产品经理的机器学习之路part I——什么类型的问题最适合机器学习？

本文章是本产品菜鸟的精心翻译。

原作者：

一心想成为互联网攻城狮的女产品经理Uzma Barlaskar（前PatternEQ CEO，MBA学位就读于斯坦福）

个人感悟：读完这篇文章让我对机器学习有了更深入的认识，它可以无孔不入的与我们的生活相融合，但不管其技术如何发展，我们都要清楚任何好的产品都是能解决用户痛点的，所以作为产品经理，在关注技术提升的同时一定不要忽视它能真正解决用户的哪一个真实需求？

Anyway,对原作者的崇拜之情溢于言表~

1

聚焦用户

关注用户需求是打造基于机器学习产品的首要原则。我发现一个常见的误区，大家普遍认为机器学习是以某种方式改变产品经理的一种技能。然而机器学习的目的并不是其技术本身，它其实是一个解决用户真实需求的工具。我发现很多人（和公司）都有炫酷的人工智能技术，而且他们认为只有技术才能证明其效力。在这里我想说，如果你有一个可应用的技术，那么考虑一下它能解决什么问题，或者通过这种技术可以增强哪些用户体验。

尽管如此，还是存在很多创业公司利用机器学习制作出炫酷的创新技术，并没有把目光聚焦在用户需求上。它们仅能达到互联网生态系统中一个重要的目标——推动技术前沿发展。但这些创业公司往往会被收购，很少能找到真正适合自己的互联网产品市场。所以，作为PM，如果你尝试打造一个服务用户的产品，要知道你的用户直面的问题不是技术，而是他们的需求。

2

用户淹没在大数据中

如果用户必须筛选大量数据才能完成一个任务，机器学习/ 人工智能就是一个很好的工具。Google和Bing等搜索引擎使用各种机器学习算法来为用户提供最佳答案。例如，当用户搜索菜谱时，通过学习用户自己的搜索模式以及与用户类似的人的搜索和点击行为的模式，将最符合用户行为的作为第一个结果显示。分类问题也可以利用机器学习，如下场景：用户经过了“提供一个与教育有关的文档的合理样本”模型的训练后，当用户想要把数百万篇与教育有关的帖子集中起来时，机器学习可以帮助用户完成分组任务。

3

需要复杂认知能力的问题

自动驾驶汽车需要了解他们周围的环境，照片自动分类的图库app需要能够检测地点，人物和事物。这些应用都需要复杂认知能力，构建这类智能机器的唯一方法是为其提供大量数据并通过模式识别方法进行学习。

4

预测和预知

移动互联网中最常见的问题之一是预测用户是否喜欢某件物品。用户是否喜欢其订阅新闻中的故事，是否会购买Dropbox订阅服务？如果关于产品的问题是预测一个用户是否会执行某个操作，机器学习是一个很好的选择。

同样，如果您想要预知2018年12月的销售情况（在业务基础没有较大变化的情况下），你可以提供过去几年的历史数据，机器学习可以创造一个预测模型，此外，销售的季节性变化也可采用此方法。机器学习可以帮助我们预测销售，库存使用情况等。

5

异常检测

机器学习的最大好处之一是发现数据异常。由于机器学习擅长模式识别，而异常行为是指任何不符合正常行为模式的行为，所以它们很容易被机器学习检测出。其中欺诈检测是一个主要应用。如果我的卡使用模式与我的常规行为不同，这表明我的卡已被盗用。同样，如果黑客试图访问企业内部网，查看入侵者的访问模式，此时使用机器学习可以轻松标记这种行为。

6

如果你想协助用户决策， 比如提供购买，访问，观赏等方面的建议，机器学习是一个很好的工具。通过观察与用户类似的人群，即购买过类似产品，访问过类似网站的人，机器学习可以减少决策时的认知负担。通过查看这些推荐可以发现，没有查看过整个视频目录，也没有搜索任何视频的用户也能够找到符合他们兴趣的视频。

7

与人类互动的体验

如果你想提供与人类交流的服务则需要了解自然语言，此时就需要机器学习。目前很多语言辅助工具都在开发，如 Alexa，Siri和Google Assistant，他们将人类语言翻译成可执行的任务。训练机器理解人类语言意味着为他们提供大量关于语言，语音语调的数据，然后让机器将声音映射到语言，语言映射到指令，指令映射到任务。

8

加强/创造新的体验

加强/创造新体验是机器学习中最令人兴奋的领域。基于上面提到的所有可能性，现在有没有一个这样的新体验呢？SnapChat滤镜是一个很好的例子，它可以说明机器学习是如何增强现实的。SnapChat滤镜通过使用面部识别算法检测出脸部轮廓，从而将创意滤镜叠加在脸部上，使得照片分享更有趣。你还能想到哪些体验可以通过机器学习/人工智能来改善？

欢迎关注→往来有小白丁