经理|职场不设限：真正的AI产品经理太少了……( 二 ) 设限|pc|移动端|产品经理|职场

文章插图
03 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：

文章插图
以及????这种层层转化的漏斗关系图：

文章插图
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
04 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：

文章插图
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，古牧君发现，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～