金融產(chǎn)品經(jīng)理的新工具箱:猴哥附體,產(chǎn)品經(jīng)理的AI分身!

0 評論 2345 瀏覽 4 收藏 7 分鐘

大模型和Agent現(xiàn)在的使用范圍已經(jīng)很廣了,如果能利用好,能提高我嗎不少工作效率。本文作者分享了自己使用的AI工具和制作,希望可以幫到大家。

蹭一波猴哥的熱點(diǎn),假如你是一個(gè)產(chǎn)品經(jīng)理,如何訓(xùn)練自己的分身術(shù)呢?

試想如果你的工作可以有一個(gè)分身,每天幫你處理事務(wù),你只需專注于思考創(chuàng)意,這是不是很棒!

接下來,我會詳細(xì)介紹我的經(jīng)驗(yàn),使用的AI工具,以及Prompt。

一、首先用我的經(jīng)驗(yàn)感受下分身的效果

最近的兩次經(jīng)驗(yàn)。第一次比較正式地應(yīng)用AI寫prd,是在一個(gè)具體的產(chǎn)品項(xiàng)目上,該項(xiàng)目預(yù)計(jì)需要200人日的工作量。從研發(fā)團(tuán)隊(duì)的反饋來看,AI的完成率非常高。

1、在評審時(shí),開發(fā)者沒有發(fā)現(xiàn)問題,反而反饋說我優(yōu)化了產(chǎn)品需求文檔的結(jié)構(gòu),使得信息更加豐富。

2、評審時(shí)間縮短了,之前預(yù)計(jì)需要200人日的項(xiàng)目,一般評審時(shí)長(包括解讀需求背景、BRD商業(yè)需求文檔、核心功能點(diǎn)細(xì)節(jié))是1.5小時(shí)到2小時(shí)之間。這次直接縮短到了1小時(shí)以內(nèi)(其中半小時(shí)用于講解需求場景和價(jià)值,另外半小時(shí)用于講解功能細(xì)節(jié))。

3、在會議前和開發(fā)過程中,開發(fā)者對產(chǎn)品需求文檔的細(xì)節(jié)評論和疑問明顯減少。

4、這份產(chǎn)品需求文檔大約有1萬多字,我雖然第一次嘗試,但斷斷續(xù)續(xù)地用了大約5小時(shí)就完成了,這比平時(shí)自己完成的速度要快得多,對我提高效率非常明顯!

第二次應(yīng)用在個(gè)性化項(xiàng)目上,極大地提高了我的工作效率。

背景:在這個(gè)個(gè)性化項(xiàng)目中,需求方對研究模型算法的實(shí)現(xiàn)細(xì)節(jié)有所期待,他們已經(jīng)從多個(gè)數(shù)據(jù)源中獲得了初步的模型結(jié)果。為了將這些模型結(jié)果轉(zhuǎn)化為公司研發(fā)團(tuán)隊(duì)能夠?qū)崿F(xiàn)的具體算法,需求方需要與研發(fā)團(tuán)隊(duì)進(jìn)行深入的溝通和協(xié)作。

結(jié)果:通過與AI工具的協(xié)作,我在2小時(shí)內(nèi)完成了算法需求文檔的編寫,該文檔涵蓋了算法公式、算法解釋、數(shù)據(jù)源表、計(jì)算過程、示例數(shù)據(jù)演示以及異常數(shù)據(jù)處理等關(guān)鍵信息。極大提高了我的工作效率,也為研發(fā)團(tuán)隊(duì)提供了清晰的指導(dǎo),確保了項(xiàng)目需求的準(zhǔn)確理解。

二、如何修煉分身術(shù),工具是啥

在嘗試了Kimi和GPT之后,我最終選擇了GPT。我選擇GPT的原因有三點(diǎn):一是有現(xiàn)成的GPTs,,無需我額外訓(xùn)練;其次,GPT邏輯性更強(qiáng);最后,從回答的簡潔性和準(zhǔn)確性來看,GPT提供了更好的用戶體驗(yàn)。

在GPT的選擇上,我實(shí)際上測試了兩個(gè)不同的GPTs(下面的截圖,可以自己搜哈,都很好用),它們都表現(xiàn)出色。此外,我還體驗(yàn)了官方提供的GPT-4o。根據(jù)我的體驗(yàn),GPT-4o已經(jīng)能夠滿足我的需求。

猴哥附體:產(chǎn)品經(jīng)理的AI分身,效率翻倍不是夢!

猴哥附體:產(chǎn)品經(jīng)理的AI分身,效率翻倍不是夢!

三、我的prompt

第一步:撰寫商業(yè)需求文檔(BRD)

若要借助AI撰寫復(fù)雜的需求文檔,如上文所述的第一個(gè)案例,首先需要確保產(chǎn)品經(jīng)理的商業(yè)需求文檔(BRD)內(nèi)容詳盡且清晰。將BRD文檔作為輸入資料上傳給AI后,便可以放心地將后續(xù)的產(chǎn)品需求文檔(PRD)撰寫工作交給AI來完成。接下來,我將分享一個(gè)我總結(jié)的常用BRD模板。這個(gè)模板是你需要自行完成的部分,它將作為原始數(shù)據(jù)輸入給AI,以確保AI能夠準(zhǔn)確理解并處理您的商業(yè)需求。

第二步,具體需求prompt。

第三步,如果你需要寫SQL,下面是一個(gè)簡單幫你寫SQL的prompt。

四、最后展示一個(gè)簡單版的演示效果

原始版本:基金評分,由研究員手工編寫的算法文檔

AI版本:由AI生成的產(chǎn)品需求文檔(PRD),不僅結(jié)構(gòu)條理清晰,還包含了豐富的示例說明,使得理解更加直觀。

本文由 @懶羊羊的產(chǎn)品經(jīng)理手冊 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉(zhuǎn)載。

題圖來自 Unsplash,基于CC0協(xié)議。

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!
专题
36561人已学习13篇文章
用户分层本身并不是目的,只是实现业务发展的手段方式。
专题
15240人已学习13篇文章
在产品的运营过程中,无论是产品、运营还是市场团队,都希望能清晰地了解用户的行为路径,通过用户行为分析,优化用户体验,实现更精准的运营和营销。
专题
32466人已学习21篇文章
产品经理每月必须做的事情,10个用户调查,关注100个用户博客,收集1000个用户的反馈。
专题
13906人已学习14篇文章
企业架构可以辅助企业完成业务及IT战略规划,还是企业信息化规划的核心,也有助于个人职业的健康长远发展。本专题的文章分享了企业架构详解。
专题
12772人已学习13篇文章
Sora产品的爆火,给了我们不少的震撼,感叹AI在内容创作领域的进步实在是太快了。本专题的文章分享了对于Sora的解读和思考。
专题
12537人已学习12篇文章
LLM=Large Language Model 大语言模型,是一种基于深度学习的自然语言处理模型。它能够学习到自然语言的语法和语义,从而可以生成人类可读的文本。本专题的文章分享了大语言模型的知识。