人工智能PM系列文章(四):通向AI產(chǎn)品成功的必要條件
一款成功的人工智能產(chǎn)品,核心技術(shù)、產(chǎn)品化、商業(yè)化三要素缺一不可。人工智能產(chǎn)品的商業(yè)化,需要產(chǎn)品經(jīng)理做些什么,才能更好的實現(xiàn)產(chǎn)品變現(xiàn)呢?
在我之前寫的《AI產(chǎn)品經(jīng)理,應(yīng)掌握哪些技術(shù)?》文章,一開頭就提到過:
每一塊錢的科研投入,需要100塊錢與之配套的投資(人、財、物),才能把思想轉(zhuǎn)化為產(chǎn)品,這樣的情況還是在不考慮產(chǎn)品是否被市場認可的前提下。1:100就是科學家的專利到產(chǎn)品落地的距離,在人工智能時代下的產(chǎn)品,恐怕會比1:100有更懸殊的比例。
當下很多公司并不了解這個距離,造成了在招聘人才的時候非常迷茫。
實際上,AI人才大體可以被分為兩類:
- 一類是那些可以實現(xiàn)人工智能技術(shù)的工程師,例如:算法工程師,根據(jù)解決的具體場景和問題,又可以再細分為:圖像處理算法、推薦算法、自動駕駛算法、語音識別算法等。
- 另一類是可以將人工智能技術(shù)和行業(yè)知識相結(jié)合并通過產(chǎn)品和項目的落地實現(xiàn)最終商業(yè)目標的人才。而這類人才中很重要的一類職位就叫做AI產(chǎn)品經(jīng)理。
本篇文章,我們就一起深入探討,到底這個從技術(shù)轉(zhuǎn)化為產(chǎn)品成功的過程需要哪些必要條件,以及產(chǎn)品經(jīng)理在這個過程中究竟該扮演怎樣角色。
通過大量的AI成功和失敗案例的分析后發(fā)現(xiàn)——想要創(chuàng)造一款成功的人工智能產(chǎn)品,核心技術(shù)、產(chǎn)品化、商業(yè)化三要素缺一不可。
一、核心技術(shù)
在人工智能時代,有人說:衡量一家公司的“核心技術(shù)”看它工程實踐的能力;也有不同的聲音認為“核心技術(shù)”應(yīng)該衡量這家公司產(chǎn)品的算法能力。
在我看來,我們討論這個問題前應(yīng)該縷清一個問題——那就是究竟構(gòu)成人工智能產(chǎn)品有哪些關(guān)緊要素?而產(chǎn)品經(jīng)理應(yīng)該怎樣參與到這些關(guān)鍵要素的創(chuàng)造過程中?
近幾年來人工智能的快速發(fā)展離不開深度學習(Deep Learning)在圖像識別、語音識別、自然語言處理、信息檢索、機器翻譯、社交網(wǎng)絡(luò)過濾、生物信息學和藥物設(shè)計等方面的成功應(yīng)用。
作為機器學習算法家族中的一員,深度學習在每個應(yīng)用場景中的落地都離不開算法、計算能力、數(shù)據(jù)“三要素”:
1.在算法層面:產(chǎn)品經(jīng)理設(shè)計的產(chǎn)品要和公司現(xiàn)有的算法研發(fā)能力相匹配。
例如:避免設(shè)計一些過于超前或落后的產(chǎn)品功能。這需要產(chǎn)品經(jīng)理對主流的算法模型和框架有基本的認知,并對各種算法在不同場景下的使用效果可以做到量化評估
2.在計算能力層面:產(chǎn)品經(jīng)理要從需求出發(fā),衡量產(chǎn)品的功能所需求的算法模型需要怎樣系統(tǒng)架構(gòu)支撐,并能夠評估硬件開銷。綜合考慮利弊后要判斷采用平臺即服務(wù)(platform as a service, PaaS)的方案還是自建計算平臺。
例如:產(chǎn)品設(shè)計中包含了實時在線的智能語意搜索和智能內(nèi)容推薦功能,這對于產(chǎn)品底層在線學習的能力就有極高的要求,為了實現(xiàn)這種能力,需要投入大量計算硬件(例如:GPU卡)。
3.在數(shù)據(jù)層面:數(shù)據(jù)在機器學習領(lǐng)域顯然已經(jīng)變成了兵家必爭之地。優(yōu)質(zhì)的數(shù)據(jù)可以幫助企業(yè)快速建立門檻,好的數(shù)據(jù)通常要比好的算法更重要。假設(shè)你的數(shù)據(jù)集夠大,那么其實不管你使用哪種算法可能對分類性能都沒太大影響。
因此產(chǎn)品經(jīng)理要在產(chǎn)品設(shè)計之初就考慮到數(shù)據(jù)從哪來、數(shù)據(jù)質(zhì)量怎么保證、數(shù)據(jù)治理的工作怎么開展等問題。
在這種情況下,產(chǎn)品經(jīng)理的跨部門協(xié)調(diào)能力通常起到了決定因素。
人工智能時代的產(chǎn)品成功不同于過往任何一個時期,日新月異的技術(shù)創(chuàng)新導致解決同一個需求的手段有多重選擇。產(chǎn)品之間競爭的戰(zhàn)場早已經(jīng)從可見的、功能性方面轉(zhuǎn)換到了更多維度的比拼。
而且往往人工智能產(chǎn)品給用戶帶來的是“零感知”技術(shù),即——用戶沒有任何學習成本,甚至都察覺不到這種“高科技”。但實際上已經(jīng)實現(xiàn)了更優(yōu)的產(chǎn)品體驗。
例如:某些手機廠商的人臉識別技術(shù)采用了3D人臉重現(xiàn)技術(shù),采用的深度感應(yīng)鏡頭融合了VCSEL紅外激光器、NIR多重濾波片以及濾光接收模塊,不僅使用的算法復雜而且集成到手機端的分析能力大幅增強,實現(xiàn)了在人臉解鎖功能上有2D技術(shù)有無法超越的安全級別。
另外,憑借傳感器硬件和復雜算法實現(xiàn)的3D建模能力還可以幫助企業(yè)實現(xiàn)更多的應(yīng)用創(chuàng)新,這種企業(yè)在未來在手機競爭中就取得了絕對的制高點。
另外,深度感應(yīng)鏡頭也用在人體跟蹤、三維重建、人機交互、即時定位與地圖構(gòu)建(Simultaneous Localization and Mapping, SLAM)等領(lǐng)域。公司一旦具有這種技術(shù)在未來的競爭中將占據(jù)市場先機,甚至造成與競爭對手完全不在一個跑道上競賽的局面。
因此,核心技術(shù)是人工智能產(chǎn)品成功的第一要素。
二、產(chǎn)品化
核心技術(shù)本質(zhì)上只是解決用戶需求的一種手段。如果技術(shù)先進卻對用戶提出了較高的使用門檻,或很難直接的傳遞價值,產(chǎn)品一樣無法成功。
產(chǎn)品化的過程是讓產(chǎn)品首先可以以快捷、低門檻的形式觸及用戶(宣傳、推廣),當用戶開始使用產(chǎn)品后可以有效的傳遞價值并為用戶解決實際需求;當用戶使用產(chǎn)品一段時間后通過延展價值并形成用戶持續(xù)的消費。
對于人工智能產(chǎn)品來說,在產(chǎn)品化的不同階段中都面臨著比傳統(tǒng)產(chǎn)品更高的挑戰(zhàn)。
- 首先,人工智能產(chǎn)品的技術(shù)邏輯本身就很難被詮釋清楚,尤其是一些前期并不被人所知曉的新品牌,建立信任是第一步。
- 其次,無論人工智能產(chǎn)品多么具有科技含量,如果產(chǎn)品無法快速證明它可以帶來的價值,就無法促使用戶產(chǎn)生購買欲望。因此,制定讓用戶快速了解產(chǎn)品的策略,快速用價值打動用戶是非常關(guān)鍵的一步。
- 再次,用戶一旦產(chǎn)生了購買行為,與產(chǎn)品建立了緊密的聯(lián)系。在長期的使用過程中產(chǎn)品需要禁得起考驗,保證長期穩(wěn)定的將價值傳遞給用戶。人工智能產(chǎn)品往往在效率、便捷度、人性化等方面讓用戶體會到產(chǎn)品的價值。
- 最后,人工智能產(chǎn)品除了需要給用戶傳遞價值,還需要與用戶建立更多的連接,也就是讓用戶依賴產(chǎn)品,將產(chǎn)品融入用戶的生活中。
只有這樣才能延展其價值并促使用戶產(chǎn)生更多購買行為,為企業(yè)創(chuàng)造持續(xù)的變現(xiàn)的機會。
三、商業(yè)化
如果說產(chǎn)品化決定了產(chǎn)品的價值空間,商業(yè)化則決定了產(chǎn)品將價值變現(xiàn)的能力。
人工智能產(chǎn)品相比于傳統(tǒng)產(chǎn)品使用了更復雜的技術(shù)架構(gòu),這造成了:
- 一方面產(chǎn)品在研發(fā)階段投入的成本具有不確定性;
- 另外一方面技術(shù)的預期效果也比較難評估。
因此產(chǎn)品經(jīng)理不能利用過去的經(jīng)驗評估產(chǎn)品的成本結(jié)構(gòu),制定產(chǎn)品的定價策略。產(chǎn)品經(jīng)理需要站在用戶角度考慮產(chǎn)品定價策略,深入理解場景和用戶的痛點在哪。
舉一個簡單的例子:食堂打飯這個場景中,最后一個環(huán)節(jié)通常是需要一個收銀員根據(jù)你挑選的飯菜金額收費,這要依靠準確的識別和速算。
- 如果你設(shè)計一個菜品識別(機器視覺)、報價、收費的收費機器人,你怎么給這個產(chǎn)品定價?
- 如果只是看表面,你一定覺得這個產(chǎn)品簡直是太完美了。
- 如果的機器誤識別率低,而且運算速度快,用戶只要將菜品放在攝像頭前刷卡就行了,最直接的價值就是節(jié)省了一個人的勞動力。
但是你要仔細想想,食堂檔口的老板會這么想嗎?收銀員只是在用餐高峰期充當收費的角色,在不忙的時候可能會被安排洗碗、擦地、甚至需要在后廚兼做一些幫廚的工作。
盡管在用餐高峰收費這個環(huán)節(jié)的勞動力是被省下了,但是機器人能替代人完成其他任務(wù)嗎?
因此,這款產(chǎn)品的定價一定不會很高。
因此,人工智能產(chǎn)品的商業(yè)化需要產(chǎn)品經(jīng)理能夠把場景、痛點分析透徹,并在評估產(chǎn)品能帶來的價值和研發(fā)成本后,制定適合的商業(yè)推廣策略和產(chǎn)品定價包裝策略。甚至在必要的時候進行產(chǎn)品定位調(diào)整,最終實現(xiàn)產(chǎn)品變現(xiàn)。
作者:特里,頭條號:“人工智能產(chǎn)品設(shè)計”。人工智能領(lǐng)域長期實踐者,專注于AI產(chǎn)品設(shè)計、大數(shù)據(jù)分析、AI技術(shù)商用化研究和實踐。
本文由 @特里 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自 Unsplash ,基于 CC0 協(xié)議
人臉識別那里是借鑒了你同事的材料吧
產(chǎn)品化決定了產(chǎn)品的價值空間,商業(yè)化則決定了產(chǎn)品將價值變現(xiàn)的能力。相信產(chǎn)品化和商業(yè)化是人工智能技術(shù)真正落地的必要元素。
有理有據(jù),我是做算法的,習慣于從局部看問題,特里的文章可以從整體細微到局部,來來回回,才能把問題看待清楚。我覺得有一點說的特別好:深入理解場景。目前好多創(chuàng)業(yè)公司都宣稱自己的深度學習模型準確率有多高,但并沒有合適的落地場景,找不到具體的落地點,再好的模型也沒有用,所以我覺得產(chǎn)品經(jīng)理可以幫助公司找到合適的場景,作為產(chǎn)品落地的一個橋梁。
的確,場景和技術(shù)的交叉是最難的點,而太多公司忽略了場景定義,一味追求技術(shù)。AI的縱向非常深,方向的錯誤判斷可能會導致公司遭遇不可挽救的沖擊。