报告各位首长,我参与的第二个项目顺利上线啦~ 棒棒,又一次感觉自己做的东西是有价值的,这个项目是一个平台类产品,专注于提高线下零售的实施效率,希望后面的迭代会越来越好。但是这个今天跟主题没什么毛关系,今天要跟大家聊聊最近的一点小思考,关于Machine Learning 的最小化可行产品的设计,以及平台化设计,应该是怎么样的。
我在公众号后台看到好多读者大大都留言了 “MVP” 来获取之前做的PPT了,但也很多大大希望我能好好讲讲这个PPT的内容,以及背后设计的思想是怎样的,今天终于有空跟大家细细捯饬捯饬。
什么叫MVP?MVP(minimum viable product,最小化可行产品)概念最早由埃里克·莱斯提出的。MVP的目的——更快的接触客户。按照常规的开发方式,从调研、到设计、到开发再到推向市场,会是一个漫长的过程,而且很难有人会保证成功率。但当换一种方式,以MVP进行小样调研,快速进入市场、接触客户并得到反馈。透过反馈不断修改原型,并进行不断地的迭代开发,极大减少了试错成本。
那么问题来了,一个机器学习的 MVP 最小可行化产品,应该是怎样的?可以分两个方面来看,一是技术的选型,二是产品的实施流程。
关于技术的选型
机器学习其实是一门有非常多年历史的学科,各种算法你可以手写,现在市面上出现的层出不穷的机器学习框架也很多,在做 MVP 的时候要怎么去做决策?是自己写一套框架以有利于自己对业务实施细节的把控?还是使用现有的框架,去踩它们所拥有的坑?设计产品的实施流程的时候,应该怎么权衡,是按照常规的开发方式,从调研、到设计、到开发再到推向市场ÿ