人工智能產品的需求
在產品經理這個職位中，需求永遠是被提到的最多的一個詞。
需求管理、需求定義、需求確認、需求跟蹤等與需求相關的職責都是公司對產品經理的基本要求。
互聯網時代，電商平臺是重構了人與貨物之間的的關係；社交平臺是重構了人與人之間的關係。側重點都是重構生產要素之間的關係。
人工智能時代的產品，本質上式全面優化和提升上述所有場景中的現有技術手段，實現用戶的體驗升級和解決方案的效率升級。
下面我們從功能需求和非功能需求兩個方面來探討人工智能產品需求分析的工作流程和設計思路。
1、重新定義需求分析
人工智能技術爲產品設計和需求定義提供了新的思路和邏輯。
1）簡化產品邏輯。如，語音輸入，人臉識別開機等。
2）從用戶側考慮投入產出比。人工智能產品的架構複雜，導致研發成本高昂，對於需求的商業價值需要產品經理有很好的判斷力。現實中應該抓住用戶的痛點作爲切入點，使價值容易變現。
3）算法複雜，難以很快獲得用戶信任。需要向客戶快速證明算法的有效性和準確性，在產品改良過程中應準建的替換。
4）傳感器的發展產生了多元交互行爲。例如，無人駕駛產品中，傳感器、高精度地圖、高級輔助駕駛系統、車聯網的組合。
5）產品的需求沒有確定的因果關係。例如，谷歌的關鍵詞競價廣告，Google Adwords，產品經理不需要告訴工程師哪一個用戶需要什麼樣的廣告，只需要給廣告客戶提供後臺推廣的喜好配置以及推廣效果的管理，用戶的頁面效果由算法模型計算得出，即搜索得到的頁面都是基於商家偏好設置和用戶精準匹配算法實現的個性化頁面。
6）產品經理應充分了解目前技術水平和資源的侷限性，避免研發難以實現的需求。
1.1、從宏觀和微觀兩個角度定義功能性需求
功能性需求的一般定義是一個系統或它的組成部分爲了達到某種目的必須提供的行爲或服務。是產品設計的第一步。
產品經理可以從宏觀和微觀兩個角度展開功能性需求的定義。
1）宏觀：產品經理首先應該對公司的整體產品架構有清晰的認識，在公司戰略目標的基礎上定義需求的優先級。
2）微觀：產品經理從宏觀篩選出優先級高的功能後就可以微觀的角度定義該功能的具體描述。儘量給出明確的業務背景和業務目標，並可以把目標量化。
1.2、定義非功能性需求
非功能性需求通常被描述爲一款產品的“質量屬性”、“質量目標”、“非行爲需求”，常常被用來評價一個系統或者軟件的運行、服務情況。
1）安全性：在使用權限和安全策略方面做出相應策略。在數據可得的情況下保證用戶的隱私和安全。
2）可用性：易用、易理解、易操作。良好的用戶體驗。
3）可靠性：在條件、時間、功能三個方面保證系統的穩定運行。
4）性能：相應時間、吞吐量、併發用戶數、資源利用率
5）可支持性：1、可擴展性：在新需求的情況下，系統不需要變更太多，模塊間的耦合度比較低。2、可維護：良好的設計、完善的文檔、嚴格的測試
2、量化需求分析
2.1、爲什麼要量化需求分析
在當下深度學習等算法的發展過程中，產品的展現就像是一個“黑盒”，可解釋性較差。如何把需求量化就是一個重要的問題。
通常情況下，產品經理需要在迭代之前提出量化標準、算法團隊根據被量化的業務目標進行技術可行性預研，得出調研結論後再和產品經理討論。結果可能有三種：
1）評估現有數據資源，發現存在“小數據”或弱標註數據的情況。如果保證上線時間不變，需要在算法精度上進行妥協，需要產品經理進行需求變更。
2）要實現產品經理提出的量化標準，還需要申請更多的資源。
3）基於現有資源，在規定時間內實現量化要求。
產品經理需要利用工程實踐中激勵的量化評估經驗，通過和研發團隊溝通，瞭解技術積累現狀以及算法能力邊界，減少需求變更和申請額外資源的情況。
通俗的講，對於一個產品進行A/B測試，測試後的目標假設是在某一項KPI上面提高了3%，而產品經理設定的量化目標爲2%，那麼說明該功能應該被全面推廣，如果KPI提升小於2%，產品經理應該跟研發人員討論是不是算法有需要調優的地方。這是一種典型的數據驅動決策的案例分析。
2.2、怎麼量化需求
要量化需求，首先要產品經理熟悉產品使用場景，瞭解技術邊界，對產品進行量化定義。
1）明確需求符合產品願景。比如說對自動駕駛劃分等級，產品的願景是實現某一個等級。
2）找準需求場景。在確定了宏觀和微觀目標後，產品經理需要分析每個目標對應的使用場景。目前的人工智能都是在某一個特定的具體任務上表現出應用價值。如果不能把產品願景拆分成具體場景目標，就無法量化需求。
3）定義場景中的可量化標準。當確定了微觀目標並拆分出不同的場景目標，下面就是定義可量化的標準。
1、考慮內部因素。模型數據集訓練出來的數據不同，量化標準不同。
2、考慮外部因素。同一個場景中的不同使用者的量化目標不同。
3、考慮同行業的表現。產品經理的量化標準需要參考國際同行的普遍水平。
4、輸出對模型預測精度的合理期望。如準確率、精確率、召回率。
準確率：預測結果正確的樣本在總預測樣本中的比例。
精確率（P）：在預測爲正的樣本中，真的爲正的樣本比例。（或者預測爲負的樣本中，真正爲負的概率）
召回率（R）：在所有真正爲正的樣本中，預測爲正的樣本比例。（或者在所有真正爲負的樣本中，預測爲負的樣本比例）
F1 Score（精確率和召回率的調和）： 
5、根據具體場景定義算法特殊指標。
產品經理需要從行業的用戶出發，對產品進行合理包裝，產品追求的不是完美，而是商業價值和變現能力，用戶認可和投入產出比是產品經理需要考慮的。