产品经理机器学习手册：什么样的产品需要利用机器学习来解决？

机器学习和AI是十分热门的方向，随之而来的是更多相关产品的落地。产品经理也需要针对机器学习进行一系列的学习和充电才能继续在智能时代创造出伟大的产品。这篇文章阐述了产品经理的重要工作——问题定义。一个产品是否需要利用机器学习来解决、如何利用是产品经理需要回答的问题。这篇文章阐述了机器学习适用的的产品和场景，以及用户需求等。

关注用户

产品的重要原则是关注用户的需求，对于机器学习而言也是一样。对于产品经理而言，并不是要学会这些机器学习的技术，技术并不是终点，而仅仅是解决问题的工具，为用户带来价值的服务，满足用户的需求。很多个人和公司研发了很优秀的技术，但这并不等同于一个优秀的产品。如果在技术上获得了巨大的突破，你需要做的是安心思考这一技术可以解决什么问题，或者基于这项技术可以提升什么样的用户体验呢？这才是产品的思维方式。

但不得不说，有很多的初创公司利用机器学习研发出了令人炫目的技术并不都是着眼于解决问题或者用户需求的。这类公司在技术生态中非常重要，正是他们在推动着技术边界的扩展，但他们很少能找到适合的场景并开拓市场，等待的只有被收购的命运。所以作为一名产品经理你需要思考并实践为用户提供有用产品的思维。用户正在面临的问题和需求正是你需要聚焦去解决的（机器学习是解决这一问题的有效工具！）。

这同时也给我们带来了一个问题，如何确定哪一个商业问题才是机器学习可以解决的呢？这是一个产品开发的本质问题，决定了产品的技术方向。目前机器学习十分适合处理一类被称为模式识别的问题，这些问题可以被分为以下几类，我们逐一展开。 

用户被无边的数据淹没

如果用户的工作中需要面对大量的数据处理，那么机器学习和人工智能对于这种场景来说便是绝佳的工具。例如像谷歌和必应等搜索引擎就利用了一系列的机器学习技术为用户呈现出最合适的结果。例如当你在浏览器中搜索菜谱的时候，搜索引擎呈现的结构就是基于学习算法综合了你搜索的行为模式和与你行为模式相似的人群搜索结构而形成并提供给你的。如果你你希望将数百万份与教育相关的帖子进行分类整理，机器学习算法可以对他们进行聚类。如果你事先利用不同类别的文件训练出一个能识别不同类别的模型，那么它就可以帮助你自动分类不同的文件。

需要复杂认识能力的问题

自动驾驶汽车需要理解周围环境的复杂能力，它不仅需要自动对需要检测的照片进行整理，同时需要检测出环境中的事物、估计周围行人车辆的运动、控制自身的运动方向和速度。这需要复杂的认知能力，只有给机器投入大量的数据才能通过学习和模式识别习得这样的复杂能力。

预测

应用最广泛的预测便是用户对于某一商品的喜好了。用户是否喜欢推荐新闻中的故事？用户是否会订阅相关链接等等问题。如果你面临着预测用于喜好和行为的问题，机器学习是一个很好的工具。

同样如果你需要预测某种商品在某一时期的销量以便进行充分的准备，你同样可以将历史数据给到机器学习模型并考虑季节性因素，最后做出合理的预测。销售和库存的预测很大程度上依赖于机器学习的强大能力。

异常检测

机器学习的一大优势是发现数据中的异常。由于机器学习十分擅长模式识别，任何与与模型不符合的数据将会被很容易的检测出来并识别为异常。信用卡和金融领域常用的欺诈检测就是一个很好的应用，同样如果一个黑客侵入了某单位的内网，通过访问的行为识别，我们可以通过机器学习迅速发觉入侵者不同寻常的行为模式。

辅助决策

如果你希望帮助或者推荐你的用户在购物、观光、就餐等方面进行决策机器学习同样是不二的选择。机器学习算法通过对于用户平常的观光习惯、就餐喜好、购物倾向等进行模式的识别和分析，减小了用户进行决策的认知边界。在机器学习的帮助下，用户可以缩减选择的范围提高决策效率，更快的找到自己想要的东西。

与人类交互

如果你的服务中需要构建与人类进行沟通的服务，这需要你的机器能理解自然语言，机器学习是必须的。所有的智能助手包括google助手、Alexa、Siri不仅集成了识别人类声音的能力，同时还具有将人类语言翻译成期望动作和行为的能力。而这些能力来自于馈入机器学习大量的语言数据、语音数据等，使得机器可以将听到的语言映射为指令并执行响应的任务。

体验增强

通过机器学习提供新的体验或者对已有体验进行扩展。SnapChat提供了一个极好的例子，通过利用人脸识别算法它可以检测面部轮廓并对人脸施加一些滤镜操作，使得照片分享充满了新的快乐。

本文主要内容引自 36氪