AI 产品经理工作流程详解
一、AI 产品经理工作全流程概览
AI 产品经理的工作流程与普通产品经理的主要区别在于增加了算法模型部分，包括模型预研、数据准备、模型构建、模型宣讲、模型验收等环节。协作对象除了常规的开发、测试外，还多了算法工程师。
二、需求定义
需求定义阶段需要明确以下几点：
- 做什么？
- 为什么要做，有什么收益和价值？
- 业务预期目标、上线期限？
1. 项目背景
以开发一套筛选薅羊毛用户的产品为例。团队发现负责的项目数据统计存在异常，细查后发现存在夜间偷数据的情况。大致行为路径如下：
- 淘宝购买一批手机号，注册新账号。
- 通过自动薅羊毛方式（新手礼包、每日签到、周任务等），获取免费券等资源。
- 夜深人静时，使用免费券或积分批量下载数据。
为彻底堵住这个缺口，决定开发一套筛选薅羊毛用户的产品。
2. 做什么？
开发一套筛选薅羊毛用户的产品。具体设计思路如下：
- 在领取新手礼包或周任务奖励时，要求用户绑定手机号（简单卡一下，以免影响正常用户体验）。
- 在使用券进行下载操作时，判断是薅羊毛用户的概率，并根据概率高低分为'正常'、'疑似'、'高危'三类。
- 针对'疑似'用户，触发极验或验证码校验逻辑；针对高危用户，锁定账号，并在激活时要求绑定微信，避免再出现大量偷数据的情况。
3. 收益与价值
减少公司活动福利被薅羊毛，让福利触达给有效用户。
4. 业务预期目标与上线期限
- 模式：离线/实时模式。支持实时判断，定义为实时模型。
- 覆盖率：期望该模型的覆盖率为 100%，面向所有用户。
- 倾向：尽可能找出所有羊毛党，追求高'召回率'，可接受一定程度的误报。宁可错杀一千，不可放过一个。
- 上线期限：双十一前上线，离现在还有半年时间。
三、模型预研
AI 产品经理将需求同步给算法工程师，算法工程师需判断目前积累的数据和沉淀的算法是否可以达到业务需求。
- 如果现有数据不满足需求，要么增加埋点补齐数据，要么想办法获取目标数据，要么替换成其他类似数据。
- 如果算法支持度不够，可能需要调整需求内容，以便达到更适配的效果。以该项目为例，实时模式可能会对原业务的响应速度有一定影响，所以最后调整为离线模型，每天定时处理前一天的用户数据。
四、数据准备
对于算法同学而言，他只能根据现有的数据分析哪些特征对于模型有用。但是，AI 产品经理对业务理解更深，通过判断哪些数据、哪些特征对模型提升有帮助，把自己想到的要点和技术沟通，得到更完善的数据集，再动手去获取数据。
例如该用户是否主要在夜间活动？操作频率是否过高？短时间内同一台终端是否登录过多个用户？用户是否触发过新手引导？尽可能准确地找到羊毛党用户的特征，对模型质量的提升会有极大的帮助。
获取数据时，主要分为以下三类（有时也可与其他公司联合建模）：
1. 内部业务数据
如果以前业务有相关数据，那么我们可以从以前业务保留的数据中选取使用；如果当前没有相关数据，而我们有相关业务可以获得数据，我们通过增加埋点的方式将数据留存。
2. 跨部门数据
其他部门数据或统一的中台数据，这些数据需要我们根据公司的数据管理规范流程提取，在数据提取的时候注意筛选有效数据。
3. 外采数据
根据我们的需求向外部公司购买数据。我们需要了解市场上不同公司都可以提供什么数据，比如：极光、友盟提供的是开发者服务，所以他们可以提供一些和 App 相关的用户画像，比如运营商可以提供上网流量、话费等相关数据。
进行外采数据需要注意两点：外采公司的资质审核、采集数据的合法性（需要考虑数据安全和消费者隐私保护）。
五、模型构建
模型构建的具体流程如下：
1. 模型设计
模型设计阶段，我们需要考虑该选择什么样的算法，目标变量应该怎么设置、数据源应该有哪些、数据样本如何获取，是随机抽取还是分层抽样。
