個概念在這幾年都非常火，風口之下，有許多人都想躋身這個領域，成為一名AI 產品經理。筆者通過自身經驗告訴我們，想要做一名AI 產品經理，系統掌握數學和算法知識是必備步驟之一。

AI（Artificial Intelligence，人工智能）這個詞對大家并不陌生，甚至已經泛濫了。任何產品、任何項目、任何公司和AI沾上邊似乎就會顯得很高大上，可以“講故事”。

之前參加過幾次會議，有觀眾現場問到關于產品經理的一些問題時，大家比較關注的是——“產品經理的職責范圍是什么？”“如果沒有技術背景，能不能做產品經理？”“AI產品經理是不是一定需要有豐富的AI知識？”等問題。

結合這些年AI的發展趨勢，對AI產品經理的需求也有所增多。今天這篇文章，就討論一下“如何做一名AI產品經理”這個話題。也算是自己工作這些年，結合自己的知識和經驗，提出自己對于“如何做一名AI產品經理”的一些觀點，就當是是拋磚引玉，歡迎大家多多交流。

一、現狀

如何做一名AI產品經理，很多想轉型做AI產品經理的朋友們，估計也沒有一個清晰的感覺；而如何招一名合適的AI產品經理，可能在很多公司在招聘時也會存在一定困惑，也不知道如何清晰地定義。我自己也觀察了一些企業招聘AI產品經理的職位需求，似乎也沒有說到關鍵點上，只是強調，要求有BATJ經驗，似乎通過BATJ這些大廠的認可，自己招過來就一定合適。

這是存在一定誤區的。

BATJ里的確有非常優秀的產品經理，但還是占少數，大多產品經理只是這些大廠眾多產品的一個小螺絲釘而已，只是負責產品很小的一個點。而那些掌控全局的大廠產品經理，是非常昂貴的。

不是說企業要求有BATJ經驗，你就一定能招到BATJ的人；招個BATJ普通的產品，不一定比在小企業的產品經理能力強。所以招到合適的才是最好的。接下來還是從實戰的角度出發，來分析一下如何做一名AI產品經理，一方面解答想從事AI產品經理的朋友們的疑問，另一方面也可以解決企業在招聘AI產品經理所存在的困惑。

二、實戰

1. 產品功能點描述

假如你所在的一家企業是一家外賣平臺，你的領導和你說：

“我們看到XX外賣智能配送調度做得不錯，我們現在通過人工派單效率太慢了，而且隨著業務的增長，要不斷新增人力，我們也需要做一個智能調度的產品，實現高效派單，提升配送效率，節省運營成本。這個事情就交給你來負責了，你就是這個智能調度產品的產品經理?！?/p>

你接到這個任務打算怎么做？

一般來說，我們準備做某個產品時，肯定要做一下可行性分析，技術可行性、經濟可行性，看一下市場，做一下競品分析。寫BRD、寫MRD。然后用一大堆數據，將論證過的評估結果呈現給領導，以便于給公司管理層做決定——產品是否繼續推進。

各領域的產品經理的這個過程都差不多。以我們實戰為例，這個產品肯定是要做了，這時產品經理更多要考慮的，就是要如何盡快落地。

如何盡快落地，就到了這款AI調度產品的設計工作。這個階段的工作產出就是PRD了。

一般行業的產品經理寫PRD，更多的是熟悉業務，把業務流程梳理清晰，畫出原型，再把每一個產品流程細節和邏輯寫清楚就可以了。

產品經理的工作，無非是梳理業務流程、畫畫原型；需求評審完成；再推進一下開發；然后SIT、組織UAT；上線；投產后觀測。說是產品經理，其實更像是BA（Business Analyst，業務分析師）。工作內容比較簡單，稍微復雜點的，看看業務數據，不斷通過迭代來完善產品功能。

而上述產品經理，在今天的場景下，明顯就不能勝任了。

領導讓你設計一款AI調度產品，你就畫幾個原型；和軟件開發工程師說，就按這個來，但具體怎么調度，是什么邏輯？開發也不知道。那產品怎么推進？這樣就很容易造成產品失敗。所以，你在梳理業務的同時，你要在PRD里詳細描述出調度的計算邏輯，你可以不懂編程，但一定要把計算邏輯寫清楚，這樣軟件開發工程師可以把邏輯轉化成程序代碼，從而實現產品功能。

計算邏輯怎么寫？這個時候是不是就需要你有AI知識？AI知識歸根到底是數學知識。這就用到最優路徑規劃的知識。我們設計的AI調度產品，希望通過給定的派送到目標點數量以及到達每個派送目標點之間的距離來計劃出最優路徑。

產品邏輯描述就是：

• 輸入：派送目標點數量，源送目標點間的距離
• 輸出：最優路徑

為了便于大家理解，我們用個簡單的場景。

假如一個派送員在位置1，要到3個地點送外賣。如下圖1各派送點距離所示，自己簡單用PPT的畫圖版畫的，比較丑，不過意思到就OK。各地點間的距離也在連線上進行了標示。

圖1 各派送點距離

我們接下來要實現的就是派送員路徑最優。我們要把這個計算邏輯寫到PRD中，這樣開發工程師就可以根據我們定義的邏輯，實現AI智能調度中的最優派送路徑，系統就可以對派送員的派送路線進行最優規劃。從之前的由人來調度，實現了機器智能調度。不僅速度快，還比人工計劃外送員的派送路徑更優。

我們可以將派送員的派送路徑，看作是一個n元組。我們的實戰中的情況，所以步驟可以表示為：{X1，X2，X3，X4}。如果我們把這個轉化成一棵排列樹，如下圖所示：

圖2 派送路徑樹

X1=1表示第1步在編號為1的地點，X2=2，表示第2步去編號為2的地點，如果X2=3，則表示第2步去編號為3的地點。

上圖便列出了派送員可去派送目標點的所有路徑。

我們如何來描述呢？這就用到了大學時數學中的矩陣。

我們定義一個矩陣：P[ i ][ j ]，如果一個點 i 到 j 有邊，則 P[ i ][ j ]=<i , j>。

例如：從圖中的點1到點2，距離是16，則有邊；而點1到點1，我們認為是沒有邊的，則為0。按照這個邏輯，我們生成如圖3路徑的矩陣表示所示：

?圖3 路徑的矩陣表示

根據矩陣的顯示，我們是不是一眼就可以看出哪條路徑最優了？因為是數據量比較少，而現實中的場景肯定比這個復雜的多，一個派送員可能在一段時間內會接到數十個派送任務，而派送員也不可能只有1個。還是需要計算機來完成，所以，我們需要把業務邏輯轉變成軟件開發工程師可理解的描述。

一般產品經理寫到這一步，可以直接在文檔中描述，使用最優路徑原則，從而忽略這一塊的細節，具體實現由軟件架構師在技術文檔中體現。但有個問題是，最優路徑有多種實現方式，產品經理如果希望對自己的產品知其然也知其所以然，要盡可能地對自己產品的功能特性的顆粒度掌握得更細致一些，這樣在今后產品功能的擴展和再升級，會更加自信，更加游刃有余。

對于我們這款智能配送調度的實現邏輯，我們在PRD里可以這樣描述：

前置條件：每次派送完整的路徑中，去過的派送點不再去，不走重復的路線。

STEP1：定義矩陣P[ i ][ j ]，如果一個點 i 到 j 有邊，則 P[ i ][ j ]=< i , j >，否則P[ i ][ j ]=0。

STEP2：設當前走過的路徑長度為 PL，當前最優路徑為BP。

STEP3：第一步從點1出發，借助輔助結點P，生成結點A，則X[1]=1，從A點出發，則 PL=P[1][1]=0。到下一派送目標點，若我們的派送目標點為2，則X[2]=2，所以PL+P[1][2]=0+16=16，PL=16 ，有效，因此生成目標點B。

STEP4：B點對應的是“圖1 各派送點距離”中的點2。然后從B點出發，到下一個派送目標點3，則：PL+P[2][3]=16+6=22，PL值更新為22，即PL=22，有效，因此生成目標點C。

STEP5：C點對應的是“圖1 各派送點距離”中的點3。然后從C點出發，到下一個派送目標點4，則：PL+P[3][4]=22+3=25，PL=25，有效，因些生成結點D。

STEP6：根據我們的前置條件，從D點直接回出發點1，則：PL+[4][1]=25+9=34。這時的最優路線：BP=PL=34。找到第1條派送路線。

STEP7：之后，從生成的D點開始回溯到C點，C點滿足條件的路徑只有到達D點這一條，于是繼續回溯至B點，B點之前是到C點（派送點3），發現B點可以至派送點4，即從B點出發，到下一個派送目標點4（結合STEP3中PL的值），則：PL+P[2][4]=16+10=26，PL值更新為26，即PL=26，有效，因些生成結點E。

STEP8：從結點E（派送點4）這時滿足條件的只有到派送點3，然后從派送點3回出發點1。因此：PL+P[4][3]=26+3=29，PL值更新為29，即PL=29，有效，因些生成結點F。

STEP9：從F點（派送點3）回出發點1，則PL+P[3][1]=29+20=49， PL更新為49。找到第2條派送路線（PL=49），但是大于之前第1條派送路線（BL=34），因此，最優路線BP仍然等于34。

STEP10：從F點（派送點3）回溯至E點（派送點4），沒有滿足條件的路線，繼續回溯到B點（派送點2），沒有滿足條件的路線，繼續回溯到A點（出發點1）。

STEP11：從A點（出發點1）到派送目標點3，則 PL+P[1][3]=0+20=20，PL值更新為20，即PL=20，生成結點G。

STEP12：從G點到派送目標點2，則 PL+P[3][2]=20+6=26，PL值更新為26，即PL=26，生成結點H。這時派送員在派送目標點2。

STEP13：從H點到派送目標點4，則PL+P[2][4]=26+10=36，PL值更新為36，即PL=36，生成結點I。這時派送員在派送目標點4。

STEP13：從I點回出發點，則 PL+P[4][1]=36+9=45。找到第3條派送路線（PL=45），但是大于之前第1條派送路線（BL=34），因此，最優路線BP仍然等于34。

STEP14：以同樣的方法，進行回溯，回到結點G（派送點3），PL=20，派送點3之前在STEP12派送目標點是2（結點H），這次到派送目標點4，則：PL+P[3][4]=20+3=23，即PL=23，生成結點J。這時派送員在派送目標點4。

STEP15：從H點到派送目標點2，則PL+P[4][2]=23+10=33，PL值更新為33，即PL=33，生成結點K。這時派送員在派送目標點2。

STEP16：從K點回出發點，則 PL+P[2][1]=33+16=49。找到第4條派送路線（PL=49），但是大于之前第1條派送路線（BL=34），因此，最優路線BP仍然等于34。

STEP17：從K點（派送點2）回溯至J點（派送點4），沒有滿足條件的路線，繼續回溯到G點（派送點3），沒有滿足條件的路線，繼續回溯到A點（出發點1）。

STEP18：繼續探索新的路線。從A點（出發點1）到派送目標點4，則 PL+P[1][4]=0+9=9，PL值更新為9，即PL=9，生成結點L。

STEP19：從L點到派送目標點2，則 PL+P[4][2]=9+10=19，PL值更新為19，即PL=19，生成結點M。這時派送員在派送目標點2。

STEP20：從M點到派送目標點3，則 PL+P[2][3]=19+6=25，PL值更新為25，即PL=25，生成結點N。這時派送員在派送目標點3。

STEP21：從M點回出發點，則 PL+P[3][1]=25+20=55。找到第5條派送路線（PL=45），但是大于之前第1條派送路線（BL=34），因此，最優路線BP仍然等于34。

STEP22：以同樣的方法，進行回溯，回到結點N（派送點3），再回到M點（派送點4），PL=9，派送點4之前在STEP19派送目標點是2（結點M），這次到派送目標點3，則：PL+P[4][3]=9+3=12，即PL=12，生成結點O。這時派送員在派送目標點3。

STEP23：從O點到派送目標點2，則 PL+P[3][2]=12+6=18，PL值更新為18，即PL=18，生成結點P。這時派送員在派送目標點2。

STEP24：從O點回出發點，則 PL+P[2][1]=18+16=34。找到\第6條
派送路線（PL=34），但是等于之前第1條派送路線（BL=34），因此，最優路線BP仍然等于34。

流程結束。為了便于更直觀地理解這款AI調度產品的路徑規劃邏輯，我們以如下圖4 路徑規劃樹 所示：

?圖4 路徑規劃樹

這樣一梳理，是不是把這款智能調度產品的一個派送規劃的一個功能點邏輯描述清晰了？

接下來，軟件開發工程師就可以按這種邏輯思路編寫代碼進行實現了。邏輯描述清晰后，接下來要詳細定義這款產品的輸入和輸出了，以上的邏輯描述，我們只選取了3個派送目標點，而現實中的派送目標點，一定不上3個，所以派送目標點是一個輸入。另外，每個派送目標點距離當前派送員的距離也不一樣，因此距離也是一個輸入點。

綜上，智能調度這款產品這個功能點的輸入就是派送目標點的個數，和派送員到各目標點的距離。輸出就是派送路線規劃。

2. 不足之處

以上僅是一個實戰的舉例，場景考慮的比較少，功能也比較局限?，F實中的智能調度，輸入參數的維度很多，除了派送員當前位置、派送的目標點，還有派送員的數量、派送員的運力。而且很多參數是實際調整的。有些時候，智能調度為派送員雖然規劃出了最優路徑，但存在派送的貨物已經超過派送員的運送能力，也是會導致規劃失敗。

作為產品經理需要做的是，把這些現實中的場景考慮清晰。必要時，需要去現場進行調研。身臨其境感受一下，這樣設計出來的產品才能更符合實際用戶需要，才會更接地氣。而現實中的大型產品，一個產品經理肯定是不夠的，需要各產品經理和各領域專家通力協作的結果。

所以這又就提到了文章之前所講的，除非你在BATJ的產品崗位是總負責人，才能感知整個產品的全貌，進行產品整體的設計；然后各模塊的產品經理依照設計要求，把自己負責的模塊完成，最終形成一個大的產品PRD。

如果不是充當產品負責人和總設計師的角色，每個模塊的產品經理，也只負責一小塊產品功能而已。從這個維度來看，就不如小公司的產品經理負責的多。小公司的產品經理，往往一個人就會負責一個條線的產品，產品論證、產品設計、PRD編寫、產品上線、運營推廣、數據分析、項目管理，基本上都要親力親為。雖然沒有BATJ背景鍍金，但水平也不差。

因此，企業在招聘產品經理時，更多的是要聚集于工作本身，自己要明確需要什么樣的產品人才。

而本文的不足之處也在于，沒有把工作背景講清楚。因為公司規模大小，同樣的產品實戰，做法是不同的。

如果你的公司規模比較大，各專業領域人才比較多，大家分工明確；如果你是這款智能調度產品的產品負責人，你的PRD就不必要寫這么細，而是把總的PRD框架寫出來，涉及到具體的實現，由公司里的專業人士來補充完善。

如果你的公司規模比較小，你是這款智能調度產品的產品經理，領導需要快速看到結果，你可以采取MVP（Minimum Viable Product, 最小化可行產品）的方式實現。就可以按文中的這種產品功能顆粒度很細的寫法，先實現一個基本功能，然后再不斷擴展。

3. 結果

其實按本文的實戰，產品邏輯定義清晰后，就可以對產品的原型進行設計了。

定義一些功能交互的接口，從每個派送員的終端獲得派送員的位置信息；根據我們的智能調度的計算，把行駛路徑下發到每個派送員的終端中，然后派送完成的派送員向智能調度的反饋，然后就可以繼續接收派送任務。這樣，我們一個簡單的AI智能調度產品就OK了。

三、總結

結合本文的實戰，相信大家已經對如何做一名AI產品經理有一定的理解。AI產品經理具備基礎的AI知識肯定是有必要的。這就是為什么有些產品經理的崗位叫AI產品經理，而有些則叫金融產品經理，其實就是以在這個領域的專業知識所區分。

產品經理是一個不斷學習的過程，而且產品經理的成長，除了自我驅動以外，也離不開企業的支持。因為任何一款爆品的出現，背后一定有數百個初級產品。如果你所在的企業，根本不重視產品研發投入，靠產品經理個人的力量，也是很難有所作為的。像類似于MUJI這樣的企業，比較重視產品并成立了生活研究所，曾發起一個“享受清潔”的研究課題，用了8個多月的時間同顧客一起思考這個問題。

而現實中，大多數公司不會有關于產品的研究部門，大多數技術驅動的公司，產品經理也沒有什么話語權，往往充當著BA的角色。

其實好的產品，是需要花時間去研究的。這就像制藥行業的新藥研發一樣，需要數年數十年可能都不會有結果?；ヂ摼W的產品周期雖然不像制藥行業時間那么長，但至少也要花時間去研究。

而互聯網產品的研究，通常不會給太多的時間，太多公司不論是初創期的還是成熟期的，都會多少存在這個問題。技術部門加班加點，產品辛辛苦苦做出來了，發現沒有市場，產品賣不出去。所以企業需要對產品經理的工作有所重視，在公司投入寶貴的時間和金錢之前，迅速進行機會評估，找到目標市場和目標客戶，明確產品定位和產品需求，這樣會極大提高產品成功的可能性。這也是產品經理的價值所在。所以這也就解答了，企業如何去招一名產品經理的問題。

在碎片化知識到處飛揚的今天，產品經理更要沉下心來系統學習一些基礎知識。

理論上，三年的時間差不多如果鉆研一門技術，博士都快畢業了，為什么大多數人在工作崗位三年的時間，還是毫無建樹？歸根到底，還是沒有努力。工作了一天，回家肯定是休息休息，看看電視，玩玩手機，打打游戲。誰還愿意花時間再去刻苦鉆研？所以這就造成了大多數人工作三年，不是有三年的工作經驗，而且同樣的工作重復了三年而已。

所以，如果你現在已經是一名AI產品經理，需要將某個領域的知識鉆研得更深刻一些；如果你準備去從做AI產品經理，就需要將數學和算法知識系統性地學習一下。

當然，這是進階流程，前提是產品經理的基本知識你已經掌握。

以上是個人的一些建議，可能大家也有不同的看法，也歡迎大家一起交流。

本文由 @佳佳原創? 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議