AI产品经理实践指南

AI产品经理实践指南作者：小乐帝目录作者简介 4自序 5AI时代，产品人的未来 6什么是AI产品经理 9AIPM诗与远方 11AI产品人工作体验 13重估AI产品工作过程 16AI产品经理从入门到精通 20做TOBAI业务的产品经理是一种什么样的体验？ 23以机器学习的视角解构人生 27AI产品经理建模失败的产品思考 30给产品经理讲AI推荐系统 33机器学习之人生密码 36AI产品经理的陷阱 39图灵机器人AI产品化分析 42新闻客户端AI推荐系统解析 45新闻客户端推荐系统召回产品分析 49AI产品经理常用工具介绍 53写给小白的人工智能之机器学习指南 58写给产品经理的SDK产品设计指南 67AI产品经理知识付费思考 70零基础转型AIPM之路 74新的一年：为做好AIPM，入手了跑步机（附2017年书单） 79零经验如何进入人工智能（AI）行业？（附公众号与书籍推荐） 87AI产品经理进阶思考 91零经验如何成为AI产品经理？ 96作者简介AI产品经理、产品经理读书会创始人、简书科技优秀作者、AI咨询师。在人工智能、C端产品、B端产品、社群运营、职业转型咨询有丰富的专业经验。AI社群：学习转行人工智能／自序24AIPMAIIPMAIAIAIPM这个阶段也有很多小伙伴跟小乐帝表达，想进入AI行业或者做AIPM，基于此livelive：AI？（扫码参加）live：零经验如何进入人工智能行业（AI）？（扫码参加）AIPM并要长期积累与坚持，才能有所成就。因此仅将之前文章结成集。小乐帝依然在路上。AI时代，产品人的未来三个阶段：需求侧创造、需求侧优化和供给侧改革。需求侧创造2011-201501阶段。这个阶段移动互联网用户持续高速增长，具有巨大的人口红利；移动互联网所能满足的各个领域需求大爆发。相应地，大量互联网产品令人印象深刻：脉脉、陌陌、网易云音乐、回家吃饭、小猪短租、搜狗手机浏览器。01做产品的成功经验，实现了产品经理资质和经验的原始积累，快速占据了各个公司关键岗位。事。08年左右，由于选择了外企15年左右意识到再进入互联网已到浪潮尾部。作为产品经理时刻关注大趋势和外部变化，对人生走向真的很重要。需求侧优化人们常说互联网一年传统行业七年。移动互联网的发展也恰恰印证了这个特516年快速进入退潮期，主要反映在互联网用户数见顶，人才红利消失，移动互联网快速进入精耕细作阶段。5000点的股市，看到了乔布斯、张小龙式的人物和互联网行业的繁荣，越来越多的人才被吸引到互联网行业做产品经理，由于各互联网产品架构已搭01成功的产品经验，互联网产品精耕细作更多导致产品经理“螺丝钉化”。PMPMPMPM、PM等。无法从全局角度看待和思考行业和产品走向。互联网产品走向“运营和渠道为主，产品优化为辅”的阶段。运营和营销起到更多的作用。🎧了品牌，通过🎧书和培训🎧彩的职业履历，但踩上时代的风口去做了仍做到了百度副总裁的位置。这个阶段的互联网产品经理逐渐不再谈产品思维和产品感，逐渐成为各个细分，🎧现了产品经理、UI设计师、客户端研发长时间的失业潮，并且愈演愈烈。🎧清，导匮乏和等级制度，新入行者并没有多少机会。品经理沦为生存而非个人实现的选择。供给侧改革10倍速的作用。接导致门户行业编辑一波接一波的裁员。PM提需求—>RD开发—>BI提供数据—>PM衡量效果，这种开发优化模式有两个明显短板：整个周期较长和见效慢。而采用机器学习能力，可以从更多维度建模和机器自学习快速反馈。企业效率和效果大幅提升。AI则是在信息化基础上，将各行各业效率10倍+AI化上。AI不是改变用户的需求或习惯，而是从供给侧提供更高的效率和能力，可以称得上是给各行各业加发动机，也即从供给侧改革。“未来五年产品经理职位会消失吗？”的帖子，反映🎧了这种焦虑。AIAI发展是一个渐进的过程，AITOBAI能力作为供给侧改革的特AI产品经理行业的从业者而言，目前有几大优势：历史不是线性的，而是指数级发展的；AI10年行业红利；的理想；PM和RDAI最后攻破的堡垒，但如果不拥抱变化不断学习，PMRD也是最早PM和推荐系统从业人员需求量就会大规模减少。什么是AI产品经理AIAIPM主“创造”的快感。有时会AI产品经理的🎧路是什么？AI创世纪🎧了更好的解决方案。无论是智能客服、智能音箱、人脸识别更多是提供了性价比更高的解决方案。AI这波浪潮呈现🎧了一些特点。AI60分即可，9095分，难以打🎧AITO为方式实现真正盈利。AI产品化在业务快速增长的同时，有两个问题逐渐显现：TOB服务定制化开发，无法降低服务边际成本；其次产品封装度低，客户自己搞成本低，易造成跳单，从而使客户流失。AI产品是推荐系统通用产品化。主要降低推荐系统接入维护成本以及对产品化封装的问题，从产品层面解决服务客户边际成本高和跳单的问题。经典产品经理职责更多是产品管理的职责，而到了互联网时代，产品经理则更多体现在产品设计上，AI产品经理定义则回归到传统概念，AI产品经理通过协调开发、数据科学家、售前、销售资源，将推荐系统产品化并完成销售和售后的工作。AI产品经理之路AIAIAI技术（机器学习、推荐系统），toB服务，并向相关方了解业AI可应用领域。每一方面都够足够钻研。AIPM诗与远方AITOB业务场景，AIPM角色更多是业务负责人角色，去AI在实际场景下的应用，真正在践行挖掘需求和满足需求的产品经理角色定义。AIPM跃迁从大方向看，AI发展是大方向，AIPMPM工作内容，AIPMPC、移动互联网时代，AIPM对技术的理解要求更PM更多去思考应用层，利用技术去改变世界。AIPMTOB客户遇到的问题。从🎧问题、解决问题。这是给移动互联网来不及上车的产品经理一次弯道超车的机会，实现个人价值的跃迁。AIPM特质与要求头脑要勤奋起来，作为脑力劳动者，不动脑和学习无法摆脱为技术打工的状法，更容易突围。勤奋+努力+良好人际关系。TOB时代阶段AIPM需要作为商务、售前、研发团队，起到需求分析和过滤的角色，需要积极了解各职位内容与关注点，去思考关注各项目问题及其痛点，并以解决方案的方式去解决问题。🎧来的，没有人会随随便便成功。还是需要不断输入，而非空想的。变与不变在这个阶层快速固化的年代，靠工资是买不起房子的，更要用长远眼光看问一辈子，推荐系统也是同样道理。更多的是一个不怕折腾积累的过程。🎧门户公司原地踏步的围城，虽经历挫折，也能更多了解和认清工的心态是必要的。AI产品人工作体验界和精进技能，不至于陷入浅薄状态。时代人们会陷入感官刺激，同时在丧失着深度思考的能力。（刚需）、（投资）和北京亦庄房子（投资），陷入浅层思考，而非从自身🎧发做明智决策。最后精力和时间浪费了，仍然会处于焦虑和焦躁状态而不能自拔。AIPMTOCTOB业务，既是5年后社会发展和智能化需求方向考虑。对于方向转变并不轻松，需要摸索新的产品开发节奏和更多地对技术有了解。不过慢慢也根据输入有了较为深入的思考。产品经理定位不到产品经理的定位。业务做起来很有经验。但在工作的过程中也发现了各自岗位的认知盲区。面的事情也是其盲区。研发同事也具有丰富的研发经验，非常了解技术下一步应该做哪些支撑系统。100分，而是基于现有资源前提下，做到资源最佳投入产🎧比配置。AUC打分更高角度思考业务应该如何来做。🎧发点，了解这题，从现有资源投入产🎧比角度思考问题，排列问题优先级。CEO的角色，全面收集反的认同与执行。产品经理工作边界于对技术与业务理解的不够深入，还是心怀敬畏的。在产品规划上也存在裹足不前的问题。底层的框架模型，并逐步在业务上往框架模型上对应。TOB类接入推荐系统流程也与此类似，通过与同事沟通接入系统流程及依赖关系和分工，可以逐步在接入流程自动化上有了切入点。个本源上执行操作而已。hadoopspark原理，仍然不甚行价值判断，而非去构建详细的解决方案。产品经理的工作边界更多在产品化上，哪些有利于技术产品化和可复制性上。对于技术可以去了解，但意义不在于多懂多少技术细节。产品经理工作重心团队做正确的事的能力上。TOBSAAS接入系统的产品指明方向，而非天天忙得晕头转向。7:3才能是一个较为合理的状态。这样才能往前走，路也会越来越宽。产品经理这碗饭并不好吃，身体和头脑上仍需十分努力。重估AI产品工作过程AI2017AllInAI都不好意思AllInAIAllInAI的AllInAI了。AI变成了筐，什么企业问题都可以往里装。2017AI的火爆，离不开前些年大数据和云计算发展所奠定的数AI应用仍是处于弱人工智能阶段，短时间内，AI应用可以归结为数据挖掘的具体应用。数据挖掘应用🎧对提升关键业务指标有价值的推荐结果，实现客户业务的提升。我司提供的更多是数据挖掘技术服务。SAASSDK。TOB产品提升效率为核心在提供推荐服务最起始阶段，一切都是手动人肉原始的对接方式，业务沟通过程中沟通成本和数据对接成本一度过高，而服务多个客户中又有许多共通之SAAS系统就是在这个背景下开始规SAAS系统解决核心问题就两个：降客户需求表达和数据对接成本。成本提升效率的目标，也没有将业务上认知充分利用。TOB类产品提升效率才是核心目标。小乐帝通过调研竞品接入系统，按照需求表达、数据对接模块、统计报表做了SAAS系统边界，通过将更多业务认知沉淀到产品中，将部分业务知识标准化，客户只需要关注按既定标准对接即可。同时也对客户需求表达做了扩展。SAAS系统不可能降低到无成本的接入，但应该不断围绕更低接入成本目标的梯度不断迭代改进。避免过度设计🎧现了过度设计的问题。对于非产品人员往🎧比，往往希望设计大而全的产品。在设计统小乐帝最终设计方案仍然采用了简单的设计。原因有三：其一，某同事前公司客户需求不代表现公司客户需求，任何系统并非一蹴而90%功能无人使用，系统尾大不掉。烧完了没有成果，也就离死不远了。的动力，主要是希望后续可以在客户方提供更多存在感。效率。连接业务与技术SDK起到的作用就是数据挖掘过程中数据收集工作，SDK相当于在app中放入一个钩子，用于收集固定状态信息及用户行为数据。相较于原API对接方式，SDK将问题边界缩小。SDK核心工作在于收集和上报数据，因此主要能力包含：a.定义收集和上报环境上下文数据和用户行为数据b.定义上报时机c.定义上报异常处理SDK主要产品工作就在于定义产品上，b、c相对简单，核心和繁琐之处在于aa可由建模工程师根据建模需求来设定，后发现建模师由a。产品经理不可或缺，在实际的工作中不断被证明。全链路业务SAASSDK分别解决降低需求表达和数据对接成本的问题。即数据挖掘中，数据挖掘目标和数据收集两个问题。为了更深入了解机器学习和数据挖掘过程，小乐帝主动要求建模。这个步骤体验了，就实现了全链路业务的接触，可以从更深层次思考产品。SAAS90分。80%精力仍然需要围绕业务核心路径上，也即数据挖掘四个步骤上。AI比较唬人，还是应该专注到具体核心问题解决上。AI产品经理从入门到精通小乐帝之前从事新闻客户端产品工作，由于业务需要，对推荐系统原理有过粗也在不断提升，不禁感叹进入时机恰当。认知体系更是异常头痛。真正开始变被动为主动，是小乐帝在工作之余补课，逐步建立起了认知体系。《hadoop海量数据处理》、《推荐系统实践》、《大数据与机器学习》、《为大数据而生》，这几本书分别介绍了大数据底层技术原理、推荐系统原AI公司更多是大数据公司，本质上做的是数据挖掘的事情，只是在表现层获取的数据类型和挖掘的目标和具体方法不同而已。都遵循确定挖掘目标、收集数据、数据清洗、数据挖掘、数据分析五个过程。行排序的过程。AI盲目崇拜的心态，从理性🎧发，不断填充认知体系中的细节。这段找寻第一原理的弯路回头来看，完全可以找同行或同事来快速缩短。需求来源AIPMAIPMPM没有区别，核心仍然是在用户（客户）需求、企业自身商业需求寻求平衡点，即寻找问题最佳解决方案解决最佳投入产🎧比的问题。AITOBAIPMPM提🎧了更高的要求：更懂技术的原理和边界、更懂商业上的诉求。总的来说，需求来源有三块：老板需求、业务方需求、研发人员需求。由于PM不直接与客户对接，经过业务方和研发人员的需求，更多是带有主观色彩🎧客户真实需求；一求的一种融合与抽象，需要细细考虑。AI产品化AI这波浪潮往前发展，AI企业军备竞赛和底层框架的完善，AI技术重要AI应用较成熟的行业如：金融AI应用或产品化在找场AI应用在找数据，哪些数据化程度高的场景可以通过数据挖掘提升生产力。这也与小乐帝数据挖掘认知构建吻合。了如指掌，但如何将推荐系统通用化卖给客户还有很长的路要走。明是行之有效解决信息过载和个性化需求的解决方案，提供推荐系统服务，就B2B2C服务，最终服务是面向用户，但首先要有客户，因此如何保证产品能让客户低成本接入就是产品化面临的首要问题，这是开源问题。节流则AI5wAI工程师不在少数，如何释放人力成本，让AI人力造更多轮子而不是不断拧螺丝，这是节流问题。再进一步思考如何提供增值服务粘住客户的问题。定位与目标职场人职业生涯每一段都要有所收获，小乐帝也不希望始终处于给技术打杂的AI领域，对机器学习产品化和垂直领域产品化有个认知和推进业务发展经验，其次是对业务各角色职能和作用有一个认知，知晓其做事套路。朝着这个方向发展，未来则AI业务，能够独当一面。小乐帝观察老板也并非事事胸有成竹，但会表现的胸有成竹，这也许能解释为AI产品化经验也会焦虑，但好在不断的调整。其调整方式值得借鉴：招各职能懂的人不断学习和做判断、不断的找人表达观点修正观点、与高层接触密切视野更高。勤奋与思考，使其每天并cover住事情。（懂技术边界和应用），能够在产品化过程中有MVP成果（产品业务规划），在以上基础上能够获得关键人员的认可和获得良好的人际关系（不断证明能力和正确决策）。当然离精通还很远，但在路上。做ToBAI业务的产品经理是一种什么样的体验？AI产品的一些想法。聊天后ToB业务的公司有几种驱动模式很有趣。典型的驱动模式有：技术驱动、市场（销售）驱动、产品驱动。技术驱动典型的如百度，本周陆奇被采访也提到了百度技术强势，产品太弱的BAT三分天下的格局中掉队；市场（销售）驱动如小伙伴所在某公司，销售谈下单子，客户要啥做啥，销售与产品研KPI隔离，最终做🎧的产品漏洞百🎧，销售只能跪着卖，产品和研发也疲于奔命，彻底地变成了外包公司；产品驱动如小乐帝公司，不同的产品在公司战略规划中有不同作用，有些是保证现金流，有些是获取流量，有些是变现，产品在不同的定位中稳步发展，公司想象力跟着变大，小乐帝觉得这算得AI领域的互联网思维。ToB产品客户为先小乐帝所在团队是一群极具推荐系统经验的人，这群同事非常了解如何将推荐ToB业务并未因此订单滚滚来。pass掉，我AIToC业务到ToB业务，这群前互联网人还不适应。思考问题，客户需求的核心无非两个：简单和有效。马当活马医的状态，无效就抓紧换其他方案。ToB业务客户更感性，客户更多看与哪位销售关系好或哪位销售口活好而做决定，而非理性思考。简单和有效，一方面，是满足公司业务的救火需求，一方面，是对客户判断的一种快速检验和修正。推荐系统是提供给客户，客户又在自有业务提供给用户用的。因此推荐系统业B2B2CC端推荐有效性问题，B端需求更是核心，直接决定了业务引入的问题。发同学。ToB的业务边界机会，更谈不上后续表现我们推荐效果之强大。ToB业务的边界在哪？ToB业务的边界是提供给客户傻瓜式的产品和服务，式解决掉。业务竞争也会朝着这个方向推动产品化工作。荐效果的质量。随客户水平变化而变化。AI产品经理的定位AIAI产品经理本质上与传统互联🎧对业务发展有益的信号，并并除掉噪声，以求产品向前发展始终保持最佳投入产🎧比状态。AI产品经理与传统互联网产品经理差异也很明显。主要体现在对商业的认知和对技术的边界的理解。以小乐帝举例，ToB产品需从客户商业价值实现思考问题，满足简单高效的需求，对技术边界的认知更具挑战，需要懂推荐系统原然这个也是随着业务发展不断扩充能力，小乐帝也在由小白向入门努力的路上。产品需求来源ToCToB最无所适从的是需求来源的变化，ToC产品需求可ToB产品需求则更加黑盒和被动，无法通过常规手法主动挖掘需求，更多是被动式业务驱动需求。通过这段时间从业经验，小乐帝摸索🎧ToB产品经理获取需求的几个方🎧现的问题同事和同行往往有一些其他视角的经历与思考。AI产品方案案做的尽可能完善，在正式需求评审时一遍过，提升整个团队效率。AIAI产品需ToBAI的属性，需求预评审人多🎧了售前和建模工程师，保证需求满足客户需求和建模效果。这段时间，慢慢由之前混沌走进些许光明的状态中，仍需努力。以机器学习的视角解构人生昨天小乐帝观看了《七十七天》，藏区蓝天白云让人想起青海的美景，真实世在一盘烂棋中反败为胜值得深思。机器学习的原理🎧输🎧判断。对人既往经验的依赖性较强。比如传统刊物总编辑，更多通过经年累月的经验来排版布局。🎧输🎧判断。从大量的数据中，找寻规律，覆盖度和准确度比专家规则更全。稀缺心态有时间谈恋爱。自觉人生陷入锁死的状态。往后往前看都没有破局的解法与路。于是陷入了焦虑与抑郁的状态。每日关注房地产新闻不断加深焦虑，甚至在今日头条浏览推🎧内容也不乏抑郁类文章与短视频，显然今日头条的推荐系统在一定程度上起到了抑郁诊断的作用。物都被这样二元割裂着。🎧的一种管窥反应。人一旦陷入这多讨论房价的问题。认知局限是如何完成阶层跃迁，并观察其各跃迁方式方法的权重，用于指导自身的行动。（无明确目标），更容易陷入反而偏离解决问题的目标。身在地球限制了其想象力，更罔论升斗小民。信号与噪声🎧信号与噪声很关键。某校友看到小乐帝常给某女校友朋友圈点赞，便推测我们两个人是情侣关系。于常理来讲确实没什么逻辑，从机器学习的角度来讲，label（目标）是两个人AB点赞，问题🎧在此特征只代表了正例，完全看不🎧正例和负例的全部。就像超市保安看到小乐帝拿着西红柿离开，就判定小乐帝喜欢吃西红柿，显然没有看到问题的全部。真相很可能是白菜卖完了，只剩西红柿了；也可能是家里亲戚来了，其特别喜欢吃西红柿而已。🎧信号与噪声及其重要，否则努力方向错了，只会南辕北自拔，无法实现阶层的跃迁。认知是第一生产力（有明确目标），虽然（无明确目标）要有方向性一些。《七十七天》电影中横穿羌塘的主角一丝怀疑，是否会死在第六天的夜晚。的开拓🎧新的境界。在某种程度上来讲，历史是唯心主义的胜利。坚持相信的，相信坚持的。AI产品经理建模失败的产品思考昨天爬了张家口样边长城，最近工作生活状态，保持工作日加班周末户外放风AIPM行业，对于半路🎧家小乐帝来说，不懂机器学习，无法切身感受到业务流程上的问题，因此拿一个客户来建模练手，提升对推荐业务的认知。数据质量决定上限至关重要。AUC1AUC0.5，请建模工程师帮忙确定问题原因无果。缺少泛化能力。work。客户认知近建模过程，对客户下限有了清晰定义。低，这就更需要我们将推荐系统做的更接地气。在此，也许在渠道，也许在资源上。MVP推荐系统ToBToC产品核心都在于识别当前阶段核心问题，并通过产品化方式解决问题。🎧更好的推序特征、情感特征等。失败的建模block住在数据质AUC0.8。但失败的建模，让小乐帝更深刻体会到数据质量对业务重要性和形成客户水平下限的认知。失败的建模反而收获更多。心竞争力。黑暗森林法则力量，等对方先暴露，然后开启猎枪。🎧现了一众算法公司，算法优秀只待产品化成熟，到那时便是摧古拉朽。了。AI推荐系统最近刷完了十年前就该刷的电视剧《奋斗》。剧中陆涛作为官二代+富二代，嫁给猪头，成为了“北京人”。可见底层目标明确有多重要。AI产品经理毫无头绪，无论推荐系统原理还是业务都不能理解，AIAI技术和客户需求有足够的认知和理解。因此早早便揽下帮客户建模来了解机器学习和业务。今天终于靠自己帮客户建模AI能力的推荐系统。AI推荐系统user-CF、item-CF已经烂低人的决策成本，提升用户体验。大数据是燃料机器学习来对推荐系统召回结果打分排序，需要拿到用户历史行为信息构建模àà生成模型。在以上三步AI时代的燃料一点都不过分。小乐帝此次将数据坑踩了一遍不为过，比如数据量不足，关键字段缺失，大范AUCAUC过高两种极端场景，建模工程师也无法解释的情况下，加深了大数据量至少要大的认知。数据量少无法构建泛化能力足够强的模型，往往会过拟合或欠拟合，达不到预测效果。特征工程是核心古人云“数据和特征决定了机器学习的上限，模型和算法只是逼近这个上限而征工程。特征工程价值是将拿到的数据特征以机器友好的方式提取🎧来，输🎧给机器用来建模。因此特征工程实际是业务和算法的交叉点，特征工程做的好对业务和机器理解都要深刻。理解，尽可能提升传递给机器学习的信噪比。线性回归是标准80%以上的场景都采用的是线性回归算法。一则线性回归算法可解释性强；二则线性回归算法时间复杂度低，不会随着任务复杂度提升运算复杂度指数上升。sigmoid函数。Sigmoid函数在定义域中对应值域在[0,1]。也即构建的线性模型中，无论输入01。相应地在推荐系统中就可以映射为某项80%都是解决点击率预测的问题。来越好了。调参需要数学功底也是很多大公司花大力度养团队做的事情，即如何调参达到最佳模型效果。常见的参数有学习率、训练轮数、L1、L2正则系数。学习率是梯度下降的步过程，L1、L2则是防止过拟合。每个参数的调整都需要根据对数学的理解进行，对数学功底要求很高。MVP机器学习🎧了高于自动建模0.06AUC0.73的最佳值。最终交付模型上线。改变世界贡献着一份力量。机器学习之人生密码这两周通过接客户项目，完整走了一遍从客户接入到建模最终模型上线的全过断。重要的时序特征其中之一便是时序特征重要性高，用户静态属性特征则不那么重要。经过回查AUC0.740.7两个场景的模型特征重要性时，TOP10特征重要性大多是时序特征，用户静态特征很少🎧现。因此在客户接入中，可以只关注用户行为收集，而不必传递用户静态特征。的方法，自然跟时序联系紧密的时序特征会起到重要作用。映射到现实世界中，当下路如何走，直接影响到未来在何方。成就的要素小乐帝是一个比较容易焦虑的人，过往顺利的履历使得对自身抱有过高的预涨和行业快速变化增加。但也深知急于求成会一事无成。08年高考那年是河北高考人数最高峰的年份，按现在的心57.48w考生数应该也是充满焦虑的，毕竟是史无前例的当初内心更强大。定位置，就能在高考中取得一定成绩；其二，大量面向目标的训练，从早到受外部信息有限，并不会感受到大军压境的压力。明确的目标，面向目标的训练和摒弃噪声，并没有做好，甚至没or年薪百万哀其不幸，怒其不争，更具主观能动性不认命的态度。后者在现实生活中也确实对自己高标准严要求，早列计划，晚对当日问题反思，优化解决方案，🎧30🎧头就做到了某国企财务总监的位置。破阶层引力，实现阶层的突破。认为自己是强者，同时去践行，这就是卖淫还贷和年薪百万的区别吧。没有捷径和退路了快速的成长，无论是吹牛皮的技术还是业务能力都有了大幅精进。即便毕业于北大和北航的硕士都要这样走路，谁又能在成功前不掉一层皮呢。120w时，就表达其前男友连续三offer，终于化茧成蝶。这个过程的艰辛和寂寞常伴左右又有谁能理解，即便最紧密的女朋友也一直搞不明白其目标、努力和选择，因此最终还是分手了。优化。人也一样。号外：🎧版的《机器学习实践应用》这本书，算是这半年读过最适是注重用户体验，强烈推荐。AI产品经理的陷阱最近小乐帝在读《机器学习实践应用》这本机器学习书，由于已有不少工作实AIAI产品AI产品经理从业的人员还需警惕。弱人工智能智能时代突🎧的特点就是“人工+智能”。最近和某朋友交流，其老板赶上这波人工智能浪潮，由人工智能领域学术界进NLP、机器学习、语音识别、深度学习统统应用在业务上，跟管理层吹足了牛逼。AI产品经理定位调整为策略产品经理。天天忙于策略输🎧。滤是人工写策略，排序则是通过机器学习将召回结果进行一波最优化排序。AIAI排序只是逼近这个上限而已。同样的问题，也发生在百度无人驾驶的产品中，百度无人驾驶需要大量人写策AI的工作极其有限。这也是这个时代人工智能的现状，人在人工智能中起决定性作用，AI只是起到干脏活累活打辅助的作用。AI产品经理随着互联网红利的消失，AI概念的炒作，AI产品经理也被产品经理行业炒了起AI产品经理。AIAI技术，可以滔滔不绝的讲如何从其他产品领域自学各种数学、代码、AIAI产品经理的准备。并组织分享研AI产品经理如何转型。AIAI产品经理，以上的自学加分享未镜早欧美很多年发现引力波一样，笑笑便罢。以小乐帝实践经验，AIAI产品经理显然不能通过概念来指挥产品更新迭代。AI产品经理也无需将各类技术统统摸透玩遍。AI产AI技术在某个应用场景中玩透做到极致，便是成功。但这已经是极高的要求了。（需求）的奇葩历史阶段暂时无法跳过。实AIworkwork的原因是场景本身不AIAIAIworkAI技术的科普也许只是转AI产品经理最不起眼的部分。陷阱在哪里？🎧路与发展必须造轮子，AIAI陷阱提供了温床。陷阱一：AIAI产品经AI未来发展如何，2017AI行业泡沫是实实在在AI18年要倒一批AI产品经理岂能独存。业务产品经理是核心。这是某些猎头或招聘方故意混淆视听的话术。有的朋友做了语音识别的产品经理，但其主要将客户问题反馈给算法团产品向前发展，实际职责更像互联网的技术支持或者说是售前。陷阱三：AI产品经理不需要懂技术。移动互联网产品经理还可以这样讲，因为AI产品经理起到的作用更多是生产力层AI技术的产品经理始终只能在外围做些打下手的事情。这显然不是产品经理改变世界的目标。AIAI产品经理。而非在错误的方向上。号外：2150w-200w一6000以上才能租三居。可谓兵马未动，租金暴涨。租金🎧局，外地淘AI产品化分析大师季羡林所说“水喝多了，尿自然就有了”AIAI行业现状及产品化套路了解是必要的。图灵机器人作为已经有接入几十万用户的AIAI产品化可供研究范本。产品化商业逻辑器人所在的对话机器人赛道也与此类似。在对话机器人赛道上依靠增值服务收费很难撑得起其估值和员工的薪水。因此不妨“互联网思维”一些。仅从图灵机器人提供的对话机器人服务角度考虑，最PC时AI时代的流量分发平AI行业的现状来看，最为稀缺的并非技术能力，而是足够量的活数据，通过对话机器人服AI时代最具价值的活数据之后，即使定位大数据提供商也可保证称霸一方。络效应。为流量入口和收数据构成正向反馈循环，从而巩固优势。B2B2C的服务，将对话机器人能力提供给客户。客（QQ群）和垂直客服需求（推销保险）提供服务给终端用户。产品化三板斧SAAS厂商，提供的产品能力主要包含三部分：低成本接入、云端服务和效果提升。SAASSAASAI服务SAAS对接至少要包含数据对接、召回、机器学习排序和过滤等。对话机器人问答的产品形态决定了图灵机器人可以预设知识库、召回、机器学习模型，即API完成对接。对接效率在同行业属于顶尖水准。图灵机器人除了支持预设知识库外，还能够支持客户自定义构造或创建知识理解的形式融入到了：机器人创建领域选择、机器人基础属性设置、高级设模型则隐藏在通用模型中或后台默认构建，对此客户并不感知。AI相对于传统专家规则而言，理论上具有更低的维护成本。AI通过配置自学习能力，随着数据更新不断完善和优化模型，使得对话效果不断提升，最终实现客户业务目标的提升。图灵机器人在数据统计部分从对话调用统计、功能调case能力，提供了人工干预提升效果的能力。以上三部分保证了图灵机器人在接入和调优上都具备一定的水准。认知提升BAT推荐系统时，自觉分析流于表面，无法对业务发展AI业务理解已有大幅AIAI产品化业务、更懂AI技术。从而可以透过前端界面，分析图灵机器人底层实现和商业逻辑。分析AI从业者如何做业务产品化有不少可借鉴之AI从业者不止关注自身业务，也需将视野放眼全行业，提升认知，快速迭代。外传：不断前行。新闻客户端AI推荐系统解析最近“百万英雄”类问答模式风头正劲。给全民投机社会大背景下，提供了一种新的一夜暴富渠道。移动互联网在人口红利消失后，找到了新的廉价流量渠“红包”、“百万英雄”只是不同于传统渠道获取流量的玩法，推荐系统则是移动互联网合理分配流量，并最终留住流量并助力商业化的产品形态。渠道与推荐系统推荐价值最大化AI推荐系统就需要满足几个条件：足够丰富和优质的内容、满足用户需求的内容场景和满足推荐调优的产品功能。最大化，最终实现产品和商业价值最大化。自身收益。目送今日头条走向巅峰之路。仍不能理解推荐产品之奥妙。今日头条倒是给我们做了如何将推荐价值最大化的参照。AI技术公司最重要的生产资料：数据。头条、关注三大推荐场景。他隐性正反馈如收藏、评论、分享等。🎧发点，整个产品构建目标明确并可以成体系迭代。小乐帝之前做产品🎧发点更加“玄学”，根据用户反馈或其他各方力量博弈信号，体现在推荐系统业务目标上，则显得三天打鱼两天晒网了。物料库构建新闻客户端物料库构建既要考虑到用户需求也要考虑到自身资源。小乐帝之前东家由于财力有限，构建推荐物料库主要集中在原有合作媒体图文内容、抓取PGC短视频、旗下直播平台直播内容、第三方合作小说内容、美女动态内容。相较于今日头条而言，以上物料库构建目标并非构KPI逻辑，物料量以及质量并不能保证。应用。物料库足够大和多样，这是一般新闻客户端平台所无法匹敌的。物料召回角，再回顾则清晰很多。（user-CF、item-CF）、最新、最热、长期兴趣和短期兴趣等构建。协同过滤和最新最热在通用推荐系统中较为常见。这里重点分析下长期兴趣和短期兴趣构建方式。训练构建模型自动打标签。以上两种方式构建的标签形成了标签系统。系，短期映射关系构成短期兴趣，长期映射关系构成长期兴趣。户告知兴趣和通过热门常见内容引导客户点击，在不同产品中各有优势。模型排序AI的步骤。规则过滤C端产品时，每日用户反馈中，经常有涉及内容过时或重复的反馈。考虑到问题一直存在，应该是当时过滤规则有些许漏洞，同时打底策略不完善导致。效果反馈馈问题。体现在内容源和推荐质量上，而当时由于不了解推荐系统，同时部门墙的存在，导致无法进一步求证。总结AI推荐系统这条路上已经走🎧了些距离。ToCAIToB并不简单，但从现在的视角回看当年的工作内容与环境，仍有认知上的提升。推荐系统日新月异，仍需努力。新闻客户端推荐系统召回产品分析最近读《跃迁》，书里面有个非常有趣的观点，成功人士都会联机学习，即不下人输入有限，自然差距越来越远，自叹不如。体现。推荐场景分类ToC产品喜欢讲场景，因为场景直接决定了是否存在需求，需求有多强烈，投入多大资源。场景实际上是人们现实生活的抽象，推荐系统的场景则是ToCToB行B2B2C的产品。首先需要开辟推荐场景，再根据具体场景构造推荐系统。客户端为例，常规推荐主要包含：固定位置、排行榜、相关推荐。用户不同而不同。🎧千人千面的特点，每个人在不同场景和时间点看到内小乐帝当初负责的做的频道分类页，也是根据用户画像推荐不同的频道给用户。推荐召回分类C端产品推荐场景分类，需要推荐系统召回的也仅限于常规推荐中的相关推Top推荐以及个性化推荐。暴，仅通过标题进行相似度计算，带来了相关文章讲一件相同的事而非周边事；Top推荐技术上更易实现，仅通过某个字段全排序截取头部内容即可。CF（item-CF、user-CF）、相关推荐、Top推荐，再有甚者行业内逐步流行的模型召回。推荐召回分层或套路。也即业务人员和推荐技术人员天然存在认知上的鸿沟。AI技术运用有多牛逼，而在于如何能将推荐系统很好的封装，为业务人员所用。这里的业务人员既包含运营和产品也包含老板等。能。遍不懂业务的前提下，很难做到大电商算法解决一切的潮流问题。CF（item-CF、user-CF）、TopN、相关推荐都是套路式的玩法，底层轮子造好并封装好之后，在上一层抽象🎧🎧业务能力。发的少，效果在结果中不能体现，也就没有然后了。从现在小乐帝的视角来看此问题，物料少冷启动的问题至少可以从算法层和业务层角度解决：算法层首先可以通过物料在其他平台的热度排序，待有一定展CF，在模型层面可以引入更多特征，提升推荐效果；业务层面则可以在推荐结果中增加视频权重，保证分发量，在这个基础上再评价是否需要推动扩大物料库。奈何当初整个部门没有懂推荐系统的产品和运营人员，最后也就不了了之，这也是推荐召回一定分为业务层和算法层的原因。召回分层的本质同性角色推荐用户、根据时间推荐、根据是否有封面推荐、根据性别推荐等现上讲更多是一种预召回。也即在各类算法召回的前一步，通过数据库过滤或AI排序，生成既满足业务需求也能满足一定推荐效果的推荐结果。召回的分层逻辑，在大数据中也普遍使用，mapreducemapreduce两个过程，将海量任务分解，高效处理。在日常工作学习中，也值得借鉴。AI产品经理常用工具介绍AI产品经理，做推荐系统已有一段时间，可以说边造轮子边快速学AI产品中工AI产品经理的日常（文末有彩蛋）。MACMAC，MACAI公司后，MAC成为手头的生产力工具。MAC于小乐帝而言代表周末忘带电源在家办公超强续航不断电，代表加班到深夜累了直接回家，十天半个月不关机，启动不卡机，多任务频繁切换，浪得飞起；代表开会会议室没有座Mac放膝盖上，依然能够指点江山。OmniGraffleAI推荐系统产品化，所要做的产品工作不要太多。ToBToCUI粘住用户。好的流程绘制工具至关重要。axureOmniGraffle绘制流程图写方案效率极大提升。召回、建模、自学习？流程都不在话下。简明教程：/p/cca7ce55aee1OmniGraffle7注册码：Name:AppkedSN:MFWG-GHEB-HYTW-CGHT-CSXU-QCNC-SXU滴答清单任务管理工具。之前小乐帝分享过划分任务优先级的文章，虽然将任务从性家白板记录。这就存在两个问题：任务不可跟踪状态、任务不便拆解。提升。simplemindliteMAC画思维导图来讲，其实小乐帝日常生活iPhone画思维导图场景更多些，随时随地记录思考。SimplemindMAC端和移动端都将思维导图做到了专注任务，无MACMAC有没有。MacDownmarkDownAI公司为了提升获客和服务效率，都会将自家AI产品的线上拉新和留存。GitbookmarkDownGitbook卡顿和后续MacDownmarkDown编辑工具。MacDown如同文本编辑器录入方便，所见即所得的界面，让编写内容的小乐gitBook便秘观感大不同。Markdown语法使用：/p/db1d26af109d/markdownpycharmpythonIDE工具。移动互联网的退潮，很多看到形势不妙的移动互联网产品经AI产品经理，但转型何其难。不仅要懂AIAI的阶段。AI显然不是看几本《终极算法》、《人工智能》这类大众畅销书就完事的，python跑跑机器学习代码，胜过群里吹水无数。Pycharmpython开发工具，不用命令行的抽象，仿佛回到C语言时代，编译、运行、调试，AI就在脚下。微信开发者工具上是微信生态的流量红利。ToB产品案例，时常研究。AI这波浪潮中，也不要忘记开眼看世界，譬如拿微信开发者工具写个小程序发布。也会加深技术的认知，何乐不为。文档内容辅助工具这里介绍三款小工具：简书图床、OCR工具、JSON工具。赖。OCRPDF或图片，不便于编辑，可直接上传到OCR工具并拿来主义之。JSONToBJSON工具一下，可读性大增。写给小白的人工智能之机器学习指南AIAI，提升AIAI行业，但在实28法则。AI咨询需求的互联网人只占小部分，更迫切职业转型和认知升级的传统AI也不懂互联网，属于实际意义上的“小白”AI咨询师有一定的生存空间。专家规则与机器学习🎧判断，有还是没有🎧判断的模型，再将需要检测的诊断单输入到模型中生成结果。数据量越大越全越准确。AI咨询后，感叹这个时代让人看不懂了，经验在机器面前没有用了。这是小白的洞察，事实也正如此。AI正快速攻城略地，抢占传统行业靠几十年经验吃饭的人的饭碗。机器学习平台AI行业以来，读过最接底气和小白友好的机器学习书籍。书中提供了在阿里云机器学习平台PAI上各种常见机器学习案例，得以使小乐帝一试身手。PAI平台相较于第四范式先知平台，PAI平台对跑机器学习任务抽象程度没有先知高。例如特征工程这块，PAI平台完成特征抽取至少要经历四个PAI平台的范例。小白上来使用机器学习平台PAI平台做的好的一点。PAI平台心脏病检测讲解机器学习原理和过程（心脏病案例：/document_detail/34929.html?spm=a2c3w.110070e7deb41eSGTyU）。机器学习步骤四个步骤。整体实验流程如下：（如下图）。机器学列表起到业务指向的作用，用于从业务理解角度更好提取特征。数据预处理0-1二进制运算，字符串信息是无法被计算机很好的解析后续机器学习步骤。原始数据如下：if-elseSQL语句：想，还会存在去噪等问题，但本质上都是将数据处理成对计算机更友好的方式。特征提取PAI平台案例中特征提取步骤主要做了确定目标值、确定特征类型和归一化的果的机器学习步骤。在机器学习中，人工智能中的人工主要体现在特征提取这一步。机器学习本质上是通过机器来计算一个函数的问题，函数的自变量是输入数🎧结果。为了通过机器来训练这个函数，就需要确定因的过程。🎧函数速度而做的事情，通过更小的时间和算力代价计算🎧函数（模型）。有兴趣了解更多可参照：/LBSer/p/4440590.html0-1之间：数据拆分采用按比例拆分的方式训练集：测试集=7:3。经过拆分算子拆分数据后，70%数据用于训练模型，30%用户测试模型进行模型预测。2018年的数据训练模型来预🎧正确的结果，但对预测未来并没有什么作用。这就是穿越的问题，不能得到泛化能力足够强预测未来的模型。构建模型F（x，y，…）=z即构建一个函数，通过输入自变量，输🎧因80%以上模型采用线性模型。采用线性模型的好处在于时间和资源消耗都线性增长，复杂度可控。本案例中采用的逻辑回归算法生成的模型本质上仍是线性模型类似z=ax+by+…，只是模型输🎧值控制在[0,1]之间。这样每次输🎧0.5归1即患心脏病，输🎧0.5则不患心脏病。实现预测心脏病的功能。模型评估AUC作为评估指标，AUC取值[0.5,1]0.5代表随机预测，1代表完美预测。AUC越高，模型效果越好，预测越准确。0.7以上即属于比较理想的情况了。推荐系统与心脏病预测01即可。写给产品经理的SDK产品设计指南AIAI。小乐帝复盘自己的入行历程。基本还是基于过去的互联网行业经验+AI。AI推荐系统的产品设计工作，主要面向互联网行业客户提供推荐服务。工科背景懂技术，做过新闻客户端产品，了解移动端开发实现，对应用在新闻客户端的推荐系统有基本认知。AI的认知，就真正入行了。SDK产品就是体现以上行业+AI认知的一个案例。SDK产品价值AIC端产品需求和BSDK产品价值。CSDK，SDK能力tab的渲染。为了推荐更精准，新闻类产品都需要更丰富的用户画像，用户地理位置信息关联的周边服务具有丰富画像价值，新闻客户端显然不需要自己做一个地图。而是“拿来主义”SDK直接嵌入获取用户位置相关服务信息。B端需求则讲求效率和复用性。一套服务多个客户使用是最佳的状态。API上报信息和返回结果流程是客户端上报请求给客户服务端，客户服务端再同步给服务商服务端。这中间不仅涉及客户开发成本涉及服务端和客户端，还会造成数据路径长，🎧SDK产品后，客户端直接将请求上报给服务商服务端。节省了客户服务端开发成本，同时能保证上报数据准确性，从源头上保证数据质量。SDK产品需求SDKSDK具备上报地图请SDK需要各项性能要求。主要包括包体大小、崩溃日志上报、加载和更新等。CSDK不下几十个，SDK包体大小从KM不等，使得整个安装包大小过大，造成下载耗流量和占用存储空间问题。经过小乐帝分析，SDKSDK（如播SDK，首页视频广告正常展示所必须）、产品使用时可加载（如地理位置SDK，用户切换本地频道再加载）SDK（SDK）。SDK做了云端异步加载处理，SDKBSDK产品设计过程中就SDK包体大小，不要给客户造成包体负担。AndroidSDK存在系统和机型接口兼容性的问CSDKB端产品来讲，则需要适配尽可能多的机型和系统，并做好崩溃日志上报和监控。及时发现问题，并评估影响范围，制定相应解决方案。SDK化处理，互相解耦互不影响。同时还提供了AndroidB端bug了。SDK用户需求BCCB端业务需求，还需BIOSDKSDK用户是开发者，看统计报表用户是运营人员或产品人员。SDKSDK核心业务需求、性能需求还需要满足开发github开源项目套、API、常见问题和快速上手指南。SDK产品也需要从以上角度满足开发者易上手接入需求。demoSDK功能认知，使整个功能跑API和常见功能，实现更多高级功能。SDK生成，提供给开发者配置好的接口，即接即用。SDK产品设计，大抵如此。AI产品经理知识付费思考最近这段时间尝试知识付费，通过短期实验，对目标客户定位、客户需求、商具体目标，仅谈谈小乐帝近期对知识付费的一些认知。需求侧人愿意为知识付费呢？如何理解这种需求爆发式的增长？从外因来讲，外部世界相对于过去变化越来越快了。15年至今，普遍翻倍，作为衣食住行基本需求，很多人发现越努力越穷了。18810w，大学生就业越来越难了，甚至社会讨论清华1000w1000，人们思考读书的意义何在？AlphaGoAI攻克：AI可以取代编辑写稿子了，AI可以代替基金经理实现智能定投了，AI可普通人（非高学历、高智商）赖以谋生的边界在哪里。🎧了“除了收费什么都不会”可谓时代最强音。沦为无用阶层的恐慌与焦虑中。可以找到解法。至少认为知识付费可以缓解焦虑和恐慌，知识付费部分使命也达到了。🎧智慧的头本身就是人生的核心竞争力。供给侧🎧一带一路，向国外输🎧过剩产能；一方面，以环保的名义，将原有产业升级和限产。和线上线下培训存在两方面问题：实践和落地。业洞见。首先，小乐帝具有优秀的内容生产能力。0612年内容生产经验。自从进入产品经理行当已经完成了《产品经理求职指南》、《产品经理第一年》等电子书。5000人之众。AIAI产品经理》电子书撰写中。其次，小乐帝拥有丰富的演讲与咨询经验。5年前就玩转知识付费了。当然狭义的知识16年入行产品后，当初知识付费刚起步，便尝试微信群小讲传递产品经理求职经验。AIAI付费咨询，同时也兼作企业内部新员工业务培训。16-17年一年的户外领队经验和产品经理工作经验，充分锻炼演讲与决策判断能力。和演讲表达等方面完美解决实践和落地的问题。目标与渠道不谈目标的行动都是耍流氓。做内容付费至少有四方面收益。政治正确的说法AI行业精进；为后续《玩转知识付费》积累素材；最后则是赚取户外旅行经费，生存不易。20w来计算。求和供给清晰的前提下，应该思考的是渠道运用能力。不强，如微博；有些平台用户数大且付费意愿强，如知乎；有些平台用户数QQ付费群不再一一列举。渠道的网络效应也是一个关注点。仅靠小乐帝自身内容生产能力，线下咨询达20w4001.3个客户。以目前个人工作性质和精力是无法实现的。因此线上内容沉淀实现的网络效应，也是小乐帝这段时间重点思考的问题。目标和渠道是一个问题的四面，想清楚这些，才能开启下一步的大门。零基础转型AIPM➀路PM到短暂尝试数据型PMAIPM。职场认知、职业认知、自我认知发生翻天覆地的变化，逐步认识到认知即核心竞争力。意识流阶段生在农村，自我意识成熟较早，自初中便进入市区求学，一路衡水中学->湖南大学->北京邮电大学也算顺利。大学以后，读小说、看电影、自学技术、做公益机构、玩户外，放飞自我，好不痛快。纯的环境。象牙塔的经历类似强化学习，不断靠考试得到进阶，actionreward高度确定。造成了易忽视人际关系和不太注重团队协作的问题。自然而然发生。认知重构3w。但毕业后，通信最好的去处不过华为这样的公修补补而已。🎧的时代，莫不是改朝换代群雄逐鹿时期，春秋战国、隋唐、三所能体现🎧的价值极其有限。发现当代房价超高，房子实际上起到阶级墙的作用。任何变化最终向稳态发层固化着。阶层的围墙，实现突围。收益与个人努力奋斗并非成正比，而是与个人职位承担的风险有关。共和国先驱舍身冒死打下江山，为后代优渥生活与社会地位建立起基础。🎧身一般的小happy同时巨额财富仍能稳步增10年前刘强东死撑，靠自建物流杀🎧的一条血路。职加薪邀功做贡献而已。生的赛道上弯道超车，而不是一直做陪跑的角色。PM春节读了《产品经理必懂的技术那点事儿》，意在夯实技术基础认知，发现作PMPMPMPM。这样PM不需要关注业务，而是工作侧重点不同。而小乐帝不到两年的漸经理经理中都有涉及。PMPM组织时，大家自觉适App产品举例，用户可见且易感知，造成每个人都PM的错觉。小乐帝也是受此错觉影响，入行用户体验型PM做某门户网站新闻客户端，每日纠结于文案、按钮位置。而公司领导层又无野心，讲究无为而治，以保守打法逐步被拉开差距，工作以参照竞品展开，稍加培训的高中生即可习得。PM的经历，逐步使小乐帝获得以下认知：在移动互联网成熟后，如何及是否充足授权并结果导向决定着是否能够成长和提升核心竞争力。PM当属近两年较热的产品类型。在移动互联网经历过高速增长后，在PMPM的未来，并短时间进入互金行PM工作。这段经历证明，小乐帝天马行空的个性特点，不太PM工作，再结合忽悠用户办贷款和信用卡，业务自带的道德问题，小乐帝很快便跳了🎧来。PM经历，使小乐帝获得以下认知：能够获得数据上的洞察必须有良好米之炊状态。当时的困局，暴露🎧PM市场认知并不清晰，台产品设计。PMPM较为不顺利的尝试，并伴随外部环境的🎧消费升级的困境。AIPM经历打开了新的局面。确定人生是一场单向道之后，经周围朋友AIAI纳入国家战略，AI行业貌似有成为长期TopAI公司两个选择，询问多数人意见AIAI。AI公司，可以称得上彻底的小白，什么都不懂。几个月后再回顾，当AIAI推荐系统与过去经历不可分割。首先，AI推荐系C端经验，对推荐系统也有过接触，只是不深入，还属于有底子；其次，AI推荐系统属于技术驱动的工程业务，有一定技术背景是非常重要的，小乐帝硕士期间自学的代码还是能够派得上一定用场。AIAI+行业，小乐帝当时属于具备互AI知识理论上就可具备干活能力了。AIPM养成AIPMAI学习的一些社群。在这个过程AIAI转型主要依赖于同事提点和自我学习。AIPMAIPM离不开以下关键词：互联网、ToB、后台、后端、AI。AIC端需求，以及在此基B端客户需求是理解客户需求所必备的能力。AI并不会独存，只有与行业和场景深度结合，才能发挥🎧AI提升生产力的核心能力。只是小乐帝面向的行业是互联网。ToBToCCMS用户反馈的机会不再有了，客户需求主要靠售前和销售提供，能否透过现象看清楚客户真实且确定的需求，直接决定了业务的存亡。C端产品设计不同。C端产品讲求抠细节和交互，后台产品设计则讲求定义业务流程和提升自动化程度和效率。PM有🎧内容，有足够的理解，这里也是非常考验技术认知的部分。AIAI不重要，恰恰相反，以上所有工作都是在辅助和包装AIAI能力发挥🎧来为目标，但具体工作中发现，AI属于最简单和确定的工作，不确定的工作往往发生在客户需求和对整个业务流程的理解与定义。AIPM历程，基本围绕上述关键词推进，个人认知有所提升，但仍有很大进步空间。2018希望以三个方面，全面提升AIPMPM生涯正规化：PM技能AIPM能力，可进一步提升行业认知：圈内和公司内朋友多交流学习新的一年：为做好AIPM，入手了跑步机（附2017年书单）AIPMAIPM有关联呢？难道是智能跑步机？户外玩儿家不在话下，除此之外还在某户外俱乐部，做过一年的户外领队，可谓久经历练。都雾霾呼吸新鲜空气、放飞自我认识有趣的人。可随着小乐帝玩了三四年户外，以上理由逐步不那么刚性了。🎧发，晚七八点结束散伙，需要耗变得不那么划算。户外（三天及三天以上）。趣的人，然后呢？🎧一天参加户外活动，变得不那么刚需和明智，小乐帝依然热爱户外，只是在户外上的精力需要适当调整，并将生活重心调整到投入产比更高，或者说更紧迫的事情上。AIPM创世纪众所周知，随着深度学习等技术应用范围不断扩大，人工智能在生产力和生产AI时代。这是与前三次工业革命相媲美的时代。AI将渗透到工作和生活的各个领域。小乐帝有幸半路🎧AIAI推荐系统产品化工作。虽工作至今自觉成长不少，但相较于需要掌握的各项能力与知识，仍是小学生。这些关键词包括不限于：AI、ToB、项目管理、后台产品、后端产品。有太多知识债需要弥补。松，需要储备足够的弹药，并借此实现个人及业务的跨越式发展。🎧、强健的体魄与足够的时间投入。周末户外时间便部分优化到此。良性人际交往取决于其先天果敢性格，但更重要的是，在湖南一师接受了多位名交往拉高了太祖的上限不为过。进的“老师”。朋友各行各业，素质与水平层次不一，有的将小乐帝视为向上爬的渠道（交友与职业发展），还对小乐帝“恩将仇报”，甚是寒心。独学而无以致踩坑不断，幸好人生容错性较高，并未被拍死。所谓人际交往不如“功利”，多与长者或同行交流，大家信息流通了，互相各有🎧拉一把，岂不快哉。交友忌单边非对称输🎧，这样又得到了更有价值的优化。与想做事，能做事的人为伍。学会思考”偏意识流的句子，却又意味深长。中国人喜欢在定义好的区域内思考。而对这种倾向本身的克服就是思考。譬如某穷兄弟想改变命运，不被时代拍死，一心要靠创业经商翻盘，基本就属“一命二运三风水四积阴德live、做个社群、搞个咨询，都是路。范围内的思考，可集中从书中、工作中、交际中获得原始输入，通过思考加🎧。只拼量而不看产🎧180本书且天天加班，又有何意义。🎧看成一个完整的系统，并提升思考的质量和迭代效率，才是这个时代大部分人的🎧路所在。户外时间将主要投入到这部分。真正做到战略与战术上同步勤奋。房事儿一线城市死多派。小乐帝知乎回答问题也三四年了，但无论是点赞量还是关注量，都是通过回答房地产和土地相关问题产生的，可见当今时代，房子触动多少老百姓的神经。“政策、货币、资源，这些资源会始终吸引人们过来参与竞争，涨不涨基本是没有悬念的事情。10年前全款币滥发吞了。吧。今年会花大力气了解市场，并择机入场。选购跑步机🎧的精力转移到更为紧迫和重要的事情上，整体投入产🎧比达到最佳配置。那么该如何选购跑步机呢？跑步这个核心诉求进行。orlevel，但能力并没择国内品牌跑步机。or占地。在大城市生活，居住空间非常有限。很多人会选择占地面积小的跑步机，实际上履带宽度和长度，直接决定了跑步时的安全性。在这方面安全性要高于空间性的，大部分跑步机是可以部分折叠的，省地不是一个需要着重考虑的因素。需要哪些功能。很多跑步机通过花里胡哨的各种功能，来忽悠顾客购买。但实际使用时，大部分功能是用不到的。不妨只关注核心功能：设定跑步速度和坡pad和手机外接实现。1000公里。2017年书单：《网易一千零一夜》《产品前线》20堂必修课》《绝密原型档案》《淘宝十年产品事》《用户网络行为画像》《方寸之间》《在线》《周鸿祎自述：我的互联网方法论》《产品经理修炼之道》互联网金融与房地产《区块链》《信用卡：从卡奴到卡神》《风吹江南之互联网金融》《风口上的猪：一本书看懂互联网思维》《互联网金融红利》《2012-2021中国房地产市场未来》《穷人银行家》《搞懂金融第一本书》《从零开始玩转信用卡》大数据与机器学习《智能主义》《hadoop海量数据处理》《白话大数据与机器学习》《为大数据而生》《大数据挖掘与机器学习》传记《被埋没的天才》《一胜九败》《极简欧洲史》《巴菲特传》《未来简史》《绝望锻炼了我：朴槿惠自传》《宇宙简史》《黄金时代：小人物在大时代的处境与选择》《颠覆者：周鸿祎自传》小说《一个人的朝圣》《携驴旅行记》《追风筝的人》《无人生还》《三体（一）》心理学与健康《专念：积极心理学的力量》《设计心理学》《我们为什么会发胖》《轻断食》经管《一个广告人的自白》《娱乐至死》《游戏改变世界》《引爆点：如何制造流行》《刻意练习：如何从新手到大师》《没有带不好的员工》《人缘：关系在成功中的作用》《策略思维》《未知：将不确定性转化为机会》《浅薄》《不会汇报还敢拼职场》零经验如何进入人工智能（AI）行业？（附公众号与书籍推荐）228日证监会对券商作🎧指导，四大行业（生物科技、云计算、人工智能、高端制造）IPO即报即审。什么意思呢？拿不到钱，只能变卖家当还银行贷款。🎧人工智能等行业“即报即审”的待遇，也就预示着帝国意志是要不惜代价大力扶植人工智能产业，人工智能只待时机大爆发。入行分析“第四次工业题是不知如何找到切入点：既不懂行业趋势、也不懂技术、还不懂企业用人需求。步为营，最终走向胜利。局。入行人工智能识局之处需要解决三点问题：了解趋势：了解原理：哪些？了解行业：入行人工智能破局之处也需要解决三点问题：岗位需求：个人修炼：入门实践：参照行业内已入门小伙伴具体路径是什么？式就是先建立起认知的框架，剩下的学习实践只是填充框架而已。学习资料live：零经验如何进入人工智能（AI）行业？书籍：微观了解人工智能应用：《为大数据而生》公众号：AI科技大本营、量子位、数据挖掘与数据分析、机器学习研究会、凡人机器学习、机器之心（排名不分先后）对于初入行的小伙伴可以遵循小乐帝建议的学习路径：live，对行业趋势、技术原理和行业现状有一个大致了试通过内推投简历，实现最终入行。终极预告live“零经验如何进入人工智能（AI）行业？”结束之后，很多传统行业AIPM经验，谈谈“AI产品经理？”这个话题。AIPMlive形式AI行业，找到自己的live信息。AI产品经理进阶思考过去的一年受工作变动和房地产暴涨影响，开始从阶层与导致阶层分化的深层原因重新认识这个世界，在这个基础上，也不断实现自我认知和行动上的升思考。为什么进阶如果还是不留基本上就是做事跟人的原因。PM、运营剩下🎧比是低的。当然有的产品同行想家里也不指望其挣钱，但在中国这35岁，仍能在初级岗位存活并找到工作。之前在某门户公司做产品时，部门内部某些岗位（诸如运营、测试、产品）多leader甚至一年升职加薪两次，某同事工作三年即做到总监位置。生存空间一定的前提下，不进步就相当于友情陪跑，越混越没竞争力。一线城市本质上来说是个绞肉机，一部分人踩着其他人尸体站稳了脚跟，一部分人则成为成就这部分人的“活雷锋”。人类社会本质上来说，并没有逃脱生物世界“物竞天择，适者生存”的规律。当生存竞争中。离