AI技術(shù)正在快速進步，不少人也開始思考是否可以在洶涌的AI浪潮下打造出出色的AI產(chǎn)品。那么，在打造AI產(chǎn)品的過程中可能出現(xiàn)哪些困難？這篇文章里，作者嘗試提供我們一些具體AI產(chǎn)品落地實踐的案例和故事，一起來看看本文的分享。

科技進步的初期往往是混亂且雜亂無章的，宣傳聲勢浩大，實際成效卻微乎其微。首先，某個科技概念下會出現(xiàn)一款代表性的爆款產(chǎn)品，隨后，媒體和相關(guān)行業(yè)人士會大力炒作，以提高社會關(guān)注度，使其成為公眾熱議的話題。當前，各種媒體頻道討論的最多的科技新聞就是以ChatGPT和SORA為代表的生成式AI大語言模型技術(shù)。

大語言模型是否會引發(fā)新的科技革命還不確定，但確實有人已經(jīng)通過它賺到了錢。有人通過出售如何使用AI工具的課程賺錢，例如清華大學(xué)的博士某一舟；也有人靠其他方式賺到了錢。

當然，最常見的是使用AI工具編寫刷屏文章，或者用于自媒體的洗稿。在直播間里，展示一些由AI工具生成的圖片和視頻，與最新的AI技術(shù)產(chǎn)品新聞掛鉤，“AI專家”就可以開始向熱衷學(xué)習(xí)的“小白”銷售課程了。

其實，現(xiàn)在AI大模型技術(shù)的待遇，和前幾年的區(qū)塊鏈和元宇宙所經(jīng)歷的開頭一樣的?；鸨募夹g(shù)和概念產(chǎn)品在被爆炒之后，到底如何落地到更為具體的業(yè)務(wù)領(lǐng)域，給工作和生活帶來實際的影響，還需要時間來檢驗。不可否認，一些工作，例如視覺設(shè)計，電商文案確實受到了直接的沖擊。但是，這種影響是否會延申到其它行業(yè)領(lǐng)域，以及以什么樣的形式來影響，都是還是未知。

做了8年产品经理后，我是这么看产品经理的

我个人是从非常初级的产品经理做起，再到负责一个大产品的项目管理，现在有幸跳出了日常基础的工作更多的去看产品的PMF，product strategy...

查看详情 >

在Gartner在2023年發(fā)布的”AI炒作曲線”，生成式AI和大語言模型前后腳的處在“期望膨脹之巔”的最頂端。接下來都要經(jīng)歷一段幻想的破滅，然后技術(shù)概念的忽悠逐步歸于平淡，返璞歸真，才是真正大規(guī)模實際應(yīng)用的開始。

從科技趨勢來看，生成式AI和大語言模型一定會對互聯(lián)網(wǎng)產(chǎn)品的打造帶來影響，這是不可避免的事實。所以產(chǎn)品經(jīng)理，特別是2B類型的產(chǎn)品經(jīng)理，需要透過表象來正視這項科技。通過學(xué)習(xí)和使用，來體會它對產(chǎn)品的搭建帶來的影響，以及給產(chǎn)品經(jīng)理能力帶來新的要求。

生成式AI在2B產(chǎn)品的現(xiàn)狀

在實際的企業(yè)應(yīng)用層面，基于大語言模型的2B產(chǎn)品并沒有什么成功的落地案例或者爆品的出現(xiàn)。原因之一就是大語言模型本身的局限性。

將業(yè)務(wù)知識整理為訓(xùn)練大型模型的語料是一個巨大的工程，因為很多知識是隱性的，沒有文檔化，文字記錄，而是通過口口相傳或面對面交流的。將這種隱性知識整理成模型可以理解和消化的訓(xùn)練語料是一項重大任務(wù)。

雖然基礎(chǔ)模型在通用事務(wù)和知識應(yīng)用層面的質(zhì)量很好，但在企業(yè)級應(yīng)用和創(chuàng)建新產(chǎn)品時，現(xiàn)實卻很骨感。如果沒有將企業(yè)的業(yè)務(wù)知識有效地轉(zhuǎn)化為模型需要的上下文，那么在日常工作中使用AI進行業(yè)務(wù)處理是無法得到想要的結(jié)果的。

2B產(chǎn)品經(jīng)理是針對企業(yè)的業(yè)務(wù)活動和業(yè)務(wù)痛點來打造產(chǎn)品的。現(xiàn)在的產(chǎn)品開發(fā)過程當中，產(chǎn)品經(jīng)理抽象和匯總了業(yè)務(wù)邏輯，然后提供給研發(fā)人員落實在產(chǎn)品當中。如果產(chǎn)品經(jīng)理需要借助大語言模型來設(shè)計和搭建能夠落地給企業(yè)用戶使用的產(chǎn)品，首先的要求就是AI模型在業(yè)務(wù)知識上的可靠性。

我的失敗產(chǎn)品

做為產(chǎn)品經(jīng)理，我和團隊在公司自研業(yè)務(wù)平臺上，嘗試了各種的AI產(chǎn)品的應(yīng)用場景?？上С晒Φ牧攘葻o幾，可謂廣種薄收。從產(chǎn)品成功的角度來說，確實是乏善可陳。但是從工程的角度來說，我們的一次次失敗，雖然無法告訴我們什么是成功，但是至少告訴我們什么情況下，一些表面看起來十分“正確”和“有價值”的產(chǎn)品是不成功的。

這個系列的撰寫，就是想跳出媒體里那些抽象的焦慮販賣，也打破理解AI底層復(fù)雜原理的知識瓶頸。給日常的普通人，或者正在從事產(chǎn)品經(jīng)理崗位，而不得AI產(chǎn)品法門的朋友們提供一些具體AI 產(chǎn)品落地實踐的案例和故事。

通常來說，大家在做產(chǎn)品的時候，總是偏好于關(guān)注什么是一個成功的產(chǎn)品，或者熱衷于分析某個爆品，想告訴大家什么是對的。但是面對AI 這個新的生產(chǎn)力和技術(shù)來說，它的應(yīng)用還遠遠沒有成熟到可以通過以往的成功來支撐和引導(dǎo)未來的成功產(chǎn)品。

在現(xiàn)階段，最重要的是通過不斷的嘗試來了解和體會，AI 是什么。在這個概念下，AI它不能做什么，它不是什么。只有清楚的了解了這個技術(shù)的邊界和范圍，我們才有可能更加在聚焦的在它可以做的，可以發(fā)揮能量的地方，做出成功的產(chǎn)品。

我把這個系列的文章命名為錯題本的意義就在于此。希望能通過介紹在過往半年當中，我們失敗的產(chǎn)品來給大家一些接地氣的感受。為讀者在未來的AI 產(chǎn)品搭建和實踐當中做出自己成功的產(chǎn)品。

?? Fail Fast, Learn Faster

錯題本的產(chǎn)品清單

1. 產(chǎn)品#1：用戶情緒旅程圖
2. 產(chǎn)品#2：智能工單狀態(tài)提示助手
3. 產(chǎn)品#3：智能語音客服代表

我會按照以上順序，為大家逐個介紹我們的失敗產(chǎn)品。以下為此系列的第一篇。

產(chǎn)品#1：用戶情緒旅程圖

??業(yè)務(wù)系統(tǒng)里，基于AI的產(chǎn)品：用戶情緒旅程圖，從出生到死亡不足2個月。

1. 業(yè)務(wù)痛點

無論你的企業(yè)是售賣產(chǎn)品還是提供服務(wù)，客服/售后都是必不少的業(yè)務(wù)環(huán)節(jié)，例如，家里的電器維修，保險理賠申請，網(wǎng)購?fù)对V等等。通常，企業(yè)都會使用各式客服渠道來接收和管理用戶請求。客服人員在接到用戶訴求信息后，會在企業(yè)的業(yè)務(wù)運營系統(tǒng)里去快速查找相關(guān)的工單記錄，采取相應(yīng)的處理措施。

用招商信諾人壽保險來舉例。當保險客戶需要申請理賠，或者后續(xù)跟蹤理賠進度的時候，用戶可以打開招商信諾提供的APP客戶端，然后在客戶端提供的交互界面里，采用點擊或者文本輸入的方式提供與訴求相關(guān)的信息。

采用類似的方式獲得信息后，一般企業(yè)運營系統(tǒng)將會分類處理：

• 如果是創(chuàng)建服務(wù)工單，系統(tǒng)將依照業(yè)務(wù)流程指定的邏輯來執(zhí)行相關(guān)的功能。 例如，依照客戶對創(chuàng)建服務(wù)工單事項的描述，對應(yīng)的服務(wù)類型被確定，然后系統(tǒng)里預(yù)設(shè)定的業(yè)務(wù)邏輯會判定出此工單的優(yōu)先級。 接著運營人員會操作系統(tǒng)，指派對應(yīng)的責任人，從而依次分發(fā)，按需處理。
• 如果是追蹤服務(wù)工單，系統(tǒng)會記錄下來這次客戶所提供的信息。當運營人員在操作系統(tǒng)處理該工單的時候，會參考相關(guān)的信息。

通過上面的描述，你會覺得整個服務(wù)處理過程已經(jīng)相當結(jié)構(gòu)化，按照運營流程按部就班，很有邏輯性。但是在這樣的系統(tǒng)“理性”邏輯判定運行邏輯的背后，是丟失了為客戶服務(wù)的“感性”部分。

在服務(wù)工單的整個生命周期里，會有不少的“感性”信息交流。無論是在創(chuàng)建工單期間提供的事項描述里，還是后期追蹤進度的行為動作，例如，留言的內(nèi)容，留言的次數(shù)，其它溝通渠道的交互行為等，都是用戶感性情緒的表達。這個維度的信息，是現(xiàn)有運營系統(tǒng)平臺沒有關(guān)注的，也沒有被收集歸納，落實到客服運營活動當中。

而“感性”部分的信息，在很多情況下是會轉(zhuǎn)化服務(wù)工單本身的性質(zhì)，從一個普通服務(wù)工單，變成一個高優(yōu)先級的重要工單。如果處理不當，會極大的影響客戶滿意度，甚至帶來高額的業(yè)務(wù)損失。

例如，暖氣保修的默認SLA為一個48小時的普通服務(wù)工單。但是，在實際保修的案例里，如果在冬天，客戶家中有新生兒或者老年人，急需穩(wěn)定的暖氣供應(yīng)維持日常生活。又或者，在某保險申報案例里，客戶已經(jīng)多次聯(lián)系客服人員處理事項，但是一直沒有解決問題，客戶關(guān)系已經(jīng)十分緊張。這些在服務(wù)事態(tài)里所包含的“感性”信息是沒有被“理性”的系統(tǒng)關(guān)注到，也沒有具體落地的產(chǎn)品功能來支持。

根據(jù)行業(yè)統(tǒng)計，企業(yè)客服運營資源的分布也是遵循 2/8原則，既常規(guī)的客戶服務(wù)與運營只占用了運營團隊的20%的資源；而安撫不滿意的客戶和異常處理所消耗的資源，占到了80%?？刂飘惓?，維持穩(wěn)定運營節(jié)奏是關(guān)鍵的業(yè)務(wù)目標。

為了從更全面的角度來監(jiān)督和管控服務(wù)工單的優(yōu)先級，預(yù)防運營風險，和提供更優(yōu)質(zhì)的服務(wù)，業(yè)務(wù)部門需要引入產(chǎn)品功能來更好的了解和評估工單的“感性”狀態(tài)，做出對應(yīng)的優(yōu)先處理動作，例如，預(yù)先給客戶電話做服務(wù)關(guān)懷，催促服務(wù)人員快速反應(yīng)，調(diào)整工單優(yōu)先級等等。

引入“感性”維度的產(chǎn)品，從而立體而全面的服務(wù)客戶，提高用戶滿意度，維持高效運營，這樣的業(yè)務(wù)痛點和訴求就放在了產(chǎn)品團隊面前。

2. 產(chǎn)品方案

產(chǎn)品方案的設(shè)計思路是來自于產(chǎn)品經(jīng)理常用的設(shè)計工具，用戶旅程地圖。

在服務(wù)工單的整個生命周期里，客戶會在不同階段，使用不同的溝通工具來對服務(wù)工單的進行跟進。通過監(jiān)控對應(yīng)的文字輸入渠道和行為數(shù)據(jù)（例如，App里的報單信息錄入，電話詢問頻次，系統(tǒng)留言等），匯總后提交給ChatGPT進行語義與情緒數(shù)據(jù)分析，當ChatGPT返回了對應(yīng)的情緒結(jié)果后，運營系統(tǒng)接收相關(guān)結(jié)果，以情緒標簽的方式展示在對應(yīng)的工單上。

落實到具體產(chǎn)品實現(xiàn)效果，效果圖所示。在現(xiàn)有的單個工單管理界面上，添加了新的情緒標識，實時的反饋該工單所關(guān)聯(lián)的用戶情緒和緊迫程度。當用戶在被監(jiān)控的溝通渠道上提供了的反饋，例如，留言和郵件等，后端的情緒分析機制會被觸發(fā)，用戶信息被發(fā)送給ChatGPT，做語義情緒解析。通過不同的表情符號，和字體顏色組合，可以給客服人員最直觀的信息傳達。

另外，在實時的各個情緒信息之上，匹配時間軸，還搭建了對應(yīng)的情緒旅程圖，全面的展示工單相關(guān)情緒的變化，讓CSR做出更好的從“感性”角度的評估。

除了實時的情緒展示在工單管理界面上，當鼠標懸浮在對應(yīng)的圖標上時，按時間順序排列用戶情緒圖標變化被串聯(lián)起來，形成了用戶情緒旅程圖。運營人員可以通過觀察整體的情緒歷史，從“感性”角度采取服務(wù)措施。

眾所周知，產(chǎn)品經(jīng)理最重要的能力就是實現(xiàn)業(yè)務(wù)價值，持續(xù)交付。驗證業(yè)務(wù)價值的基礎(chǔ)就是產(chǎn)品數(shù)據(jù)的收集與分析。通過用戶產(chǎn)品使用數(shù)據(jù)的分析，我們可以迭代優(yōu)化產(chǎn)品，提升產(chǎn)品的業(yè)務(wù)價值。

3. 數(shù)據(jù)分析與洞察

用戶情緒旅程圖在去年12月分上線。同時我們使用數(shù)據(jù)埋點和分析工具為此產(chǎn)品搭建了匹配的數(shù)據(jù)收集和分析方案。在產(chǎn)品上線一個月后，我們把抓取的數(shù)據(jù)經(jīng)行了清洗，在隨后的數(shù)據(jù)分析里，得到與預(yù)期相差甚遠的結(jié)果。

從這張數(shù)據(jù)圖表可以看出，產(chǎn)品在上線初期出現(xiàn)過短暫的使用高峰后，客服人員的使用頻次呈現(xiàn)斷崖式的降低。到后期基本沒有什么使用的數(shù)據(jù)。通過不同的數(shù)據(jù)組可以看出，用戶數(shù)和點擊數(shù)并不重合，因此表示，有用戶多次點擊使用產(chǎn)品的情況。

從整體上來說，產(chǎn)品的使用率非常低。并沒有達到業(yè)務(wù)預(yù)期的效果。但是，關(guān)注個體數(shù)據(jù)的時候，我們又有不一樣的發(fā)現(xiàn)。

我們單獨提取出情緒標識被點擊的工單做個案分析。通過閱讀客戶留言和聽取談話錄音發(fā)現(xiàn)，這些被點擊的工單確實是比較符合當初產(chǎn)品設(shè)想。既，工單本身被系統(tǒng)邏輯判定的處理優(yōu)先級比較低，可以按標準SLA處理。但是情緒圖標提示了客服人員需要關(guān)注實際的客戶情緒，采取對應(yīng)措施。

以下是一些個案留言：

“你們?yōu)槭裁纯偸遣缓臀覝贤ň团扇松祥T？我不要上班啊，沒有自己的生活安排啊。不知道你們是怎么做決定的” – 客戶A

“為什么安排的人沒有出現(xiàn)？不是說好今天上門維修的么？我今天還特意請假在家等著。結(jié)果被你們放鴿子！我的浪費的假怎么算？！” – 客戶B

這樣產(chǎn)品整體的使用失敗和個案的成功，說明了產(chǎn)品所針對的業(yè)務(wù)痛點問題是存在的，但是體量和效果不足以說明本產(chǎn)品對業(yè)務(wù)整體的價值。

4. 總結(jié)

用戶情緒旅程圖產(chǎn)品的立意和設(shè)計都有涉及到用戶的痛點和目標價值。我們借助GPT對語義里的情緒識別，試圖使用這個信息來構(gòu)建立體的客服運營流程，提高用戶滿意度和運營效率。但是在實際的使用過程當中發(fā)現(xiàn)對應(yīng)的產(chǎn)品使用率并不明顯，并沒有達到預(yù)期的效果。對于運營來說更多是一種錦上添花，而非雪中送炭的結(jié)果。

從投入和產(chǎn)出比的角度來看，此產(chǎn)品只達到了工程的成功，而未到達業(yè)務(wù)的成功。為業(yè)務(wù)提供的價值不顯著。所以說，結(jié)合AI技術(shù)落地的企業(yè)產(chǎn)品并不會是一番風順的。企業(yè)業(yè)務(wù)活動和運營行為很多時候是隱性的，現(xiàn)在的AI技術(shù)還無法有效嵌入活動中，直接起到效果。