1.AI产品设计常见失败原因
- 技术驱动产品设计，即我有什么技术就做什么产品。尽管许多公司不惜重金招聘高级AI算法工程师，确实这样也能帮助企业拿到大量的融资，但也容易给公司带来技术决定产品设计的局限。然而对于用户而言是不会在乎产品用到的技术到底有多么的高级，训练了多少数据，他们只关心产品会帮助自己解决什么问题，以及所要付出的成本。
- 忽略用户期望管理，华而不实的产品功能造成用户失望。许多产品挂上了AI的名头，但实际上可能只解决了用户在整个流程中的某个细小的环节，会造成用户期望过高，导致对公司品牌的信任度降低。
- 单点突破带来价值有限，与产品价格或需要用户付出的代价不成正比。尽管很多情况下的AI产品在某个具体场景中发挥了价值，但大多不是整体解决方案，满足不了用户的复杂需求，这样会使产品的性价比得不到用户认可。
- 一味追求底层技术，而忽略了用户体验的优化。比如一些广告推荐系统不考虑用户感受，反复推荐用户购买过或浏览过的隐私类产品，会让用户尴尬而且有被侵犯的感觉。
2.AI产品常见设计原则
- 少即是多。PM应该始终站在用户的角度思考问题，降低产品的使用成本，提升交互效率，因为用户不关心产品使用了什么高深的技术，他们只在乎产品解决了什么需求。
- 从微观到宏观逐步深入。产品需要从某个功能得到用户普遍认可后再继续第二个功能，只有这样才能在AI技术和产品不成熟的今天占领用户心智。
- 放宽眼界，有效整合资源。PM不仅要找到算法和用户需求的交叉点，而且要有意识的修炼自己的软、硬件技术整合能力、跨行业技术融合能力、交叉文化理解和创新能力等。AI产品的形态和产品逻辑不应该受到传统GUI的局限，产品的交互方式可以通过各种数据类型和技术解决方案来实现，PM应当以用户为中心挖掘他们最自然的行为习惯，整合新资源和技术设计出AI产品。
- 同理心。AI产品比传统产品具有更复杂的技术和更高的资金投入，PM若执着于自己认为正确的需求忽略用户真正的需求，会给公司造成巨大的损失。而同理心则需要PM从三个维度去和用户实现共鸣：（1）认知共鸣。PM需要放下自身的经历、经验和用户站在一起，而且目前机器学习中许多算法的可解释性很差，PM需要充分考虑用户的传统逻辑认知并对一些算法添加先验条件的约束，建立用户对产品的信任。（2）情感共鸣。PM需要考虑到用户拿到这款产品后的感受，为他们创造最佳感受体验。（3）身体感受的共鸣。比如为老年人设计产品UI时，要考充分虑到他们的视力水平，尤其是长时间使用产品后的身体感受。
3.合理制定产品需求优先级
- 价值（商业价值的高低）VS复杂度矩阵（研发复杂度）。PM要对需求的价值和研发/部署的复杂度对每个需求进行评估：价值大且研发复杂程度较低的需求优先级最高，价值大但研发复杂度较高放在第二以此类推。
- 卡诺模型。这种模型是一种在不同阶段按产品目标倒退需求优先级的思维方式，它将需求分为三类：（1）基础功能。代表产品进入市场的基本门槛，保证能够满足用户普遍需求的最低标准。然而在后续的研发若投入大量精力，并不会显著提高用户的满意度或建立产品的竞争门槛，因此此类需求优先级较低。（2）性能需求。即在实现基础功能后，为了提升和优化产品性能的需求。这类需求可以在一定程度上提升用户满意度，但其他竞争对手同时也会在这方面持续投入，ROI通常为线性。（3）尖叫（兴奋）功能。用户使用产品后能够感受到喜悦和兴奋，这种产品可能是非常有创造性的，也有可能带来