如何才能成为一名合格的AI产品经理呢?本文篇幅适中,内容环环相扣,将为各位读者解决眼前的职业困惑:
1.AI产品经理到底该怎么定义?
2.做AI产品经理需要具备哪些能力?
3.AI产品经理 vs 产品经理的日常
4.哪些岗位更容易转型AI产品经理?
5.现阶段AI产品经理们有什么困境?
1.AI产品经理到底该怎么定义?
为了更好的理解AI产品经理的定义,我们不妨把时间线拉长,回顾互联网的几次大规模技术迭代,以及每次迭代中催生的新岗位:
Step1,从纯代码协议到PC端的网页浏览器,使互联网从小众到大众。在这个时期,产品经理都不那么重要,网页浏览器这种载体,相对复杂度还没那么高,程序员+设计师就基本能应付个七七八八。我们现在耳熟能详的好多产品大神都是程序员出身,因为那个时期就没什么产品经理啊!这就给后世留下一个印象:好产品经理必须懂技术?懂技术更能成为好产品经理?其实真不见得。
Step2,从PC端的网页浏览器到移动端的APP,互联网开始变得无处不在,互联网从业者也不得不思考如何在方寸之间保障用户的体验。这个时候产品经理们正式崛起,没记错的话,曾经还有“移动端产品经理”这种岗位称呼,而这正是一种典型的过渡期叫法。
Step3,AI广泛应用,提升效率。稍微想想,我们现在很少说“浏览器产品经理”和“APP产品经理”了吧,这俩岗位早就简化成了产品经理。但我们现在依然在说AI产品经理,这是一个标准的“技术迭代”+“产品经理”的组合。因为新生事物刚刚涌现,大家还没习惯。等AI渗透到生活的方方面面,那个时候AI产品经理的前缀也就会不复存在了。
按时间线梳理后,我们再从功能结构上看看AI产品经理在产品经理中的定位。古牧君之前分享了一篇文章,数据产品经理的到底重心在哪儿?文中通过很多事例和概念,厘清了数据产品经理的本质是产品经理,好比白马它首先得是马。到了AI产品经理这儿,也不能犯同样的错误。来,默念一遍:AI产品经理的本质,是产品经理,不能因为前缀加了AI就发生改变,就算变成“宇宙产品经理”,它也还是产品经理。
在明确这个基础认知后,我们看AI产品经理就会清晰很多了。它在产品经理的岗位地图中,层级上是无法与C端产品经理或B端产品经理对等的,更合理的逻辑层级应该是:C端AI产品经理、B端AI产品经理。对喽~AI产品经理目前应该是嵌入在两端产品经理体系内的。
如果你还想再往下细分,那就套用现有的方法,在C端和B端这个维度上,再叠加一个行业领域,比如C端社交AI产品经理、C端电商AI产品经理
对B端的叠加,可以稍微赘述几句。B端从概念上既可以是to企业内部这个B,也可以是to企业外部(如其他企业或政府)这个B;同时,B端本身还有这么一种划分:技术层、能力层、应用层。所以B端的叠加就会更丰富一些,比如:B端出行技术层AI产品经理、B端视频应用层AI产品经理等
2.做AI产品经理需要具备哪些能力?
既然AI产品经理本质上是产品经理,那么产品经理的基本功就不能丢:
除此之外,“数据驱动”的思维和能力也是AI产品经理的特需。为啥?因为AI跟数据是强关联的,所有对AI的训练和迭代都离不开数据,这也导致产品经理日常需要更关注数据这个闭环,不仅要依赖数据功能上线后的评估和优化,还要运用数据进行策略设计。
这么看来,AI产品经理既要像一个真正的产品经理,又要具备较强的数据驱动能力,稀缺也就比较正常了。联想到前段时间有个业内新闻,对产品经理有洁癖的腾讯,把12级(原P4-1)以下的产品从业者都改名叫什么产品策划、产品运营,只有综合能力达标的那一小撮人,才配继续叫产品经理。这说明什么呢?天下大势分久必合合久必分,早些年产品经理不断细分、不断专业化,而往后很可能就该不断融合、不断全能化了。
3.AI产品经理 vs 产品经理的日常
做常规的产品经理,核心就是吃透👇这张图:
以及👇这种层层转化的漏斗关系图:
第一张图在产品从0到1的阶段非常重要,尤其随着用户调研+MVP上线后带来反馈逐步增多,常规产品经理很容易失焦,进入到“竞品有,我没有,因此我要有”的癫狂状态。
这样的状况大概持续3-6个月就会发现,无论自己再怎么疯狂加功能,对最终的漏斗转化率效果都不大,就要花时间关注增长的问题了。
和增长相关的模型和理论有很多,有AARRR,有RACE,但本质都是回归到强化“网络效应”。因此在探索了漏斗转化率的基础和边界后,很多常规产品经理就会被分去做偏运营类的工作,也就是我们耳熟能详地“搞活动"。这也是为什么做了三年之后的产品难免会觉得自己的角色开始模糊,仿佛跟运营、市场都有点关系。
总结一下:分析用户路径 -> 提出产品假设-> 优化链路 / 包装玩法 ->看对漏斗和大盘的收益 -> 评估是否达到全量标准(定性/定量),这大概就是大部分常规产品经理的日常。
相对AI产品经理来说,跟上述最大的区别就是如何通过搭建可持续的AI系统,来实现上述逻辑的自动化。
举个例子:有一种神秘、古老的,叫做信息流产品经理(Feed PM)的岗位,每天要思考的问题就是如何提升各类内容的供需匹配效果,从而达到大盘增长。对于他们来讲,feed的框架就那个样子,而交互形态(无论单列、双列还是混排)一旦用户养成了习惯也很难再改,互动的方式无非也就是赞转评+弹幕
所以他们还能做啥?
这就牵扯到另一个问题了:一个AI产品经理需要多“懂”技术?或多大程度上参与到“AI策略设计与开发”的工作里来?
根据个人经验,AI产品经理在需求评审的阶段,需要与算法共同明确的主要有以下几点:
-
模型目标
-
特征选择
-
数据收集
-
验收标准
至于数据预处理、模型选取、特征工程、调参等等部分,如果你有精力和能力去理解那自然是好的,但如果不能,只需要理解算法运作的基本原理即可。
因此无论你涉及到的领域是内容、电商还是社交,只要是与核心业务相关,AI产品经理本质上解决的都是资源匹配的问题,只不过除了关注供求两端,你也需要关注对平台本身的收益。
比如对2C平台来说,每个阶段的侧重点是不同的,前期更注重日活,后期看GMV。所以AI产品经理需要时刻关注随着算法策略的迭代,模型表现提升对大盘收益提升的边界效应在哪里。除非你是专门做“技术创新”的纯技术型产品经理,不然所有脱离大盘收益的算法打磨,以及一味追求算法复杂度的行为,都只是耍流氓
4.哪些岗位更容易转型AI产品经理?
前文已经很明确了,真正的AI产品经理,必须是兼具数据驱动思维的产品经理,基于这条准则,古牧君把市面上跟AI产品经理还算相关的岗位整理如下:
初步感觉是用户增长产品经理胜出?对几个可能有争议的项目稍作解读:
1.研发工程师:“或许具备一定数据驱动思维” ?
坦白说在跟研发工程师深度配合多年后,我发现,严谨的逻辑思维并不等于数据分析思维or数据驱动思维。核心差异在于,经过长期训练,工程师们的逻辑思维更多是纯形而上的,有些脱离实际业务场景;而数据分析、数据驱动思维,更看重理论与实践的结合,必须是扎根于业务场景的。所以有时候,算法工程师转型AI产品经理,虽然看起来入门快,但后续无形的门槛可能会来的更早
2.产品经理:“普遍缺乏数据驱动思维” ?
是的,别说数据驱动思维了,很多大厂的非初级产品经理们,连基本的数据分析能力都不达标。经常无法对自己负责的产品功能提出有效、可行的量化衡量方法。所以你说为啥现在还有这么多数据分析师的岗位需求呢?不就是给技能残缺的产品经理们补锅呢么~
3.用户增长产品经理:“具备较好的产品思维” ?
必须坦诚,这是一个基于岗位JD的美好推测,是否该岗位的从业者们在日常工作中真的能充分施展产品思维、避免工具人的囧境,古牧君是不得而知的,欢迎这个方向的同学上门踢馆指正~
5.现阶段AI产品经理们有什么困境?
现阶段AI产品经理们的困境,主要还是源自大家对这个岗位的广泛误解。因为前缀加了AI,就觉得这个岗位不论C端B端,都应该是特别懂技术的,都应该是算法与普通产品经理的翻译官和桥梁,这就导致很多AI产品经理变成了传话筒,价值感很低。再次重申下,AI产品经理的本质是产品经理,要求他们手撕算法代码有意义么?有那个功夫,还不如要求他们把用户需求和场景设计捋顺,少提一些异想天开的需求吧~
这个困境如何破局呢?个体层面,可以把重心多回归产品经理本质上,不要太纠结技术算法细节,更看重AI与用户需求的适配;群体层面,需要等大环境逐渐成熟。天时地利人和,一个都不能少。不过要等多久呢?参考互联网行业对所谓大数据的落地应用节奏:怎么也还得有5~10年吧~
如何转行/入门AI产品经理 ?
🤔越来越多的人开始转行AI产品经理,毕竟大行情不是太好,对于刚毕业的研究生,想转行的互联网人,AI产品经理,确实是一个不错的方向,我在大厂做了多年的AI产品经理,还是想给大家一些经验和方向⏩
🔥AIGC在行业大火,AI产品经理到底要学哪些内容,和算法工程师有哪些区别,转行AI产品经理要学哪些东西,以下是整个学习思路和方向👇
1️⃣AI产品经理全局学习
2️⃣python系统学习
3️⃣机器学习&深度学习
4️⃣热门AI产品竞品分析
5️⃣AI产品设计学习
6️⃣AI产品0-1实操项目经验
7️⃣AI产品求职&面试
💎以上7点,看起来简单,内部内容其实很多,每一个篇章,展开都有夯实且丰富的内容,需要深度学习。
👉AI产品经理大模型视频和书籍PDF合集👈
观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉获取方式:
😝文章篇幅有限,详细资料有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费
】🆓