AI产

当今时代，很多互联网公司的产品经理越来越像个多面手，除了必须做好一个UE设计师和项目跟进者外，还要做产品迭代规划设计、市场需求、商务需求、用户需求。一个合格的产品经理应该做到4个了解：了解用户、了解行业、了解市场，更要了解产品本身。

在互联网公司，产品经理普遍承担的，是“高效聚合信息、输出方案、连接部门”的职责：

高效聚合信息：产品经理，需要收集来自用户、领导、运营、市场、销售、设计、研发等多个信息源的信息，然后进行清洗、筛选、整合，最终聚合成可读性较强的信息，用于反映现状、辅助决策。

输出方案：产品经理，需要对聚合信息进行深入解读，同时平衡各个部门的投入与产出，最终输出最优的解决方案，用于解决现存问题、满足短期或长期发展需要。

连接部门：产品经理同时与各个部门有交集，就像维恩图的中间多次重叠部分。通过将方案落地、细化并拆分为多个任务，输出到各个部门，同时对各个部门的输出进行跟进和重组，最终解决问题或满足需求。

产品助理工作内容：领导分配的任务让你去产品调研、竞品分析，召集会议、写会议纪要，参加产品评审会议等等，他的能力需求以及主要的工作内容就是写文档、画原型 。

产品定位、用户调研、需求管理、产品功能设计等职能构成了互联网服务流程中产品的一环。产品经理负责调查用户的需求，并根据用户需求确定开发何种产品，选择何种技术、商业模式等，并推动相应产品的开发组织。产品经理还需要根据产品的生命周期，协调研发、营销、运营等人员，确定和组织实施相应的产品策略，以及其他一些列相关的产品管理活动。

一般产品经理岗位的描述：

1、关注行业的最新发展、市场需求、用户反馈和产品功能，并进行调研分析；提供应对方案，改进相关产品，提升用户体验，提高用户活跃度。

2、从需求分析中提炼产品新功能，已有功能的优化，提供中长期的产品设计建议，并可以独立输出明确的产品需求文档。

3、负责相关产品的功能设计，原型设计，产品文档的编写，协助开发、测试团队理解和掌握需求，对产品需求方向和易用性负责。

4、跟踪和把控相关产品开发项目周期，协调各方资源，跟进设计、开发、测试阶段，推进项目进度。

任职要求：

1、熟悉产品生命周期各流程；

2、精通产品经理常用的相关工具：Axure（画原型），Visio（画流程图），Mindmanager（画思维导图），Photshop（处理图片，非必须）

3、精通产品文档的撰写：PRD（产品需求文档），MRD（市场需求文档）、BRD（商业需求文档）

4、其他隐形能力要求：对用户需求敏感，逻辑思维，创新能力，沟通表达能力，自我管理和团队管理能力等。

5、项目管理：项目计划、项目进展情况报告。

6、产品宣介：对内部及外界的宣介文档，演示

7、产品市场：产品数据表、手册、网站、Flash演示、媒体专题以及展会演示等。

8、产品生命周期管理：管理过程中需要借助的相关工具，相关文档，数据表格。

产品经理需要那些技能：

1、市场调研的技能

市场调研主要包含三个部分，一个是用户调研的能力，一个是竞品分析的能力，一个是数据收集和分析的能力。

2、产品设计的技能

产品设计技能主要包含两个部分，一个是需求管理的能力，一个是产品设计的能力。

3、项目管理的技能

产品经理的一个重要角色是项目经理，产品经理需要对整个项目的结果负责，包括按时交付，合格交付，成本控制等，但他又不需要像传统软件行业的项目经理那样，做到熟练项目的5大过程组和10大工作领域。

4、数据分析的技能

这两年，随着大数据、精细化运营、增长黑客等概念的传播，数据分析的思维越来越深入人心，产品经理也需要掌握数据分析这项核心技能。当然，我们也不能为了数据分析而分析，而要将落脚点放到产品和用户上，数据分析应该帮助产品经理不断优化产品设计和迭代，驱动产品和用户增长。

产品经理具体的工作内容如下：

① 竞品分析：分析竞争对手的产品，寻找和研究对手的优点和优势。

② 产品策划：规划和设计自己的产品，定义产品功能和价值。

③ 需求实现：沟通和协调团队里的相关同事共同完成需求的研发和上线。

④ 迭代优化：收集反馈、挖掘新需求，对产品进行迭代优化和升级。

真正的产品经理，其核心价值主要体现在三个方面：

1、行业认知及分析：决定做产品的正确方向，也是最核心最有含金量的事，最优秀、最资深的产品经理在做这个；

2、需求分析及系统化：是做正确的事情，具体执行的好不好，会直接影响产品数据，关系到产品的成败。

3、用户体验及产品设计：对正确事情的锦上添花，是一种完善、优化、提升，也是初级产品经理的必备技能，配合产品助理、交互设计师来做。

高级产品经理和普通PM的差异在于：

高级PM重视业务，契合公司战略，回归商业本质；

高级PM对需求要有规划，一个好棋手是下棋一步，心中已有九步；

高级PM目标清晰，并贯穿需求始终；

高级PM激励团队，激发群体智慧，一群人战斗总要好过一个人战斗；

调研的目的：

了解：用户行为特征、心里诉求、分类占比。

挖掘：行为习惯和深层痛点。

发现：具体场景的用户行为模式。

比较：不同特点用户对『新想法』的反馈及『新想法』替代传统方式的可能。

调研方式

这次团队采用的是定性和定量的方式来验证『新想法』。

定性（用户访谈）：选择具有代表性的用户进行用户访谈，了解用户大概有什么需求，同时验证『新想法』的可行性。

进入AI产品经理范畴：

目前，貌似任何公司想通过AI技术打造竞争壁垒都需要至少具备以下几点公认的方式：

1、 行业资源和数据储备例如：垄断性+闭环大数据（行业资源和数据储备）

2、 软件/硬件储备：拥有庞大的机群，为深度学习优化做准备

3、 拥有顶尖的技术人才，例如深度学习科学家和架构师

4、 驾驭算法：公司具备持续的算法调优能力

身为一名AI产品经理，需要懂算法、深度学习、机器学习、架构系统、数据，模型等一些AI相关的技术，作为一名产品经理切记：不要开发聪明的东西，而是要开发人们想要的东西。

1、首先要定义好业务需求任务和目标：产品经理应该明确界定机器学习产品或功能的任务和目标，尽量在每个场景中都用量化指标界定，将抽象的需求定量分析是产品经理必须具备的能力，因为机器学习的功能目标如果不能量化，任何一个环节的准备、调试都无法实际展开。例如你在做一个事件结果预测的功能，如果不能将预测的准确度进行量化，就无法指导算法工程师进行调优（包括算法选择和数据集的选取等）。

2、在对比不同模型的能力时，使用不同的性能度量时往往会导致不同的判断结果。这意味着模型的好坏是相对的，什么样的模型是好的，不仅取决于算法和数据，还决定于任务需求。对学习算法的泛化性能进行评估，不仅需要有效可行的评估方法，还需要有衡量模型泛化能力的评价标准，这就是性能度量。注意将其与学习算法的目标函数区分开来，目标函数是在参数调整时使用的，虽然在有些情况下两者是一样的。

3、训练经验的来源

在很多行业应用的复杂场景中，人为标注数据通常需要行业专家亲自参与，而你在设计某个产品之前是否考虑到了这个行业你是否有专家储备或资源，如果没有，至少在监督学习（Supervised learning）中训练出成熟的模型是非常难的。

总结:模型的好坏跟算法、数据、任务需要有关，但是需要考虑这个模型更新频率是多少，是一周两次？还是一个月一次？模型的精准性跟测试集、训练集、评估集有关，后才是算法上的调优；但是数据集跟数据质量有关，人工标注数据枯燥乏味但是需要行业专家才能进行标注，好比医疗数据标注就是需要医学背景的工程师才能确保质量，但是成本上不合算，虽然可以设计自动化标注系统进行标注但是效果依然得依赖人来筛选判断；数据的收集处理存储和清晰到分析，离不开数据—信息—情报/知识，信息决策需要数据分析:描述性分析、诊断性分析、预测性分析、决策建议性分析；