人工智能如何成功應用?產品經理必須要知道的4條準則
摘要:根據我從事數據驅動型產品的經驗,我發現,如果能對人工智能有個更寬泛的定義,將有助於我聚焦在要解決的問題上,而不是專注於解決方案中使用的某種技術。當你準備在產品中使用某一種AI或者數據技術的時候,不妨看看此文。
已使用訊飛轉錄,聽音頻解放雙眼
2019年3月開始,我們在打造一款名爲GET智能寫作的產品,由於缺乏經驗,做了一些看似很酷但無法解決問題的功能。回顧這些錯誤,問題的本質在於未能將場景中的問題與AI能力相匹配。
如今,我已經“淡忘”了AI的概念,因爲我知道真正的用戶價值源自於解決場景中的具體問題,而不是單純地去打造炫酷體驗感。記得有一次投資人問我:“你覺得AI有什麼不能做的?”我很堅定的回答:“AI最不能做的就是代替人類”。
今天翻譯的這篇文章也是與我的觀點不謀而合,作者建議我們不要被“AI”這個技術概念給迷惑了,AI只是解決問題的戰術,並不是企業的願景和戰略。另外,他還給我們提供了一個很有用的決策框架——“場景-決策矩陣”,用於評估AI是否適用。當你準備在產品中使用某一種AI或者數據技術的時候,不妨看看此文。
原標題:將AI應用於產品管理的基本準則 Ground Rules for Applying AI to Product Management
作者:帕特里克·曹 PATRICK TSAO Getsafe產品總監
發表時間:2020年01月16日
隨着人工智能(AI)和機器學習的概念炒作,各種名詞術語也映入了我們的眼簾,以至於這種強大的技術變得更難以理解。下面,我列舉了一些對我個人來說很有用的技巧,我也希望這篇文章能幫助各位產品經理減少噪聲,懂得如何更好地將人工智能融入日常工作。
機器學習在車輛識別中的應用 (Image: Shutterstock)
一、寬泛的定義有助於更好地解決問題
首先,讓我們忘掉到底什麼是人工智能。 根據我從事數據驅動型產品的經驗,我發現,如果能對人工智能有個更寬泛的定義,將有助於我聚焦在要解決的問題上,而不是專注於解決方案中使用的某種技術。
作爲產品經理,我們必須深入的理解我們的問題空間,以便我們能夠正確地定義需求,讓我們的團隊去解決正確的問題。但在我們正確地定義問題之前,我們往往會過早地考慮“如何去做”,我們會不自覺地偏向於特定的解決方案。
爲了避免這種情況,我更喜歡將AI定義爲“自動化決策”。
我們做的大多數產品都需要基於數據來“決策”,但“決策”方式可以是多樣的。它可以由機器或人類做出,數據可以是靜態的或動態的。當我們的注意力聚焦到“決策”這個詞的時候,我們可以通過抽象的方式避免具體方法帶來的複雜性,以及行業術語帶來的噪聲。這個更寬泛的定義能避免我們陷入過早考慮解決方案的困擾,讓產品經理能夠更加關注問題空間。
二、AI是一種用來解決問題的戰術
產品經理在行動之前,需要有三個不可或缺的基石:
願景: 我們的最終目標;
戰略: 做正確的事情來實現我們的願景;
戰術: 正確執行我們的戰略;
不管在產品生命週期的哪個階段,產品經理都需要去做好這三個要點。我們必須讓我們的團隊與我們正在努力實現的願景保持一致,同時也要確保每個人都能理解我們的戰略,以及將具有可行性的戰術融入整體計劃中。我們需要注意的是,人工智能是一種可以用來解決特定問題的戰術,而不是一種戰略或願景。倘若我們缺乏最終目標,就算用了人工智能也不會給終端用戶帶來任何價值。
舉一個具體的在線視頻公司“網 飛”的例子。 網飛是最早地大規模有效地應用人工智能的公司之一:
網飛的願景 : 成爲全球最好的娛樂發行服務商;
網飛的戰略 :通過獨具吸引力的個性化體驗來提升會員留存;
網飛的戰術 : 評分系統、推薦、個性英雄鏡頭、使用情況跟蹤等;
如你所見,在個性化體驗的戰略之下,有許多不同的戰術來幫助網飛達成提升留存率的目標。數據和AI的使用因戰術的不同而不同,而願景和戰略的描述並不要指明使用哪種技術或算法。
三、AI賦能人類而不是取代人類
當 前,自動化相關的話題,引發了人們一些對未來工作的倫理問題的有趣討論,隨之而來的是,人們對AI如何賦能人類也產生了一些迷茫。 一個常見例子是自動駕駛汽車。 在汽車行業內,汽車的自動化分爲五個等級。 大部分的話題都集中在完全自動駕駛(5級)實現以後,世界會發生怎樣的改變。
產品經理必須認識到,AI能力的發展是需要階段和時間的,並不是一蹴而就的。 機器擅長的與人類不同,因此某些決策會更容易自動化。 高性能的AI能力首先需要一個龐大的訓練數據集。 這個訓練數據集不僅要大量,還需要有良好的數據結構,並易於機器讀取。 理想情況下,這個數據集還應定義清楚什麼是成功與失敗,因爲過去的結果是對未來的預測。
下面是我在考慮如何應用“自動化決策”時,經常使用的一個框架:
沿Y軸, 常規性場景(Routine Scenario) 發生的頻率很高,並且其延展的可變性也很低,而 細膩 性 場景(Nuanced Scenario) 發生的頻率很低,並且可能包含難以複製的細節。
沿X軸, 信息性決策(Informational Decision) 爲終端用戶提供附加的上下文信息,而 行動性決策(Action-oriented Decision) 代替終端用戶執行動作。 常規的場景往往會生成更可靠的訓練數據集,因此機器更容易學習; 信息性決策往往比面向行動的決策風險更低。
將這兩個維度結合起來,可以得到四類自動化決策:
-
常規信息: 容易預測,出錯風險低:
例如: 汽車根據剩餘燃油和駕駛行爲估計剩餘行駛距離;
-
細膩信息: 難以預測,出錯風險低:
例如: 汽車根據圖像識別和駕駛行爲防止駕駛員入睡;
-
常規行動: 容易預測,如果有錯誤,則高風險:
例如: 正常情況下,汽車在高速度公路上自動駕駛;
-
細膩行動 : 難以預測,如果錯誤,則高風險:
例 如: 汽車在繁忙的施工區域自動駕駛。
四、AI的三種不同方式的影響力
在 過去十年中,通過研究數據驅動型產品,我發現了三個主要的用例組,這些用例可以幫助產品經理提高數據影響力:
1.AI可以優化或自動化業務運營
產品通過使用合理的行爲跟蹤可以生成一個數據集,能夠賦能團隊做出明智的業務運營決策。例如,可以利用數據優化客戶接觸點和溝通,以提升轉化率或減少客戶流失。通過預測主題或結果,服務請求可以更有效地被篩選和分配。從某種意義上,人工智能是一種可以提高團隊效率和生產力的先進商業智能工具。
2.AI可以顯著改善產品的用戶體驗
以下是一些公司使用AI爲客戶創造愉悅體驗的例子:
品牌 | 產品 | AI增強體驗案例 |
移動端 |
|
|
房產 |
|
|
娛樂 |
|
在這些例子中,交付給終端用戶的產品形態並沒有改變(例如,Uber的移動端),但是通過應用數據(例如,讓乘客與附近的Uber司機相匹配),產品體驗會變得更好。 通過這種模式,產品團隊通常可以創造獨特的用戶體驗,成爲公司的長期競爭優勢。
3.AI 可 以從根本上改變 產品
也許最著名的例子是網飛的系列電視劇《紙牌屋》的背後故事,通過使用數據重新定義了創造娛樂的方式。這個系列不僅贏得了許多獎項,而且也深受網飛用戶的喜愛。這也標誌着公司進入了一個新的顯著增長期。這說明AI有潛力爲整個行業創造新的產品品類和新的趨勢。
五、結論
綜上所述,產品經理在思考如何將人工智能集成至產品時,可參考這四條基本原則:
-
通過對AI寬泛的定義能夠幫助我們專注於解決問題,而不是直接思考最終的解決方案;
-
AI是一種幫助解決問題的戰術,而不是一種戰略或最終目標。
-
AI可以賦能人類但不能取代人類。
-
AI發揮作用的三種不同方式:優化運營、改善產品體驗和創造新的產品品類。
點擊 閱讀原文 ,可以查看英文原文。 讚賞 後可以獲得PPT。 如果覺得這篇文章有價值請不要吝嗇 在看。
說明
本微信號以長文爲主,知識星球以短文爲主。
我最新寫的文章以短篇的方式先更新在“知識星球”,然後再整理成微信文章。因爲公衆號發了一次就不能修改了,我會把它作爲精品來做,每一篇文章儘可能詳實,轉錄成音頻,便於您的收藏和保存。
如果你不習慣看長文,或者想要和我深度討論一些問題,可以至我的知識星球“PM熊叔|未來產品經理”。一些未最終發表的內容,以及一些資料都會放上面,如果覺得還不夠,加我微信gold3bear,我拉你入羣。
現在用券購買我的99元星球享 50元的折扣, 一杯咖啡的價格,但不僅是一年的知識服務,也是一種朋友之間的相互認可。
我的好朋友Shadow也開通了個關於AI+的星球,很榮幸被他邀請爲合夥人,我會把關於AI+所有產品相關知識和資料往上面發。
2019文章排行