起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識產品經理實戰方法與案例（一）：機器學習怎樣與產品結合？
在產品經理工作中的兩個核心原則：一是在合適的時間，以合適的方式，呈現合適的內容；二是在正確的時間，為正確的人，提供正確的決策支持。前者是偏向普通產品，后者則是針對數據產品或者AI產品。
首先謝謝伙伴們在《To B 產品經理必備能力：斷、舍、離》評論中的建議。就圍繞核心去加肉這一點來說，可能短期內暫時沒有這個計劃。最近梳理了一下自己短期內的寫作計劃，主要是偏向AI方向產品，重點是圍繞機器學習和深度學習由淺入深的來進行，更希望的是后續的文章能夠形成一個系列。
針對商業模式而言，雖然學習過商業模式畫布，也聽過曾寧老師的《智能商業二十講》，并且近期看了《商業分析方法與案例》，但是筆者在實際工作中涉及較少，所以后續的文章中，可能也不會有較多篇幅涉及這一塊。
這是產品經理實戰方法與案例的第一篇文章，我們將以《電商用戶評論的情感分析》為案例，來說明機器學習怎樣與現有產品相結合，并且用結論指導后續的產品工作。
一、產品需求階段
上面兩圖分別現在某寶和某東的用戶評論界面。
上面圖片則是某寶的評論頁面。
在傳統的電商用戶評價中，我們往往采取打分或者評級，外加用戶評論的方式來分析某個用戶對某商品的情感傾向，到底是正面評價，還是負面評價。
舉個例子，有A和B兩個用戶，都同樣在某東上購買了《人人都是產品經理》這本書，兩個人都是打了好評，不過在評論是，A寫了一個字“好”，B寫了兩個字“很好”。從上面例子來看，我們的情感得分是B的得分是否應該高于A呢？如果A的評論是“很好很好”，是否又高于B的“很好”呢？這也就是現在傳統的打分或者評級方式，無法滿足我們分析需求的地方。
隨著機器學習和深度學習的發展，我們開始引入了針對文本的自然語義分析，來幫助實現對于消費者評論文本更進一步的分析。
二、產品設計準備階段
假設我們已經確定接受“消費者評論情感分析”的需求，那么我們進入產品設計階段。
1. 首先，我們要確定我們的數據來源：
- 一是來自自家平臺的用戶評論數據；
- 二是來自京東用戶的評論數據；
- 三是來自淘寶的用戶評論數據；
- 四是其他平臺的用戶評論數據。
2. 其次，根據用戶評論數據我們要整理的核心指標：
- 各平臺綜合情感得分；
- 各平臺正、負、中情感得分；
- 正、負、中評論關鍵詞；
- 最后得出分析結論：怎樣改進產品，提升產品在消費者心中的情感傾向，也就是怎樣更好的提升銷量。
三、產品設計階段：
根據在準備階段整理的核銷指標和任務，我們開始進行針對需求的后臺產品設計。
原型下載地址：https://pan.baidu.com/s/1oGRAhcPHN02M8Dsj-KlZFQ
第一個案例的重點將會是Python爬蟲和第三方工具抓取電商用戶評論數據，以及自然文本語義分析的實現，所以這里對應原型的設計階段只是簡單描述。這兩周的寫作時間比較倉促，這里先給大家說一聲抱歉。下周開始，筆者將合理計劃時間，并爭取提供高質量的文章。
文章第二部分亦是下周的主要內容——Python爬蟲和第三方工具抓取電商用戶評論數據。
本文由 @John_Ren 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 Pexels ，基于 CC0 協議
不錯