产品经理的AI实践：从需求到上线的落地拆解
过去一年，AI工具已经渗透到产品工作的各个环节。我身边不少产品经理开始用ChatGPT写文档、用Midjourney出原型，但真正用好的并不多。这里记录一下我摸索出来的实际用法，覆盖需求分析、原型设计、任务拆解、测试和上线监控几个关键环节。
需求：让AI帮你翻评论，而不是拍脑袋
传统需求调研靠问卷和访谈，样本量有限，还容易被带偏。我用得比较多的方法是：拿应用商店评论、客服聊天记录这些非结构化数据喂给GPT，让它提炼高频需求，再用KANO模型排优先级。
比如下面这段Python脚本，读取App的评论csv，批量调用OpenAI接口做分析：
import openai
import pandas as pd
openai.api_key = "你的 API 密钥"
def analyze_review(review):
prompt = f"""
请分析以下应用商店评论，提取核心需求点，并按 KANO 模型分类：
评论内容：{review}
输出格式：
- 核心需求：[具体需求描述]
- KANO 分类：[基础型/期望型/兴奋型/无差异型]
- 优先级：[高/中/低]
"""
response = openai.ChatCompletion.create(
model="gpt-4",
messages=[{"role": "user", "content": prompt}]
)
return response.choices.message.content
reviews_df = pd.read_csv("app_reviews.csv")
reviews_df["需求分析"] = reviews_df["评论内容"].apply(analyze_review)
reviews_df.to_csv("需求分析结果.csv", index=False)
跑完能得到一张带优先级的表格，比对着Excel一行行读快多了。不过要注意两点：一是API花销，几千条评论成本不低；二是分类结果要人工抽检，AI偶尔会把无关评论误判为高优需求。
拿到需求点之后，写PRD一直是苦力活。现在我直接用GPT生成初版，把提炼好的需求列表扔进去，指定格式和必须包含的模块（背景、功能描述、业务规则、验收标准），几分钟就能出一份能用的文档。比如：
- 输入：'生成一个AI智能客服功能的PRD，基于以下需求点...'
- 输出是一个Markdown文档，结构像这样：
需求文档：AI 智能客服功能
1. 需求背景
用户咨询响应时长超过行业均值 20%，人工客服成本占运营成本 35%
2. 功能描述
- 自动回复常见问题，准确率≥90%
- 无法解答的问题自动转人工客服
3. 业务规则
- 仅处理工作时间（9:00-21:00）的用户咨询
- 敏感问题直接触发人工审核流程
初稿肯定要改，但框架和大部分描述是能用的，能省下至少半天时间。
原型与体验：别学设计工具了，用嘴画就行
产品经理不一定要精通Figma，现在用自然语言描述界面，AI就能生成可交互原型。我用过MidJourney搭配Figma的AI插件，告诉它'生成一个电商APP的商品详情页原型，包含商品图片、价格、加入购物车按钮、用户评价模块，符合Material Design规范，点击加入购物车弹确认框'，几分钟就出了一个高保真原型，还附带前端代码。当然，直接用于生产还不行，但评审和演示完全够用。
