在當(dāng)今數(shù)字信息化和AI席卷一切的時(shí)代，AI產(chǎn)品經(jīng)理一邊連接算法模型的研究與應(yīng)用，一邊連接著研發(fā)團(tuán)隊(duì)與產(chǎn)品用戶，必然需要其具有多項(xiàng)核心能力。有別于以往的互聯(lián)網(wǎng)產(chǎn)品的思路，AI產(chǎn)品經(jīng)理將有所區(qū)別和不同的能力側(cè)重，我將通過多篇連載的方式持續(xù)更新。現(xiàn)在，打頭炮要說的核心能力就是量化用戶體驗(yàn)。 01 量化用戶體驗(yàn)的作用1.直接作用1.推動(dòng)算法模型進(jìn)化
例如，語音助手產(chǎn)品通過分析用戶對(duì)識(shí)別準(zhǔn)確率的負(fù)面反饋，優(yōu)化了噪聲環(huán)境下的聲學(xué)模型權(quán)重，使識(shí)別準(zhǔn)確率提升12%。 2）拓展應(yīng)用場(chǎng)景邊界 用戶行為數(shù)據(jù)可揭示潛在需求。 例如，智能客服系統(tǒng)通過分析用戶高頻咨詢“退換貨政策”，新增自助退貨功能，將人工客服負(fù)載降低30%。 2.間接作用1）完善用戶畫像 采集用戶體驗(yàn)數(shù)據(jù)的同時(shí)，用戶畫像將同步完善 2）反向從頭優(yōu)化整體流程 完善測(cè)試標(biāo)準(zhǔn)，增加測(cè)試集選取范圍和參考標(biāo)準(zhǔn).通過用戶的反饋數(shù)據(jù)和相關(guān)分析，可以倒推測(cè)試應(yīng)優(yōu)化和補(bǔ)充的內(nèi)容和對(duì)象 例如，某教育APP結(jié)合用戶操作路徑（如視頻暫停頻率）與問卷數(shù)據(jù)，構(gòu)建“學(xué)習(xí)專注度”標(biāo)簽，實(shí)現(xiàn)個(gè)性化內(nèi)容推薦，用戶留存率提升18%。例如，我之前的AI醫(yī)療項(xiàng)目，也是通過反饋分析，細(xì)分了人群類別標(biāo)簽和角度參數(shù)，優(yōu)化了測(cè)試集選取范圍和標(biāo)準(zhǔn)，提升了終端用戶的感知度5.2%。 測(cè)試集選取范圍又會(huì)繼續(xù)推動(dòng)數(shù)據(jù)預(yù)清洗和處理流程的優(yōu)化，甚至同步影響標(biāo)注標(biāo)記流程 3）建立競(jìng)爭(zhēng)壁壘 通過量化分析形成差異化優(yōu)勢(shì)。 例如，導(dǎo)航軟件通過獨(dú)家“擁堵預(yù)測(cè)準(zhǔn)確率”指標(biāo)（基于用戶實(shí)時(shí)上報(bào)數(shù)據(jù)），在競(jìng)品中建立技術(shù)護(hù)城河。 我這里用一個(gè)不斷深入的例子來對(duì)比一下，大概就可以場(chǎng)景互換地代入一下‘量化用戶體驗(yàn)?zāi)芰Α趯?shí)際執(zhí)行中體現(xiàn)的具體影響了 假設(shè)以上是一個(gè)AI圖像識(shí)別模型不同參數(shù)下的訓(xùn)練測(cè)試結(jié)果，單從測(cè)試結(jié)果上看，全部的訓(xùn)練測(cè)試結(jié)果各項(xiàng)指標(biāo)均一致，比如準(zhǔn)確率、精確率、召回率等等。 那我們現(xiàn)在完善一下訓(xùn)練中A、B、C測(cè)試對(duì)象的信息，比如 A：真實(shí)的人類生物 B：具有人類形象的3D實(shí)物 C：包含人形象的平面實(shí)物。 現(xiàn)在做一下測(cè)試根據(jù)下圖給出你的答案：
附圖一[1] 是不是有所搖擺？還是十分確定你的答案？那再來一次 根據(jù)下圖給出你的答案：
附圖二[2] 這次是不是就比較肯定了？很多人心里應(yīng)該想著“這有什么好掙扎的，肯定是B啊” OK，那我把使用場(chǎng)景再補(bǔ)充一下
那再把3個(gè)場(chǎng)景分別代入X、Y、Z的訓(xùn)練結(jié)果中，根據(jù)A、B、C的對(duì)應(yīng)關(guān)系，我們可以得出下面3個(gè)表 表1（場(chǎng)景1） 表2（場(chǎng)景2） 表3（場(chǎng)景3） 從上面3個(gè)表格里的用戶感受可以通過分析得出： 場(chǎng)景1（相冊(cè)自動(dòng)分類工具）
場(chǎng)景2（安防系統(tǒng)中的生物識(shí)別AI）
場(chǎng)景3（自動(dòng)駕駛里的行人防碰撞剎停系統(tǒng)）
綜合以上分析結(jié)果，同一個(gè)模型，不同的訓(xùn)練下同樣的測(cè)試結(jié)果，應(yīng)用在不同的場(chǎng)景，會(huì)得出不同截然不同的用戶體驗(yàn)。 那通過量化用戶體驗(yàn)，就至少可以達(dá)成我上述列舉的各類直接和間接作用了。 例如，推動(dòng)算法模型進(jìn)化。場(chǎng)景2中，增加不同角度和增加佩戴口罩后的識(shí)別率就是AI模型的優(yōu)化方向之一了，模型測(cè)試指標(biāo)和參數(shù)權(quán)重也就自然有了如何優(yōu)化的具體目標(biāo)了。其余的我就不一一代入舉例了，大家可以自行聯(lián)想。 當(dāng)然，實(shí)際的應(yīng)用場(chǎng)景環(huán)境和用戶體驗(yàn)感受的維度非常復(fù)雜且持續(xù)在變化中，那如何有效地量化用戶體驗(yàn)，并進(jìn)行數(shù)據(jù)量化分析？作為AI產(chǎn)品經(jīng)理又應(yīng)該如何處理？我接下來就談?wù)勎易约旱膶?shí)踐策略。 二、量化用戶體驗(yàn)的步驟其中包括用戶反饋采集、反饋數(shù)據(jù)轉(zhuǎn)化和相關(guān)性分析三個(gè)步驟，下面我將詳細(xì)展開來說說如何執(zhí)行 1.用戶反饋采集1）主動(dòng)反饋 1.1 增加用戶主動(dòng)反饋流程 讓用戶可以有提交反饋和相互交流的場(chǎng)所和去處。 1.2 激勵(lì)機(jī)制和視覺引導(dǎo) 1.2.1 設(shè)置積分兌換、專屬優(yōu)惠或?qū)嵨锒Y品等激勵(lì)機(jī)制 例如，滴滴采用“反饋得優(yōu)惠券”策略，將用戶反饋率從5%提升至23%。 1.2.2 公開致謝貢獻(xiàn)者，賦予用戶成就感 例如，更新日志中標(biāo)注“感謝用戶A的建議” 1.2.3 適當(dāng)視覺提醒進(jìn)行引導(dǎo) 例如，顯示提示語（如“點(diǎn)擊分享您的想法”） 2）被動(dòng)反饋 2.1. A/B測(cè)試 這個(gè)細(xì)講下來很復(fù)雜，有很多重點(diǎn)和注意事項(xiàng)。[3]如果有興趣聽我詳細(xì)說明，請(qǐng)留言評(píng)論，我盡量提前梳理出來 比如重點(diǎn)有：
注意事項(xiàng)有：
2.2. 埋點(diǎn)檢測(cè)用戶操作 2.2.1 明確埋點(diǎn)目標(biāo)，定義清晰的‘事件’與‘變量’ 例如，電商平臺(tái)埋點(diǎn)的話，‘添加收藏’則為事件，‘收藏類別’則為變量 2.2.2 埋點(diǎn)ID命名規(guī)則需有規(guī)律性和唯一性 可避免重復(fù)統(tǒng)計(jì)或遺漏 2.2.3 異常監(jiān)控和數(shù)據(jù)處理流程 異常情況會(huì)污染埋點(diǎn)數(shù)據(jù)的質(zhì)量，提前通過增加流程來避免 2.3. 完善目標(biāo)群的用戶畫像 2.3.1 多渠道多維度 例如，線上問卷、郵件、群組、論壇，還有電話、線下訪談等等 2.3.2 驗(yàn)證假設(shè)，優(yōu)化用戶標(biāo)簽 例如，搭配A/B測(cè)試，大膽假設(shè)，小心求證 2.3.3 杜絕數(shù)據(jù)孤島，豐富數(shù)據(jù)來源 不過度依賴歷史數(shù)據(jù)，用戶永遠(yuǎn)在變，需求和行為也會(huì)變 2. 反饋數(shù)據(jù)轉(zhuǎn)化1）整合多源數(shù)據(jù)，并進(jìn)行數(shù)據(jù)清洗和預(yù)處理 確保數(shù)據(jù)格式標(biāo)準(zhǔn)化和關(guān)聯(lián)性通過清洗和預(yù)處理減少無效和異常數(shù)據(jù) 2.定量指標(biāo)轉(zhuǎn)化，細(xì)化拆解成小項(xiàng)并賦予權(quán)重值 確保數(shù)據(jù)格式標(biāo)準(zhǔn)化和關(guān)聯(lián)性通過清洗和預(yù)處理減少無效和異常數(shù)據(jù) 3.善用AI工具協(xié)助進(jìn)行數(shù)據(jù)分析 Deepseek、Chatgpt這方面使用起來很方便，效率也很高 4.保持轉(zhuǎn)化指標(biāo)的動(dòng)態(tài)優(yōu)化與迭代 通過持續(xù)地假設(shè)和驗(yàn)證，制定詳細(xì)迭代規(guī)則并及時(shí)同步至相關(guān)人員以追求關(guān)聯(lián)性為主要目標(biāo)，不盲目要求絕對(duì)的準(zhǔn)確度和精確度 3. 相關(guān)性分析1）關(guān)聯(lián)規(guī)則挖掘 可以利用大數(shù)據(jù)和AI進(jìn)行分析 例如，常用的Apriori算法可以發(fā)現(xiàn)使用“智能修圖”功能的用戶，購(gòu)買會(huì)員的概率提升3.8倍（支持度>0.2，置信度>0.65） 4. 聚類與交叉分析通過將用戶按不同規(guī)則和條件分群后的數(shù)據(jù)進(jìn)行交叉分析其中的共性和特性，再賦予權(quán)重和量化值 體驗(yàn)感（如痛點(diǎn)、爽點(diǎn)、癢點(diǎn)）與關(guān)鍵行為的數(shù)據(jù)映射 這里執(zhí)行起來比較復(fù)雜，而且需要搭配用戶畫像標(biāo)簽來賦值。[4]
如何定義用戶標(biāo)簽并進(jìn)行賦值？這里明顯是白銀會(huì)員優(yōu)先級(jí)最高，但未注冊(cè)用戶和非會(huì)員就要根據(jù)實(shí)際情況有所不同了，具體得按產(chǎn)品運(yùn)營(yíng)策略和場(chǎng)景考慮和權(quán)衡后對(duì)比得出。 三、執(zhí)行風(fēng)險(xiǎn)與應(yīng)對(duì)策略1. 常見副作用1）數(shù)據(jù)過載 ChatGPT就曾被指控未經(jīng)用戶明確同意，通過多種渠道大規(guī)模收集用戶敏感信息，導(dǎo)致數(shù)據(jù)濫用和隱私泄露風(fēng)險(xiǎn)，還導(dǎo)致系統(tǒng)崩潰。 2）幸存者偏差 僅關(guān)注活躍用戶反饋，容易忽略沉默用戶的流失原因，錯(cuò)失改進(jìn)機(jī)會(huì)。 3）影響總體項(xiàng)目推進(jìn) 操作復(fù)雜，消耗精力較大，團(tuán)隊(duì)任務(wù)目標(biāo)緊時(shí)較難把握和平衡時(shí)機(jī) 2. 風(fēng)險(xiǎn)控制框架1）優(yōu)先級(jí)矩陣 按“影響范圍×實(shí)施成本”四象限評(píng)估改進(jìn)項(xiàng)，優(yōu)先處理高影響低成本需求。 2）敏捷迭代機(jī)制 設(shè)定兩周為數(shù)據(jù)分析周期，確保改進(jìn)方案快速落地。 四、總結(jié)與展望在AI產(chǎn)品進(jìn)化過程中，量化用戶體驗(yàn)已從輔助工具升級(jí)為核心驅(qū)動(dòng)力。而且我認(rèn)為未來趨勢(shì)將呈現(xiàn)三大特征：
那作為AI產(chǎn)品經(jīng)理，一定要緊跟腳步，加速融入AI，同時(shí)提升自己的個(gè)人能力，才能在AI產(chǎn)品進(jìn)化的過程中不斷發(fā)揮作用。 五、結(jié)語優(yōu)秀的AI產(chǎn)品經(jīng)理需兼具數(shù)據(jù)敏感度與人性洞察力，在理性量化與感性認(rèn)知間找到平衡點(diǎn)，量化用戶體驗(yàn)?zāi)芰?/strong>就能很好地幫助到AI產(chǎn)品經(jīng)理，使其能在智能時(shí)代打造真正“懂用戶”的產(chǎn)品。 下一篇，將針對(duì)另外一個(gè)AI產(chǎn)品經(jīng)理的核心能力進(jìn)行展開說明，敬請(qǐng)期待……
[3]: 如果有興趣聽我詳細(xì)說明，請(qǐng)留言評(píng)論，我盡量提前梳理出來 [4]: 如果有興趣，請(qǐng)留言討論 作者：薰闕的產(chǎn)品思考 公眾號(hào)：薰闕的產(chǎn)品思考 本文由 @薰闕的產(chǎn)品思考 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可，禁止轉(zhuǎn)載 題圖來自Unsplash，基于CC0協(xié)議 該文觀點(diǎn)僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù) |
