职场不设限:真正的AI产品经理太少了……
開局一張圖
關注AI的朋友們好~本期古牧君邀請來自宇宙條的資深AI產品經理雞翅姐(見上圖),針對AI產品經理這個崗位暢聊并總結成文,作為《職場不設限》系列的首篇,希望能給大家的職業路徑增加一種可能性
本文篇幅適中,內容環環相扣:
1,AI產品經理到底該怎么定義?
2,做AI產品經理需要具備哪些能力?
3,AI產品經理?vs 產品經理 的日常
4,哪些崗位更容易轉型AI產品經理?
5,現階段AI產品經理們有什么困境?
01
AI產品經理到底該怎么定義?
為了更好的理解AI產品經理的定義,我們不妨把時間線拉長,回顧互聯網的幾次大規模技術迭代,以及每次迭代中催生的新崗位:
Step1
從純代碼協議到PC端的網頁瀏覽器,使互聯網從小眾到大眾。在這個時期,產品經理都不那么重要,網頁瀏覽器這種載體,相對復雜度還沒那么高,程序員+設計師就基本能應付個七七八八。我們現在耳熟能詳的好多產品大神都是程序員出身,因為那個時期就沒什么產品經理啊!這就給后世留下一個印象:好產品經理必須懂技術?懂技術更能成為好產品經理?其實真不見得
Step2
從PC端的網頁瀏覽器到移動端的APP,互聯網開始變得無處不在,互聯網從業者也不得不思考如何在方寸之間保障用戶的體驗。這個時候產品經理們正式崛起,沒記錯的話,曾經還有“移動端產品經理”這種崗位稱呼,而這正是一種典型的過渡期叫法
Step3
AI廣泛應用,提升效率。稍微想想,我們現在很少說“瀏覽器產品經理”和“APP產品經理”了吧,這倆崗位早就簡化成了產品經理。但我們現在依然在說AI產品經理,這是一個標準的“技術迭代”+“產品經理”的組合。因為新生事物剛剛涌現,大家還沒習慣。等AI滲透到生活的方方面面,那個時候AI產品經理的前綴也就會不復存在了
按時間線梳理后,我們再從功能結構上看看AI產品經理在產品經理中的定位。之前分享了一篇文章,數據產品經理的到底重心在哪兒?文中通過很多事例和概念,厘清了數據產品經理的本質是產品經理,好比白馬它首先得是馬
到了AI產品經理這兒,也不能犯同樣的錯誤。來,默念一遍:AI產品經理的本質,是產品經理,不能因為前綴加了AI就發生改變,就算變成“宇宙產品經理”,它也還是產品經理
在明確這個基礎認知后,我們看AI產品經理就會清晰很多了。它在產品經理的崗位地圖中,層級上是無法與C端產品經理或B端產品經理對等的,更合理的邏輯層級應該是:C端AI產品經理、B端AI產品經理。對嘍~AI產品經理目前應該是嵌入在兩端產品經理體系內的
如果你還想再往下細分,那就套用現有的方法,在C端和B端這個維度上,再疊加一個行業領域,比如C端社交AI產品經理、C端電商AI產品經理
對B端的疊加,可以稍微贅述幾句。B端從概念上既可以是to企業內部這個B,也可以是to企業外部(如其他企業或政府)這個B;同時,B端本身還有這么一種劃分:技術層、能力層、應用層。所以B端的疊加就會更豐富一些,比如:B端出行技術層AI產品經理、B端視頻應用層AI產品經理等
02
做AI產品經理需要具備哪些能力?
既然AI產品經理本質上是產品經理,那么產品經理的基本功就不能丟:
除此之外,“數據驅動”的思維和能力也是AI產品經理的特需。為啥?因為AI跟數據是強關聯的,所有對AI的訓練和迭代都離不開數據,這也導致產品經理日常需要更關注數據這個閉環,不僅要依賴數據功能上線后的評估和優化,還要運用數據進行策略設計。策略設計是什么?古牧君之前通過兩個案例詳細介紹過,感興趣的朋友可以自行查閱
這么看來,AI產品經理既要像一個真正的產品經理,又要具備較強的數據驅動能力,稀缺也就比較正常了。聯想到前段時間有個業內新聞,對產品經理有潔癖的騰訊,把12級(原P4-1)以下的產品從業者都改名叫什么產品策劃、產品運營,只有綜合能力達標的那一小撮人,才配繼續叫產品經理。這說明什么呢?天下大勢分久必合合久必分,早些年產品經理不斷細分、不斷專業化,而往后很可能就該不斷融合、不斷全能化了
03
AI產品經理vs產品經理的日常
做常規的產品經理,核心就是吃透????這張圖:
以及????這種層層轉化的漏斗關系圖:
?
第一張圖在產品從0到1的階段非常重要,尤其隨著用戶調研+MVP上線后帶來反饋逐步增多,常規產品經理很容易失焦,進入到“競品有,我沒有,因此我要有”的癲狂狀態
這樣的狀況大概持續3-6個月就會發現,無論自己再怎么瘋狂加功能,對最終的漏斗轉化率效果都不大,就要花時間關注增長的問題了
?
和增長相關的模型和理論有很多,有AARRR,有RACE,但本質都是回歸到強化“網絡效應”。因此在探索了漏斗轉化率的基礎和邊界后,很多常規產品經理就會被分去做偏運營類的工作,也就是我們耳熟能詳地“搞活動"。這也是為什么做了三年之后的產品難免會覺得自己的角色開始模糊,仿佛跟運營、市場都有點關系
?
總結一下:分析用戶路徑 -> 提出產品假設-> 優化鏈路 / 包裝玩法 ->看對漏斗和大盤的收益 -> 評估是否達到全量標準(定性/定量),這大概就是大部分常規產品經理的日常
?
相對AI產品經理來說,跟上述最大的區別就是如何通過搭建可持續的AI系統,來實現上述邏輯的自動化
?
舉個例子:有一種神秘、古老的,叫做信息流產品經理(Feed PM)的崗位,每天要思考的問題就是如何提升各類內容的供需匹配效果,從而達到大盤增長。對于他們來講,feed的框架就那個樣子,而交互形態(無論單列、雙列還是混排)一旦用戶養成了習慣也很難再改,互動的方式無非也就是贊轉評+彈幕
?
所以他們還能做啥?
?
這就牽扯到另一個問題了:一個AI產品經理需要多“懂”技術?或多大程度上參與到“AI策略設計與開發”的工作里來?
?
根據個人經驗,AI產品經理在需求評審的階段,需要與算法共同明確的主要有以下幾點:
模型目標
特征選擇
數據收集
驗收標準
?
至于數據預處理、模型選取、特征工程、調參等等部分,如果你有精力和能力去理解那自然是好的,但如果不能,只需要理解算法運作的基本原理即可
?
因此無論你涉及到的領域是內容、電商還是社交,只要是與核心業務相關,AI產品經理本質上解決的都是資源匹配的問題,只不過除了關注供求兩端,你也需要關注對平臺本身的收益
?
比如對2C平臺來說,每個階段的側重點是不同的,前期更注重日活,后期看GMV。所以AI產品經理需要時刻關注隨著算法策略的迭代,模型表現提升對大盤收益提升的邊界效應在哪里。除非你是專門做“技術創新”的純技術型產品經理,不然所有脫離大盤收益的算法打磨,以及一味追求算法復雜度的行為,都只是耍流氓
04
哪些崗位更容易轉型AI產品經理?
前文已經很明確了,真正的AI產品經理,必須是兼具數據驅動思維的產品經理,基于這條準則,古牧君把市面上跟AI產品經理還算相關的崗位整理如下:
初步感覺是用戶增長產品經理勝出?對幾個可能有爭議的項目稍作解讀:
1)研發工程師:“或許具備一定數據驅動思維” ?
坦白說在跟研發工程師深度配合多年后,古牧君發現,嚴謹的邏輯思維并不等于數據分析思維or數據驅動思維
核心差異在于,經過長期訓練,工程師們的邏輯思維更多是純形而上的,有些脫離實際業務場景;而數據分析、數據驅動思維,更看重理論與實踐的結合,必須是扎根于業務場景的
所以有時候,算法工程師轉型AI產品經理,雖然看起來入門快,但后續無形的門檻可能會來的更早
2)產品經理:“普遍缺乏數據驅動思維” ?
是的,別說數據驅動思維了,很多大廠的非初級產品經理們,連基本的數據分析能力都不達標。經常無法對自己負責的產品功能提出有效、可行的量化衡量方法。
所以你說為啥現在還有這么多數據分析師的崗位需求呢?不就是給技能殘缺的產品經理們補鍋呢么~
3)用戶增長產品經理:“具備較好的產品思維” ?
必須坦誠,這是一個基于崗位JD的美好推測,是否該崗位的從業者們在日常工作中真的能充分施展產品思維、避免工具人的囧境,古牧君是不得而知的,歡迎這個方向的同學上門踢館指正~
05
現階段AI產品經理們有什么困境?
現階段AI產品經理們的困境,主要還是源自大家對這個崗位的廣泛誤解。因為前綴加了AI,就覺得這個崗位不論C端B端,都應該是特別懂技術的,都應該是算法與普通產品經理的翻譯官和橋梁,這就導致很多AI產品經理變成了傳話筒,價值感很低。
再次重申下,AI產品經理的本質是產品經理,要求他們手撕算法代碼有意義么?有那個功夫,還不如要求他們把用戶需求和場景設計捋順,少提一些異想天開的需求吧~
這個困境如何破局呢?個體層面,可以把重心多回歸產品經理本質上,不要太糾結技術算法細節,更看重AI與用戶需求的適配;群體層面,需要等大環境逐漸成熟。天時地利人和,一個都不能少。不過要等多久呢?參考互聯網行業對所謂大數據的落地應用節奏:怎么也還得有5~10年吧
坦白說,本文是古牧君開號以來寫的最久、最不滿意、但收獲最大的一篇文章。因為寫作的全程都在學習和拓展自己的邊界,希望讀者們不要嫌棄
AI產品經理是一個面向未來的崗位,此刻正處于混沌期。當大家都在海上漂泊激蕩之時,能指引彼岸的微光,就顯得異常珍貴了。歡迎點贊、收藏、關注、留言~
↘好文推薦:
王慧文清華產品課
產品設計師、產品經理的能力模型與職業成長
騰訊工作心得:原型該畫到什么程度?
點個“在看”吧
總結
以上是生活随笔為你收集整理的职场不设限:真正的AI产品经理太少了……的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 各个大厂APP,如何保护打工人的隐私信息
- 下一篇: 【双非学历】历时1个月,18家公司,37