課程簡介
本課程專為各行業(yè)研發(fā)管理及相關崗位人員打造，旨在助力學員掌握 AI 產(chǎn)品思維。課程涵蓋企業(yè)級 AI 產(chǎn)品設計方法論、需求挖掘分析、LLM 選型策略、數(shù)據(jù)分析技能樹以及項目落地方案等內容，通過實戰(zhàn)案例與分組討論，使學員能將所學應用于實際產(chǎn)品設計，提升產(chǎn)品競爭力。
目標收益
了解AI能力地圖，學習如何結合AI能力賦能產(chǎn)品設計的場景，將傳統(tǒng)管理方法論進行落地應用，提升研發(fā)管理人員的AI產(chǎn)品思維框架。
培訓對象
主要面向研發(fā)管理崗，以及感興趣的產(chǎn)品、開發(fā)、運營、營銷、職能崗等
課程大綱
| 1. 論：企業(yè)級AI產(chǎn)品設計方法論 |
（1）產(chǎn)品0-1的誕生過程 需求定位：通過用戶旅程拆解（如機票搜索-比價-預訂-售后），識別高價值場景（如動態(tài)定價、智能客服）； 技術匹配：結合AI能力庫（如NLP處理用戶咨詢、推薦算法優(yōu)化酒店排序）與業(yè)務痛點，優(yōu)先選擇ROI高的場景（如用戶流失預測模型可提升復購率）； MVP驗證：以酒店智能客服為例，初期聚焦高頻問題（退改政策、房型咨詢），其余需求分版本側重陸續(xù)上線； （2）產(chǎn)品設計五大原則、用戶體驗五要素、10-100-1000法則 用戶體驗五要素：戰(zhàn)略層（提升訂單轉化率）→ 范圍層（核心功能：智能比價、行程規(guī)劃）→ 結構層（多模態(tài)交互設計）→ 框架層（API接口響應速度<300ms）→ 表現(xiàn)層（可視化數(shù)據(jù)看板） （3）結合產(chǎn)品能力和業(yè)務場景適配度/ROI評估/可解釋性 （4）AI時代下：產(chǎn)品評估體系，LTV AI分析、搭建多維評估表 LTV-AI模型：結合用戶歷史行為預測生命周期價值，動態(tài)分配營銷資源（如高LTV用戶觸發(fā)專屬優(yōu)惠） |
| 2. 找：AI產(chǎn)品需求挖掘及分析 |
（1）用戶需求洞察與可落地方案提煉 用戶分層挖掘：商旅用戶、個人用戶、家庭用戶等 從"用戶預訂后行為"拆解需求： ① 行前：智能行李清單（結合目的地天氣）； ② 行中：AR室內導航（酒店VR全景）； ③ 行后：自動生成旅行回憶相冊； （2）AI時代下：需求如何演變，方案如何設計？ 為哪些人？在哪些場景？解決哪些問題？ 數(shù)據(jù)閉環(huán)、輕量化交付等 （3）案例分享： ①AI+電商： 1)淘寶：AI+2C、2B、跨境等 2)京東：AI+倉儲、物流、供應鏈等 3)亞馬遜：生成式購物助手Rufus ②AI+營銷： 1)巨量引擎：AI素材優(yōu)化 2)騰訊廣告：AIGC創(chuàng)意 3)百度廣告：從標題→視頻成品 ③AI+多模態(tài)：海外音視頻項目分享（團隊真實案例） （4）實戰(zhàn)：如何結合AI工具進行用戶研究+競品分析？（10min） |
| 3. 選：AI產(chǎn)品LLM選型策略、調用及成本測算 |
（1）模型迭代路徑設計 冷啟動期、成長期、成熟期，不同的模型選擇方法論 （2）自研 vs 第三方API的成本對比及模型調用測算方法 常見大模型成本對比（含閉源API調用及開源部署成本，含多模態(tài)） 多維度思考：初始成本、長期成本、數(shù)據(jù)安全成本、適用場景等 自研模型VS第三方API優(yōu)劣勢 |
| 4. 數(shù)：AI PM數(shù)據(jù)分析技能樹 |
（1）數(shù)據(jù)驅動思維 指標分層：L1（北極星：GMV）→ L2（用戶留存率）→ L3（推薦卡片點擊率） （2）數(shù)據(jù)質量對模型效果的影響 數(shù)據(jù)質量如何管控、高質量數(shù)據(jù)集、高價值應用場景 標注規(guī)范：客服對話數(shù)據(jù)標注需區(qū)分意圖（咨詢/投訴）和情感（積極/消極） （3）數(shù)據(jù)安全、倫理與風險 （4）北極星指標選擇（建議）：新用戶增長、復購率、用戶粘性、客服效率等 （5）數(shù)據(jù)分析框架（建議）： 拉新指標：曝光量、注冊轉化率、獲客成本CAC等 活躍/增長/留存指標：DAU、DPU、LTV、ARPU、ARPPU等 內容/資訊指標：CTR、2s跳出率、5s完播率、平均時長等 廣告指標：eCPM、投流ROI、廣告填充率等 體驗指標：CSAT、NPS等 （6）AI數(shù)據(jù)分析工具實戰(zhàn) ① ChatBI類：實踐AI+ChatExcel ② 智能問數(shù)（火山Data Agent案例，內測體驗資格，私密分享） 5. 推：協(xié)調并推動AI產(chǎn)品項目落地方案（1h） （1）把握AI產(chǎn)品需求的整體節(jié)奏（如騰訊內部TAPD） |
| 5. 新：分析AI產(chǎn)品市場的創(chuàng)新玩法 |
（1）AI產(chǎn)品創(chuàng)新功能及商業(yè)增長模式分享： 娛樂類AI產(chǎn)品功能：星野、美圖秀秀等商業(yè)化case 音視頻AI產(chǎn)品功能：小宇宙、騰訊視頻等商業(yè)化case 工具類AI產(chǎn)品功能：WPS、百度網(wǎng)盤、騰訊會議等商業(yè)化case |
| 6. 解：AI產(chǎn)品解決方案畫布 |
（1）了解AI產(chǎn)品核心畫布（核心版） 以OTA平臺的智能客服產(chǎn)品為例，進行產(chǎn)品畫布的反向拆解 問題識別、方案設計、技術選型、數(shù)據(jù)架構、用戶體驗、商業(yè)化驗證 （2）分組討論：挑選當前待優(yōu)化的1個業(yè)務需求場景 （3）分組設計：針對該業(yè)務需求場景，結合上述的AI產(chǎn)品設計思路，以及AI產(chǎn)品核 心畫布，設計相應解決方案 （4）以碼上飛or lovable為例，產(chǎn)出初版的AI產(chǎn)品方案 |
| 7.需求評審 |
（1）結合每組討論的業(yè)務需求，從以下多個環(huán)節(jié)進行AI產(chǎn)品方案0-1的設計，并產(chǎn)出方案立項報告及PPT，進行路演介紹及方案評審： ①需求定義（人群、場景、痛點等） ②AI產(chǎn)品方案（重點，MVP） ③技術選型（基礎，如考慮多模態(tài)、風險、合規(guī)等） ④數(shù)據(jù)工程（基礎，如采集、特征、標注等） ⑤方案成本（人、技術、時間等） ⑥方案收益（商業(yè)化等） ⑦其它（冷啟動、運營、增長等） （2）結合分組的AI產(chǎn)品方案內容，圍繞“業(yè)務需求相關性+創(chuàng)新性+可落地性”等維度，進行內部排名評選 |
|
1. 論：企業(yè)級AI產(chǎn)品設計方法論 （1）產(chǎn)品0-1的誕生過程 需求定位：通過用戶旅程拆解（如機票搜索-比價-預訂-售后），識別高價值場景（如動態(tài)定價、智能客服）； 技術匹配：結合AI能力庫（如NLP處理用戶咨詢、推薦算法優(yōu)化酒店排序）與業(yè)務痛點，優(yōu)先選擇ROI高的場景（如用戶流失預測模型可提升復購率）； MVP驗證：以酒店智能客服為例，初期聚焦高頻問題（退改政策、房型咨詢），其余需求分版本側重陸續(xù)上線； （2）產(chǎn)品設計五大原則、用戶體驗五要素、10-100-1000法則 用戶體驗五要素：戰(zhàn)略層（提升訂單轉化率）→ 范圍層（核心功能：智能比價、行程規(guī)劃）→ 結構層（多模態(tài)交互設計）→ 框架層（API接口響應速度<300ms）→ 表現(xiàn)層（可視化數(shù)據(jù)看板） （3）結合產(chǎn)品能力和業(yè)務場景適配度/ROI評估/可解釋性 （4）AI時代下：產(chǎn)品評估體系，LTV AI分析、搭建多維評估表 LTV-AI模型：結合用戶歷史行為預測生命周期價值，動態(tài)分配營銷資源（如高LTV用戶觸發(fā)專屬優(yōu)惠） |
|
2. 找：AI產(chǎn)品需求挖掘及分析 （1）用戶需求洞察與可落地方案提煉 用戶分層挖掘：商旅用戶、個人用戶、家庭用戶等 從"用戶預訂后行為"拆解需求： ① 行前：智能行李清單（結合目的地天氣）； ② 行中：AR室內導航（酒店VR全景）； ③ 行后：自動生成旅行回憶相冊； （2）AI時代下：需求如何演變，方案如何設計？ 為哪些人？在哪些場景？解決哪些問題？ 數(shù)據(jù)閉環(huán)、輕量化交付等 （3）案例分享： ①AI+電商： 1)淘寶：AI+2C、2B、跨境等 2)京東：AI+倉儲、物流、供應鏈等 3)亞馬遜：生成式購物助手Rufus ②AI+營銷： 1)巨量引擎：AI素材優(yōu)化 2)騰訊廣告：AIGC創(chuàng)意 3)百度廣告：從標題→視頻成品 ③AI+多模態(tài)：海外音視頻項目分享（團隊真實案例） （4）實戰(zhàn)：如何結合AI工具進行用戶研究+競品分析？（10min） |
|
3. 選：AI產(chǎn)品LLM選型策略、調用及成本測算 （1）模型迭代路徑設計 冷啟動期、成長期、成熟期，不同的模型選擇方法論 （2）自研 vs 第三方API的成本對比及模型調用測算方法 常見大模型成本對比（含閉源API調用及開源部署成本，含多模態(tài)） 多維度思考：初始成本、長期成本、數(shù)據(jù)安全成本、適用場景等 自研模型VS第三方API優(yōu)劣勢 |
|
4. 數(shù)：AI PM數(shù)據(jù)分析技能樹 （1）數(shù)據(jù)驅動思維 指標分層：L1（北極星：GMV）→ L2（用戶留存率）→ L3（推薦卡片點擊率） （2）數(shù)據(jù)質量對模型效果的影響 數(shù)據(jù)質量如何管控、高質量數(shù)據(jù)集、高價值應用場景 標注規(guī)范：客服對話數(shù)據(jù)標注需區(qū)分意圖（咨詢/投訴）和情感（積極/消極） （3）數(shù)據(jù)安全、倫理與風險 （4）北極星指標選擇（建議）：新用戶增長、復購率、用戶粘性、客服效率等 （5）數(shù)據(jù)分析框架（建議）： 拉新指標：曝光量、注冊轉化率、獲客成本CAC等 活躍/增長/留存指標：DAU、DPU、LTV、ARPU、ARPPU等 內容/資訊指標：CTR、2s跳出率、5s完播率、平均時長等 廣告指標：eCPM、投流ROI、廣告填充率等 體驗指標：CSAT、NPS等 （6）AI數(shù)據(jù)分析工具實戰(zhàn) ① ChatBI類：實踐AI+ChatExcel ② 智能問數(shù)（火山Data Agent案例，內測體驗資格，私密分享） 5. 推：協(xié)調并推動AI產(chǎn)品項目落地方案（1h） （1）把握AI產(chǎn)品需求的整體節(jié)奏（如騰訊內部TAPD） |
|
5. 新：分析AI產(chǎn)品市場的創(chuàng)新玩法 （1）AI產(chǎn)品創(chuàng)新功能及商業(yè)增長模式分享： 娛樂類AI產(chǎn)品功能：星野、美圖秀秀等商業(yè)化case 音視頻AI產(chǎn)品功能：小宇宙、騰訊視頻等商業(yè)化case 工具類AI產(chǎn)品功能：WPS、百度網(wǎng)盤、騰訊會議等商業(yè)化case |
|
6. 解：AI產(chǎn)品解決方案畫布 （1）了解AI產(chǎn)品核心畫布（核心版） 以OTA平臺的智能客服產(chǎn)品為例，進行產(chǎn)品畫布的反向拆解 問題識別、方案設計、技術選型、數(shù)據(jù)架構、用戶體驗、商業(yè)化驗證 （2）分組討論：挑選當前待優(yōu)化的1個業(yè)務需求場景 （3）分組設計：針對該業(yè)務需求場景，結合上述的AI產(chǎn)品設計思路，以及AI產(chǎn)品核 心畫布，設計相應解決方案 （4）以碼上飛or lovable為例，產(chǎn)出初版的AI產(chǎn)品方案 |
|
7.需求評審 （1）結合每組討論的業(yè)務需求，從以下多個環(huán)節(jié)進行AI產(chǎn)品方案0-1的設計，并產(chǎn)出方案立項報告及PPT，進行路演介紹及方案評審： ①需求定義（人群、場景、痛點等） ②AI產(chǎn)品方案（重點，MVP） ③技術選型（基礎，如考慮多模態(tài)、風險、合規(guī)等） ④數(shù)據(jù)工程（基礎，如采集、特征、標注等） ⑤方案成本（人、技術、時間等） ⑥方案收益（商業(yè)化等） ⑦其它（冷啟動、運營、增長等） （2）結合分組的AI產(chǎn)品方案內容，圍繞“業(yè)務需求相關性+創(chuàng)新性+可落地性”等維度，進行內部排名評選 |
近期公開課推薦
