课程简介
1.知识与技能提升，
（1）结合行业最佳时间案例能够深入理解人工智能的基础概念以及应用场景、技术边界和基于解决问题如何选择技术框架以及评估体系
（2）洞察发展趋势：通过学习AI的发展趋势和美团在C端的最新应用场景，开拓视野
2.实战能力提升
（1）提升产品设计能力：员工能够将AI技术应用于产品设计中，通过用户画像、智能推荐等技术，为用户提供更个性化、更精准的产品功能和服务，从而提升产品的竞争力。
（2）优化用户体验：借助自然语言交互、智能推荐等AI应用，员工可以设计出更智能、更便捷的用户交互界面，优化用户体验，增强用户黏性。
（3）课程分享的商业模式落地经验和方法，能够帮助企业快速将AI商业模式从理论转化为实践，减少落地过程中的不确定性和风险，加速AI商业模式的推广和应用，使企业能够在AI时代快速抢占市场先机，实现商业价值的最大化。
3.企业效益提升
（1）增强企业竞争力：通过将AI技术融入产品和服务中，企业能够提供更具创新性和竞争力的解决方案，在激烈的市场竞争中脱颖而出。
推动业务创新：员工对AI技术的深入理解将激发更多创新思维，有助于企业探索新的（2）业务模式和应用场景，为企业带来新的增长点。
目标收益
培训对象
课程大纲
| 模块一：业务实战：AI效果评估 |
引：通过互动暖场以及看下大家对线上课AI的掌握情况以及对AI市场的敏感度 1.用户分群、推荐、销量预测用的是回归、分类还是聚类 2.大家看到哪些新的AI交互，提高了产品设计能力或者体验的创新 一AI时代和传统价值评估的不同 二、AI时代指标评估体系 1.AI对业务价值增量的短、中和长期指标预估（量化） 2.AI业务北极星指标制定的三原则以及误区 3.AI业务指标监控体系：衡量落地策略的好坏 3.1任务类指标体系 3.2对话类指标体系 4.基于指标优化数据 4.1异常分析的三个维度 4.2对话分析的三个维度 5.AI成本计算方式 共创：基于自己负责的业务场景，完成两个任务，一是短、中和长期指标评估，二是指标评估体系（20min练习+10min展示） |
| 模块二：AI产品设计迭代优化 |
一、新的需求挖掘 1.1 工具:利用AI客户旅途找到新的AI机会点 案例：智能客服 案例：网商银行AI需求挖掘 1.2 竞品 1.3 AI调研的四象限方法论 案例：美团生活服务 2.竞品分析 案例：AI PPT在红海中杀出重围，成为全球总榜第2 案例：智能客服 二、需求分析与决策 1.方法论：值得不值得用AI做的判断的四象限判断法 2.工具：AI技术能力和业务问题交集 3.AI找寻的三原则 4.大模型技术选型 5.业务需求-产品需求的分类（初、值得不值得AI做、用哪种AI方式做？小模型、回归、聚类？哪种大模型选型） 案例：智能客服 6.互动产出：伪AI需求识别清单 三、需求排序 1.工具:需求排序——KANO模型（基于竞争） 2.需求价值量化（技术成本、业务收益、AI渗透率等维度进行成功率量化、AI和传统产品经理需求评估的异同、短、中和长期收益评估） 案例：通义千问金融行业优先级排序 3ROI计算器（含算力/标注/模型本身大小+梯度+优化器+激活） 四、产品方案设计 案例：智能客服、知识库准率率提升的产品、设计和工程手段 |
| 模块三：AI产品设计落地：AI驱动下的用户体验创新实战 |
一、 AI技术革新引领设计新范式：DO+Chat不断拓展人机交互带宽 1. 蚂蚁AI体验设计框架RICH 2.基于微软和互联网大厂总结的AI赋能用户体验的设计挑战 案例：蚂蚁 3.蚂蚁总结的CUI和GUI应用场景以及优缺点 3. AI体验未来的四大发展前景 二、行业最新体验评估指标：CAIR 1.如何提高用户对AI结果的信心 方法论：大厂总结的解释时机+解释内容+交互形式 【独家总结】可解释与信任构建的三种交互方式 2.提高成功的价值 3.错误的成本 4.纠正难度 案例：金融行业或者你所在的行业基于CAIR进行优化 5.体验指标优化五大原则 四、 三、AI未来在产品设计和体验的展望 共创：现在的AI产品体验优化的点（20min练习+10min展示） |
| 模块四：AI产品设计落地：GTM商业化、构建AI生态位 |
一、商业模式创新 1.AI商业模式较互联网的变化：从注意力经济变为意图经济，从链接到实现 2.意图经济和注意力经济的不同 案例：快手是如何抓住意图经济，做好全链路AI商业化布局 3.全球AI市场规模与增长预测 案例：AI PPT如何基于AI市场机会占领自己 二、AI时代新的商业模式以及应用 1.按次收费 2.按工作流收费 3.按成功收费 4.按agent收费 三、从三方面理解AI的商业模式 1.资源：独特的资源、数据、行业Know-how 1.1理解构建壁垒的资源分类 1.2评估商业模式资源的2个步骤和5个标准 1.3评估资源、价值和价值交换的关系 【互动思考】你们企业商业模式的资源禀赋是什么 2.AI时代的价值创新（以AI PPT为例结合方法论讲解） 2.1误区：要创造新的需求，而不是停留在产效率的提高 2.2AI时代的核心价值：如何用AI重构核心竞争力 （1）AI的能力带来的核心价值 （2）AI不能做什么 （3）AI带来新交付方式新增量的机会 （4）构建AI生态位的两种类型 案例1:同程加入AI生态圈和厂商、腾讯等合作 案例2:荣耀生态构建三阶段（资本市场对纯硬件的公司估值不友好，传音18倍，小米市盈率46倍） 案例3：夸克打造流量超级入口，定位AI超级框 2.3价值识别：发现商业价值（重点讲，结合案例讲方法论与实操关键经验，发现AI商业模式创新机会点） （1）价值识别框架（行业宏观机会、友商对标、用户行为→AI优化→体验提升→更多用户/数据→新变现场景） 案例：美团价值识别的方法论以及AI商业模式创新 案例：从AIGC应用市场的千亿规模细分占比，构建自己生态位 案例：拼多多Temu AI比价（核价）系统，为什么做，对业务的增量价值（内部独家，外部公开信息差不到） 总结1：国内外生态对比、国内典型的6种生态模式 总结2: 选对赛道要思考的6个问题 （2）AI独有的穿越技术表象的价值识别框架：生态嵌入平衡度 案例：快手如何将供应链、商家、广告主、服务商等多角色形成相互赋能、持续优化的商业系统 （3）识别核心价值的三大维度（战略定位、财务健康、组织韧性） （4）AI时代下价值的迁移：评估价值维度的变化（从信息-数字化-数智化、短期和长期、宏观和微观、AI能力评分卡） （5）价值公式=技术势能*场景密度/替换成本 （6）AI价值构建的三大问题思考（如何用AI重构行业利润分配？如何让用户成为数据/模型进化的参与者？如何设计「越用越聪明，越用越难离开」的生态？ （7）AI+、+AI各自的优劣势 3.价值交换 3.1AI商业模式图谱：B、C和底层大模型的商业模式以及优秀案例 3.2不同商业模式类型适用的场景以及优缺点（毛利率、客单价、竞争壁垒、可规模化、匹配产品阶段、性质、用户接受度） 案例1:订阅制+场景化的创新，商汤营销视频生成GMV增长94% 案例2:百度文新一言混合制（调用量+促成交易双模式），实现留存和收入双增长 案例3: Kimi的打赏制（订阅模式新的创新） 案例4:Ahalab打破Saas传统收费模式，按效果付费（也会分享未来效果付费+订阅的机制） 案例5：C.AI在订阅模式基础上新增游戏变现 其他：国外垂类案例，根据交付行业选取 举一反三总结：To B、To C以及软硬结合的收费模式以及成功关键 4.商业模式落地成功的4大经验分享：如何赢 共创：基于AI时代创新价值、价值识别框架和价值交换模式，设计你的AI商业模式（20min演示+10min展示） 四、从商业模式构建到落地三阶段的思维框架 1.阶段一：TPF（技术产品适配） 案例：技术和产品适配模型 2.阶段二：PMF（产品市场适配） 案例：PMF评估维度 3.阶段三：GTM（产品商业化） 案例：以字节智能投放为例进行三阶段讲解，重点讲商业化的飞轮 五、定价体系：决定收入上限 1.定价CVA模型，确定价格上、下限 2.基于竞品灵活调整价格 3.定价的维度 4.定价的五大战术 5.定价如何人群差异化定价 案例1：Jasper基于用户价值定价 案例2:以下是对《AI商业模式创新：AI革命下的价值迁移》课程的价值提炼： 6.做好定价价格感知，是胜负关键手 案例：Manus的积分 六、AI最佳商业模式案例对标（工具、企业软件、AIGC、电商案例）（2H） 案例1:LibLib在文生图蓝海且没有技术壁垒的情况下，收入做成国内第一，成功的关键是找到一个小到能让AI产生10倍效率，改变原有工作流即-编辑功能做深以及AIGC视频类商业化格局分析 总结：做好AI商业化的核心原则 案例2:芒果TV、腾讯等虚拟陪伴场景 案例3：快手整体AI商业全链路、生态布局 案例4:Manus 案例5:工具类AI PPT（全球第二）、WPS等工具类定价 案例6:“三国杀”阿里-夸克、腾讯-元宝、字节-豆包的商业化、产品差异 案例7:零售消费的商业化创新，Stitch Fix，留存比传统电商高三倍 案例8:AI CRM |
| 模块五：业务实战：AI产品设计 |
一、以美团或者银行行业为案例讲解AI在用户画像的应用的三大场景 1.基础画像 案例：美团如何基于行为分析，提高交叉转化预测的准确度，以最新优化的S级项目，神会员进行讲解 2.业务画像 案例：美团基于不同的用户群体标签进行精细化运营以及场景推荐 3.策略画像 案例1：不同活动敏感人群，发放权益后ARPPU提升 案例2:在特定类目，特定购买时间的高复购倾向人群（讲解核心是AI和用户洞察相结合，AI是下限，洞察是上限） 案例3:美团利用AI能力实现人群*品类*商品*权益*留存策略从千人千面到一人千面（拼多多也在做） 案例4:美团通过AI能力为预测用户未来的行为 案例5:美团利用AI新技术，集合用户画像实现push突破，团队几乎尝试了所有能想到的Push策略——差异化文案、个性化推荐、定时触发、行为触发等，每天的配额都会按时发完。然而，用户的疲劳度越来越明显，点击率持续下滑 4.用户画像的基础：标签质量提升的办法以及评估纬度 案例：美团 5.大厂在画像未来的展望 5.1在传统时代人为用付费能力、品类偏好、年龄性别等标签划分用户群体，会回归按人性的方式（在1.1美团即时零售业务会讲），不是同类推荐，而是基于场景预判交叉营销可能性 5.2 用技术将用户行为数据转化为可解释的消费意图图谱，使需求预测从统计学相关迈入因果推理阶段（这个在探索，提高准确性，可以用美团进行分享） 二、智能推荐 案例1:美团 问题一：新品、长尾品利用LLM实现推荐 问题二：利用多层卷积根据兴趣和行为推荐，实现业务增量，回答给谁在什么时间推荐什么产品长期价值最大 说明：技术不是关键，对用户的洞察力和理解力是关键，我们会选型即可，这个建议用互联网案例，还是互联网做的好，底层逻辑是一致的 案例2:小红书+知识图谱增加访问深度 二、智能客服搭建（最推荐） 1.传统智能客服VS大模型智能客服 2.行业智能客服的分类 3.智能客服的产品架构 4.蚂蚁智能客服的考核指标 案例：蚂蚁/招行的智能客服对两大难点进行说明 从0到1的产品设计：MVP、业务需求、核心流程设计、产品架构设计 从1到10重点讲解提高准确率提升20%的方法 影响准确率的关键要素（知识库、向量、LLM、提示词） 核心是数据的准确度以及对应的解决方案（重排、知识库自动对话-语义理解（每个人如何表达不一样，如何匹配到更准确的知识，上下文语义的修订、定期对其总结、模型微调来限定业务场景、答案供给） 幻觉的处理办法（只讲产品相关，如果需要了解技术方面的可以简单提，方便定位问题，产品的解决方案为明确能力边界、实时反馈与标注、用户纠错机制、用户交互机制、阙值控制、业务流程优化） 1到100AI重点解决问题 留存低（过于工具化，从被动到主动、人格化、触达场景单一） 蚂蚁以及智能客服做的不足的地方以及后续可能的优化方案 胜负手：人设（互联网大厂人设建立） 四、通义点金的智能投研 1.行业上智能投研的三种自然语言交互方式（实现方式、核心工作、实现成本、可拓展实现难度和产品体验） 2.产品与业务视角如何理解智能投研：决策路径 2.1基于Agent的能力解决的三个问题 2.2带来的三个增量价值 2.3三个问题风险 3.通义点金选择金融落地领域的评判标准 4.通义点金的规划和展望 五、以平安银行chatBI或者互联网大厂为案例进行讲解 1.AI对BI的增量价值：用户视角、技术视角 2.ChatBI阶段建设目标 3.平安银行或者互联网大厂的Chat BI的业务架构 4.互联网从业务架构到产品架构：实现病药效的智能化解决方案 5.行业落地的两种做法 6.不同阶段落地的难点 6.1 第一阶段两大难点夯实基础-数据体系构建+任务拆解实现对话式BI、快速洞察面临的挑战：高准确取数分析场景落地难 6.2 第二阶段三大问题以及对应解决方案 （1）幻觉问题 （2）归因准确性问题 （3）权限问题 6.3 第三阶段培养用户习惯 五、智能陪练赋能销售 1.1做智能陪练的四大背景 1.2智能陪练取得的关键结果 1.3智能陪练落地 1.数据处理-对练内容：从0到1搭建，1到10，10到100的处理 2.模型产品设计 3.产品结构图 4.落地难点以及解决方案（如何让培训更高效、对话练习更智能、培训场景推广） 5.产品更多场景推广覆盖 6.未来规划 五、案例：长沙银行智能问答助手迭代，比传统机器人高出43.4% 1.为什么要做问答助手 2.问答助手落地关键难点 关键策略一：金融知识能力 关键策略二：场景主动服务 关键策略三：复杂问题的处理能力-个性化产品推荐和比较 关键策略四：问答准确率提升 3.智能助手达到智能化的标准 六、知识库搭建/智能问答 1.知识库搭建的六大必要性 2.为什么用RAG的方式做知识库 3.传统知识库现状 4.AI赋能知识管理 5.企业知识库建设方法论 6.产品架构 7.企业知识库建设三阶段 案例：xx助手精确率如何做到90% 落地难点：大模型幻觉以及对应的处理策略 七、AI+CRM 八、智能投放 一、传统投放VSAI智能化投放 二、智能化投放实现的三阶段 2.1 AI作为辅助的智能助手，再细分三阶段（传音的阶段） 2.2 AI agent 2.3 Multi-agent 三、AI智能化投放落地的四个阶段，实现成本降低50%，效果提升30%的项目落地实操 2.1 第一阶段：数据线上化（渠道管理、用户资产管理、财务管理和系统管理）和数据模块搭建-传音已经完成了该阶段，不讲，但会说这阶段未满足的需求 2.2 第二阶段：厂商AI赋能全链路素材生产：实现规模化到智能化，CTR平均提升25%，CVR提升61% （1）AI赋能业务的增量价值（规模、时效性、创新性），提高ROI （2）AI赋能素材规模化管理，实现素材生产-素材管理-素材推送，素材投放-素材分析最后反哺素材生产的全流程，重点讲最核心的素材生产（核心）：解决不同业务、不同渠道、不同国图片和视频形态不一致，解法是将素材结构成素材元池，结构完成后，每个素材都有对应的标签体系，将素材库中的元素和投放策略引擎（人群*场景）进行合成，形成想要的素材 亮点1（最前沿的）:利用白盒/黑盒打分法讲玄学的素材设计变为基于素材标签进行修改，稳定的获取爆款素材 亮点2:利用AI沉淀爆款模型，AI作为辅助 亮点三：AI质检，进行文化元素检查：痛点+本地符号+情感共鸣 （3）AI赋能人群策略 亮点一：利用AI建模找到找到营销敏感人群 亮点二：利用AI赋能增量人群洞察 2.3 第三阶段：智能化投放，提高ROI 亮点1：利用AI建立用价值模型进行智能化出价 亮点2:AI智能预算，实现成本最低效果最好，不同渠道投XX预算 亮点3:AIAI赋能多渠道组合投放（一样的钱投放多少次，效果最好） 亮点4:利用AI进行CTR、CVR预测 亮点5：利用AI进行素材智能化投放（优质素材加量、劣质素材下线 共创：现在的AI产品如何迭代优化（20min练习+10min展示） |
|
模块一：业务实战：AI效果评估 引：通过互动暖场以及看下大家对线上课AI的掌握情况以及对AI市场的敏感度 1.用户分群、推荐、销量预测用的是回归、分类还是聚类 2.大家看到哪些新的AI交互，提高了产品设计能力或者体验的创新 一AI时代和传统价值评估的不同 二、AI时代指标评估体系 1.AI对业务价值增量的短、中和长期指标预估（量化） 2.AI业务北极星指标制定的三原则以及误区 3.AI业务指标监控体系：衡量落地策略的好坏 3.1任务类指标体系 3.2对话类指标体系 4.基于指标优化数据 4.1异常分析的三个维度 4.2对话分析的三个维度 5.AI成本计算方式 共创：基于自己负责的业务场景，完成两个任务，一是短、中和长期指标评估，二是指标评估体系（20min练习+10min展示） |
|
模块二：AI产品设计迭代优化 一、新的需求挖掘 1.1 工具:利用AI客户旅途找到新的AI机会点 案例：智能客服 案例：网商银行AI需求挖掘 1.2 竞品 1.3 AI调研的四象限方法论 案例：美团生活服务 2.竞品分析 案例：AI PPT在红海中杀出重围，成为全球总榜第2 案例：智能客服 二、需求分析与决策 1.方法论：值得不值得用AI做的判断的四象限判断法 2.工具：AI技术能力和业务问题交集 3.AI找寻的三原则 4.大模型技术选型 5.业务需求-产品需求的分类（初、值得不值得AI做、用哪种AI方式做？小模型、回归、聚类？哪种大模型选型） 案例：智能客服 6.互动产出：伪AI需求识别清单 三、需求排序 1.工具:需求排序——KANO模型（基于竞争） 2.需求价值量化（技术成本、业务收益、AI渗透率等维度进行成功率量化、AI和传统产品经理需求评估的异同、短、中和长期收益评估） 案例：通义千问金融行业优先级排序 3ROI计算器（含算力/标注/模型本身大小+梯度+优化器+激活） 四、产品方案设计 案例：智能客服、知识库准率率提升的产品、设计和工程手段 |
|
模块三：AI产品设计落地：AI驱动下的用户体验创新实战 一、 AI技术革新引领设计新范式：DO+Chat不断拓展人机交互带宽 1. 蚂蚁AI体验设计框架RICH 2.基于微软和互联网大厂总结的AI赋能用户体验的设计挑战 案例：蚂蚁 3.蚂蚁总结的CUI和GUI应用场景以及优缺点 3. AI体验未来的四大发展前景 二、行业最新体验评估指标：CAIR 1.如何提高用户对AI结果的信心 方法论：大厂总结的解释时机+解释内容+交互形式 【独家总结】可解释与信任构建的三种交互方式 2.提高成功的价值 3.错误的成本 4.纠正难度 案例：金融行业或者你所在的行业基于CAIR进行优化 5.体验指标优化五大原则 四、 三、AI未来在产品设计和体验的展望 共创：现在的AI产品体验优化的点（20min练习+10min展示） |
|
模块四：AI产品设计落地：GTM商业化、构建AI生态位 一、商业模式创新 1.AI商业模式较互联网的变化：从注意力经济变为意图经济，从链接到实现 2.意图经济和注意力经济的不同 案例：快手是如何抓住意图经济，做好全链路AI商业化布局 3.全球AI市场规模与增长预测 案例：AI PPT如何基于AI市场机会占领自己 二、AI时代新的商业模式以及应用 1.按次收费 2.按工作流收费 3.按成功收费 4.按agent收费 三、从三方面理解AI的商业模式 1.资源：独特的资源、数据、行业Know-how 1.1理解构建壁垒的资源分类 1.2评估商业模式资源的2个步骤和5个标准 1.3评估资源、价值和价值交换的关系 【互动思考】你们企业商业模式的资源禀赋是什么 2.AI时代的价值创新（以AI PPT为例结合方法论讲解） 2.1误区：要创造新的需求，而不是停留在产效率的提高 2.2AI时代的核心价值：如何用AI重构核心竞争力 （1）AI的能力带来的核心价值 （2）AI不能做什么 （3）AI带来新交付方式新增量的机会 （4）构建AI生态位的两种类型 案例1:同程加入AI生态圈和厂商、腾讯等合作 案例2:荣耀生态构建三阶段（资本市场对纯硬件的公司估值不友好，传音18倍，小米市盈率46倍） 案例3：夸克打造流量超级入口，定位AI超级框 2.3价值识别：发现商业价值（重点讲，结合案例讲方法论与实操关键经验，发现AI商业模式创新机会点） （1）价值识别框架（行业宏观机会、友商对标、用户行为→AI优化→体验提升→更多用户/数据→新变现场景） 案例：美团价值识别的方法论以及AI商业模式创新 案例：从AIGC应用市场的千亿规模细分占比，构建自己生态位 案例：拼多多Temu AI比价（核价）系统，为什么做，对业务的增量价值（内部独家，外部公开信息差不到） 总结1：国内外生态对比、国内典型的6种生态模式 总结2: 选对赛道要思考的6个问题 （2）AI独有的穿越技术表象的价值识别框架：生态嵌入平衡度 案例：快手如何将供应链、商家、广告主、服务商等多角色形成相互赋能、持续优化的商业系统 （3）识别核心价值的三大维度（战略定位、财务健康、组织韧性） （4）AI时代下价值的迁移：评估价值维度的变化（从信息-数字化-数智化、短期和长期、宏观和微观、AI能力评分卡） （5）价值公式=技术势能*场景密度/替换成本 （6）AI价值构建的三大问题思考（如何用AI重构行业利润分配？如何让用户成为数据/模型进化的参与者？如何设计「越用越聪明，越用越难离开」的生态？ （7）AI+、+AI各自的优劣势 3.价值交换 3.1AI商业模式图谱：B、C和底层大模型的商业模式以及优秀案例 3.2不同商业模式类型适用的场景以及优缺点（毛利率、客单价、竞争壁垒、可规模化、匹配产品阶段、性质、用户接受度） 案例1:订阅制+场景化的创新，商汤营销视频生成GMV增长94% 案例2:百度文新一言混合制（调用量+促成交易双模式），实现留存和收入双增长 案例3: Kimi的打赏制（订阅模式新的创新） 案例4:Ahalab打破Saas传统收费模式，按效果付费（也会分享未来效果付费+订阅的机制） 案例5：C.AI在订阅模式基础上新增游戏变现 其他：国外垂类案例，根据交付行业选取 举一反三总结：To B、To C以及软硬结合的收费模式以及成功关键 4.商业模式落地成功的4大经验分享：如何赢 共创：基于AI时代创新价值、价值识别框架和价值交换模式，设计你的AI商业模式（20min演示+10min展示） 四、从商业模式构建到落地三阶段的思维框架 1.阶段一：TPF（技术产品适配） 案例：技术和产品适配模型 2.阶段二：PMF（产品市场适配） 案例：PMF评估维度 3.阶段三：GTM（产品商业化） 案例：以字节智能投放为例进行三阶段讲解，重点讲商业化的飞轮 五、定价体系：决定收入上限 1.定价CVA模型，确定价格上、下限 2.基于竞品灵活调整价格 3.定价的维度 4.定价的五大战术 5.定价如何人群差异化定价 案例1：Jasper基于用户价值定价 案例2:以下是对《AI商业模式创新：AI革命下的价值迁移》课程的价值提炼： 6.做好定价价格感知，是胜负关键手 案例：Manus的积分 六、AI最佳商业模式案例对标（工具、企业软件、AIGC、电商案例）（2H） 案例1:LibLib在文生图蓝海且没有技术壁垒的情况下，收入做成国内第一，成功的关键是找到一个小到能让AI产生10倍效率，改变原有工作流即-编辑功能做深以及AIGC视频类商业化格局分析 总结：做好AI商业化的核心原则 案例2:芒果TV、腾讯等虚拟陪伴场景 案例3：快手整体AI商业全链路、生态布局 案例4:Manus 案例5:工具类AI PPT（全球第二）、WPS等工具类定价 案例6:“三国杀”阿里-夸克、腾讯-元宝、字节-豆包的商业化、产品差异 案例7:零售消费的商业化创新，Stitch Fix，留存比传统电商高三倍 案例8:AI CRM |
|
模块五：业务实战：AI产品设计 一、以美团或者银行行业为案例讲解AI在用户画像的应用的三大场景 1.基础画像 案例：美团如何基于行为分析，提高交叉转化预测的准确度，以最新优化的S级项目，神会员进行讲解 2.业务画像 案例：美团基于不同的用户群体标签进行精细化运营以及场景推荐 3.策略画像 案例1：不同活动敏感人群，发放权益后ARPPU提升 案例2:在特定类目，特定购买时间的高复购倾向人群（讲解核心是AI和用户洞察相结合，AI是下限，洞察是上限） 案例3:美团利用AI能力实现人群*品类*商品*权益*留存策略从千人千面到一人千面（拼多多也在做） 案例4:美团通过AI能力为预测用户未来的行为 案例5:美团利用AI新技术，集合用户画像实现push突破，团队几乎尝试了所有能想到的Push策略——差异化文案、个性化推荐、定时触发、行为触发等，每天的配额都会按时发完。然而，用户的疲劳度越来越明显，点击率持续下滑 4.用户画像的基础：标签质量提升的办法以及评估纬度 案例：美团 5.大厂在画像未来的展望 5.1在传统时代人为用付费能力、品类偏好、年龄性别等标签划分用户群体，会回归按人性的方式（在1.1美团即时零售业务会讲），不是同类推荐，而是基于场景预判交叉营销可能性 5.2 用技术将用户行为数据转化为可解释的消费意图图谱，使需求预测从统计学相关迈入因果推理阶段（这个在探索，提高准确性，可以用美团进行分享） 二、智能推荐 案例1:美团 问题一：新品、长尾品利用LLM实现推荐 问题二：利用多层卷积根据兴趣和行为推荐，实现业务增量，回答给谁在什么时间推荐什么产品长期价值最大 说明：技术不是关键，对用户的洞察力和理解力是关键，我们会选型即可，这个建议用互联网案例，还是互联网做的好，底层逻辑是一致的 案例2:小红书+知识图谱增加访问深度 二、智能客服搭建（最推荐） 1.传统智能客服VS大模型智能客服 2.行业智能客服的分类 3.智能客服的产品架构 4.蚂蚁智能客服的考核指标 案例：蚂蚁/招行的智能客服对两大难点进行说明 从0到1的产品设计：MVP、业务需求、核心流程设计、产品架构设计 从1到10重点讲解提高准确率提升20%的方法 影响准确率的关键要素（知识库、向量、LLM、提示词） 核心是数据的准确度以及对应的解决方案（重排、知识库自动对话-语义理解（每个人如何表达不一样，如何匹配到更准确的知识，上下文语义的修订、定期对其总结、模型微调来限定业务场景、答案供给） 幻觉的处理办法（只讲产品相关，如果需要了解技术方面的可以简单提，方便定位问题，产品的解决方案为明确能力边界、实时反馈与标注、用户纠错机制、用户交互机制、阙值控制、业务流程优化） 1到100AI重点解决问题 留存低（过于工具化，从被动到主动、人格化、触达场景单一） 蚂蚁以及智能客服做的不足的地方以及后续可能的优化方案 胜负手：人设（互联网大厂人设建立） 四、通义点金的智能投研 1.行业上智能投研的三种自然语言交互方式（实现方式、核心工作、实现成本、可拓展实现难度和产品体验） 2.产品与业务视角如何理解智能投研：决策路径 2.1基于Agent的能力解决的三个问题 2.2带来的三个增量价值 2.3三个问题风险 3.通义点金选择金融落地领域的评判标准 4.通义点金的规划和展望 五、以平安银行chatBI或者互联网大厂为案例进行讲解 1.AI对BI的增量价值：用户视角、技术视角 2.ChatBI阶段建设目标 3.平安银行或者互联网大厂的Chat BI的业务架构 4.互联网从业务架构到产品架构：实现病药效的智能化解决方案 5.行业落地的两种做法 6.不同阶段落地的难点 6.1 第一阶段两大难点夯实基础-数据体系构建+任务拆解实现对话式BI、快速洞察面临的挑战：高准确取数分析场景落地难 6.2 第二阶段三大问题以及对应解决方案 （1）幻觉问题 （2）归因准确性问题 （3）权限问题 6.3 第三阶段培养用户习惯 五、智能陪练赋能销售 1.1做智能陪练的四大背景 1.2智能陪练取得的关键结果 1.3智能陪练落地 1.数据处理-对练内容：从0到1搭建，1到10，10到100的处理 2.模型产品设计 3.产品结构图 4.落地难点以及解决方案（如何让培训更高效、对话练习更智能、培训场景推广） 5.产品更多场景推广覆盖 6.未来规划 五、案例：长沙银行智能问答助手迭代，比传统机器人高出43.4% 1.为什么要做问答助手 2.问答助手落地关键难点 关键策略一：金融知识能力 关键策略二：场景主动服务 关键策略三：复杂问题的处理能力-个性化产品推荐和比较 关键策略四：问答准确率提升 3.智能助手达到智能化的标准 六、知识库搭建/智能问答 1.知识库搭建的六大必要性 2.为什么用RAG的方式做知识库 3.传统知识库现状 4.AI赋能知识管理 5.企业知识库建设方法论 6.产品架构 7.企业知识库建设三阶段 案例：xx助手精确率如何做到90% 落地难点：大模型幻觉以及对应的处理策略 七、AI+CRM 八、智能投放 一、传统投放VSAI智能化投放 二、智能化投放实现的三阶段 2.1 AI作为辅助的智能助手，再细分三阶段（传音的阶段） 2.2 AI agent 2.3 Multi-agent 三、AI智能化投放落地的四个阶段，实现成本降低50%，效果提升30%的项目落地实操 2.1 第一阶段：数据线上化（渠道管理、用户资产管理、财务管理和系统管理）和数据模块搭建-传音已经完成了该阶段，不讲，但会说这阶段未满足的需求 2.2 第二阶段：厂商AI赋能全链路素材生产：实现规模化到智能化，CTR平均提升25%，CVR提升61% （1）AI赋能业务的增量价值（规模、时效性、创新性），提高ROI （2）AI赋能素材规模化管理，实现素材生产-素材管理-素材推送，素材投放-素材分析最后反哺素材生产的全流程，重点讲最核心的素材生产（核心）：解决不同业务、不同渠道、不同国图片和视频形态不一致，解法是将素材结构成素材元池，结构完成后，每个素材都有对应的标签体系，将素材库中的元素和投放策略引擎（人群*场景）进行合成，形成想要的素材 亮点1（最前沿的）:利用白盒/黑盒打分法讲玄学的素材设计变为基于素材标签进行修改，稳定的获取爆款素材 亮点2:利用AI沉淀爆款模型，AI作为辅助 亮点三：AI质检，进行文化元素检查：痛点+本地符号+情感共鸣 （3）AI赋能人群策略 亮点一：利用AI建模找到找到营销敏感人群 亮点二：利用AI赋能增量人群洞察 2.3 第三阶段：智能化投放，提高ROI 亮点1：利用AI建立用价值模型进行智能化出价 亮点2:AI智能预算，实现成本最低效果最好，不同渠道投XX预算 亮点3:AIAI赋能多渠道组合投放（一样的钱投放多少次，效果最好） 亮点4:利用AI进行CTR、CVR预测 亮点5：利用AI进行素材智能化投放（优质素材加量、劣质素材下线 共创：现在的AI产品如何迭代优化（20min练习+10min展示） |
近期公开课推荐
