#人工智能产品经理工作流程
##设定清晰目标
意义：产品立项的基础，产品新功能迭代的开会，团队所有成员统一目标的重要前提。
设定目标的检查清单：
- 用户/客户痛点分析—场景描述
（1） 说明用户/客户具体的业务或需求场景是什么?
（2）如果产品/功能投人使用,用户将在该场景中哪个流程环节里使用它们?
（3）当产品没有问世之前,用户客户都使用什么样的替代方案?
（4）替代方案在多大程度上满足了用户/客户的需求? - 用户/客户痛点分析—痛点来源。
（1）用户客户的痛点来源是自身还是来源于外界的某种玉力(例如来自于更高管理者的压力和关注)?为什么存在这种压力?痛苦链条是什么
（2）用户客户的痛点是否来自于人性?例如“贪嗔痴”(出自达摩祖币觉性论》)。贪:贪欲,贪心,贪婪,因对事物的喜好而产生无厌足的追求、占有的心理欲望。嗔:嗔恨,嗔怒,嗔喝,因对众生或事物的厌恶而产生嫉妒、愤恨、恼怒的心理和情绪。痴:包含两层意思,第一是傻、无知,对事物不了解,愚昧无知;第二是迷恋、人迷,对某人或某事物全情投入,痴狂。 - 用户/客户痛点分析—痛点全方位剖析
（1）该痛点涉及的面有多广,是普遍问题还是个别问题?
（2）该痛点是否符合政策导向或者是否合规?
（3）该痛点涉及的需求是否是高频应用?
（4）用户/客户愿意为此痛点买单吗?他们愿意付出什么样的代价来解决这个问题？
（5）感觉到痛的人是否有采购决策权? - 市场分析
（1）产品功能在市场上的主要竞争对手都有谁?各自的竞争优势是什么?市场占有率如何?
（2）是否已经有占有率比较高或比较被认可的产品?其有什么样的优势?
（3）相比于竞争对手,我们门的优势是什么?用户客户选择我们的理由是什么?
总结：该产品或功能面向xx客户，解决客户在xx场景下的xx问题，给用户/客户带来xx收益（效率、体验等方面的优化）
##技术预研
不仅需要了解用户需求和体验还需要了解产品竞争是全方位的，计算芯片、算法模型、训练数据，以及不同类型的传感器带来的完全不一样的交互形态。提高竞争力！
【人脸识别】
###领域技术基本现状和趋势
目的：重点关注奇数的趋势、领先性、主流算法框架的优劣、横向比较竞争对象之间的技术实现手段和重点产品参数，从中提取出自身的优势。扬长补短（用户体验、产品价格等其他附加值）
人脸识别常用应用类型：人脸图像预处理、人脸图像检测、人脸图像采集、人脸特征提取、人脸特征识别、表情识别、3D人脸重建、人脸变形等。
一个完整的机器视觉产品构成的至少3个元素：
（1）图像采集：了解采集方法，采集部件CCD\CMOS等；
（2）视觉处理过程：处理芯片、算法等；
（3）成像或判别结果呈现：呈现结果或进行控制；
从产业链中找到自己的产品对应的环节,并重点横向对比在同一产业环节中的竞争对手的状况。另外,该产业链中各种厂家由于受到市场份额、竞争壁垒、政策优势等影响,行业里上下游厂商的话语权不同,因此要根据具体行业分析这些因素,这有助于在上下游厂商的商务谈判中制定有针对性的策略。
###领域前沿技术 深度摄像头：除了在人脸识别，还在人体跟踪、人机交互、及时定位与地图构建、AR/VR等领域广泛应用。 注意**：
a.清楚三种方法以及对比结果（需要清楚3种方法的原理&应用场景&优缺点）
b.清楚其他技术的优势/劣势；
###常见技术逻辑
Eg：人脸识别在安防监控场景中的应用技术逻辑
对每一个环节进行拆解和分析
- 人脸图像采集
（1）Image Size ：影响速度和表现（F1值）；
（2）Image Resolution：影响运算；可进行压缩；
（3）图像外部采集环境：适当做软硬件优化； - 人脸检测：确定人脸的位置和大小
常用算法：Viola-Jones、Haar+Adaboost、CascadeCNN等
衡量标准：TPR\TNR\FPR等 - 图像预处理：提高图像质量
主要方法：几何校正、光照补偿、尺寸归一化、灰度变换、去噪、边界增强、提高对比度、直方图均衡化、中值滤波以及锐化等。 - 特征提取
流行框架：Naive-Deep Face Recognition、Deep ID、Facenet等
选取好的框架，清楚理解每种框架的基本逻辑和之间的区别。 - 人脸匹配
区别“人脸比对”和“人脸检索”
###判断技术切入点：选择合理的技术方向
（1）软件
（2）硬件+软件
##需求分析和产品设计
1.人工智能产品设计失败的常见原因：
（1）技术驱动产品设计；
（2）忽略用户期望管理，华而不实的产品功能造成用户失望；
（3）单点突破带来的简直有限，与产品价格或需要用户付出的代价不成正比；
（4）一味追求底层技术，而忽略了用户体验的优化。
- 人工智能常见的设计原则：
（1）“少即是多”原则：
用户不关系使用了什么技术，只在乎有没有解决他们的问题
（2）从微观到宏观逐步深入逐步满足用户需求
一定要考虑产品的成熟度是否会让用户难以接受，从微观倒宏观逐步满足用户的需求，从但更鞥或价值点突破，受到认可之后再推出下一个功能。
（3）放宽眼界有效整合资源，融入产品设计理念。
宽阔的视野+算法和用户需求而的交叉点+软硬件技术整合力、跨行业技术融合能力、交叉文化理解和创新能力。
（4）同理心：换位思考和用户产生共鸣
a、认知共鸣；
b、情感共鸣；
c、身体感受共鸣；
- 合理制定产品需求优先级
针对功能较多的迭代，或需求较多的情况下，PM需明确每个需求的优先级并解释其合理性。
优先排序模型和规则：
（1）. 需求的价值vs研发/部署的复杂度矩阵
（2）. 卡诺模型Kano
（3）. 相似组分类法
团队成员提需求，然后分组，最后投票。
（4）.加权得分法
##充分参与研发过程
AI PM的任务：基于对需求和业务的理解，配合研发人员进行数据及的准备、明星训练、测试调优以及在研发过程中进行目标调整和优化。
目的1：帮助研发工程师快速实现产品目标；
目的2： 用非技术语言将研发过程中的技术原理以及出现的问题及时与公司领导或客户进行沟通，以获取支持和认可。
###1 .提供优质数据
step 1：获取什么质量的数据？
step 2：通过什么方式获取数据（传感器、数据对接、网络爬虫、商务采购）？
step 3：数据分析（和数据分析师和算法工程师共同完成），预处理工作！【懂一些数据库语言，了解公司的数据分析系统、数据传输系统、数据仓库的基本使用】
###2 .模型训练
###3 .测试调优（因为比较明白技术边界和需求量化）
（1）模块拆分：可测试模块最小化；
（2）制定清晰的测试标准；
（3）引入“第三方”数据；
###4 .目标管控
根据市场形势变化进行随机应变的目标调整（比如为了提高竞争力，临时需要提高模型精度的要求，或者提前投放市场）
##持续的产品运营
除了用户运营，还包括产品上线后的包装、宣传，以及内部培训文档的撰写等一系列将产品正式推向市场的工作。
