本文讲述 PM 如何利用 AI 做到效率倍增,非常有借鉴意义,故而翻译于此。
原文链接:https://www.news.aakashg.com/p/the-ai-pms-playbook
在产品圈有一个广为流传的说法:
“每个产品经理都应该成为 AI 产品经理。”
这个观点有一定道理,但需要进一步探讨。
AI PM 的三种类型
谈到"AI PM",我们通常指的是以下三类:
-
**AI 赋能型 PM:**指的是运用 AI 工具来提升工作效率的产品经理
-
**AI 产品 PM:**在 OpenAI 和 Anthropic 等公司专注开发 AI 核心产品的产品经理
-
**AI 功能 PM:**负责为现有产品添加 AI 能力的产品经理,比如 Notion 的 AI 写作助手、Miro 的智能画布
不是每个产品经理都会成为第二类或第三类 AI PM,但每个产品经理都可以成为第一类 - AI 赋能的 PM。这也是今天要重点讨论的内容。
今天的主要内容
经过对十余位产品经理的深入访谈,我总结出如何从"基础 ChatGPT 用户"进阶为"AI 驱动型"产品经理的实践指南:
- AI 应用的核心原则
- 五大高价值应用场景
- 常见误区分析
1. AI 应用的核心原则
面对纷繁复杂的 AI 信息,让我们回归最基本的三条关键规则:
原则一:AI 对话策略是关键
不同 AI 工具各有特点,掌握与 AI 高效对话的方法需要持续练习。
就像大多数人都认为自己的驾驶水平在平均线以上一样,我们往往也高估了自己与 AI 对话的能力。如果没有刻意练习,对话效果往往差强人意。
以 ChatGPT 为例,OpenAI 总裁 Greg Brockman 认可的最佳对话结构是:
原则二:遵循 2-6-2 法则
作为产品经理,你需要完成工作的前 20%,因为 AI 无法完全理解产品管理的具体环境和约束。
你要向 AI 提供必要的背景信息和指导。同时也要完成最后 20% 的工作 - 调整输出内容的语气和风格,融入你的专业判断。
毕竟企业雇用你是看重你的专业能力,而不是简单地做 AI 的代理人。
原则三:持续迭代到达目标
AI 的首次输出很少能完全满足需求,通常需要多轮对话来完善。给出明确的反馈建议,帮助 AI 不断改进。一般经过 4-5 轮迭代后,内容才能达到使用标准。
2. 五大高价值应用场景
在众多 AI 应用场景中,以下五个最具价值:
场景一:产品需求文档(PRD)编写
还记得那些紧急的文档需求吗?比如下午收到明天要交付详细 PRD 的任务。
一位顶级科技公司的产品经理分享了他们的实践框架:
- 设定背景(20%):“这是一个面向企业级客户的 SaaS 产品功能…”
- 明确约束(30%):“需要满足 SOC2 认证要求,支持离线场景…”
- 提供示例(30%):“这是我们之前成功的规格文档…”
- 确定格式(20%):“按照标准 PRD 模板构建…”
经过测试,目前效果最好的工具是:
- Claude
- ChatPRD
- ChatGPT
场景二:战略规划文档
产品战略是 PM 最重要的工作之一。
但很多时候,你的战略文档更多是关于你事先做的研究和工作。
当需要写一份有力的文档时,最高回报并不总是在于写得多么漂亮。
这就是 Claude 这样的工具的用武之地。如果你给它所有正确的思考和核心原则,它可以给出一个论证充分的阐述。
在这种情况下,最有效的提示词结构是提供大量上下文,要包含 5-6 个关键要点,这样 Claude 就不会误解你的情况。类似这样:
目标:
需要制定未来12个月YouTube推荐系统演进的综合产品战略文档。该战略应平衡用户参与度、创作者成功和平台健康。
返回格式:
战略文档应包含:
• 执行摘要(2段)
• 当前状态分析
• 战略支柱(3-4个核心主题)
• 实施路线图(季度里程碑)
• 成功指标和衡量框架
• 风险分析和缓解策略
文档应具有说服力和可辩护性,因为这将呈现给我们的产品 SVP。
警告:
请确保文档:
• 避免"改进机器学习模型"等泛泛而谈的建议
• 包含具体、可执行的策略
• 符合我们的技术约束
• 保持YouTube 的语气和术语
• 引用真实的指标和 KPI
背景说明:
我负责YouTube的推荐团队,以下是让我夜不能寐的问题:
我们的核心观看时长指标健康(同比+25%),但用户研究显示令人担忧的趋势。用户报告推荐疲劳 - 他们花更多时间滚动而不是观看。我们日活跃用户的NPS上季度下降了8点。
我们正受到两端挤压:TikTok主导短视频领域(他们平均会话时长45分钟vs我们的32分钟),而Netflix和Prime在长视频方面占优。我们的创作者也感受到压力 - 中等规模频道(10-100万订阅者)的触达率在下降。
一些相关限制
需要考虑并添加到上下文中的一些关键输入包括:
- 上季度实验结果:[数据]
- 客户访谈见解:[发现]
- 技术架构限制:[具体细节]
- 竞争对手动向:[分析]
- 团队能力:[详情]
- 成功的战略文档:[完整文档]
在其训练数据中没有太多软件产品战略,所以提供一份公司内部优秀的战略文档会很有帮助。
场景三- 竞争对手研究
竞争格局瞬息万变,新进入者往往会给市场带来显著影响。作为产品经理,及时向管理层提供竞争分析报告至关重要。Perplexity 作为一款强大的智能搜索工具,能够帮助你快速获取竞品信息。
具体步骤如下:先输入目标竞争对手名称;然后深入分析其产品功能、价格策略和用户反馈;最后关注其最新动态和市场表现。以 Lemlist 产品经理分析 Instantly 为例,Perplexity 生成的分析报告涵盖了这些关键维度。
虽然 AI 工具还不能完全取代产品经理的分析工作,但它确实能将传统 3 小时的竞品调研压缩至 30 分钟。AI 可以高效完成数据收集和信息整理,为你提供可靠的参考来源。在此基础上,你可以结合自身经验和洞察,形成更有价值的竞争分析。
场景四 - 会议纪要撰写
会议效率提升方面,AI 转录工具能够自动记录会议内容并生成行动计划。产品评审会议后的总结工作通常比较耗时,而 AI 笔记工具可以完成大部分文档整理工作,产品经理只需进行适当调整即可完成会议纪要。基于实际应用效果,Otter.AI 在会议纪要生成和后续跟进方面表现出色。对于企业用户,各大会议平台自带的 AI 功能也是不错的选择。
场景五 - 原型设计和迭代
在原型设计领域,Claude Artifacts 正在重新定义产品经理的工作方式。借助这一工具,产品经理能够在一小时内将创意转化为可交互的原型。更重要的是,它显著提升了迭代效率:面对利益相关者的修改建议,只需调整提示词就能快速生成新版本,避免了繁琐的重复工作。虽然初始原型在视觉设计上可能不够精致,但对于快速验证概念和收集早期反馈来说,这样的效率提升极具价值。
推荐工具总结
长尾用例
除了核心应用场景外,AI 工具在产品管理中还有众多具体应用。这些用例不仅有助于掌握 AI 提示工程技巧,更能帮助产品经理将 AI 无缝整合到日常工作流程中。
以下是经实践验证的其他重要应用场景:
- SQL 查询优化
- 产品框架应用
- 设计评审分析
- 影响力评估
- 邮件快速处理
- 技术主题解析
- 访谈指南制定
- 功能结果报告编辑
- 用户反馈分析
- 用户研究资料管理
每个场景的详细指南可通过相应链接获取,这些方法都经过实际验证,能显著提升产品管理效率。
3 PM 使用 AI 的常见误区
作为产品经理,我也在 AI 应用实践中经历过这些挑战,现在和你分享这些经验。
错误 1 - 让 AI 代替思考
上月,一家创业公司的产品主管向我展示了他们的 AI 生成战略文档。这份文档结构清晰,框架完整,但内容却像一份 2019 年的麦肯锡报告。它既没有提到公司最近的企业级转型,也忽略了失败的 PLG 模式。更糟的是,文档推荐的功能都是上季度被核心客户明确否决的。
AI 确实能帮助我们梳理思路,但它无法理解:
- 最近实验失败的深层原因
- CEO 对消费定价的担忧
- 竞争对手行为对市场格局的实际影响
你的职责是提供背景信息,引导输出方向,用独到见解丰富内容。AI 应该是思维助手,而不是决策者。
错误 2- 忘记去除 AI 味
两周前,一位 PM 同事请我点评他们的董事会演示文稿。很快我就发现了未经处理的 AI 痕迹:陈旧的市场数据、不完整的竞争分析、脱离技术现实的功能建议。这不是 AI 的问题,而是没有把 AI 输出当作初稿来打磨。
错误 3- 固守过时工具
在近期的产品研讨会上,五位 PM 为各自的 AI 工具争论了将近一小时。大家各执己见,却都没有尝试过其他新选择。AI 技术日新月异,比如围绕 ChatGPT-3.5 搭建的工作流,现在可能已经有了更好的替代方案。
重点不在于追逐每个新工具。建立快速测试机制,定期尝试新工具,和其他 PM 交流使用心得。把精力放在解决实际问题上,而不是收集工具。
通过一年的观察,我深刻认识到:成为 AI 赋能的 PM,关键在于把握好依赖 AI 和相信产品直觉的平衡点。
结语
成功的 AI 产品经理都善于在实践中总结经验、吸取教训。保持你的独特视角,同时持续探索新工具。定期评估自己在产品规划、需求分析、功能设计等方面的能力。相信通过不断实践,你一定能在 AI 赋能的产品管理领域大有作为。
更多资料
我写过更多相关内容,这里是一些你可能感兴趣的文章:
- 2024 年 PM 或产品领导者如何使用 ChatGPT
- ChatPRD:你的终极 PRD 指南
- AI 时代的产品管理(播客)
- 如何在工作中使用 AI