企业官网建设流程全解析

网站导航的建设,discuz模板开发,自己给别人做网站挣钱吗,商品小程序怎么制作本文探讨AI时代产品经理角色转变#xff0c;强调从识别真实需求到战略落地的完整方法论。通过情感陪伴AI玩具和社交场景案例#xff0c;揭示产品经理需从确定性功能交付转向驾驭不确定性#xff0c;构建稳定价值框架#xff0c;实现价值重构的底层逻辑。 AI浪潮下#xff…本文探讨AI时代产品经理角色转变强调从识别真实需求到战略落地的完整方法论。通过情感陪伴AI玩具和社交场景案例揭示产品经理需从确定性功能交付转向驾驭不确定性构建稳定价值框架实现价值重构的底层逻辑。AI浪潮下产品经理的角色正在被重新定义。网易云信产品总监以情感陪伴AI玩具为切口揭示了从真需求识别到战略落地的完整方法论更提出颠覆性观点未来的产品竞争不再是确定性功能交付而是对不确定性的智能化驾驭。这场演讲不仅呈现了AI社交产品的实战架构更为从业者提供了价值重构的底层逻辑。———— / BEGIN / ————在产品经理行业交流大会现场嘉宾网易云信产品总监阙杭宁 围绕AI对产品经理的影响、核心职责重构以及网易云信的AI实战案例展开分享既有对行业本质的深度思考也有可落地的实践经验为身处AI浪潮中的产品人提供了清晰的行动指引。AI时代产品经理的核心命题在不确定性中锚定真需求阙杭宁首先抛出一个经典命题在AI时代我们应如何理解产品经理的角色他分享了一个有趣的实验尝试让AI为自己即将参加的产品经理大会撰写一份内容要求涵盖产品经理的所有工作职责并具备一定的战略洞见。最终AI输出的归纳精准贴切几乎无需修改完全契合行业认知。阙杭宁指出他特别欣赏其中的一个关键词**资源约束。**产品经理常被称为“夹心饼干”根源就在于资源的有限性。在日常工作中产品经理往往聚焦于产品探索、MVP构建、产研协同、运营协同以及基于用户反馈推动产品迭代等环节却容易忽略最核心的底层逻辑——找到最终的交付价值即产品的第一性原理真实需求。他强调唯有真实用户及其生活场景中的需求才能支撑产品价值的有效交付并最终实现平台或企业的商业变现。在模糊的市场环境和复杂的商业目标中精准识别真实需求并以恰当的产品交付方式提供价值构成了产品愿景与阶段化路线图的核心。落实到组织层面我们通常用企业的使命愿景来统领方向。但这不仅仅是管理层的任务产品经理在其中同样扮演着至关重要的角色积极参与制定并承担承上启下的作用。在产品演化层面阙杭宁将其分为两个维度一是被动式优化即基于运营数据提升关键漏斗的指标转化率二是主动式迭代即开启从战略到探索、执行的全新产品路径闭环。我们通常知道在产品从立项到上线的初期阶段会界定一个MVP最小可行产品。有了MVP就要去寻找PMF产品市场匹配。此时的产品并非完全体。甚至当产品发展一段时间后你会发现实际的用户群体和竞争壁垒与最初的设计存在差异。这时你需要对核心用户群和自身壁垒产生新的价值认知从而形成一个新的产品管理闭环。产品经理始终需要在动态变化中完成价值重构。网易云信AI实战情感陪伴底座的战略选择与落地作为网易云信的核心初创成员及产品经理阙杭宁分享了团队在AI领域的战略布局与实战成果。网易云信在前十年深耕融合通信领域其商业本质并非技术本身而是在“互联网”浪潮下团队发现了一个共性需求当时各类互联网APP如雨后春笋般涌现尤其是社交、电商等平台它们都有一个共同点——需要人与人、人与企业或企业员工之间的沟通功能。这带来了大量的通讯功能研发需求。然而当时市场上相关的人才供应和技术栈均不够成熟存在较大缺口。团队通过工业化的产品交付模式填补了这一空白并与行业伙伴共同推动了市场的繁荣。在选择新方向时我们需要思考什么方向对我们更有利、更有价值我们现有的壁垒是什么新方向是否是一个具有更大市场空间的共性需求网易云信在过去十年积累的产品壁垒仍与通信相关主要体现在两个方面一是端到端、人与人之间的连接通道能力二是将技术型产品转化为稳定可靠的企业级交付的组织能力。在智能化趋势下衍生出一个新场景人工智能之间的互动。这延伸了通信的一个新内涵“通信内容”。因此我们看到了两个高度相关的方向一是“娱乐社交AI”二是今年非常火爆的赛道——AI玩具。二者的共同底座是情感陪伴。娱乐社交的核心是由人向人提供情感陪伴或者在AI出现后部分转变为由AI向人提供情感陪伴。而AI玩具可以理解为将娱乐社交中的实体如玩具替换为APP中的数字人或背后的真人其本质底座是相同的。我们的目标是让专注于AI玩具或娱乐社交应用的厂商能更聚焦于洞察其用户和市场思考应为用户提供什么价值。而在如何实现良好的情感陪伴这一技术及产业落地上则交由我们这样的专业底座来提供支持极大地释放他们的精力。他们无需再分配资源去研究如何提供稳定的情感陪伴内容与互动。既然选定了方向作为产品经理我们必须成为最早的行动者。我们要做什么深入一线了解行业。我们最初的设想是寻找那些想做AI玩具的厂商了解他们遇到的问题并提供解决方案。但后来我们发现市场远比想象中有趣。我们深入调研了这个产业的业态。在这个生态中云厂商、智能硬件供应商甚至大模型厂商都已介入共同为玩具提供情感陪伴的延伸能力。我们发现与玩具实体相关的设计和外观仍是传统玩具厂商的擅长领域而涉及软硬件集成及情感陪伴功能实现的部分则是互联网公司和大模型公司的专长。这对传统厂商意味着如果他们想进入这个领域就需要招聘人才这会带来可见的成本投入。他们需要考量投入多少人、多少时间是否需要采购和选型硬件并进行系统集成和生产。然而他们开发的产品能否成为爆款却无人能保证。需求是存在的但产品能否被用户买单具有很大的不确定性。这加深了我们对这个行业的理解。AI玩具已不再是单点公司能够独立完成的产品它非常适合发展成为一个跨界融合的新产业。这就要求例如工厂需要懂内容的人科技公司需要懂玩具的人IP方则需要懂产业链和产品价值的人。这是一个更完整、更复杂的协作链路。我们发现了一个行业现状大部分厂商仍持观望态度。目前市场上可见的AI玩具产品有但并不多而且也不存在一款产品通吃市场的格局。而且不同的AI玩具需要在多样性和可玩性上做到差异化给到不同类型的用户群体更高的覆盖。按照商业发展的规律一个行业的繁荣又需要得到提速需要更多的厂商下场参与。一是生产效率问题厂商不下场其优势何在他们担心什么二是如何让更多玩具厂商快速下场降低门槛和投入成本消解他们的劣势甚至大幅缩短其POC概念验证周期。针对这些痛点网易云信的产品价值切入点十分明确降低门槛、减少投入成本、缩短POC周期让更多厂商能够快速入局。考虑到玩具芯片运算能力有限的资源约束团队创新打造了云端计算的RTC架构将原本在设备端进行的降噪、增强等功能迁移至云端同时构建了包含记忆、情绪、亲密度在内的情感共鸣层并独创“故事引擎”以解决用户零启动初次使用时的体验问题。因此我们提出了底层的产品架构。基础层与我们核心能力相关首先是底层的ITC接入然后是智能对话层。智能对话层在玩具场景下显得很不同与手机或PC终端相比玩具的运算能力和成本框架受到严格限制。一个几十元成本的芯片如何实现与手机相近的性能这是做不到的。因此必须在产品形态和价值实现上寻求转变。你需要将原本在端侧完成的降噪、增强等功能迁移到云端这就是我们所说的“云ITC”架构。但这足够了吗不一定。仅仅为传统或科技玩具厂商提供连接大模型的通路让他们自行调整提示词就够了吗我们认为远远不够。因此我们在情感共鸣层针对优质情感陪伴所涉及的记忆、情绪、亲密度等要素进行了深度设计。记忆需要时间发酵只有与AI玩具持续交流、产生沉淀让它了解你的聊天风格、性格和偏好后效果才会显现。但在用户零启动时这些效果都无法发挥。如何让用户快速启动体验我们提供了“故事引擎”。这就是我们在该领域的产品价值思考与最终呈现的形态。示意图右侧展示了我们交付的具体产品形态和下面的版型设计。这使得玩具厂商能够实现“开箱即用”。在厂商打磨出玩具样品、嵌入芯片之前他们就可以利用这个平台进行调试。他们能够快速通过界面调整对话效果感知到调校后的对话与玩具实体结合后是否能向用户提供有价值的体验。这也使得越来越多的玩具厂商开始进入这一领域。目前已有越来越多的玩具厂商借助这一底座进入AI赛道这与团队最初的设想节奏完全契合。情感陪伴的发展分为六个阶段当前大模型能够实现的是E1和E2阶段。E1文本大模型本质上是语义理解及基于上下文记忆的反馈。E2多模态大模型能够识别用户的表情、音调和神态并据此做出回应。E3与E4与深度记忆及用户的性格喜好、偏好相关。E4之前的情感陪伴基本是站在第三方立场提供支持。它能理解你并有一定共情。E5深度共情在理解了你的人格、思维方式乃至世界观、哲学观之后产生的内在共鸣很像与你内心深处的自己对话。这时情感陪伴进入了一个深度的“共生”概念。刚才提到了故事引擎这实际上是我们实践中逐步形成的构想。起初我们认为有了记忆功能情感陪伴就会强大很多。但后来发现并非如此。我们每次演示时都发现需要先输入一些记忆信息才能有好的效果。于是我们想到网易非常擅长做游戏。在整个游戏引擎的思维下我们借鉴了游戏策划的方法通过构建一个世界观、设定基础的IP背景、设计经典事件和对应的激励机制来快速生成虚拟世界中的关键触发点。这让用户从接触开始就能快速、持续地使用进而沉淀下来形成一个循环。整体逻辑是故事驱动带来语料和使用数据的沉淀这些数据沉淀反过来滋养记忆系统记忆又会融合进整个故事驱动中从而形成一个良性循环。这是我们的一个闭环展示。AI赋能社交场景打破冷场与破冰的核心解法除了AI玩具阙杭宁还分享了AI在娱乐社交领域的应用探索。他引用了内部虚拟聊天产品“破次元”的产品经理的观点AI并不能直接教会一个人如何更好地聊天但它可以作为一个实用工具提供帮助。有时候聊天冷场用户可能把手机放到一边等再想起来回复时可能已经错过了最佳时机很容易导致对话中断。因此做问答题和做选择题显而易见选择题更容易随机选一个就行。所以它本质上提供的是一个降低门槛的工具。它不一定能100%的让回复变得多么精妙但能极大概率让对话更容易得以延续。当然AI让回复变得更有趣是另一个层面的提升。这种场景特别适用于那些旨在帮助用户建立中长期社交关系的陌生人社交平台。因为这类平台需要通过聊天逐步熟悉再建立关系。在所有社交平台上陌生人之间都会遇到一个核心问题**破冰**如何让两个人之间产生更多的互动我们通常在社交平台上选中一个人想要聊天时常常卡在第一句话该说什么。特别是例如一个男性用户看到一个很有吸引力的女性用户打招呼说“你好”显得太过普通那说什么更合适呢这时提供选择题选项的模式再次发挥作用用户甚至可以刷新选项让AI帮忙构思。我们的案例很有意思AI会根据对方的兴趣标签以及用户自身的语言风格特征提供诸如兴趣共鸣、友好调侃等不同角度的开场白选项。当然如果对这三条都不满意还可以刷新。事实上通过这样降低门槛可以显著提升社交平台上成功建立联系的用户基数。我们以语聊房为例从平台视角还能做什么语聊房运营通常需要评估房间的聊天质量。这里讨论的不是与风控相关的内容质检而是指聊天内容本身。语聊房的主播为观众提供的聊天节奏、内容把控能力并非人人一致。平台如何利用AI赋能将运营基准线普遍提升例如都能达到90分让一个新主播能够快速跟上度过适应期AI在这方面可以提供很多帮助。以往的分析依靠人工需要运营人员去查看甚至收听聊天内容这非常耗时。例如分析一个2小时的语聊房内容让运营听2小时是不现实的。但AI可以完成这类任务。此外同样是分析语聊房不同水平的运营其洞察力也不同。例如优秀的运营能快速分辨出内容的好坏。但在AI的范式沉淀下这些经验可以被可以被“记忆”下来形成组织的优势沉淀。一个运营今天可能是60分明天通过借鉴经验可能达到70分下限门槛被不断提高。这些经验可以被“记忆”下来形成组织的优势沉淀。否则一旦优秀运营离职该领域的运营质量就可能下降。这是AI带来的一个显著变化。因此智能体可以提供具体的访问分析归因用户行为路径为优化指明方向。AI对产品经理的终极影响驾驭不确定性构建稳定价值框架最后阙杭宁回归核心话题AI时代产品经理的工作逻辑发生了本质变化。我们来探讨一下AI对产品经理的影响。前面两点如AI辅助用研、所见即所得的原型生成非常经典这里不再展开。这带来的好处显而易见是“所见即所得”。我告诉研发要做A他可能做出A’甚至B。但现在我拿着AI生成的结果A去沟通他能更直观地理解我想要的是什么。这是一种需求沟通方式的变化。但今天我更想探讨另一个角度我们在设计产品和洞察需求场景时与以往相比也将有很大不同。过去经典产品的一个重要特征是确定性。什么是确定性例如在数学计算中输入11结果就是2。这是一个客观事实不随时间或操作者改变是确定性的。因此它替代的是一些确定性的执行动作。AI带来的核心特征则是不确定性。不确定性的表征就是相同的输入不同的使用人不同的时间出来的结果都不一样。很经典的场景就是AI图片生成/视频生成相同的模型、相同的提示词每次生成都会带来差异。那么这类产品的价值就会变成是在有限使用次数下能够找出符合预期的生成结果这个被采用数量 / 生成总数量 采用率的指标带来的背后所消耗的时间、其他相关成本等生产成本与传统模式设计师人工完成这个被采纳数量的生产成本的对比价值差。这也是今天的演讲主题AI时代的产品经理就从交付功能到了交付智能、交付效果的变迁。在这样的AI产品范式下我们要做的就是如何让不确定性变得更加稳定如何让这种稳定的框架形成组织能够持续发展迭代的经验壁垒这是我们产品经理在构建产品交付价值框架时需要重点考虑的关键点。在AI浪潮下产品经理的核心价值从未改变——洞察真实需求、整合资源、创造价值但实现路径已然升级。无论是战略方向的选择、产品架构的设计还是场景落地的优化都需要产品经理在坚守本质的同时拥抱变化在不确定性中寻找确定性的价值锚点。如何系统的学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。一直在更新更多的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】01.大模型风口已至月薪30K的AI岗正在批量诞生2025年大模型应用呈现爆发式增长根据工信部最新数据国内大模型相关岗位缺口达47万初级工程师平均薪资28K数据来源BOSS直聘报告70%企业存在能用模型不会调优的痛点真实案例某二本机械专业学员通过4个月系统学习成功拿到某AI医疗公司大模型优化岗offer薪资直接翻3倍02.大模型 AI 学习和面试资料1️⃣ 提示词工程把ChatGPT从玩具变成生产工具2️⃣ RAG系统让大模型精准输出行业知识3️⃣ 智能体开发用AutoGPT打造24小时数字员工熬了三个大夜整理的《AI进化工具包》送你✔️ 大厂内部LLM落地手册含58个真实案例✔️ 提示词设计模板库覆盖12大应用场景✔️ 私藏学习路径图0基础到项目实战仅需90天第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】