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

2023年9月9—10日，人人都是產品經理聯合騰訊大講堂舉辦的【2023產品經理大會·北京站】完美落幕。雪球前高級產品總監、去哪兒前用戶體驗總監黃喆老師為我們帶來《變局之下，產品創新的道與術》為題的分享，本文為演講內容實錄。目前大會回放已上架，戳此購買，即可收看回放：https://996.pm/7gX2B

今天從三個維度切入分享：

1. 技術變革對產品形態的影響
2. 產品數字化/智能化轉變
3. 變局下的產品規劃到落地

最后會隱去敏感數據和部分信息，和大家分享在雪球做的一個創新業務案例，與其中的具體邏輯。

一、技術變革對產品形態的影響

技術已經成為顯著的生產力之一，驅動著許多行業、產品和服務的變化。而關于技術的本質，我們可以這么理解，技術其實是借助了能力，幫助我們更有效地轉化能量，從而滿足需求。

在當前AI 2.0時代、數字化時代的節點上，大家可能都對這點有所感觸。今天，我們身邊充斥著各式各樣的信息，這類信息可以形成線上化、數字化的能量轉化，其中需要講究效率。很多時候，我們為B端企業賦能，所帶去的結果就是企業的降本增效，而降本增效，更多在討論的，就是效率問題。

再說需求滿足。大家對馬斯洛需求層次理論都很熟悉，其最底層為“生存”，“生存”意味著一個生命體需要延續生命。同理，B端企業也需要活下去，在市場環境發生變化的情況下，企業提出的產品要求不再單純地追求活躍、留存；現在，企業更在意的是利潤，因為利潤才能決定企業的存亡。

所以當下，技術成為了根本話題之一，它驅動著我們更好地借助能力轉化能量，從而滿足各式需求。

當前，技術已經成為了新的生產力，而這背后伴隨著人類的社會化進程。從早期農業化時代借助太陽能、順應自然環境、維持個體生存；到工業化時代借助化學能、改造環境、形成群體規模；再到數字化時代，數據信息演變為一種能量，這個時候，我們更講求創新、創造新空間，比如元宇宙、虛擬現實等概念的出現。

不同發展階段可能會有起伏波動，雖然這帶來了各種各樣的變化，但背后的本質依舊與技術這一根本話題脫不開關系。其一，即追求能量效率的提升，其二，各種技術、材料的借助有效地拓展了我們的能力邊界，助推了存續目標的實現。像當下這個階段，通過借用AI、物聯網等技術，數據得以成為一種生產資料，進而驅動了創新和社會發展。

如果再將AI進行細分，可以將其分為兩種：

1. 決策AI：幫助分析
2. 生產AI：幫助創造。

再來談數字化。數字化可以大致分為三個階段：IT信息階段、DT數據階段與AI智能階段。不同企業、行業、階段，其數字化節奏可能會產生差異，數字化發展路徑也會有所不同。比如教育、金融領域的數字化步伐可能會更快，而一些生產型的企業則可能還在IT或DT階段。

這背后與技術變化息息相關，從CPU到GPU，再加上云計算、移動互聯網等基礎能力建設，從1960開始，數據量便基于新技術推動呈量級的增長，這驅動了我們借助數字化、智能化去發現更多新機會。

下圖展示了一個技術成熟度曲線，它劃分出了五大階段，從技術萌芽期、期望膨脹期，到破滅低谷期，隨后步入穩步恢復期和高效成熟期。比如今天所推崇的AI 2.0，就已經在市場的助推下到達了期望膨脹期，隨著后續找到更多的落地機會與可能性，它便會回歸理性與冷靜。等AI 2.0熬過了破滅低谷后，它才會更具有普及性，才能找到更多應用可能性，產生更好的商業機會和商業回報。

大多數技術都會經歷這樣的一個過程，比如先前的AI 1.0、云計算、深度學習等，都逐漸經歷了破滅低谷期，進而更加普遍地應用于各行各業，產生更好的結果。

生成式AI對不同行業的不同環節的影響不同，麥肯錫就進行了分析，比如教育行業的供應鏈管理環節，可以借助數字化、人工智能技術實現更好的落地，銀行業、金融業則可以在客戶管理、產品研發、軟件應用等領域或環節借助人工智能手段做出更有效的落地。

所以可以看到，AI、數字化是相對泛化的一個話題，而其落地的過程中存在著許多機會，產品經理便需要思考可以在哪些環節、行業做好落地。多了解這方面的信息，有助于產品經理未來的規劃、判斷與產品設計。

AI系統、大語言模型也推動著C端用戶和B端企業更高效率的數字化。比如下圖所拆分的技術結構，最底層面向終端用戶及客戶，上面則為基礎技術能力。而現在，中間增加了一個“模型層”。原先，基礎的技術能力可以形成各式應用面向用戶，而現在模型層的添加則帶來了一些變化，它驅動著C端用戶和B端企業數字化的更好落地。

生成式人工智能則將引領一個潛在的新周期，現在，許多產品都值得用人工智能技術再重做一遍。

紅杉資本也做了預測，預測說到，到2030年，文本、代碼、圖像、視頻、3D、游戲等都可以通過AIGC生成。

技術變革對產品形態也帶來了影響。像現在所提及的AI 2.0、數字化，很大程度上依賴于底層芯片、底層算力等基礎能力，如果沒有底層算力或芯片支持，很多時候，我們的場景或應用可能會很難落地。

虛擬人這一概念背后也融入了AI與數字化技術能力，這一概念目前主要落地在營銷、客服、教育等場景。像智能客服，許多用戶可能無法分辨對面的客服是真人還是虛擬人。在客服領域，AI的應用落地效率還是較快的。

前段時間，不少大模型獲得了通用牌照，這背后衍生出了許多機會，比如擁有相關技術儲備的企業可以提供智能解決方案，團隊或公司便可以在智能解決方案框架內產生商業機會和產品服務。其中，許多小型企業可能會擁有更多新的可能性。

二、產品數字化/智能化轉變

產品數字化和智能化的轉變過程主要在于模型和場景的落地。比如現在最頭部的AI——OpenAI / Character.AI，既是模型又是產品應用。這一現象背后和技術的發展歷程息息相關，現在，AI還處于早期的技術創新期，沒有完善的產品形式，所以產品大多是“直給”至用戶。比如微軟的Copilot是一個輸入窗口，大模型直接觸達到了用戶。

這其中隱藏著一定機會，因為技術或模型訓練到一定程度之后，會驅動產品進行深化，形成更多交互過程，從而使得用戶更好地進行操作和交互。

在數字化、智能化的發展階段中，又出現了Maas（Model as a service）這一技術結構，這便是我們現在所說的大模型。

大模型的本質是什么？是通過超大規模的能力處理非結構化的數據和信息。這其實也為大模型是否適用于自身場景提出了前提；首先，我們需要思考自身是否有超大規模數據；其二，信息是否是復雜的、非結構化的。如果沒有這兩個前提，盲目應用Mass層可能會浪費大量算力。所以Mass的應用需要結合具體行業、具體場景而定。

產品底層技術結構也會發生變化。最早，許多產品雖然也會應用AI技術，但AI技術棧架構相對簡單，即應用層、操作系統層、芯片層。隨著AI技術的變化與發展，現階段的AI技術棧還增加了模型層。而到了未來的AI技術發展階段，分層會更加細化，比如增加中間層、算法層等，我們可以通過算法來調用更多模型，實現更好的應用場景落地。

部分產品經理可能會認為這部分職責應由技術團隊承擔，但在未來，許多技術可能會被替代，技術與產品之間的工作邊界也可能會變得更模糊。用戶和客戶本身并不關心企業內的分工協作，所以如果產品經理可以有相應的儲備和積累，并積極運用技術，那么產品經理在交付、設計和規劃上，可能會得到更好的結果。

而在未來，我們需要考慮四個方面的儲備和積累，分別是數據、算力、模型與場景。其中，有兩方面是產品經理團隊可以重點關注的。

一個是數據，雖然在未來，許多數據可能是非結構化的，但我們可以從中尋找規律，從而更好地把握。比如在智能化營銷中，客戶畫像是什么樣的？不同行業、不同品類的客戶畫像標簽、維度又該如何設計？這些問題，其實與數據直接相關。

另一個是場景，場景是產品經理工作中天然需要面對的一個“對象”，只有找場景，才能找到機會，找到落地的可能性。

舉個例子，Notion是一款個人筆記軟件，它在接入了ChaGPT的模型能力后，產品實現了引爆，并實現了一個月1000萬美元ARR收入。而這個增量背后的原因，其實就是產品團隊找到了更好的應用場景、更好的數據，使得模型可以更好地應用，進而驅動產品找到了好的商業機會和商業回報。所以，產品經理們還是要重點關注數據和場景，進而找到產品或業務上的新的可能性。

AI在產品落地中，除了思考怎么用模型之外，還需要考慮應用場景。像一些跑得比較快的產品或業務，便結合了大模型，在算力消耗的基礎上訓練模型質量。而小公司可以考慮借力，找到好的機會場景，做面向于垂直行業和專業領域的小模型。像營銷、金融、游戲等行業，便已經有企業著手布局了。

有分析公司也調研了不同行業對AIGC的接受度，與AIGC在行業中的可變革程度，如下圖。

AIGC在不同行業中的賦能情況也有一定差異，如下圖便介紹了哪些行業、哪些領域與哪些應用場景是值得借助人工智能技術做好落地的。

除了發現技術的變化和不同，產品經理還需要尋找相對確定性的東西。

現在做產品，我們需要建立完整的鏈路，一端面向用戶和客戶，一端面向企業，用戶和客戶端追求體驗，企業端則追求利潤。這個過程中，我們要通過產品包含方方面面，需要挖掘用戶或客戶需求，為其創造價值。這時，就可以借助人工智能技術創造個性化價值了，比如人工智能可以更有效地分析用戶是誰，隨后借助數據能力進行分解，并形成對應性、匹配度更高、個性化更強的價值給到用戶。

這個過程中，我們還要創造增量價值，這樣，產品才能有更強的競爭力。比如企業端，我們可以選擇做機會成本更高的事情，同時還要思考能否降成本，擴大規模，進而降低邊際成本。

同樣的，我們可以借助數據。數據是天然的規模效應的基礎，當生產資料堆積得越多，所萌發的機會、預期回報就會越多。我們可以結合數據去產生產品價格。這里會涉及到產品定價的問題，比如用什么樣的商業模式進行收費計費。

這些鏈路中的關鍵名詞，是產品經理需要囊括考慮的，某些環節里，我們可以借助數字化和智能化技術，更好地跑動閉環。

在今天，我們借助數字化或智能化技術，主要幫助客戶或用戶解決三方面問題：增效、降本和促新。

很多企業可能會將降本和增效放到一起，但其實這是兩個不同的場景。對企業，我們更多講求的是降本，而對人員，我們則講求增效，這是不同的路徑。不一樣的路徑可能有不一樣的結果實現過程，這就要求產品進行提前思考。

數字化也有許多細分層面，包括工具數字化、分析數字化和流程數字化。

從時間跨度上來看，企業的不同發展階段中，數字化需求也有所不同。

比如在擴張期，企業的數字化需求以降本和增強靈活性為主，同時還需考量決策的科學性，這個時候，企業需要應用輔助決策的人工智能技術或應用。而在轉型期，企業則需要深度洞察市場并挖掘商機，需要賦能新產品與新業務，可能會考慮引入新工具，支持新業務的拓展。不同垂直行業領域的情況可能不太一樣，大家可以再進行研究。

今年上半年，生成式AI的創業項目也走向了許多細分方向，比如生產力工具、AI助手等。而大量項目都集中于應用層，因為這一層的落地機會可能性更多。大家也可以關注這方面的發展，并和其他團隊交流碰撞。

下圖展示了生成式AI的應用路線圖，大家可以關注不同層次的生成式AI具體可以在哪些方面進行落地。

三、變局下的產品規劃到落地

最后和大家分享一個創新項目實例。

在當時，我們查看了大量人工智能產業鏈圖譜，也在尋找應用機會，過程中看到，大量應用更多還是由企業自己搭建、并面向企業內部的，比如部分金融類應用。

而不少上市公司都有比較強烈的一個訴求，即投資者關系管理，于是我們從幾個角度對投資者關系管理系統進行了規劃。

首先，選賽道；在雪球這類投資者社區中，會產生大量的非結構化信息與數據，而這些信息十分受到上市公司一側的關注。在確定方向之后，我們還通過判斷公司實力、市場實力、產品實力和執行能力來展開規劃。從產品的角度來看，過程中有幾個重點指標需要關注，比如魚塘比、PMF、投資回報率等。

而大致的規劃可以從看市場、看自己、選賽道、謀策略、定行動這五個部分進行展開。

在“看市場”的時候，我們已經開始借助數字化、人工智能等技術進行籌備。比如我們看到了上市公司注冊制等行業政策背后的市場機會，進而進行分析判斷，看哪些領域的增長可能性更高，哪些市場或行業會在投資者關系管理工具使用上、在客戶關系維護上有更強的訴求。

比如飲料制造、景點旅游、電子制造等行業的增速便相對可觀。同時上市企業、利潤、市值等情況的細分，也可以幫助我們圈定客戶群體。

客戶需求亦可幫助我們進行規劃。需求大致可分為兩類，一類為通過數字化、技術化幫助公司內部實現提效，一類為自身的直接需求。我們可以從這兩類中找到最核心的需求點，從而考慮如何幫助客戶解決真實的需求與問題。

行業內的競爭關系也同樣需要關注，這有助于我們進一步細分產品的未來切入點。需求場景可以大致分為幾類：效果需求、治理需求、影響力需求和監管需求。

當時我們也形成了一些產品規劃與計劃想法，比如市場規模預估、目標客戶/潛在客戶分析等。最終在國內市場，我們圈定出了1500多家目標客戶，同時對這部分客戶進行預測，比如重點客戶有多少、潛力客戶有多少。這個客戶規模其實并不算大，所以如果想保證利潤，就需要做高客單價。同時如果產品想實現可持續發展，我們還需讓客戶持續付費。最終，我們測算出客單價的區域為50萬到100萬之間。

以上，就是一個相對完整的規劃和分析過程，一端連接客戶，一端連接企業。再進一步，即結合規模、利潤、市場增速等選擇細分賽道，之后定位產品的目標客戶、價值主張、差異化所在、產品邊界等。最后則思考如何實現和落地。

過程中雖然更多是從產品角度出發，但在具體的實施過程中，我們也用到了許多技術手段，幫助我們更好地匹配和滿足客戶需求。

最終，我們形成了更具體的可落地的內容。比如將需求分為兩類，一類為資本需求、一類為影響力需求，這兩種需求背后隱藏著兩種不同的價值，所面向的細分客戶群體也有所不同；比如搭建商業模型，包括偶發性收入、ARR收入等；比如續約率，通過服務改善減少客戶流失。

同時，我們也細分了場景，如高需、高頻場景，這些場景可能就是產品的工作重點與落地區域。后續，我們形成了面向客戶或研發團隊的整體規劃。

這個過程其實用到了許多人工智能的相關技術，比如利用人工智能解構社區內的投資者評論、上市公司評價等信息，將其抽象為客戶所能理解的內容。最終形成的產品功能結構圖中，底層也借助了算法、模型等人工智能技術用于支撐。

以上就是案例分享。最后送給大家一句話：

變局之下，在不確定中尋找確定。

大會直播回放

目前大會回放已上架，戳此購買，即可收看回放：https://996.pm/7gX2B