课程简介
本课程专为各行业研发管理及相关岗位人员打造，旨在助力学员掌握 AI 产品思维。课程涵盖企业级 AI 产品设计方法论、需求挖掘分析、LLM 选型策略、数据分析技能树以及项目落地方案等内容，通过实战案例与分组讨论，使学员能将所学应用于实际产品设计，提升产品竞争力。
目标收益
了解AI能力地图，学习如何结合AI能力赋能产品设计的场景，将传统管理方法论进行落地应用，提升研发管理人员的AI产品思维框架。
培训对象
主要面向研发管理岗，以及感兴趣的产品、开发、运营、营销、职能岗等
课程大纲
| 1. 论：企业级AI产品设计方法论 |
（1）产品0-1的诞生过程 需求定位：通过用户旅程拆解（如机票搜索-比价-预订-售后），识别高价值场景（如动态定价、智能客服）； 技术匹配：结合AI能力库（如NLP处理用户咨询、推荐算法优化酒店排序）与业务痛点，优先选择ROI高的场景（如用户流失预测模型可提升复购率）； MVP验证：以酒店智能客服为例，初期聚焦高频问题（退改政策、房型咨询），其余需求分版本侧重陆续上线； （2）产品设计五大原则、用户体验五要素、10-100-1000法则 用户体验五要素：战略层（提升订单转化率）→ 范围层（核心功能：智能比价、行程规划）→ 结构层（多模态交互设计）→ 框架层（API接口响应速度<300ms）→ 表现层（可视化数据看板） （3）结合产品能力和业务场景适配度/ROI评估/可解释性 （4）AI时代下：产品评估体系，LTV AI分析、搭建多维评估表 LTV-AI模型：结合用户历史行为预测生命周期价值，动态分配营销资源（如高LTV用户触发专属优惠） |
| 2. 找：AI产品需求挖掘及分析 |
（1）用户需求洞察与可落地方案提炼 用户分层挖掘：商旅用户、个人用户、家庭用户等 从"用户预订后行为"拆解需求： ① 行前：智能行李清单（结合目的地天气）； ② 行中：AR室内导航（酒店VR全景）； ③ 行后：自动生成旅行回忆相册； （2）AI时代下：需求如何演变，方案如何设计？ 为哪些人？在哪些场景？解决哪些问题？ 数据闭环、轻量化交付等 （3）案例分享： ①AI+电商： 1)淘宝：AI+2C、2B、跨境等 2)京东：AI+仓储、物流、供应链等 3)亚马逊：生成式购物助手Rufus ②AI+营销： 1)巨量引擎：AI素材优化 2)腾讯广告：AIGC创意 3)百度广告：从标题→视频成品 ③AI+多模态：海外音视频项目分享（团队真实案例） （4）实战：如何结合AI工具进行用户研究+竞品分析？（10min） |
| 3. 选：AI产品LLM选型策略、调用及成本测算 |
（1）模型迭代路径设计 冷启动期、成长期、成熟期，不同的模型选择方法论 （2）自研 vs 第三方API的成本对比及模型调用测算方法 常见大模型成本对比（含闭源API调用及开源部署成本，含多模态） 多维度思考：初始成本、长期成本、数据安全成本、适用场景等 自研模型VS第三方API优劣势 |
| 4. 数：AI PM数据分析技能树 |
（1）数据驱动思维 指标分层：L1（北极星：GMV）→ L2（用户留存率）→ L3（推荐卡片点击率） （2）数据质量对模型效果的影响 数据质量如何管控、高质量数据集、高价值应用场景 标注规范：客服对话数据标注需区分意图（咨询/投诉）和情感（积极/消极） （3）数据安全、伦理与风险 （4）北极星指标选择（建议）：新用户增长、复购率、用户粘性、客服效率等 （5）数据分析框架（建议）： 拉新指标：曝光量、注册转化率、获客成本CAC等 活跃/增长/留存指标：DAU、DPU、LTV、ARPU、ARPPU等 内容/资讯指标：CTR、2s跳出率、5s完播率、平均时长等 广告指标：eCPM、投流ROI、广告填充率等 体验指标：CSAT、NPS等 （6）AI数据分析工具实战 ① ChatBI类：实践AI+ChatExcel ② 智能问数（火山Data Agent案例，内测体验资格，私密分享） 5. 推：协调并推动AI产品项目落地方案（1h） （1）把握AI产品需求的整体节奏（如腾讯内部TAPD） |
| 5. 新：分析AI产品市场的创新玩法 |
（1）AI产品创新功能及商业增长模式分享： 娱乐类AI产品功能：星野、美图秀秀等商业化case 音视频AI产品功能：小宇宙、腾讯视频等商业化case 工具类AI产品功能：WPS、百度网盘、腾讯会议等商业化case |
| 6. 解：AI产品解决方案画布 |
（1）了解AI产品核心画布（核心版） 以OTA平台的智能客服产品为例，进行产品画布的反向拆解 问题识别、方案设计、技术选型、数据架构、用户体验、商业化验证 （2）分组讨论：挑选当前待优化的1个业务需求场景 （3）分组设计：针对该业务需求场景，结合上述的AI产品设计思路，以及AI产品核 心画布，设计相应解决方案 （4）以码上飞or lovable为例，产出初版的AI产品方案 |
| 7.需求评审 |
（1）结合每组讨论的业务需求，从以下多个环节进行AI产品方案0-1的设计，并产出方案立项报告及PPT，进行路演介绍及方案评审： ①需求定义（人群、场景、痛点等） ②AI产品方案（重点，MVP） ③技术选型（基础，如考虑多模态、风险、合规等） ④数据工程（基础，如采集、特征、标注等） ⑤方案成本（人、技术、时间等） ⑥方案收益（商业化等） ⑦其它（冷启动、运营、增长等） （2）结合分组的AI产品方案内容，围绕“业务需求相关性+创新性+可落地性”等维度，进行内部排名评选 |
|
1. 论：企业级AI产品设计方法论 （1）产品0-1的诞生过程 需求定位：通过用户旅程拆解（如机票搜索-比价-预订-售后），识别高价值场景（如动态定价、智能客服）； 技术匹配：结合AI能力库（如NLP处理用户咨询、推荐算法优化酒店排序）与业务痛点，优先选择ROI高的场景（如用户流失预测模型可提升复购率）； MVP验证：以酒店智能客服为例，初期聚焦高频问题（退改政策、房型咨询），其余需求分版本侧重陆续上线； （2）产品设计五大原则、用户体验五要素、10-100-1000法则 用户体验五要素：战略层（提升订单转化率）→ 范围层（核心功能：智能比价、行程规划）→ 结构层（多模态交互设计）→ 框架层（API接口响应速度<300ms）→ 表现层（可视化数据看板） （3）结合产品能力和业务场景适配度/ROI评估/可解释性 （4）AI时代下：产品评估体系，LTV AI分析、搭建多维评估表 LTV-AI模型：结合用户历史行为预测生命周期价值，动态分配营销资源（如高LTV用户触发专属优惠） |
|
2. 找：AI产品需求挖掘及分析 （1）用户需求洞察与可落地方案提炼 用户分层挖掘：商旅用户、个人用户、家庭用户等 从"用户预订后行为"拆解需求： ① 行前：智能行李清单（结合目的地天气）； ② 行中：AR室内导航（酒店VR全景）； ③ 行后：自动生成旅行回忆相册； （2）AI时代下：需求如何演变，方案如何设计？ 为哪些人？在哪些场景？解决哪些问题？ 数据闭环、轻量化交付等 （3）案例分享： ①AI+电商： 1)淘宝：AI+2C、2B、跨境等 2)京东：AI+仓储、物流、供应链等 3)亚马逊：生成式购物助手Rufus ②AI+营销： 1)巨量引擎：AI素材优化 2)腾讯广告：AIGC创意 3)百度广告：从标题→视频成品 ③AI+多模态：海外音视频项目分享（团队真实案例） （4）实战：如何结合AI工具进行用户研究+竞品分析？（10min） |
|
3. 选：AI产品LLM选型策略、调用及成本测算 （1）模型迭代路径设计 冷启动期、成长期、成熟期，不同的模型选择方法论 （2）自研 vs 第三方API的成本对比及模型调用测算方法 常见大模型成本对比（含闭源API调用及开源部署成本，含多模态） 多维度思考：初始成本、长期成本、数据安全成本、适用场景等 自研模型VS第三方API优劣势 |
|
4. 数：AI PM数据分析技能树 （1）数据驱动思维 指标分层：L1（北极星：GMV）→ L2（用户留存率）→ L3（推荐卡片点击率） （2）数据质量对模型效果的影响 数据质量如何管控、高质量数据集、高价值应用场景 标注规范：客服对话数据标注需区分意图（咨询/投诉）和情感（积极/消极） （3）数据安全、伦理与风险 （4）北极星指标选择（建议）：新用户增长、复购率、用户粘性、客服效率等 （5）数据分析框架（建议）： 拉新指标：曝光量、注册转化率、获客成本CAC等 活跃/增长/留存指标：DAU、DPU、LTV、ARPU、ARPPU等 内容/资讯指标：CTR、2s跳出率、5s完播率、平均时长等 广告指标：eCPM、投流ROI、广告填充率等 体验指标：CSAT、NPS等 （6）AI数据分析工具实战 ① ChatBI类：实践AI+ChatExcel ② 智能问数（火山Data Agent案例，内测体验资格，私密分享） 5. 推：协调并推动AI产品项目落地方案（1h） （1）把握AI产品需求的整体节奏（如腾讯内部TAPD） |
|
5. 新：分析AI产品市场的创新玩法 （1）AI产品创新功能及商业增长模式分享： 娱乐类AI产品功能：星野、美图秀秀等商业化case 音视频AI产品功能：小宇宙、腾讯视频等商业化case 工具类AI产品功能：WPS、百度网盘、腾讯会议等商业化case |
|
6. 解：AI产品解决方案画布 （1）了解AI产品核心画布（核心版） 以OTA平台的智能客服产品为例，进行产品画布的反向拆解 问题识别、方案设计、技术选型、数据架构、用户体验、商业化验证 （2）分组讨论：挑选当前待优化的1个业务需求场景 （3）分组设计：针对该业务需求场景，结合上述的AI产品设计思路，以及AI产品核 心画布，设计相应解决方案 （4）以码上飞or lovable为例，产出初版的AI产品方案 |
|
7.需求评审 （1）结合每组讨论的业务需求，从以下多个环节进行AI产品方案0-1的设计，并产出方案立项报告及PPT，进行路演介绍及方案评审： ①需求定义（人群、场景、痛点等） ②AI产品方案（重点，MVP） ③技术选型（基础，如考虑多模态、风险、合规等） ④数据工程（基础，如采集、特征、标注等） ⑤方案成本（人、技术、时间等） ⑥方案收益（商业化等） ⑦其它（冷启动、运营、增长等） （2）结合分组的AI产品方案内容，围绕“业务需求相关性+创新性+可落地性”等维度，进行内部排名评选 |
近期公开课推荐
