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。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。