人工智慧產品經理系列（九）通向AI產品成功的必要條件

05-20

來自專欄人工智慧產品設計

在我之前寫的《AI產品經理，應掌握哪些技術？》文章中提到過：

每一塊錢的科研投入，需要100塊錢與之配套的投資（人、財、物），才能把思想轉化為產品，這樣的情況還是在不考慮產品是否被市場認可的前提下。1:100就是科學家的專利到產品落地的距離，在人工智慧時代下的產品，恐怕會比1:100有更懸殊的比例。

當下很多公司並不了解這個距離，造成了在招聘人才的時候非常迷茫。

實際上，AI人才大體可以被分為兩類：

一類是那些可以實現人工智慧技術的工程師，例如：演算法工程師，根據解決的具體場景和問題，又可以再細分為：圖像處理演算法、推薦演算法、自動駕駛演算法、語音識別演算法等。
另一類是可以將人工智慧技術和行業知識相結合併通過產品和項目的落地實現最終商業目標的人才。而這類人才中很重要的一類職位就叫做AI產品經理。

本篇文章，我們就一起深入探討，到底這個從技術轉化為產品成功的過程需要哪些必要條件，以及產品經理在這個過程中究竟該扮演怎樣角色。

通過大量的AI成功和失敗案例的分析後發現——想要創造一款成功的人工智慧產品，核心技術、產品化、商業化三要素缺一不可。

一、核心技術
在人工智慧時代，有人說：衡量一家公司的「核心技術」看它工程實踐的能力；也有不同的聲音認為「核心技術」應該衡量這家公司產品的演算法能力。

在我看來，我們討論這個問題前應該縷清一個問題——那就是究竟構成人工智慧產品有哪些關緊要素？而產品經理應該怎樣參與到這些關鍵要素的創造過程中？

近幾年來人工智慧的快速發展離不開深度學習（Deep Learning）在圖像識別、語音識別、自然語言處理、信息檢索、機器翻譯、社交網路過濾、生物信息學和藥物設計等方面的成功應用。

作為機器學習演算法家族中的一員，深度學習在每個應用場景中的落地都離不開演算法、計算能力、數據「三要素」：

1. 在演算法層面：

產品經理設計的產品要和公司現有的演算法研發能力相匹配。

例如：避免設計一些過於超前或落後的產品功能。這需要產品經理對主流的演算法模型和框架有基本的認知，並對各種演算法在不同場景下的使用效果可以做到量化評估

2.在計算能力層面：

產品經理要從需求出發，衡量產品的功能所需求的演算法模型需要怎樣系統架構支撐，並能夠評估硬體開銷。綜合考慮利弊後要判斷採用平台即服務（platform as a service, PaaS）的方案還是自建計算平台。

例如：產品設計中包含了實時在線的智能語意搜索和智能內容推薦功能，這對於產品底層在線學習的能力就有極高的要求，為了實現這種能力，需要投入大量計算硬體（例如：GPU卡）。

3.在數據層面：

數據在機器學習領域顯然已經變成了兵家必爭之地。優質的數據可以幫助企業快速建立門檻，好的數據通常要比好的演算法更重要。假設你的數據集夠大，那麼其實不管你使用哪種演算法可能對分類性能都沒太大影響。

因此產品經理要在產品設計之初就考慮到數據從哪來、數據質量怎麼保證、數據治理的工作怎麼開展等問題。

在這種情況下，產品經理的跨部門協調能力通常起到了決定因素。

人工智慧時代的產品成功不同於過往任何一個時期，日新月異的技術創新導致解決同一個需求的手段有多重選擇。產品之間競爭的戰場早已經從可見的、功能性方面轉換到了更多維度的比拼。

而且往往人工智慧產品給用戶帶來的是「零感知」技術，即——用戶沒有任何學習成本，甚至都察覺不到這種「高科技」。但實際上已經實現了更優的產品體驗。

例如：某些手機廠商的人臉識別技術採用了3D人臉重現技術，採用的深度感應鏡頭融合了VCSEL紅外激光器、NIR多重濾波片以及濾光接收模塊，不僅使用的演算法複雜而且集成到手機端的分析能力大幅增強，實現了在人臉解鎖功能上有2D技術有無法超越的安全級別。

另外，憑藉感測器硬體和複雜演算法實現的3D建模能力還可以幫助企業實現更多的應用創新，這種企業在未來在手機競爭中就取得了絕對的制高點。

另外，深度感應鏡頭也用在人體跟蹤、三維重建、人機交互、即時定位與地圖構建（Simultaneous Localization and Mapping, SLAM）等領域。公司一旦具有這種技術在未來的競爭中將佔據市場先機，甚至造成與競爭對手完全不在一個跑道上競賽的局面。

因此，核心技術是人工智慧產品成功的第一要素。

二、產品化
核心技術本質上只是解決用戶需求的一種手段。如果技術先進卻對用戶提出了較高的使用門檻，或很難直接的傳遞價值，產品一樣無法成功。

產品化的過程是讓產品首先可以以快捷、低門檻的形式觸及用戶（宣傳、推廣），當用戶開始使用產品後可以有效的傳遞價值並為用戶解決實際需求；當用戶使用產品一段時間後通過延展價值並形成用戶持續的消費。

對於人工智慧產品來說，在產品化的不同階段中都面臨著比傳統產品更高的挑戰。

首先，人工智慧產品的技術邏輯本身就很難被詮釋清楚，尤其是一些前期並不被人所知曉的新品牌，建立信任是第一步。
其次，無論人工智慧產品多麼具有科技含量，如果產品無法快速證明它可以帶來的價值，就無法促使用戶產生購買慾望。因此，制定讓用戶快速了解產品的策略，快速用價值打動用戶是非常關鍵的一步。
再次，用戶一旦產生了購買行為，與產品建立了緊密的聯繫。在長期的使用過程中產品需要禁得起考驗，保證長期穩定的將價值傳遞給用戶。人工智慧產品往往在效率、便捷度、人性化等方面讓用戶體會到產品的價值。
最後，人工智慧產品除了需要給用戶傳遞價值，還需要與用戶建立更多的連接，也就是讓用戶依賴產品，將產品融入用戶的生活中。

只有這樣才能延展其價值並促使用戶產生更多購買行為，為企業創造持續的變現的機會。

三、商業化
如果說產品化決定了產品的價值空間，商業化則決定了產品將價值變現的能力。

人工智慧產品相比於傳統產品使用了更複雜的技術架構，這造成了：

一方面產品在研發階段投入的成本具有不確定性；
另外一方面技術的預期效果也比較難評估。

因此產品經理不能利用過去的經驗評估產品的成本結構，制定產品的定價策略。產品經理需要站在用戶角度考慮產品定價策略，深入理解場景和用戶的痛點在哪。

舉一個簡單的例子：

食堂打飯這個場景中，最後一個環節通常是需要一個收銀員根據你挑選的飯菜金額收費，這要依靠準確的識別和速算。

如果你設計一個菜品識別（機器視覺）、報價、收費的收費機器人，你怎麼給這個產品定價？
如果只是看表面，你一定覺得這個產品簡直是太完美了。
如果的機器誤識別率低，而且運算速度快，用戶只要將菜品放在攝像頭前刷卡就行了，最直接的價值就是節省了一個人的勞動力。

但是你要仔細想想，食堂檔口的老闆會這麼想嗎？收銀員只是在用餐高峰期充當收費的角色，在不忙的時候可能會被安排洗碗、擦地、甚至需要在後廚兼做一些幫廚的工作。

儘管在用餐高峰收費這個環節的勞動力是被省下了，但是機器人能替代人完成其他任務嗎？

因此，這款產品的定價一定不會很高。

因此，人工智慧產品的商業化需要產品經理能夠把場景、痛點分析透徹，並在評估產品能帶來的價值和研發成本後，制定適合的商業推廣策略和產品定價包裝策略。甚至在必要的時候進行產品定位調整，最終實現產品變現。

微信公眾號：

特總侃AI：pmaihome