产品经理如何深度分析用户的AI产品需求

标签：需求场景 AI 模型用户产品深度

—

传统互联网产品和AI产品的区别

传统互联网产品和AI产品最大的区别在于同一个输入，一个是确定性的结果输出，另一个是不确定性的输出。

这就类似于早期PC互联网人们使用互联网产品有在线/离线的概念，只有坐在电脑前面才进行使用产品。

到了移动互联网时代，没有所谓的在线/离线概念，几乎24小时处于在线状态，这种形态的改变对产品设计也是截然不同的

这两种输出模式对于用户的使用感受是完全不同的，当前用户其实并没有适应非确定性的产品界面去使用产品功能。

做AI产品很多时候产品经理需要做内部模型评估和效果测试。

可能团队认为是已经微调或选择了最好的参数，但当这个产品给到用户使用时，结果可能会并不理想。

不同的用户有自己的使用场景、使用习惯、数据集输入提示等等需求，真正在使用AI产品会出现很多不可预测甚至完全不如预期的结果。

AI产品经理的工作就像在一个黑盒并且无法控制输出结果的模型进行产品设计。

这需要考虑的层面需要更多，不仅仅停留在产品功能界面上，需要思考如何利用AI的能力和不确定性这一特点优势去设计产品。

另外AI产品的用户使用问题反馈也和传统移动互联网产品的思路不同。

移动互联网的产品（APP）大部分时候只需要用户反馈功能的流程、交互或者某个按钮的错误报告，这些相对比较容易获取和识别。

AI产品的反馈获取比传统互联网产品复杂且不容易识别。

这对AI产品经理的系统思维能力要求更高，做AI产品的设计更应该去了解用户的真实场景需求和具备超强的同理心。

用户价值= 新体验 – 旧体验 – 替换成本；AI产品去重塑过往互联网产品的增量价值除了需要考虑体验的提升之外，还需要去思考用户的替换成本。

当然AI产品经理还需要理解当下AI模型能力的边界，了解大模型适合解决和不适合解决的问题，以及在设计AI产品时用户使用本身的推理成本、性能与响应速度等等。

—

如何使用KANO模型分析用户需求

KANO模型通常是用于对用户需求进行分类和优先排序的一个工具，该模型通过分析用户需求对满意度的影响，揭示了产品性能和用户满意之间的非线性关系。

在实际产品需求分析过程中，可运用KANO模型将用户的所有需求分为五类，分别为基本型需求、期望型需求、兴奋型需求、无差异型需求、反向型需求。

基本（必备）型需求

即用户认为产品或服务必须具备的基本功能或特性，也称为必备型需求、理所当然的需求，是用户对提供的产品或服务因素的基本要求。

当其特性不充足(不满足顾客需求)时，用户会很不满意； 当其特性充足(满足顾客需求)时，用户也可能不会因而表现出满意。

对于基本型需求，即使超过了用户的期望，但用户充其量达到满意，不会对此表现出更多的好感。 如果未达到用户的期望，则用户满意将一落千丈。

对于这类需求是必须满足的，产品应该注重不要在这类需求方面失分，需要不断地了解用户真实需求，并通过合适的方法在产品中体现。

期望（意愿）型需求

用户希望产品或服务具备的功能或特性，是质量和竞争力的关键因素，也称为意愿型需求。

对于期望型需求，用户的满意状况与需求的满足程度成比例关系的需求。

此类需求得到满足或表现良好的话，用户满意度会显著增加，产品和服务水平超出顾客期望越多，用户的满意状况越好。

当此类需求得不到满足或表现不好的话，用户的不满也会显著增加。

期望型需求没有基本型需求那样苛刻，要求提供的产品或服务比较优秀，但并不是“必须”的产品属性或服务行为，有些期望型需求连用户都不太清楚，但是是他们希望得到的，也叫用户需求的痒处。

对于这类需求，应该注重提高这方面的质量，要力争超过竞争对手。

兴奋（魅力）型需求

超出用户期望的功能或特性，能够显著提升用户满意度，又称魅力型需求。

对于魅力型需求，随着满足用户期望程度的增加，用户满意度也会急剧上升，但一旦得到满足，即使表现并不完善，用户表现出的满意状况则也非常高。

反之，即使在期望不满足时，用户也不会因而表现出明显的不满意。

当用户对一些产品或服务没有表达出明确的需求时，提供一些完全出乎意料的产品属性或服务行为，使用户产生惊喜，用户就会表现出非常满意，从而提高用户的忠诚度。

这类需求往往是代表用户的潜在需求，产品的做法就是去寻找发掘这样的需求，领先对手。

无差异型需求

不论提供与否，对用户体验无影响。

是质量中既不好也不坏的方面，它们不会导致顾客满意或不满意。

反向（逆向）型需求

用户认为某些功能或特性会降低满意度，又称逆向型需求，指引起强烈不满的质量特性和导致低水平满意的质量特性，因为并非所有的用户都有相似的喜好。

许多用户根本都没有此需求，提供后用户满意度反而会下降，而且提供的程度与用户满意程度成反比。

例如一些用户喜欢高科技产品而另一些人更喜欢普通产品，过多的额外功能会引起用户不满。

KANO模型的应用意义在于帮助产品呢经理理解用户需求，并识别不同层次的用户需求，从而优化产品设计和服务。

通过全力满足基本需求、尽力满足期望需求并努力实现兴奋需求，这样可以提高用户满意度，建立忠实的用户群。

—

理性与人性之间存在巨大的鸿沟

技术人员更多思考的是理性，而产品经理还需要考虑人性。

AI产品市场匹配应该从非常详细的具体场景出发去思考设计，而不是拿着大模型（锤子）到处去找场景（钉子）。

一旦陷入进去会做出一些理性思考后可解决一些场景需求并且很酷的产品，但市场往往并不会认可。

AI产品经理更应该反过来思考，有了真实具体的场景需求，再运用AI产品来降本增效的解决，或者采用全新方式彻底革新。

移动互联网产品很多时候是做线下场景搬到线上的需求。

线下场景是真实存在的，搬到线上通常不会有太大的问题，只需要考虑用户的使用感受与体验就会有一定市场，而AI产品则是在一个新的模型框架去设计，很多时候思路完全不同。

不是每一个 APP都值得用 AI 去重做一遍，仔细思考一遍就会发现，值得重做的可能不到10%。

就拿服装门店来说，没有互联网在线购物之前，人们只能去线下购买，有了类似淘宝、京东在线平台之后，人们可以很方便的进行在线购买，做到足不出户，这个需求从线下搬到线上非常的合理。

这时候就有很多创业公司在利用AI优化在线购物的需求，例如模特换衣，以前的购物网站展示的衣服都是模特的效果图，结合当下的AI图像生成技术理性思考可以让用户上传自己照片替换模特的效果，可以立马看到自己穿上的效果图。

上面这个AI模特换衣产品乍一看天衣无缝，似乎解决了在线购物无法试衣服的问题。

但这类产品从人性角度思考真的能带来用处吗？或者说能给商家提升下单转化率吗？

暂且先不说当下的AI图像生成技术生成后的效果有瑕疵，即便是将人物与衣物完美的融合，仔细分析后会发现，用户看到AI让自己穿上衣服的效果图片可能会反而降低下单的意愿。

从人性角度思考用户看到漂亮模特穿衣的效果图购买意愿是一种期待（期待自己真实穿上后有类似的效果），而看到AI自穿上衣服的效果图是一种现实（期待感会明显下降）。

期待通常会让人产生冲动，而现实往往会劝退冲动。

—

从具体的场景需求去设计AI产品

用户没有，不代表他就需要。

市面上有大量的AI生成景点打卡的图像功能，使用也很简单，只需上传一张自己的照片再选择模版中的一个场景，操作上没有任何门槛。

这类产品通常或这样介绍，你没去过的景点也可以用AI帮你实现景点拍照打卡。

这个问题乍一看也是有场景需求的，但仔细思考后会发现人们真的只是要一张景点打卡照片吗？

相信这些用户使用AI生成的景点打卡后应该不会发朋友圈。

用户想要的不仅仅是一张景点打卡照片，而是真实旅游过程和所见的一种真实感受，照片背后的真实场景故事以及情感记忆才是图像背后更重要的。

类似场景很多，例如毕业照、婚纱照等，每张图背后都有额外的情感或记忆等信息，这时候人们更多的是需要真实的参与感和体验感。

有些成本是不能省去的，即便可以用技术去大幅的降本增效。

如今AI图像生成技术发展很快，一些AI产品可以快速生成以假乱真的美食图片。

甚至一些外卖商家就会利用此功能，外卖的每个食物的配图都是用AI去生成。

用AI生成各种食物的照片，相比真实对每道食物进行拍摄，用AI生成消耗的时间和金钱成本可以几乎忽略不计。

先不讨论外卖利用AI生成的食物配图虚假宣传的问题。

作为一个用户，看到的每道菜都是非常精美的图片但又看起来很假，这时候我的亲身经历是一定不会下单购买的，这时候作为一个消费者需要感受到的是真实与真诚。

—

真正的科技是让人感受不到科技的存在

过去的AI人们经常会说成是“人工智障”，虽然如今的AI技术发展的很快，但当下一些AI产品其实并没有预期期待的好用，更多是在可用阶段。

一个产品从用户体验角度可以分为三个状态，可用、易用、好用。

就像目前很火的汽车自动（辅助）驾驶功能，在有一些场景实际用下来体验会非常糟糕。

科技是让人更多/更好的了解这个世界，而不是让人困在已知的地方，当下的AI很容易让人困在已知的地方，形成信息茧房。

如今的AI产品更多的状态是模型即产品，很多参数和使用体验对于一个普通用户来说门槛过高，用户其实并不关心什么是大模型，甚至不关心所谓的提示词。

真正的AI，是让人感受不到AI的存在；AI当下也有很多场景悄无声息的在帮助人们提升幸福指数，未来可期。

“对于产品，善良比聪明更重要”–张小龙，对于AI产品来说，用户会有更多的数据产生，善良可能更加重要。

在大模型时代，我们如何有效的去学习/入门AI产品经理？

现如今产品经理岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI产品经理薪资平均值约27336元，而且，在一线城市北京，产品经理的均薪接近30K，在新一线城市、二线城市的薪资也很可观。

从产品经理这个岗位来说，无论是从薪资水平、发展空间还是需求量上看，依旧是个不错的岗位。

可能大家都想入门/转行AI产品经理，其中包括0经验的小白。都想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，下面是我整理好的一套完整的学习路线，希望能够帮助到你们学习AI大模型。

在这里插入图片描述

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。