2019.07.10 | 读书笔记 | 3910 浏览 | 1 赞 | 0 条评论


请注意,本文编写于 1724 天前,最后修改于 1724 天前,其中某些信息可能已经过时。
AI摘要:本文为《人工智能产品经理 - AI 时代 PM 修炼手册》的读书笔记。书中介绍了人工智能产品经理所需的技能和知识,包括人工智能人才、行业知识、方法论、基础技能、人工智能产品的原理和组成部分、机器学习工程实践、人工智能产品经理的工作流程以及端到端产品管理方法论。文章强调了从需求出发进行产品设计、关注用户体验、整合资源和同理心等设计原则,以及在研发流程中的参与和持续产品运营。

Powered by AISummary and MoonShot Kimi Chat.

工作需要,这两天读了一本《人工智能产品经理 - AI 时代 PM 修炼手册》这本书,总体来讲还是有一些收获的,但很多地方需要更多的书籍作为相应知识的补充,很多地方都是相对粗浅的概括。

这两天比较忙,就先把自己记的提纲摘录下来,有空再慢慢完善之后的读书笔记好啦ww


人工智能人才

  • 可以实现人工智能技术的工程师
  • 将人工智能与行业知识结合的人工智能产品经理

第1章:逻辑基础和背景前提

人工智能产品:颠覆性策略

  • 互联网:对生产要素和资源配置方式的优化 eg:滴滴
  • 人工智能:直接形式的颠覆:自动驾驶

主流研究方向

  • 计算机视觉
  • 自然语言理解
  • 认知与推理

理论基础是概率论 - 判断与预判
本质是实现概率和成本之间的平衡

主流研究类别

  • 个性化精准服务 eg: 金融产品个性化推荐
  • 简单或重复劳动 eg: 自动驾驶
  • 提升效率和准确率 eg: 反金融欺诈
  • 提升用户体验 eg: 智能语音
  • 自主创作 eg: 绘画,剧本,诗歌

三要素:算法,计算能力,数据
必要条件:核心技术,产品化,商业化

主要思维

  • 资源管理思维
  • 目标导向思维
  • 解决方案思维

第2章:行业知识,方法论

人工智能公司分类

  • 行业+人工智能公司:梅赛德斯奔驰

    • 核心要求:行业趋势的洞察力
  • 应用人工智能公司:基础能力

    • 商务技能 & 项目管理能力
    • CAC customer acquisition cost 用户获取成本
    • LTV Live Time Value 用户终身价值
    • PBP Payback Period 回收周期
  • 平台类人工智能公司

    • 对底层技术的理解

行业分析维度

  • 行业特点:历史背景,增长能力
  • 行业运行趋势
  • 竞争力因素分析:价格,品质,质量,分销能力,上游资源,成本,产品差异,技术壁垒,管理水平,地理位置
  • 行业整合:行业集中度,外资进入,收购兼并
  • 政府管制:准入门槛
  • 商业模式

切入行业

  • 确定价值场景
  • 收集场景基本信息:人物,时间,地点,做什么事,达到什么目的,之前的做事方式和解决方案,客户期望的方式和解决方案
  • 场景有关的干系人和干系场景:上下游企业在场景中的角色

    • 定义干系人
    • 判断干系人的重要性
    • 判断干系人的利益
    • 描述干系人的利益
    • 描述干系人对产品的期望/要求
    • 干系人的痛点和快点分析

第3章:基础技能

优化信息存储和互通的方式

AI对需求的重塑

  • 降低用户的使用门槛,减少用户的交互流程,降低使用难度,让产品使用接近用户的自然行为
  • 从用户角度考虑投入产出比
  • 算法的可解释性差
  • 传感器技术进步
  • 产出需求的真正多样
  • 应当充分了解当前技术局限

功能性需求

  • 宏观:符合公司整体战略
  • 微观:尽可能明确业务背景与业务目标,将目标量化

非功能性需求

  • 建议架构师尽早参与到需求分析中,尽早考虑非功能需求
  • 安全性

    • 可得性:权限控制
    • 私密性:数据隐私
  • 可用性

    • 用户是否用产品完成任务,效率如何,感受如何
    • 与 UI/UX 直接相关
    • 易用性
    • 一致性:设计目标一致性,外观元素一致性,交互行为一致性
    • 观感需求
  • 可靠性

    • 条件:系统的状态和输入条件
    • 时间:软件的具体运行时间段
    • 功能:提供服务是产品的功能
    • 出错频率
    • 自我恢复速度
  • 性能

    • 响应时间:2/5/10 原则
    • 吞吐量:系统在单位时间内处理请求的数量
    • 并发用户数
    • 资源利用率
  • 可支持性

    • 可扩展性
    • 可维护性
    • 可安装性

量化需求分析

  • 明确产品的业务需求:业务机会,业务目标,成功标准,产品愿景

    • 自动驾驶的SAE分级
    • 不智能 -> 驾驶辅助 -> 半智能 -> 条件智能 -> 高度智能 -> 完全智能
  • 明确产品的需求场景
  • 定义场景中的可量化标准

    • 内部因素:已有的数据集
    • 外部因素:医生的技术水平
    • 同行业表现
    • 输出对模型预测的精度期望
  • 根据具体的场景定义算法的指标

思考 ROI

第4章:人工智能产品的原理和组成部分

产品实现逻辑

感知 -> 认知 -> 识别 -> 理解 -> 决策

  • 基础设施提供者

    • 传感器

      • 生物传感器,光敏传感器,声音传感器,化学传感器
      • 应用:可穿戴应用,高级辅助驾驶系统,健康监测,工业控制
    • 芯片

      • 模型训练,云端推断,设备端推断
      • 通用芯片,半定制化芯片FPGA,定制化芯片ASIC
    • 大数据技术:从海量数据中挖掘价值
    • 云计算技术:按使用量付费,提供可用的,便捷的网络访问和计算资源共享池
  • 数据提供者

    • 数据的质:Relevncy Recency Reliability Range
  • 数据处理者

    • 识别
    • 理解与推理
    • 决策
  • 系统协调者

    • 项目 -> 产品化 -> 服务化 -> 平台化

第5章:机器学习工程实践对人工智能产品经理的需求

机器学习流程

  • 原始数据采集
  • 数据预处理
  • 模型训练
  • 模型评估
  • 调参(超参数和参数)

机器学习分类

  • 监督学习,无监督学习,半监督学习,强化学习

    • 监督学习:人工神经网络类,贝叶斯类,决策树类,线性分类器
    • 无监督学习:人工神经网络类,关联规则学习类,分层聚类,聚类分析,异常检测类
    • 半监督学习:生成模型,低密度分类,基于图形的方法,联合训练
    • 强化学习:Q学习,状态-行动-奖励-状态-行动 SARSA,DQN,策略梯度,基于模型强化学习,时序差分学习
    • 深度学习:深度信念学习,深度卷积神经网络,深度递归神经网络,分层时间记忆,生成对抗网络
    • 迁移学习:归纳式,直推式,无监督式,传递式
  • 二分类算法,多分类算法,回归算法,聚类算法,异常检测

第6章:人工智能产品经理的工作流程

  • 设定产品目标

    • 用户/客户痛点分析:场景描述

      • 说明用户/客户具体的业务或需求场景
      • 如果产品/功能投入使用,用户/客户将在该场景中的哪些流程环节中使用他们
      • 在产品没有问世前,用户/客户都是用什么样的替代方案
      • 替代方案在多大程度上满足了用户/客户的需求
    • 用户/客户痛点分析:痛点来源

      • 用户/客户的痛点来源是自身还是外界的压力,为什么存在这种压力,痛苦链条是什么
      • 用户/客户的痛点是否来自于人性
    • 用户/客户痛点分析:痛点全方位剖析

      • 痛点涉及的面有多广,是普遍问题还是个别问题
      • 痛点是否符合政策导向或是否合规
      • 用户/客户愿意为此痛点买单吗?他们愿意付出怎样的代价来解决这个问题
      • 感觉到痛的人是否有采购选择权
    • 市场分析

      • 产品/功能在市场上的主要竞争对手都有谁?各自的竞争优势是什么?市场占有率如何
      • 是否已经有占有率比较高或者比较被认可的产品,其有怎样的优势
      • 相比于竞争对手,我们的优势是什么,用户选择我们的理由是什么
  • 进行技术预研

    • 人脸图像采集
    • 人脸检测
    • 数据预处理
    • 人脸图像特征提取
    • 人脸匹配与识别
  • 需求分析与产品设计

    • 常见失败原因

      • 技术驱动产品设计——应当从需求出发
      • 忽略用户期望管理——用户期望过高而产品华而不实
      • 单点突破带来的价值有限,与产品价格或用户付出的代价不成正比
      • 追求底层技术而忽视用户体验
    • 常见设计原则

      • less is more
      • 微观到宏观——先做个性化信息流,在做商品推荐
      • 整合资源
      • 同理心:认知,情感,身体感受
    • 定制产品需求优先级

      • 价值-复杂度矩ac阵
      • 卡诺模型:用户愉悦度 vs 功能完善度
      • 相似组分类法
      • 加权得分法
  • 参与研发流程

    • 提供优质数据
    • 训练模型
    • 测试调优
    • 目标管理
  • 持续产品运营

第7章:端到端产品管理方法论

注重跨部门沟通

本文链接:https://www.idealclover.top/archives/574/

本作品由 idealclover 采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可,转载请注明出处。

标签: 深度学习, 输入, 云计算, 产品, 知识, 经理, 平台, 分类, 访问, 算法, 信息, 场景, 技术, 人工智能, 用户, 学习

1

没有评论 T^T


🤔关于我
翠翠 idealclover
Product Manager @ByteDance
南京大学 2016 级本科生
了解更多
🏠关于博客
基于 Typecho 博客框架
使用个人的 clover clover 主题