AI产品经理训练营

大模型前沿应用实践 / 2025-07-09 17:34:35
AI产品经理训练营
    马上咨询

    课程收益

    • 体系完整：从夯实基础-场景应用-思维提升。夯实基础是指了解人工智能关键领域的关键技术，如深度学习，计算机视觉CV、自然语义处理NLP等；场景应用是以真实项目了解AI项目落地中的流程和难点。思维提升是指了解AI产品经理需要的能力模型、
    • AI能力模型：了解传统产品经理和AI产品的能力模型差距。
    • 理论联系实际：海纳AI智能化需求拆解、功能设计和迭代方向
             业务诊断：通过AI评估指标了解当前重点优化方向。
    • 学习行业优秀案例：剖析不同行业优秀的AI案例背后的底层逻辑、思维方式，采用教练式的方式引导学员进行迁移。


    课程大纲

    一、AI基础认知和人才模型

    • 深刻理解AI-为什么被称为百年新机遇
    • AI产业分层
    • AI产品经理能力核心能力和不同职级
    • AI产品经理能力和传统产品经理的区别（功能为中心VS角色为中心）
    • AI产品经理工作职责和工作能力
    • AI产品经理掌握的技术基础知识和应用场景
    • 人工智能三大基础：数据、算法、算力
    • AI的能力边界（核心）以及如何了解到AI的边界
    二、0-1 AI项目实操基础
    • 立项机制：从0到1做个B端AI产品的思考框架
    • AI产品经理工作流程
      • 步骤一：业务需求分析底层逻辑
        • 工具1-供需关系
          • 案例：美团/滴滴
          • 启示：自己业务供需的思考
        • 工具2-利益相关人地图
          • 案例：SAAS相关人地图应用
        • 工具3-客户旅途
          • 案例：美团
        • 工具4-竞品分析画布
          • 竞品分析目的
          • STP分析工具
            • 案例：AI PPT
            • STP理论-目标市场量化评估：五层三面
            • 案例：美团猫眼数字化
          • 4P：价格>产品>渠道>营销
          • 竞品分析报告和AI赋能竞品分析报告（含语句）
          • 工具5:客户旅途BJ Fogg模型（机会点-需求）
            • 总结：B端分层客群痛点
          • 工具6:丰田5W2H描述需求
            • 案例：差旅Chatbot
          • 组织流程-美团的架构
        • 步骤二：业务需求-AI产品需求：如何从0到1挖掘AI需求
          • 工具：AI技术能力和业务问题交集
          • AI找寻的三原则
          • 值得用大模型还是规则做的四像限判断法
            • 案例（趣味性）：猫和狗的识别
        • 步骤三：需求排序
          • 工具1:四象限
          • 工具2:需求排序——KANO模型
        • 步骤四：PRD怎么写
          • 数据收集-模型设计-特征工程-模型训练-模型验证-模型融合
          • 基于不同阶段数据收集的方法
          • 模型设计三个步骤：定义模型目标变量、明确训练数据源、明确样本抽取规则
          • 特征工程
          • 案例：58 B端业务灵犀模型构建以及应用场景
          • 流程设计误区
          • 信息结构图
          • 泳道图
          • 数据结构图
          • 模型评估指标（统计性、性能和稳定性）和模型应用指标（对话内容和对话内容分析）
    三、美团实践案例+工作坊
    • 基于教具从0到1做数智化转型赋能
    四、58案例（1小时）
    • 58AI智能陪练：赋能蓝领销售成长
      • 背景：
        • 宏观上：58的业务从第一曲线信息分发-第二曲线产业化（交易业务），再到智能化，背后的思考
        • 微观上：
        • 岗位稳定性差
        • 效果难追踪
        • 培训成本高
        • 更新迭代慢
      • 具体做法（基于学-练-考-评）
        • 底层：灵犀大模型（对练任务设定、话术内容生成、智能实景对练、对练评估改进、培训效果监控）
        • 应用层：产品功能架构和基于用户洞察的产品优势设定
        • 练：专属对练工具设计（基于大模型对练任务的高效配置的流程图，难点是如何让培训更高效，对话式练习如何更智能）
        • 评：基于NLP评估模、大模型评估模型、业务规范模型等自定义组合的能力评估体系以及培训效果追求
      • 如何推广（业务选择背后的思考）
        • 落地场景一：销售新人训练
        • 落地场景二：客服场景
        • 落地场景三：销售场景推广上线
      • 后续迭代思考
        • 方向一：对练环节引入情绪数据
        • 方向二：大模型陪练（模型自主学习、陪练任务生成、1vs1实战演练、练后反馈）
        • 方向三：企业智能化培训策略
    四：海纳实践案例（2小时）
    • 海纳最佳实践案例对标（结合工作坊互动，大家需求提高的地方重点说明）
      • why：
        • 基于行业：先做蓝领再做白领，蓝领4.5亿/每4个月跳1次，白领 3.5亿/每年跳一次，校招2000万/每人面10次
        • 基于用户全流程看：核心两大问题，第一，服务碎片化；第二，人效极低。追索到最后，关键原因是，人才和岗位作为行业最基本的单元并没有被很好地结构化量化，进而标准化，导致人才的培养和流动的每个环节都只能依靠不同人的主观判断，没办法做大规模高效精准处理
      • What：前期是模型准确度（专家和AI自动评估）和信效度、后期是复购
      • how：
        • 第一阶段：MVP验证，分析重点做的方向-蓝领，先切入的行业以及岗位人才模型的构建（核心）
        • 第二阶段：深入单点业务场景，打造行业标杆确定定价体系，顺丰
        • 第三阶段：效率提升
        • 难点：
          • 人力资源行业，行业拆解成300多个细分环节，其中，招聘拆了37个环节，如何从37个环节中做价值最大的事情
          • 让客户信任AI的结果，信任和支持度
          • 把场景做透，如何做得更准
          • 蓝领复杂度高
          • AI的局限性
        • 取得关键结果
        • 总部直聘，统一标准：AI准去度95%，绩效好、留存长
        • 全程自动化，可7*24小时自动邀约/自动面试/自动评估，同时面10万人，优质人员到岗快
        • 提高优质人才到面率，从40%-90%，人才体验号，不需到现场排队等
        • HR效率提升80%，重复面试&评判交给AI自动完成，HR做更多高价值的事情
        • 视频化人才库：积累视频化、结构化人才，便于人才盘点，人次库激活
        • 用工需求识别：基于视频号人才库盘点人才进行用户识别，解析JD等关键词，优化用工识别模型


    最新动态

    点击阅读更多内容
    返回顶部