前言：本文是团员Sherry的第1篇输出，欢迎有更多的团员们也来分享你的AI干货～

作为一个经济学出身的 AI 产品经理，我将结合自己2 年AI项目实践经验（in 某独角兽机器人公司），分享6点产品思考和方法论：

一、技术边界 VS 业务目标

在一定阶段，当技术无法以预期的方式满足产品需求时，AI 产品经理要做的事情就是在了解技术边界的前提下，提供最合适的产品解决方案以达到业务目标。

有一句话，技术不够，产品来凑，只要能达到业务的预期目标。毕竟 AI 技术短期内得到一个质的飞跃相当困难，这时候，产品需要通过产品设计来规避技术上实现不了的效果，甚至是超出预期的设计，让用户不去关注技术本身。

1、硬件产品层面

用户对机器人功能的预期非常高，想要机器人做 100 个俯卧撑，但由于舵机易损耗机器人每次只做 20 个俯卧撑。当用户语音指令”做 20 个俯卧撑“时，为了体现智能性和生命感 ，怎么超出用户预期通过产品设计满足用户需求呢？我的策略是通过设计具有生命感的语言回复用户，“做 20 个俯卧撑已经是我的极限啦，你想累死我呀”，让用户认为：

（1）这不只是一个机器人，而是具有生命的，他像人一样会累；

（2）机器人很智能，虽然 100 个做不到，但是可以做 20 个 ，引导用户转移注意力。

最终用户觉得机器人有生命感有意思很智能，忽略对话技术，而是会从更多的需求层面产生对产品的粘性和更好的用户体验。

2、语义理解层面

“准确理解用户意图并做出正确回答”是对话机器人这个产品的的核心诉求，那如何更准确的为用户提供解决方案呢？毕竟 NLP 技术并不能保证 100%精准理解用户意图，AI 产品需要考虑在这样的前提下，怎样设计对话帮助或引出用户真实意图，提高机器人智能性。

“推荐答案”是这一问题的解决方案。在无法准确判定用户的真实意图时，通过产品策略和可实现的技术，机器人会根据计算，给出得分最高的答案。结合用户画像等，猜测或推荐与用户意图相近的问题，根据计算分数从高到低排序展示，提供用户更多的选择，从而达到解决用户问题的目的。举例：

• 用户：帮我看看附近（无法判定正式意图，不知道用户想问附近的什么）

• 机器人：你是想找附近的餐厅吗？

• 用户：是的

• 机器人：为你推荐附近的餐厅（命中查周边 skill）

随着用户使用得越来越多，获取的数据越多并积累到一定程度时，辅以一些人工评估，推荐策略会更精准。

3、多轮对话层面

用户对机器人的预期也很高，希望“能像人一样聊天，对答如流”，但实际技术上开放域的多轮交互上下文理解差，用户体验的流畅度很低。为了减少用户对多轮对话技术的关注，满足用户情感倾诉需求，可借助植入问答型对话模拟实现多轮对话的巧妙策略，达到对话流畅和智能的闲聊效果，但需注意植入的问答对应互不冲突；有时，由于供应商的任务型多轮对话无法实现二次确认意图的效果，不得不通过产品策略模拟请求意图的方式，参数问询，进行二次确认的交互等等。

1 个 AI 技术落地，AI 产品除了需要像互联网产品经理先确认核心需求，但很多时间精力要用来思考 AI 技术的情况，如何使用可执行的产品方案来代替大量的数据和时间投入，尽快从无到有闪现初代产品研发，在迭代中提升。毕竟让模型跑起来，比实际的业务场景中看到 AI 带来的价值才是产品追求的根本。

二、应用场景分析

在确认产品方案前，不管使用产品的对象是 B 端还是 C 端，都需找到 KOL（关键人物），调研应用场景，充分深入分析用户模型，甚至是复杂业务的所有角色的利益关系。

案例背景：针对编程教育的使用场景有学校、教育机构和家庭，老师怎么结合课程运用 AI 能力达到教育的效果，学生如何学到知识，即如何在教育场景下落地物体识别的 AI 图像能力呢？

调研与需求分析：在上述使用场景中，与设计配套课程教材的老师、学生和产品销售人员沟通，由于课堂环境的基础网络不好，需要在无网络或者弱网（离线）的条件下，能使用物体识别积木块，达到 AI 课程教学的目标。

影响因素评估：因为是否充分评估各类影响结果的场景因素，决定了技术真正落地产品的速度。当产品初步方案确认后，需要对影响算法正常运行的场景因素进行分析。

比如：物体识别，限制在怎样收敛的场景才更好工程化落地，同时为用户提供更具指导性的引导是考验 AI 产品能力的重要维度。那影响物体识别结果的因素有，

• 教学条件的光线

• 外部噪音（画面背景）

• 识别距离和角度

• 摄像头的视角

• CPU 资源占用等

同时，识别过程中画面为空或出现非同类物体等情景，需要在研发过程中尽可能充分挖掘，并进行合理的告警分类，或者考虑用技术手段解决、让用户提前准备好物体识别的识别条件。

告警的分类，可以满足产品需求，为后续商业化或者产品迭代提供技术亮点的支持。比如 AI 产品需要挖掘外部环境可能导致失败的原因，反推算法同事给出更多维度更细颗粒的错误反馈，以便为用户提示清晰的操作指导，提升用户满意度。

影响因素也会影响到性能指标的输出，比如：识别速度缩短为 1 秒内，物体识别的平均召回率为 85%，平均准确率为 90%，平均 CPU 占用率<30%，识别距离在摄像头 FOV 视角 80 度范围内 30cm 左右，这样才能满足教育场景。但产品在制定核心指标时，更需跳出技术细节点，站在业务的角度来制定更合理的核心指标。

当产品方案确定了到执行阶段，需产品经理基于落地场景，从数据中发现问题和持续迭代，在黑暗中寻找道路，包括与 RD 一起收集数据、验证数据、评估效果，最后通过数据埋点、告警或监控机制，保持对数据的灵敏度，方便 RD 优化。

三、用户对产品的认知（用户引导）

加强用户引导，在合适的场景中告知用户产品有哪些能力，如何使用，以减少用户不会用、不能用、不知道怎么更好用的问题，从而提高用户对产品的认知和用户粘性，对产品的落地和推广带来积极作用。

由于 VUI 的交互方式没有 GUI 有可视化的即时反馈，需依赖用户主动询问，产品使用上存在一定门槛，因此在设计对话时，尤其要加强用户功能引导，告知用户如何使用。同时，由于对话是日常人们已经非常熟悉的场景，如何设计自然，“像和真人一样”交谈的交互，是 AI 产品在设计过程中的重点和难点。

那么，在哪些场景下可以增加功能引导话术呢？在哪里增加怎么样的话术？例如：

1. （自我介绍类型）首次开机使用机器人时，用户可能会一脸茫然，”这个机器人有什么能力？”、“我能做什么？”、“我要怎么用”。这时，类似你和陌生人初次见面要自我介绍展现自己的亮点，机器人与用户进行首次交互时，需引导用户了解并使用机器人，包括流程：下载 APP、引导绑定联网机器人、如何语音唤醒发出指令、展现功能亮点。这类引导话术同时也要结合产品定位（生命感），建立与用户的连接。

1. 自我介绍和如何唤醒：“嗨，我是 xxx，来自 xxx，很高兴认识你，你可以叫我 xxx，就可以唤醒我啦”；

1. 引导绑定联网：“快下载 xxxAPP，按照提示帮我联网绑定吧”；

1. 展现人脸录入黑科技：为了匹配人与人第一次见面的习惯，先记住人脸并展现人脸录入的黑科技。”我还不认识你呢，试试对我说，xxx，我叫某某某，我就记住你啦“、”哇~你的名字真酷。我要录入你的人脸信息了，请到我面前半米的地方“；

1. 展现跳舞亮点：“很高兴认识你，我来给你表演个绝活吧，来，音乐起”，然后执行跳舞”；

1. 引出其他功能：“除了跳舞，我还会 xxx，可以对我说，xxx，然后说出指令，我就会做啦~或者你也可以到 APP 上了解我的其他本领呢”

1. （主动交互类型）根据一天内的不同时段，机器人识别到人脸，主动与用户交互，进行功能引导，提高用户粘性。

1. “早上好，今天是 x 月 x 日，星期一，我们来听听最新的新闻吧”，然后播放新闻；

1. “中午好，我们一起玩个游戏吧，对我说，xxx，进入成语接龙”；

1. “下午好，我们一起来听听故事吧，快对我说，xxx，讲故事”；

1. “晚上好，想听睡前故事嘛？快对我说，xxx，睡前故事“、“早睡早起身体好，要不我叫你起床吧，快对我说，xxx，定个闹钟”

1. （功能引导类型）在使用某个功能或者闲聊结束后，可在结束语后增加“我还会抖音上很火的舞，试试唤醒后对我说，跳个甩葱歌”、“xxx 是我擅长的，你可以这么问我”，加强用户对产品功能的认知，但需注意功能引导语要衔接得上，举例，

1. 完成绘本阅读后，引导编程功能“我还能和你一起玩编程，快打开 APP 的自由编程试试吧”；

1. 完成今天温度多少的查询，引导告知天气如何”今天有阵雨出门记得带伞”或者周边有什么好玩“今天天气不错，附近的 xxx 公园很适合去走走”

1. （升级提示类型）当用户主动升级机器人或者机器人自动升级完成后，能主动告知用户，升级了有什么新能力，怎么触发使用等。

细致的对话设计很重要，因此 AI 产品经理需要广泛涉猎不同行业不用用户的操作习惯，借鉴硬件、软件行业的优秀交互，不断总结，思考更为自然流畅的产品体验。

四、B 端落地

目前 AI 技术商业化落地对接以 B 端为主，作为 AI 产品要调整关注焦点，从对接阶段开始，就要和 B 端沟通，能带给 B 端怎样的商业价值，创造多少收益，要依赖产品经理对 B 端需求的理解。

B 端的刚需：一是降低成本，如何让平台接入方能够低门槛地，通过查看文档等即可在产品中接入上线全链路 AI 技术及服务；二是提高效率，是否能够快速高效支持多个业务场景的解决方案，支持多样化的接收方式和个性化的定制服务或功能配置等。

要达到以上目标，需要产品经理充分了解 B 端的整体业务，以及使用平台过程中的痛点。通过梳理，抽象出可规模化通用的平台解决方案，从而提高平台价值，不然容易闭门造车。

比如：为赋能终端、提高效率和平台易用性，为开放平台的开发者或个人用户，详细梳理好接入流程，同时在保证安全性和可用性的条件下，尽可能开放更多刚需的操作权限、运营数据可视化等指导平台接入方的日常工作，从而提升服务满意度。

当在对接一些需要数据积累的需求，在商务沟通前，AI 产品经理就需要准备验证收据、落地案例、使用效果等，需要对 B 端 C 端的诉求有清晰的认知，打造客户觉得好用、愿意用的用户口碑，为 B 端赋能，并共同优化整体产品方案，实现共赢局面。

以上分享的是一些 AI 产品经理在产品设计上的思考与想法。下面 2 点，主要是功能 ROI 不高导致需要兜底方案以及调用 AI 方案时的灵活性。

五、设计兜底方案

这里的兜底方案，指的是如何满足非核心的长尾需求或者异常情况出现时的解决方案。这部分需求由于 ROI 不高，没办法短期内都满足，或者用户交互时发生异常如语音服务无法使用，因此需要设计兜底方案，同时做好数据埋点和监控，方便解决问题和后续的产品迭代。

比如：在对话机器人中，由于用户对机器人期望高，导致语音指令会天马行空漫无边际（如有些 query 不在产品功能支持范围内），那产品在面临这些产品不支持的诉求，如何减少用户负面反馈并保证其智能性呢？使用兜底回复是一个不错的方案。

一般来说，兜底语料的目的有：

1. 产品功能暂无法支持用户需求时，减少负面反馈，保证智能性

1. 面对异常情况时，帮助用户解决异常问题，提高产品可用性

根据不同的目的，兜底语料分成 2 类：1、功能兜底；2、异常兜底。每类兜底语料需要怎么做，分别要注意什么？

• 功能兜底：需告知用户能力有限，或推荐一些相关的功能进行展示

• 产品功能正在研发，需告知用户进度并提前预告。比如：这个能力我已经学到 80%啦，明天通过 xxx 指令，就可以展示给你看；

• 产品功能在规划中，需告知用户会虚心听取建议。比如：我还在长大，等我学会了告诉你吧；

• 产品功能不在考虑范围内，需告知用户不支持或者提供相关解决方案，比如：这个技能我暂时还不会，但我会 xxx，要不给你展示吧

• 异常兜底：需告知用户问题现状，提供解决方案帮助用户解决问题

• 没听懂（有识别内容，但语义没有理解），注意使用可原谅的话术告知用户能力有限，比如：我要再看看书才能理解你刚刚说的；

• 没听见（语音识别内容为空），注意引导用户再说一次，比如：我没有听见你说什么呢，再说一次吧；

• 网络或服务异常，注意用通俗易懂告知问题和解决方案，具体如下案例

兜底语料是解决不同场景下用户遇到问题的产品方案，那该如何缓解用户遇到问题的焦虑呢？

好的兜底语义设计需满足以下 3 点：

1. 陈述问题现状，缓解用户此刻的焦虑感（don't make me think，对于技术问题，不必用专业术语陈述）；

1. 给出解决方案，提示并引导用户去解决当前遇到的问题；

1. 最后，言简意赅通俗易懂地用生动且符合人设，又浅显易懂的语言应答

案例：系统出现故障的场景

当用户在使用产品时，机器人却无法正常提供语音服务，比如在“叮当服务器异常”、“连不上叮当服务器造成语音服务用不了”或“叮当域名解析失败”的场景下，用户无法通过语音指令让产品执行用户意图完成任务。这里通过实际案例分享一些经验：

• 反面教材：如上图，用纯技术语言回复用户，且没有好好引导用户如何解决问题，不符合上述兜底语义设计标准，最终需要用户思考这是什么意思，无法帮助用户解决问题，增加产品的负面反馈

• 正面教材：修改后，设计图中蓝色部分的兜底语料“哎呀，我突然短路了，要不你再给我说一次吧”等，符合设计标准，问题现状和方案都清晰易懂还符合人设，达到兜底语料的目的

在做兜底方案的界限分析时，比较好的判定依据为，各环节 ROI 是否较高，如果高应尽可能满足这些需求或者通过技术解决，但确实无法完全满足时，就要考虑兜底方案了。

六、引擎接入方案的灵活性

算法引擎需要调用灵活，接口清晰才能在更多的业务里迭代成长，变得更强。

比如：针对智能对话服务的开放平台需支持多种技术能力（包括对话识别，理解，多轮对话管理，知识图谱，知识问答，开放域闲聊等），为丰富的接入场景提供多样化的接入方式，才能让平台接入方运用到多种使用场景；针对图像能力接入要满足市面上现有的主流调用方式，同时需注意哪些功能合并、哪些功能拆分、什么字段可结合实际业务进行配置等，为开发提供建议，从而使得模型和产品方案在更多项目中得到复用，提升规模化的落地价值。

目前 AI 技术处在一个，需要大量商业化以证明其价值的状态，如何与现有业务场景结合或微创新，以更高效的方式赋能满足需求，最终落地技术支持产品迭代，是 AI 产品经理的要求。

作者微信：sherryzhang9498

-END-

以上内容，来自饭团“AI产品经理大本营”，点击这里可关注：http://fantuan.guokr.net/groups/219/ （如果遇到支付问题，请先关注饭团的官方微信服务号“fantuan-app”）

---------------------

作者：黄钊hanniman，图灵机器人-人才战略官，前腾讯产品经理，7年AI经验，10年互联网背景，微信公众号/知乎/在行ID“hanniman”，饭团“AI产品经理大本营”，分享人工智能相关原创干货，200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。