產品思維是一個很大且很細的課題，是所有產品經理都會去思考的問題，本文對自己做產品的一些習慣進行沉淀，總結為自己的產品方法論，并希望與大家一起討論分享~~

一、關于AI產品設計的關鍵性思維

1、用戶思維

不論是之前的互聯網產品經理還是這兩年火熱的AI產品經理，用戶思維應該是始終堅守的原則；關于產品的用戶思維，通常會兼顧以下三個方面：

（1）系統/功能的完整性

在完成需求分析后，雖然每次都是遵循MVP原則實現小步快跑，盡早交付，但是都會考慮整個產品的完整性。

舉例 1：曾經一位客戶希望我們提供類似美圖秀秀的人臉美顏和人臉屬性的能力，開始以為客戶是有人臉檢測和人臉識別的能力的，但是通過仔細溝通后才發現他們并沒有這塊技術；對客戶需求做去偽存真后，我們提供了包含人臉檢測、人臉屬性、人臉美顏功能的本地SDK和基于云端服務的人臉識別。

舉例2：這是在做平臺產品時發生的一個失誤，萬幸的是該功能主要針對管理員，所以未發生不愉快的事情，主要是在管理員進入后臺管理功能后，缺少回到前端頁面的功能，唯一的途徑方式是通過URL直接跳轉或者先跳轉到個人工作臺再跳回其他功能；之所以發生這種情況，后續做復盤時總結認為是未對功能關聯性考慮和未充分體驗不用用戶角色的功能需求。

（2）邏輯合理性

每個產品經理在做產品設計時，都會經歷折磨人的業務流程設計，AI技術作為基礎能力，常常扮演的角色是對傳統產品的流程優化，提高原產品的作業效率。這時候如果原產品本身就涉及多個系統的交互，則需要分析在哪個環節可以加入AI能力可以使得業務流程更加合理。

舉例：這也是一個實際案例，當時在一個客戶提供AI分析能力時，由于客戶是借助了外部的BI系統，因此存在三個系統的交互；我們發生了以下對話（非原話）：

我：原則上希望是哪個系統調用AI能力，則將結果返回給哪個系統，這樣更加清晰。

客戶：可是我們業務系統沒有數據分析啊，所以你們能否直接將結果給到BI系統呢？

我：是否可以這樣，我們將結果給到你們，你們再跟BI系統交互呢？

通過以上的對話，我們發現至少有兩條路徑可以實現該最后的業務，分別是圖1和圖2，雖然流程看似差不多，但是業務系統不具備數據分析能力，如果強行將AI分析結果給到業務系統，將涉及到業務系統的較大改造。但是圖2中AI平臺提供的接口只需要提供一個透傳字段即可完成；因此，最終圖2的邏輯更加合理，并以圖2的邏輯設計業務流程。

（3）產品美觀性

好玩好用的產品如果沒有一個靚麗的外表如果能第一眼抓住眼球呢？產品的美觀性雖然更多的是UI考慮的，但是產品經理也有義務提高審美，以此提高產品的用戶體驗；這點不再過多解釋，因為從互聯網產品開始，產品美觀性就一直被強調！

2. 場景思維

如果大家多關注招聘市場就可以發現，當前AI產品任職要求越來越高，為啥？因為AI產品急需要落地變現，而落地的前提是需要找到合適的應用場景。

（1）行業定位

選擇場景，先需要定位期望產品賦能的行業，一般可以從以下兩個方面考慮出發：

首先，明確該行業是否具備變革的基礎；變革基礎可以是硬件的數字化基礎，或者用戶習慣。

舉例：比如AI行業比較熱門的行業有安防、物流、零售、泛娛樂、金融；其中安防和物流大多都具備著攝像頭硬件基礎，所以在具備優秀AI能力前提下，不考慮技術架構，無非是算力資源和帶寬資源的平衡。

而泛娛樂和金融行業是從用戶習慣來說比較容易切入的，對娛樂而言，用戶對出錯的情況忍受程度更高；對金融而言，原本線下金融服務行業就流程繁瑣嚴格，此時在某個環節加入AI能力反而會降低用戶操作難度，即使需要用戶配合某些操作，一般也不會太引起用戶的反彈情緒。

零售，當下我將其定位為反面案例，至少從當前看新零售更像是一地雞毛，新零售的目的是希望可以線上線下互通，實現“千人千面”的服務，但是線下場景需要首先具備數字化基礎，才能談智能化?？蓮膰閬砜?，中國大多便利店為老婆夫妻店，商超歷史太長，數字化基礎均較為薄弱，如果強行推動智能化，需要高昂的改造費用，所以新零售感覺一直進展緩慢。

其次整理出該行業的日常工作項目，再對各工作項目梳理業務流程，最后思考有哪些環節點即場景能用AI技術取代或優化。這樣的思路遵循“工欲善其事必先利其器”戰略，可以幫助產品更精準的找到可落地場景，其實這點也充分說明了產品最終的核心競爭力在于對業務知識的熟悉程度。

（2）跨界探索

AI產品雖然形態各異，但是基于的AI技術往往有時是相同的，因此場景思維還需要產品經理能夠將已經落地的產品中所包含的AI技術提煉“跨界”尋找新的場景，達到延續產品生命，或者煥發產品第二春的目標。

舉例：如廣告投放場景，一般我們常?？吹降亩际峭斗旁谝恍┟襟w網站，搜索引擎或者當前頭條、百度的信息流。但是最近發現百度在廣告投放場景來了一場“新瓶裝老酒”探索。

眾所周知，短視頻應該是當前最火的場景之一，刷短視頻不刷評論區貌似是缺少樂趣的，所以刷評論區也是短視頻中的高頻場景，而百度將廣告偽裝成評論投放到了評論區，并且做了智能投放管理：

• 不是所有的短視頻評論區都有廣告；
• 同一個廣告重復打開評論區，可能會有不同的廣告或者無廣告；
• 其次部分廣告可以跟短視頻內容相關。

偽裝+智能投放管理盡可能減少了用戶抵觸心理，舉例【我理解的】百度該廣告投放場景的前世今生，從以下結果來看，兩者的廣告投放模式實際無多大的新意，但是百度在場景上做了新的探索嘗試，提高了百度廣告的生命力，增加了百度廣告的盈利潛力；

前世：百度貼吧中帖子和評論區的廣告

今生：短視頻評論區的廣告

3. 數據思維

不論是互聯網產品還是AI產品，數據思維都是產品經理需要具備的，通過數據收集處理分析驅動產品的價值驗證、功能優化和業務決策，AI產品的數據思維需要考慮到以下兩點：

（1）業務數據

AI產品也需要采用類似數據埋點的方式去收集產品投放前后的業務指標差異，比如：GMV差異、點擊率差異、轉化率差異。首先為了驗證產品是否對業務產生了價值，用一個粗略的公式表示AI產品的業務價值，其次是為了分析產品的哪些品功能存在優化空間，最后還可以驅動業務決策，例如例如推薦系統在電商商品推薦和廣告推薦中的應用。

AI產品價值=（提高的時效*時效成本+GMV提升）-（AI硬件資源成本+研發成本）

（2）數據沉淀

AI產品除了收集業務指標數據指導產品是否需要優化，還需要進一步做好訓練數據沉淀工作。AI技術在投入試點到成熟推廣，訓練數據一直都是必不可少的，尤其是真實場景的數據對算法迭代更是起到“致命”的作用。

因此，如果能夠源源不斷的回收實際場景數據并且清洗標注，就可以提升算法準確率指標，最終提高產品使用效果，例如：可以考慮通過以下流程來實現。

結語

產品在推動落地的過程中，所涉及到的產品思維都是互相交疊的，很難說只關注其中一點即可，還是需要產品經理能夠多綜合思考，以此提高產品的可用性和健壯性~~

本文由 @Eric_d 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