以及用户的反馈怎么通过数据化的方式收集起来？最终用在业务优化上

第一个步骤是场景化

当你足够地理解业务，把它场景化的时候，那么你成功了20%。

在风控场景中，进一步细化场景，把场景中的关键要素提炼出来：

• 有多少数据描述这个场景？
• 这些数据的维度是怎么样的？
• 这个数据怎么更新的？

大家记住：这是产品经理考虑的，不是技术考虑的。因为这还在业务调研阶段，技术还没参与进来。收益是什么？产品的价值在哪里？——这些东西都做完了，你完成了20%的工作。

第二步是产品设计

剩下的20%，就要考虑以数据为核心资产的各种操作所带来的产品设计：

• 数据怎么收集？
• 在哪里收集？
• 什么时候收集？
• 数据怎么去分析？
• 可能用什么样的方式去分析？
• 数据的结果怎么解释给用户？
• 怎么体现出来？什么时候体现？
• 以及用户的反馈怎么通过数据化的方式收集起来？最终用在业务优化上。

这些都是产品设计的过程。

当你把这些都设计好了之后，就可以把这个东西交给技术和其他人。

这个过程中你有更多的工作要做：需要充分地理解业务专家、算法工程师、平台工程师、数据分析师这些人的职责，同时协调他们，把正确的事派给正确的人。

你需要理解AI产品的数据、模型、参数以及结果，解释产品细节。

第三点是把抽象场景细化为数据需求

当你把这些东西都设计好、理解好、分析清楚之后，才开始真正地展开产品设计。

产品设计是围绕数据展开的：

1. 你要考虑数据怎么收集？——这是需求；
2. 数据从哪里收集？——这是策略。

你还要考虑产品的结果如何展示给用户。

AI产品是不可能一次做好的，需要通过时间逐步迭代。这个过程需要你具备数据分析的能力，不是简简单单地说：

“唉，我调研了几个用户，我知道了用户的需求，刚性需求是这个厕所场景非常重要，这个厨房场景稍微比较频率低一点。”

你需要从数据角度直接分析出来为什么，否则这个AI产品的落地会非常曲折。

从大数据的角度分析，然后通过数据分析的结果，最终提炼出你的需求，同时把它数据化。数据化的过程中，你需要考虑：

• 是否适合场景？
• 是否适合AI？

不适合AI的，你需要过滤。